Knowledge TracingのためのSliding Window隠れマルコフIRT

堤 瑛美子  木下 涼  植野 真臣  

誌名
電子情報通信学会論文誌 D   Vol.J103-D   No.12   pp.894-905
発行日: 2020/12/01
早期公開日: 2020/08/14
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2020JDP7026
論文種別: 論文
専門分野: 教育工学
キーワード: 
Bayesian Knowledge Tracing,  Deep Knowledge Tracing,  Item Response Theory,  教育ビッグデータ,  パフォーマンス予測,  

本文: PDF(2.8MB)>>
論文を購入




あらまし: 
近年,人工知能分野では教育ビッグデータを分析することにより,学習過程における学習者の能力値や知識状態を把握し,課題への反応予測を行うKnowledge Tracingが注目されている.学習者の能力変化を正確に把握するためには,能力値推定の際に学習者の学習履歴データを適切に忘却する必要がある.しかし,既存手法における忘却パラメータは予測精度を最大にするための最適化が困難であった.本論文ではKnowledge TracingのためにSliding Window方式によって過去の学習データを忘却するSliding Window隠れマルコフIRTを提案する.提案手法は学習データの忘却度を決定する離散値の忘却パラメータWindow sizeをもち,交差検証を用いて容易に最適化することができる.評価実験では提案手法とBKT,IRT,DKT関連の既存手法の予測精度比較を行い,提案手法の有効性を示す.