在这个分类下面，我们总结梳理基于Bayesian网络的诊断性检测算法的概念和论文，建立研究用概念-论文知识库。每篇论文要包含：提出了或者回答了什么问题，答案是什么，怎么回答的，我觉得怎么样，对我有什么意义或者启发，对学科或者现实有什么意义，还要包含概念地图。

研究问题

这里有两个研究问题，我们更关注第二个：

第一、就是给定一个概念网络，学生回答了一堆问题，问题和概念之间的联系通常已知，概念间的联系（包含上下不同层次知识之间的层次性联系和同层概念之间的逻辑上的左右联系，以及不同领域不同分支学科之间的跨越性的左右联系）通常已知，推断出来学生对每个概念的理解程度；

第二、进一步选出来，在当前学生已经回答过的问题和推断出来的概念掌握程度的基础上，下一步应该考察的问题，从而实现用更少的问题得到最多的学生对每个概念的理解程度。

通常，在一个叫做Knowledge Tracing的研究领域内（其所属的更大的领域是智能助教系统 Intelligent Tutoring System，其所属的更大领域是教育工程，其所属的更大领域是教育学，或者更准确地称为教学学），大家也回答第一个问题。不过，大多数Knowledge Tracing的研究没有考虑概念间关系，只有少数注意到了这个问题，但是也没有解决好。

第一个问题可能很大程度上都局域的，但是，也有一定的系统性。第二个问题，则肯定是全局的，但是大多数场合可能需要用局域的算法来解决这个全局的问题，尽管找得到全局性的算法肯定是最好的。

研究方法

Bayesian网络或者基于某种传播扩散的经验模型。