ExRec은 의미 기반 지식 추적을 활용한 개인화된 운동 추천을 위한 일반적인 프레임워크입니다. 기존 운동 추천 접근 방식은 지식 추적(KT)을 통해 학습자의 성과를 시뮬레이션하지만, 질문의 의미적 내용과 학습자 학습의 순차적이고 구조적인 진행이라는 두 가지 핵심 측면을 종종 간과합니다. ExRec은 질문의 KC 주석 및 의미 표현 학습부터 KT 모델 훈련 및 여러 강화 학습(RL) 방법 최적화까지의 종단 간 파이프라인을 제시하여 이를 해결합니다. 또한, 누적 지식 향상을 추정하는 데 KT 모델 구성 요소를 직접 활용하는 맞춤형 모델 기반 가치 추정(MVE) 접근 방식을 통해 표준 Q-학습 기반 연속 RL 방법을 개선합니다. 온라인 수학 학습에서 서로 다른 교육 목표를 가진 네 가지 실제 작업에 걸쳐 다양한 RL 방법을 사용하여 ExRec의 효과를 검증했습니다. 또한 ExRec이 새로운 보이지 않는 질문에 대해 강력하게 일반화되고 해석 가능한 학습자 학습 경로를 생성함을 보여줍니다. 결과는 교육에서 효과적인 개인화를 위한 KT 기반 RL의 가능성을 강조합니다.
