Core Concepts
학습자 응답의 정오답뿐 아니라 선택한 옵션과 그 가중치를 활용하여 대규모 언어 모델 기반 지식 추적 모델의 정확도를 향상시키고, 특히 데이터 부족 시 발생하는 콜드 스타트 문제를 효과적으로 해결할 수 있다.
Abstract
대규모 언어 모델과 선택 가중치를 사용한 지식 추적에서의 콜드 스타트 문제 완화: 정오답 그 이상의 정보 활용
JongWoo Kim, SeongYeub Chu, Bryan Wong, and Mun Yi. . Beyond Right and Wrong: Mitigating Cold Start in Knowledge Tracing Using Large Language Model and Option Weight. In . ACM, xx xx, xx,pages. https://doi.org/ XXXXXXX.XXXXXXX
본 연구는 대규모 언어 모델(LLM) 기반 지식 추적(KT) 모델에서 학습자의 과거 문제 풀이 데이터 부족으로 인해 발생하는 콜드 스타트 문제를 완화하는 것을 목표로 한다. 이를 위해 학습자의 응답 정오답 정보뿐만 아니라 선택한 옵션과 그에 따른 가중치를 활용하여 예측 정확도를 향상시키는 LOKT(Large Language Model Option-weighted Knowledge Tracing) 모델을 제안한다.