Evaluating DAS3H on the EdNet Dataset - Archive ouverte HAL
Communication Dans Un Congrès Année : 2021

Evaluating DAS3H on the EdNet Dataset

Benoît Choffin
Données et Connaissances Massives et Hétérogènes - LISN
Fabrice Popineau
Données et Connaissances Massives et Hétérogènes - LISN
CV
Yolaine Bourda
  • Fonction : Auteur
  • PersonId : 1094082
Données et Connaissances Massives et Hétérogènes - LISN
Jill-Jênn Vie
  • Fonction : Auteur
  • PersonId : 1094083
Scool

Résumé

The EdNet dataset is a massive English language dataset that poses unique challenges for student performance prediction. In this paper, we describe and comment the results of our award-winning model DAS3H in the context of knowledge tracing in EdNet.

Domaines

Autres [stat.ML] Machine Learning [stat.ML] Applications [stat.AP] Intelligence artificielle [cs.AI] Environnements Informatiques pour l'Apprentissage Humain
Fichier principal
Vignette du fichier
DAS3H_AAAI_2021_Workshop_on_AIED_HAL.pdf (194.14 Ko) Télécharger le fichier
Origine Accord explicite pour ce dépôt

Benoît Choffin  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03175874

Soumis le : mardi 23 mars 2021-20:09:11

Dernière modification le : vendredi 31 mai 2024-18:32:03

Archivage à long terme le : jeudi 24 juin 2021-18:03:59

Télécharger pour visualiser

Dates et versions

hal-03175874 , version 1 (23-03-2021)

Identifiants

  • HAL Id : hal-03175874 , version 1

Citer

Benoît Choffin, Fabrice Popineau, Yolaine Bourda, Jill-Jênn Vie. Evaluating DAS3H on the EdNet Dataset. AAAI 2021 - The 35th Conference on Artificial Intelligence / Imagining Post-COVID Education with AI, Feb 2021, Virtual, United States. ⟨hal-03175874⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

TICE CNRS INRIA CENTRALESUPELEC CRISTAL INRIA2 UNIV-PARIS-SACLAY UNIV-LILLE TEL CRISTAL-SCOOL LISN GS-ENGINEERING GS-COMPUTER-SCIENCE LISN-LAHDAK HUB-IA EFRAN
306 Consultations
420 Téléchargements

Partager

More