Core Concepts
大規模な自然発生データから、深層学習と記号回帰の組み合わせによって、スキル習得を支配する象徴的な法則を自動的に発見することができる。
Abstract
本研究は、スキル習得における重要な問題に取り組んでいる。従来の実験的アプローチでは、スキル習得の法則が論争的で一般化が困難であるという課題があった。そこで本研究は、大規模な自然発生データを活用し、深層学習と記号回帰の組み合わせによって、スキル習得を支配する象徴的な法則を自動的に発見することを目的としている。
具体的には以下の手順で進められた:
深層学習モデルを構築し、大規模な訓練ログデータを正確にフィッティングする。このモデルは、ユーザーの行動特徴をエンコーディングし、スキルマスタリー度を推定する。
深層学習モデルから、記号的な表現への蒸留を行い、スキル習得を支配する象徴的な法則を発見する。これにより、複雑なデータパターンを人間可読な形式で表現することができる。
シミュレーションデータを用いて提案手法の有効性を検証し、実データへの適用を行う。
シミュレーション実験の結果、提案手法は事前に設定した様々な習得法則を高い精度で復元できることが示された。また、Lumosity大規模データへの適用では、従来の学習モデルよりも優れたフィッティング性能を示し、新たなスキル習得法則の発見につながった。さらに、言語と推論の相互作用に関する知見が得られた。
Stats
スキル1の習得法則: 0.544-#AT-0.0804
スキル2の習得法則: 0.000489×#FL
Quotes
"大規模な自然発生データを活用し、深層学習と記号回帰の組み合わせによって、スキル習得を支配する象徴的な法則を自動的に発見することができる。"
"提案手法は事前に設定した様々な習得法則を高い精度で復元でき、Lumosity大規模データへの適用では、従来の学習モデルよりも優れたフィッティング性能を示し、新たなスキル習得法則の発見につながった。"