Group2-Topic6

[skardan]

6.2 What are the main techniques used in student modeling?
Introduce different techniques with at least one related paper for
each.

[Mehdi Ghanimifard]

۱- مدل احتمالاتی یا روش شبکه های بیضوی (Bayesian networks) [1],[2],[3]
شبکه بیضوی روشی برای نشان داده روابط احتمالاتی بین مجموعه‌ای از متغیرها است. روش شبکه بیضوی در اصل تکنیکی برای تحلیل داده ها و استخراج دانش از آن است. مشکلات اجرای این روش هزینه بر بودن در کسب آگاهی و در زمان به روز کردن مدل دانشجو (Student Model) است. استنتاج در شبکه باور بیضوی یک مسئله NP-سخت است و این مدل به تعدادی احتمالات پیشینی نیاز دارد.
۲- نظریه مدرک دمپستر- شافر(Dempster-Shafer theory of evidence) [4]
این نظریه ریاضی بر پایه باورها و ممکن‌ها بنا شده تا احتمال یک رخداد را محاسبه کند. به طور خلاصه بر اساس باور موجود تابعی مشابه تابع احتمال معرفی می‌کند که به هر رخداد یک وزن دهد و در ادامه هر مدرک و مشاهده خود رخدادی قطعی است که بر احتمال رخداد دیگر اعضای مجموعه باور تاثیر می‌گذارد و به این ترتیب یک تابع باور به رخداد نیز معرفی می‌گردد. می‌توان گفت تابع باور به نوعی تعمیم تابع احتمال است.
۳- منطق فازی (fuzzy logic) [5]
منطق فازی بنیانی را برای طراحی سیستم معرفی می‌کند درحالی که مدل سازی ریاضی یک سیستم تصمیم گیری (decision-making) کار ساده‌ای نیست. ایده اصلی آنالیز فازی داده‌ها فرمول کردن مدل تصمیم با قوانین منطقی است. این روش علاوه بر اینکه یک سیستم تخمین زننده است، ساختار و پارامتر‌های واضحی به صورت قواعد فازی اگر-آنگاه (IF-THEN) دارد.
۴- ترسیم مدل (Model tracing) [6]
روش‌های قبلی از نظر محاسباتی پیچیده و گران قیمت هستند ولی این روش محاسبات زیادی در بر ندارند ولی فقط دانسته‌های دانشجو را ثبت می‌کنند و رفتارهای او را بررسی نمی‌کند.

References:
[1] W. R. Murray.
A practical approach to Bayesian student modeling.
In B. P. Goettl, H. M. Halff, C. L. Redfield, and V. J. Shute, editors, Intelligence Tutoring System (Proc. 4th Int'l Conf. ITS'98), pages 424-433. Springer, 1998.
http://www.springerlink.com/content/23865x284226g607
[2] V. A. Petrushin and K. M. Sinista.
Using probabilistic reasoning techniques for learner modeling.
In World Conf. on AI in Education, pages 418-425, Edinburgh, 1993.
[3] M. Villano.
Probabilistic students models: Bayesian belief networks and knowledge space theory.
In Intelligence Tutoring System (Proc. 2nd Int'l Conf. ITS'92), pages 491-498. Springer, Montreal, Canada, 1992.
http://www.springerlink.com/content/p8523h56r1tr1j06/
[4] M. Bauer.
A Dempster-Shafer approach to modeling agent references for plan recognition.
User Modeling and User-Adapted Interaction, 5:317-348, 1996.
[5] L. W. Hawkes, S. J. Derry, and E. A. Rundensteiner.
Individualized tutoring using an intelligent fuzzy temporal relational database.
Int'l Journal of Man-Machine Studies, 33:409-429, 1990.
[6] J. R. Anderson, A. T. Corbett, K. Koedinger, and R. Pelletier.
Cognitive tutors: lessons learning.
The Journal of the Learning Sciences, 4(2):167-207, 1995.

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
متن بالا از منابع زیر استخراج شده است:
http://www.icsr.bas.bg/ICSRwebsite/Staff/Andreeva_Plamena/AndreevaPGMsClsf_final.pdf
http://www10.org/cdrom/papers/207/node4.html

[amir_golshan]

با سلام
با توجه به اينكه بنده هم در تحقيقاتم به نتايجي مشابه نتايج اعلام شده
از طرف آقاي غنيمي فرد رسيدم ، در زير بعد از ارائه يك مدل ديگر به
تعدادي از application هاي عملي انجام شده براي پياده سازي تكنيكهاي
مدلسازي دانش آموزان اشاره خواهم كرد
و در انتها به تعدادي از paper هاي ارائه شده در مورد مدلها اشاره خواهم
كرد:

مدل TBM
اين مدل در واقع همان مدل Dempster-Shafer theory of evidence است كه با
جمع آوري meta data ها و ontology اقدام به برداشت اطلاعات از انبوه داده
هاي موجود مي‌كند.
Applications:
OLAE(Online Assessment of Expertise)
اين application با كمك مدل بيضوي اقدام به شناسايي رفتار دانش آموزان و
برداشت اين مساله كه هر دانش آموز چه اندازه مي‌داند،خواهد كرد.در اين
روش و با كمك اصل عدم قطعيت برداشت شده از تكنيك مدلسازي بيضوي عكس العمل
دانش آموز در قبال پاسخگويي به سوالات ارزيابي مي‌شود.
POLA (Probabilistic Online Assessment)
در ادمه روش قبلي در اين روش مسيري كه دانش آموز براي رسيدن به جواب پي
مي‌گيرد پيش بينتي مي‌شود و از اين طريق دانش آموزان مدل مي‌شوند.
Adaptive Training System (ATS)
در اين روش هدف ارتقاي سطح دانش آموزان است كه از روش ML-Modeller براي
مدل كردن دانش آموزان استفاده مي‌كند(مدل ارتباطي و عكس العملي دانش
آموزان در برخوردهاي گروهي با يكديگر) و با تكنيك machine learning و
تقليد حركت دانش آموز مبتدي تا پيشرفته مدلي از نحوه آموزش به وجود
مي‌اورد.

Bayesian networks
An Introduction to Bayesian Networks and their Contemporary
ApplicationsDaryle Niedermayer, I.S.P., PMP, B.Sc., B.A., M.Div.

Dempster-Shafer theory of evidence
On the Use of the Dempster Shafer Model in Information Indexing and
Retrieval Applications
Shimon Schocken affiliation not provided to SSRNRobert A. Hummel
affiliation not provided to SSRNOctober 1992
NYU Working Paper No. IS-92-27
fuzzy logic
The Logic of Fuzziness, Nazim Soylemezogolu, (http://
www.math.harvard.edu/~hmb/issue2.1/FUZZY/fuzzy.html)

TBM
Smets Ph. (1990) The Combination of Evidence in the Transferable
Belief Model.
IEEE Trans. PAMI 12 (1990) 447-458.An axiomatic derivation of the
Dempster's rule of combination