Knowledge Tracing
-
[Knowledge Tracing] Deep-IRTKnowledge Tracing 2022. 9. 14. 11:18
논문 링크: https://arxiv.org/abs/1904.11738 Intro 딥러닝 모델(DKVMN)과 심리측정 모델(IRT)을 결합한 것 1. DKVMN으로 이력 데이터로부터 latent feature를 추출하고, 이를 바탕으로 KC 난이도와, KC에 대한 각 학생의 능력치를 추론한다. 2. 그 다음엔 IRT로 학생이 특정 KC문항을 맞출 확률을 예측한다. --> 정통 IRT와 다른 점: IRT에서 학생의 능력치는 고정된 모수이지만 Deep-IRT에서는 학생 능력치가 시간에 따라 변화한다고 본다. --> Deep-IRT는 딥러닝으로 human-engineering이 어려운 피쳐를 포착함과 동시에 IRT로 explainability도 높였다는 점에서 의미가 있다. 하지만 DKT에서와 비슷하게 rec..
-
[Knowledge Tracing] SAKT (A Self-Attentive model for Knowledge Tracing)Knowledge Tracing 2022. 9. 7. 14:32
논문 링크: https://arxiv.org/abs/1907.06837 SAKT는 학생의 과거 문제풀이 이력으로부터 서로 관련 있는 KC를 규명하고 KC에 대한 학생의 과거 performance를 바탕으로 학생의 performance를 예측한다. Notation i: i번째 학생 et: t번째 문항 rt: et에 대한 정오답 여부 (0/1) xt: (et, rt) 쌍 E: 전체 문항 수 n: 모델에서 다루는 최대 시퀀스 길이 M: interaction embedding matrix P: Positional embedding matrix E: Exercise embedding matrix d: latent dimension Input 1~(t-1)번째 이력 x1, x2, …, x(t-1)을 바탕으로, e..
-
[Knowledge Tracing] DKT+ (Addressing Two Problems in Deep Knowledge Tracing viaPrediction-Consistent Regularization)Knowledge Tracing 2022. 8. 21. 19:25
논문 링크: https://arxiv.org/pdf/1806.02180.pdf 코드 링크: https://github.com/ckyeungac/deep-knowledge-tracing-plus 기존 DKT의 문제점 1. reconstruction problem 정답 확률을 예측할 때 input 정보를 제대로 반영하지 못한다. 예를 들어, 그림에서 32번 KC 관련 문항을 틀렸음에도 불구하고 32번 KC 관련 문항을 맞출 확률이 높아진다. 이는 DKT의 손실함수가 현재 시점의 interaction이 아니라 다음 시점의 Interaction을 바라보는 것으로 설계 되어 있기 때문이다. 가령 ((s32, 0), (s33, 0)) 라는 Input이 계속해서 발생한다면, 32번 KC문항을 틀렸다는 input을 받..
-
[Knowledge Tracing] DIMKT (Assessing Student’s Dynamic Knowledge State by Exploring the Question Difficulty Effect)Knowledge Tracing 2022. 8. 11. 11:59
논문 링크: http://staff.ustc.edu.cn/~huangzhy/files/papers/ShuanghongShen-SIGIR2022.pdff 코드 링크: https://github.com/shshen-closer/DIMKT 기존 모델 기존 dkt에서는 문항들이 difficulty level을 고려하지 않고 관련된 kc에 의해서만 표현됨 → 따라서 학생들의 지식상태를 잘못 측정함 예를 들어 그림에서 kc1에 해당하는 문항 1,2,5,7 중에서 난이도 상에 해당하는 1,5를 모두 틀렸음에도 불구하고 지식상태가 high level로 측정됨 물론 문항 난이도를 고려하는 모델들이 있었다. ekt, rkt에서는 문항 텍스트를 통해 문항 난이도를 간접적으로 고려했고, akt에서는 irt를 기반으로 문항 임..
-
[Knowledge Tracing] DKVMN (Dynamic Key-Value Memory Networks for Knowledge Tracing)Knowledge Tracing 2022. 8. 8. 17:42
논문 링크: https://arxiv.org/pdf/1611.08108.pdf 기존 모델과의 비교 BKT는 각 latent concept에 대해 따로 모델링하므로 concept간 유사도를 알 수 없다. DKT는 학생의 knowledge state에 대해 하나의 hidden vector로만 나타내므로 학생의 특정 concept에 대한 이해도는 알기 어렵다. DKVMN은 여러 concept이 동시에 존재하는 상태에서 concept간 유사도, 학생의 각 concept에 대한 이해도를 도출할 수 있다. DKVMN의 구성요소 key matrix N개의 latent concept들을 인코딩하고 있는 N × dk 행렬로, 시간과 관계없이 변하지않는 Static한 메모리이다. (dk는 각 latent concept에 ..