본 논문은 디지털 학습 플랫폼에서의 부주의 오류 탐지를 위한 새로운 모델인 BKFC(Beyond Knowledge Feature Carelessness) 모델을 제안합니다. 기존의 Contextual Slip 모델은 조건부 확률과 베이지안 지식 추적(BKT)을 사용하여 지식이 있음에도 불구하고 실수하는 부주의 오류를 식별하지만, 다중 기술 태그가 붙은 질문에 대한 부주의를 효과적으로 평가할 수 없다는 한계가 있습니다. BKFC 모델은 성과 요인 분석(PFA)과 로그 데이터에서 추출된 행동 특징을 사용하여 지식을 통제하면서 부주의 오류를 탐지합니다. 소수와 연산에 대한 학습 게임을 플레이한 중학생 데이터에 BKFC 모델을 적용하여 Contextual Slip 모델과 비교 분석하였으며, 두 접근 방식으로 탐지된 부주의 오류가 일치하지 않음을 발견하였습니다. Contextual Slip 모델로 탐지된 부주의는 사후 검사 성적과 양의 상관관계를, BKFC 모델로 탐지된 부주의는 음의 상관관계를 보였습니다. 이는 부주의의 복잡성과 부주의 및 부주의 오류의 조작화에 대한 더 넓은 과제를 강조합니다.
