本研究は、知識追跡(Knowledge Tracing)の分野において、以下の2つの主要な課題に取り組んでいる。
学生の個性化された認知能力を学習と忘却プロセスに統合する。従来の方法は学生の個人差を十分に考慮していなかったが、本研究では学生の答案時間、正答率、問題難易度などの要素を組み合わせて学生の能力を表現し、個人差を明示的にモデル化している。
知識概念間の階層的関係を考慮した忘却メカニズムを設計する。従来の方法は一般的な時間経過による忘却を考慮するにとどまっていたが、本研究では知識概念間の前提-後続関係を表現するマトリクスを構築し、関連する知識概念の忘却が及ぼす影響を捉えている。
具体的には以下の手順で実現している:
学生の個性化された認知能力を学習と忘却プロセスに統合する。学生の答案時間、正答率、問題難易度などの要素を組み合わせて学生の能力を表現し、個人差を明示的にモデル化する。
知識概念間の前提-後続関係を表現するマトリクスを構築し、関連する知識概念の忘却が及ぼす影響を捉える。これにより、知識概念間の因果関係に基づく忘却メカニズムを設計する。
学生の短期記憶と長期記憶の変化を捉える「忘却-復習」メカニズムを導入し、忘却プロセスをより現実に即したものとする。
提案手法であるコンセプト駆動型個性化忘却知識追跡(CPF)モデルを構築し、3つの公開データセットを用いて評価を行う。実験結果から、CPFが従来手法に比べて優れた予測性能を示すことを確認した。
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Shanshan Wan... kl. arxiv.org 04-19-2024
https://arxiv.org/pdf/2404.12127.pdfDybere Forespørgsler