• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>European Conference on Technology Enhanced Learning >Elo, I Love You Won't You Tell Me Your K
【24h】

Elo, I Love You Won't You Tell Me Your K

机译：Elo，我爱你，你不会告诉我你的K

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Elo is a rating schema used for tracking player level in individual and, sometimes, team sports, most notably - in chess. Also, it has found use in the area of tracking learner proficiency. Similar to the 1PL IRT (Rasch), Elo rating schema could be extended to serve the most demanding needs of learner skill tracking. Elo's advantage is that it has fewer parameters. However, the computational efficiency side of the search for the best-fitting values of these parameters is rarely discussed. In this paper, we are focusing on questions of implementing Elo and a gradient-based approach to find optimal values of its parameters. Also, we compare several variants of Elo to learning modeling approaches like Bayesian Knowledge Tracing. Our results show that the use of analytical gradients results in computational and, sometimes, statistical fit improvements on small and large datasets alike.
机译：Elo是一种评分架构，用于跟踪个人（有时最常见的团队运动）中棋手的水平。此外，它已用于跟踪学习者的能力领域。与1PL IRT（Rasch）类似，Elo评分架构可以扩展为满足学习者技能跟踪的最苛刻需求。 Elo的优点是它具有较少的参数。但是，很少讨论寻找这些参数的最佳拟合值的计算效率方面。在本文中，我们关注于实现Elo的问题以及基于梯度的方法来找到其参数的最佳值。此外，我们将Elo的几种变体与学习建模方法（如贝叶斯知识跟踪）进行了比较。我们的结果表明，使用解析梯度可以对小型和大型数据集进行计算，有时甚至可以改善统计拟合。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号