C'est un cadre unifié, un framework pour l'évaluation des modèles de Knowledge Tracing. On fait la comparaison de 7 modèles de Deep Knowledge Tracing de différentes familles, et on évalue sur 11 jeux de données synthétiques et réels, avec les mêmes conditions expérimentales. Et on calcule, on évalue à la fois la performance prédictive et les métriques d'efficacité, comme le temps d'entraînement, le temps d'inférence et la taille du modèle, etc. Et l'objectif, c'est une évaluation comparable, reproductible et extensible.

Citations: C'est un cadre unifié, un framework pour l'évaluation des modèles de Knowledge Tracing. On fait la comparaison de 7 modèles de Deep Knowledge Tracing de différentes familles, et on évalue sur 11 jeux de données synthétiques et réels, avec les mêmes conditions expérimentales. Et on calcule, on évalue à la fois la performance prédictive et les métriques d'efficacité, comme le temps d'entraînement, le temps d'inférence et la taille du modèle, etc. Et l'objectif, c'est une évaluation comparable, reproductible et extensible.
startTime: 544
endTime: 578
Identifier: urn:uuid:f9b3ba69-1aea-47f2-81a5-da63205408ea

Filter by resource type and property:

Items with "Citation tirée de la conférence: C'est un cadre unifié, un framework pour l'évaluation des modèles de Knowledge Tracing. On fait la comparaison de 7 modèles de Deep Knowledge Tracing de différentes familles, et on évalue sur 11 jeux de données synthétiques et réels, avec les mêmes conditions expérimentales. Et on calcule, on évalue à la fois la performance prédictive et les métriques d'efficacité, comme le temps d'entraînement, le temps d'inférence et la taille du modèle, etc. Et l'objectif, c'est une évaluation comparable, reproductible et extensible."
Title	Class
Au-delà de la performance prédictive : vers une évaluation écologique des modèles de Deep Knowledge Tracing

There are no annotations for this resource.