Knewtonの基本的なアプローチ

学習者に有益で実用的な分析や提案を行うには、まず学習者の理解の状況を推定する必要があります。この推定には、次のような独自のモデルを使用しています。
 
(a) 学習単元間の関係を表すベイジアン・グラフィカル・ネットワーク
(b) 直近での学習を表すガウス確率過程に基づく時系列モデル
(c) 学習者の理解度と単元の難易度を合わせて学習できる多変量IRTモデル
 
このモデルは、すべての単元における学習者の理解の状況を多変量で記述して出力します。この理解の状況は、理解度や予測スコア（忘却曲線も使用）などの分析結果を導き出すために使用され、さらに、学習者が次に取り組むべき最適なコンテンツを決定するレコメンド・モデルへの重要な入力となります。レコメンドの内容は、新しい教材に進むこと（現在の単元の理解度が十分と推定される場合）、現在の単元について教えること（現在の単元の理解度が低く、まだ十分な指導を受けていない場合）、前提単元のサポートへの補習（十分な指導を受けてもまだ理解度が低い場合）などが考えられます。