文献

J-GLOBAL ID：202002275812720312   整理番号：20A1199294

多項処理木モデルによる知識空間理論の確率モデルの表現【JST・京大機械翻訳】

Representing probabilistic models of knowledge space theory by multinomial processing tree models

著者 (2件)： Heck Daniel W. (Department of Psychology, Philipps-Universitaet Marburg, Gutenbergstrasse 18, D-35032 Marburg, Germany) ,  Noventa Stefano (Methodenzentrum, Universitaet Tuebingen, Holderlinstr. 29, 72074 Tuebingen, Germany)
資料名： Journal of Mathematical Psychology  (Journal of Mathematical Psychology)
巻： 96  ページ： Null  発行年： 2020年 
JST資料番号： C0831A  ISSN： 0022-2496  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 知識空間理論(KST)は,学習過程におけるアイテムまたはスキル間の階層的関係をモデル化することを目的としている。例えば,学校における数学を研究するとき,学生は最初に,乗算を学習できる前に総和の規則を習得する必要がある。KSTにおいて,個人の知識状態は部分的に秩序化された潜在クラスによって表現される。確率的KSTモデルにおいて,条件付き確率パラメータを,潜在的知識状態から観測された応答パターンへの遷移をモデル化するために導入した。これらのモデルは,有限数の潜在状態を仮定することにより離散データを説明するので,多項式処理木(MPT)モデル(すなわち,異なる状態に入る条件付き確率を参照するパラメータを持つ二値決定木)により表現できる。基本的局所独立性モデル(BLIM)と単純学習モデル(SLM)のようなKSTの標準確率モデルは,MPTモデルの特定の例として表現できることを証明した。この密接なリンクを考えると,MPT法は,KSTにおける理論的および実際的な問題に対処するために適用される可能性がある。MPT-KSTリンクと,アイテム応答理論(IRT)における局所確率論的独立性の違反をモデル化するための意味を強調することにより,理論的結果,統計的方法,および数学的心理学と心理学のこれらの異なるドメインにわたるソフトウェアの交換を容易にすることを希望する。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習モデル ,  統計的方法 ,  確率論 ,  乗算 ,  ディシジョンツリー ,  ソフトウェア ,  *確率モデル
準シソーラス用語： 学習過程 ,  条件付確率 , 【Automatic Indexing@JST】

著者キーワード (6件)： MPT ,  KST ,  IRT ,  条件付き確率 ,  潜在状態 ,  数学モデリング

分類 (4件)： 人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M) ,  システム・制御理論一般  (IA02010H) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 木 ,  モデル ,  知識 ,  理論 ,  確率モデル ,  表現