Knowledge Tracing (KT)의 문제점을 해결하기 위해, 이 논문은 HIN (Heterogeneous Information Networks)과 LLM (Large Language Model)을 결합한 "HISE-KT" 프레임워크를 제안합니다. HISE-KT는 다양한 노드 유형을 포함하는 HIN을 구축하여 메타 경로를 통해 구조적 관계를 캡처하고, LLM을 활용하여 메타 경로 인스턴스의 품질을 평가하고 필터링합니다. 또한, 메타 경로 기반 유사 학생 검색 메커니즘을 통해 예측에 필요한 컨텍스트를 제공합니다. 마지막으로, HISE-KT는 구조화된 프롬프트를 사용하여 대상 학생의 이력과 유사한 궤적을 통합하여 정확한 예측과 함께 증거 기반의 설명 가능한 분석 보고서를 생성합니다.
