-
Notifications
You must be signed in to change notification settings - Fork 0
/
ArithmeticResponseV1BKTValidator.py
83 lines (69 loc) · 3.88 KB
/
ArithmeticResponseV1BKTValidator.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
import ArithmeticExercise
import DifficultyMachine
import ResponseValidatorDecision
import BKT as bkt
# Clase de validador de respuesta de ejercicios aritméticos
class ArithmeticResponseValidator:
MIN_PRIOR_LEARNED_PROBABILITY_FOR_MASTERY = 0.95 # OK
MIN_PRIOR_LEARNED_PROBABILITY_FOR_REVIEW = 0.35
MAX_ATTEMPTS_PER_EXERCISE = 2
# Constructor (Vacío o no vacío)
def __init__(self, exercise:ArithmeticExercise.ArithmeticExercise, user_response:int, skill_bkt_model:bkt.BKT):
self.__exercise = exercise
self.__user_response = user_response
self.__skill_bkt_model = skill_bkt_model
# Getters
def get_exercise(self):
return self.__exercise
def get_user_response(self):
return self.__user_response
def get_skill_bkt_model(self):
return self.__skill_bkt_model
# Setters
def set_exercise(self, exercise):
self.__exercise = exercise
def set_user_response(self, user_response):
self.__user_response = user_response
def set_skill_bkt_model(self, skill_bkt_model):
self.__skill_bkt_model = skill_bkt_model
# Validador y tomador de decisiones frente a una respuesta del usuario y
# la probabilidad estimada de dominio a priori de la habilidad
def validate_response(self, dm:DifficultyMachine.DifficultyMachine):
# Considere si la respuesta del usuario fue correcta o no
correctness = self.get_user_response() == self.get_exercise().get_correct_response()
# Almacene el valor de p(L), t=n-1
prior_learning_probability = self.__skill_bkt_model.get_p_lt()
# Actualice el valor de p(L), según el nuevo valor t=n, y dependiendo de si la respuesta fue correcta o no
if correctness == True:
self.__skill_bkt_model.update_model(observation=True)
else:
self.__skill_bkt_model.update_model(observation=False)
# Almacene el nuevo valor de p(L), t=n
updated_prior_learning_probability = self.__skill_bkt_model.get_p_lt()
# Dependiendo del nuevo valor de p(L, t=n), y de si este valor aumentó o no con respecto al valor p(L, t=n-1),
# decida si se mostrará un nuevo ejercicio en una dificultad superior o inferior, o, si la dificultad es la misma,
# decida si se mostrará el mismo ejercicio u otro ejercicio.
is_prior_learning_probability_not_decreased = False
if (updated_prior_learning_probability >= prior_learning_probability):
is_prior_learning_probability_not_decreased = True
if (updated_prior_learning_probability >= self.MIN_PRIOR_LEARNED_PROBABILITY_FOR_MASTERY
and is_prior_learning_probability_not_decreased == True):
# Aumente el nivel de dificultad
return ResponseValidatorDecision.ResponseValidatorDecision(correctness,
dm.get_superior_difficulty(), False)
elif (updated_prior_learning_probability < self.MIN_PRIOR_LEARNED_PROBABILITY_FOR_REVIEW
and is_prior_learning_probability_not_decreased == False):
# Disminuya el nivel de dificultad
return ResponseValidatorDecision.ResponseValidatorDecision(correctness,
dm.get_inferior_difficulty(), False)
else:
# Mantenga el nivel de dificultad
# Si la respuesta al ejercicio es correcta, cambie de ejercicio
if (correctness == True):
return ResponseValidatorDecision.ResponseValidatorDecision(correctness,
dm.get_current_state(), False)
else:
# Si la respuesta al ejercicio es incorrecta, mantenga el mismo ejercicio
# Aunque el ejercicio debería cambiar, dependiendo de otros parámetros como el número de intentos fallidos.
return ResponseValidatorDecision.ResponseValidatorDecision(correctness,
self.__exercise.get_difficulty(), True)