KUL-Rec은 학습자의 점진적 발달 영역(ZPD)에 맞춰 다음 활동을 선택하는 적응형 운동 추천(ER) 시스템입니다. KUL-Rec은 빠른 Hebbian 메모리와 느린 replay 기반 통합을 결합하여 희소한 상호 작용으로부터 지속적이고 적은 샷 개인화를 가능하게 합니다. 이 모델은 임베딩 공간에서 작동하여 단일 아키텍처가 표 형식 지식 추적 로그와 개방형 단답형 텍스트를 모두 처리할 수 있습니다. 양방향 랭킹 및 랭킹 민감형 지표(nDCG, Recall@K)를 사용하여 튜터링 요구 사항에 맞게 평가합니다. 10개의 공개 데이터 세트에서 KUL-Rec은 매크로 nDCG와 Recall@10을 개선했으며, 경쟁력 있는 그래프 기반 모델에 비해 낮은 추론 지연 시간과 약 99%의 최대 GPU 메모리 감소를 달성했습니다. 13주 과정에서 KUL-Rec은 검색 증강 파이프라인으로 생성된 주간 단답형 퀴즈를 개인화했으며, 개인화된 퀴즈는 낮은 인지 난이도와 높은 유용성과 관련이 있었습니다(p < .05). 임베딩 견고성 감사는 인코더 선택이 의미 정렬에 영향을 미친다는 것을 강조하여 개방형 응답 평가를 배포할 때 정기적인 감사를 수행하도록 동기를 부여합니다. 이러한 결과는 제한된 통합을 통한 Hebbian replay가 데이터 양식 및 교실 환경에서 확장 가능한 실시간, 해석 가능한 ER을 위한 실용적인 경로를 제공한다는 것을 나타냅니다.
