貝葉斯知識溯源

貝葉斯知識溯源（英文：Bayesian Knowledge Tracing）係喺電腦化嘅教育當中常見嘅一種演算法。貝葉斯知識溯源嘅做法涉及攞隱馬可夫模型嚟模擬學習者嘅學習過程，將「學習者嘅知識」呢個（或者呢啲）變數想像成若干個二元（「學咗」或者「未學到」）嘅潛在變數，而啲可觀察變數就係個學習者嘅反應，（「有冇答啱問題一」、「有冇答啱問題二」... 等等）。

模型

貝葉斯知識溯源有模型四個參數：

• $p(L_{0})$ 或者 $p$-$init$，即係「個學習者事前已經具有呢件知識」嘅機會率；
• $p(T)$ 或者 $p$-$transit$，即係「個學習者有機會展現呢件知識（例如答一條問題）嗰陣展現件知識」嘅機會率；
• $p(S)$ 或者 $p$-$slip$，即係「個學習者展現一件佢識嘅知識嗰陣出錯（例如答一條佢識嘅問題嗰陣撳錯掣）」嘅機會率；
• $p(G)$ 或者 $p$-$guess$，即係「個學習者成功展現一件佢查實唔識嘅知識嗰（例如答一條問題嗰陣靠撞又咁啱俾佢撞中咗）」嘅機會率；

睇埋

• 馬可夫鏈