SAINT+：時系列特徴を統合したEdNet正誤予測

我々は、SAINTの後継モデルであるSAINT+を提案する。SAINTは、問題情報と学生の回答情報を別々に処理するTransformerベースの知識追跡モデルである。SAINTのアーキテクチャを踏襲し、SAINT+はエンコーダ-デコーダ構造を採用している。エンコーダは問題埋め込みのシーケンスに自己注意（self-attention）層を適用し、デコーダは回答埋め込みのシーケンスとエンコーダの出力の両方に交互に自己注意層とエンコーダ-デコーダ注意層を適用する。さらに、SAINT+は回答埋め込みに2つの時系列特徴埋め込みを組み込んでいる。1つは「経過時間（elapsed time）」であり、学生が問題に回答するまでに要した時間を表す。もう1つは「ラグ時間（lag time）」であり、連続する学習活動間の時間間隔を示す。我々は、教育分野で最大規模の公開ベンチマークデータセットであるEdNet上で、SAINT+の有効性を実証的に評価した。実験結果から、SAINT+は従来の最先端モデルであるSAINTと比較して、受信者操作特性曲線下面積（AUC）において1.25%の向上を達成し、知識追跡分野における最新の性能を実現したことが明らかになった。