独立な学習者・項目ネットワークをもつDeep-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.J104-D   No.7   pp.596-608
発行日: 2021/07/01
早期公開日: 2021/04/02
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2020JDP7061
論文種別: 論文
専門分野: 教育工学
キーワード: 
Knowledge Tracing,  Deep Knowledge Tracing,  深層学習,  項目反応理論,  教育工学,  

本文: PDF(7.9MB)>>
論文を購入




あらまし: 
近年,人工知能分野では大規模な学習履歴データに基づき,学習過程における学習者のスキルの習得状態を自動的に把握し,未知の項目への反応予測を行うKnowledge Tracing (KT)が注目されている.最先端のKT手法であるDeep-IRTは,学習者の能力値や項目困難度といった解釈可能なパラメータをもち,高精度な反応予測を行うことが報告されている.しかし,Deep-IRTは同一スキル内の項目を等質と仮定しており,能力推定値が項目の特性に依存するという問題がある.このため,項目特性が異なる場合には能力値や項目困難度の解釈が困難である.本論文では,Deep-IRTにおけるパラメータの解釈性を高め,より高精度な反応予測を可能とする新たなDeep-IRTを提案する.具体的には,学習者の項目への反応を二つの独立な学習者ネットワークと項目ネットワークで表現し,項目特性に依存せずに能力値を推定するモデルを提案する.更に提案手法では項目とスキルの双方の特徴を考慮した反応予測を行う.評価実験ではこれまでKTに用いられてきた既存手法と提案手法の反応予測精度比較を行い,提案手法の有効性と高い解釈性を示す.