使用隐马尔可夫模型预测教育游戏中的学生表现
机器学习
2019-05-02 v1 计算机与社会
机器学习
应用统计
摘要
贡献：先前教育研究多遵循横断面研究模型，即考察前测与后测分数。本文表明，学生于干预过程中的知识状态可通过使用隐马尔可夫模型的时间序列分析来估计。背景：分析时间序列以及学生与游戏数据之间的交互，可产生仅通过考试横断面研究无法获得的宝贵信息。研究问题：隐马尔可夫模型能否用于分析教育游戏？隐马尔可夫模型能否用于预测学生表现？方法：研究在（N=854）名游玩 Save Patch 游戏的学生中进行。学生被分为 class 1 和 class 2。class 1 学生为测试中得分低于 class 2 学生的那些学生。分析通过选取游戏的多种特征作为观测来完成。发现：状态轨迹可准确预测 class 1 与 class 2 学生的表现。
引用
@article{arxiv.1904.11857,
title = {Predicting Student Performance in an Educational Game Using a Hidden Markov Model},
author = {Manie Tadayon and Greg Pottie},
journal= {arXiv preprint arXiv:1904.11857},
year = {2019}
}