Statistische/psychometrische technieken voor digitale leertoepassingen

Digitale leeromgevingen zijn populaire hulpmiddelen geworden om vaardigheden in studenten te oefenen. Als belangrijk voordeel kunnen deze leeromgevingen de leerervaring personaliseren. Zo passen Computerized Adaptive Practice (CAP)-omgevingen continu de moeilijkheidsgraad van de oefeningen aan het huidige vaardigheidsniveau van de student aan, waardoor het individuele leerproces wordt bevorderd. Deze adaptiviteit vereist echter dat vaardigheden on-the-fly betrouwbaar worden beoordeeld, rekening houdend met het feit dat leren van moment tot moment plaatsvindt. Beoordelingssystemen - met het Elo Rating System (ERS) als bekend voorbeeld - hebben bewezen krachtige hulpmiddelen te zijn voor het opvolgen van de vaardigheden van studenten in CAP-omgevingen. Recent onderzoek heeft echter aangetoond dat de huidige ratingsystemen ook aanzienlijke tekortkomingen hebben. Dit project zal verschillende psychometrische uitbreidingen voorstellen op de state-of-the-art beoordelingssystemen die deze problemen verminderen.