Core Concepts
컴퓨터 적응형 시험(CAT)은 개별 응시자의 능력 수준에 따라 문항을 동적으로 선택하여 효율적이고 맞춤형 평가를 제공한다. 이 논문은 기계 학습 관점에서 CAT 기술의 핵심 구성 요소인 인지 진단 모델, 문항 선택 알고리즘, 문항 은행 구축, 시험 통제 등을 종합적으로 고찰한다.
Abstract
이 논문은 컴퓨터 적응형 시험(CAT)에 대한 기계 학습 관점의 종합적인 고찰을 제공한다.
인지 진단 모델: CAT에서 응시자의 능력 수준을 추정하는 모델로, 잠재 특성 모델, 진단 분류 모델, 딥러닝 모델 등이 소개된다.
문항 선택 알고리즘: CAT의 핵심 구성 요소로, 통계 기반 알고리즘, 능동 학습 알고리즘, 강화 학습 알고리즘, 메타 학습 알고리즘, 부분 집합 선택 알고리즘 등이 논의된다.
문항 은행 구축: 문항 특성 분석과 문항 은행 개발 방법이 소개된다.
시험 통제: 내용 통제, 공정성, 강건성, 검색 효율성 등 CAT 적용을 위한 핵심 요소들이 다루어진다.
이를 통해 CAT 시스템의 신뢰성, 공정성, 효율성을 높이기 위한 다양한 기계 학습 기술의 활용 방안을 제시한다.
Stats
"CAT는 컴퓨터 과학과 지능형 측정의 결합체이다."
"CAT는 응시자의 능력 수준에 따라 문항을 동적으로 선택하여 평가의 정확성을 높이고 시험 길이를 최소화한다."
"CAT 시스템은 인지 진단 모델, 문항 선택 알고리즘, 문항 은행, 시험 통제 등 4가지 주요 구성 요소로 이루어진다."
Quotes
"CAT는 컴퓨터 과학과 지능형 측정의 결합체이다."
"CAT는 응시자의 능력 수준에 따라 문항을 동적으로 선택하여 평가의 정확성을 높이고 시험 길이를 최소화한다."
"CAT 시스템은 인지 진단 모델, 문항 선택 알고리즘, 문항 은행, 시험 통제 등 4가지 주요 구성 요소로 이루어진다."