要約
SLAM 2018では、Duolingoアプリの利用中に学生が発生させる誤りを予測することに焦点を当てている。本論文では、この共有タスクに対して開発したシステムについて述べる。当該システムは、英語／スペイン語（en/es）、スペイン語／英語（es/en）、フランス語／英語（fr/en）の3つの言語トレックにおいて、学生が課題に回答する際に誤りを犯す可能性を予測するため、ロジスティック回帰モデルを採用している。このシステムの開発過程において、複数の特徴量を用いたアブレーションスタディを実施した結果、文脈に基づく特徴量が言語習得モデル構築において重要な役割を果たしていることが明らかになった。本モデルは、すべての3つの言語トレックにおいてDuolingoのベースラインスコアを上回り、AUROCスコアはそれぞれen/es＝0.821、es/en＝0.790、fr/en＝0.812を達成した。本研究は、第二言語習得の過程において、学習者に有益なテキスト的文脈を提供することが重要であることを示している。