SAINT+ : Intégration de caractéristiques temporelles pour la prédiction de la correction sur EdNet

Nous proposons SAINT+, un successeur de SAINT, un modèle de suivi des connaissances basé sur le Transformer qui traite séparément les informations relatives aux exercices et aux réponses des étudiants. Inspiré de l’architecture de SAINT, SAINT+ adopte une structure encodeur-décodeur : l’encodeur applique des couches d’attention auto-attention à une séquence d’embeddings d’exercices, tandis que le décodeur alterne des couches d’attention auto-attention et des couches d’attention encodeur-décodeur sur des séquences d’embeddings de réponses et la sortie de l’encodeur. En outre, SAINT+ intègre deux caractéristiques temporelles aux embeddings de réponse : le temps écoulé (elapsed time), c’est-à-dire le temps nécessaire à un étudiant pour répondre à une question, et le temps d’écart (lag time), correspondant à l’intervalle temporel entre deux activités d’apprentissage consécutives. Nous évaluons empiriquement l’efficacité de SAINT+ sur EdNet, le plus grand ensemble de données public disponibles dans le domaine éducatif. Les résultats expérimentaux montrent que SAINT+ atteint des performances de pointe dans le suivi des connaissances, avec une amélioration de 1,25 % en termes de surface sous la courbe ROC par rapport à SAINT, le modèle actuellement le plus performant sur le jeu de données EdNet.