Advancing Knowledge Tracing by Exploring Follow-up Performance Trends
Created by
Haebom
저자
Hengyu Liu, Yushuai Li, Minghe Yu, Tiancheng Zhang, Ge Yu, Torben Bach Pedersen, Kristian Torp, Christian S. Jensen, Tianyi Li
개요
지능형 튜터링 시스템(ITS)에서 학습자의 과거 학습 활동을 분석하여 미래 성과를 예측하는 지식 추적(KT)은 학습자의 지식 상태를 정확하게 평가하는 데 중요한 역할을 합니다. 기존 KT 방법들은 과거 학습 순서와 미래 성과 간의 상관관계 충돌 문제를 겪습니다. 본 논문에서는 과거 ITS 데이터에서 Follow-up Performance Trends (FPTs)를 추출하여 KT에 통합하는 새로운 방법인 Forward-Looking Knowledge Tracing (FINER)을 제안합니다. FINER은 선형 시간 내에 FPTs를 검색하는 학습 패턴을 구성하고, 빈도와 문맥적 유사성을 기반으로 FPTs를 집계하는 새로운 유사도 인식 어텐션 메커니즘을 포함하며, FPTs와 과거 학습 순서를 결합하여 학습자의 미래 성과 예측 정확도를 높입니다. 6개의 실제 데이터셋에 대한 실험 결과, FINER은 기존 10개의 최첨단 KT 방법보다 정확도를 8.74%~84.85% 향상시켰습니다.
시사점, 한계점
•
시사점:
◦
지식 추적(KT)의 정확도 향상을 위한 새로운 방법인 FINER 제시
◦
과거 학습 순서와 미래 성과 간의 상관관계 충돌 문제 해결
◦
실제 데이터셋을 이용한 실험을 통해 FINER의 우수성 검증 (최대 84.85% 정확도 향상)
