본 연구는 지식 추적(KT) 문제를 해결하기 위한 새로운 프레임워크인 Q-MCKT를 제안한다. Q-MCKT는 학생의 문제 및 개념 수준 지식 습득 상태를 동시에 모델링한다.
문제 지식 습득 모듈(MQKA)에서는 다중 전문가 기술을 활용하여 더 강건하고 정확한 문제 지식 습득 상태를 얻는다. 개념 지식 습득 모듈(MCKA)에서는 문제 지식 습득 상태를 보완하는 개념 지식 습득 상태를 모델링한다.
또한 Q-MCKT는 상호작용이 적은 문제의 표현을 향상시키기 위해 세부적인 문제 중심 대조 학습 기법을 도입한다. 이를 통해 해당 문제의 지식 습득 상태 정확도를 높인다.
마지막으로 Q-MCKT는 문제 및 개념 지식 습득 상태를 활용하여 해석 가능한 예측 레이어를 구축한다. 이 레이어는 심리측정학의 문항반응이론(IRT)을 활용하여 교사들이 이해할 수 있는 예측 결과를 제공한다.
실험 결과, Q-MCKT는 다양한 기존 모델 대비 우수한 예측 성능과 해석 가능성을 보여주었다.
To Another Language
from source content
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Hengyuan Zha... lúc arxiv.org 03-13-2024
https://arxiv.org/pdf/2403.07322.pdfYêu cầu sâu hơn