Lerner-Inferenzen durch Konstruktion Bayes'scher Netze aus Domänenwissen

Abstract

Der Erfolg von e-Learning-Systemen hängt entscheidend vom Grad der Lernadaptivität ab. Adaptive tutorielle Systeme, die sich in einem bestimmten Maße an den Lerner anpassen können, benötigen hierfür Verfahren des maschinellen Lernens. Dieser Beitrag stellt ein Verfahren vor, das mit Hilfe von Domänenwissen über einen Lerner Bayes'sche Netze konstruiert, um Inferenzen über den Lerner bilden zu können. Diese zusätzlichen Lernerinformationen werden dem Adaptionsprozess zur Verfügung gestellt, um eher und qualitativ bessere Inferenzen bilden zu können.