PAPER

Towards an Appropriate Query, Key, and Value Computation for Knowledge Tracing

"풀지않은 문제에 대한 유저의 정오답 확률을 가장 높은 정확도로 예측"

Read Paper >

image

교육 AI에서 가장 중요한 Task 중 하나인 Knowledge Tracing 영역에 자연어처리 분야에서 주로 활용되는 딥러닝 아키텍처 Transformer를 적용. Transformer 모델을 조정(Fine-tune)하고 교육 도메인에 맞게 변형하여 뤼이드만의 정오답 예측 모델(SAINT)을 제안

image

유저가 약 10문제의 진단고사를 풀면, 2억건 이상의 기존 수집된 학습행동 데이터를 기반으로 해당 유저가 풀지 않은 1만개 이상의 문제에 대한 정오답 확률을 계산하여 예측

연구결과, 정확도 측면에서 기존 연구된 Knowledge Tracing 모델을 모두 압도하며, 특히 현재 SOTA 성능을 보이는 SAKT 대비 AUC기준 약 1.8% 더 높은 예측 정확도 기록