Core Concepts
LoReKTは、豊富なリソースからの事前学習を通じて知識トレーシング能力を転送し、低リソース状況で効果的に適応することを目指しています。
Abstract
知識トレーシング(KT)は、学生の知識習得度を推定することを目的とします。
LoReKTは、豊富なリソースからの事前学習後、特定の低リソースデータセットで微調整されます。
データタイプ埋め込みとデータセット埋め込みが導入されており、モデルの性能向上に貢献しています。
重要性ベクトルに基づく微調整戦略が有効であり、オーバーフィッティング問題を軽減します。
LoReKTは他のDLKTモデルよりも優れたパフォーマンスを示しました。
Stats
直接訓練するDLKTモデルは低リソースKTデータセットで過学習につながる可能性がある
LoReKT-Ft-impt-221MはAS2009およびAL2005データセットでAUCスコアが最も高い
LoReKT-Ft-impt-221Mは他のベースライン手法よりもAS2009およびAL2005データセットでAUCスコアが優れている
Quotes
"LoReKT-Ft-impt-221MはAS2009およびAL2005データセットでAUCスコアが最も高い"
"重要性ベクトルに基づく微調整戦略が有効であり、オーバーフィッティング問題を軽減します"