深層知識追跡

知識追跡とは、学生が授業の課題と相互作用する際にその知識を機械がモデル化する問題であり、コンピュータ支援教育において確立された研究分野です。学生の知識を効果的にモデル化することは教育に大きな影響を与える可能性がありますが、このタスクには多くの固有の課題があります。本論文では、再帰型ニューラルネットワーク（Recurrent Neural Networks: RNNs）を使用して学生の学習をモデル化することの有用性を探ります。RNNモデル群は、従来の方法よりも重要な利点を持っています。それは、人間のドメイン知識を明示的に符号化する必要がないことと、より複雑な学生の知識表現を捉えることができる点です。神経망を使用することで、一連の知識追跡データセットにおける予測性能に大幅な改善が見られます。さらに、学習したモデルは知能的なカリキュラム設計に利用でき、学生の課題における構造の解釈や発見も容易に行えます。これらの結果は、知識追跡に関する有望な新しい研究方向性を示唆し、RNNsの模範的な応用タスクであることを示しています。