초록
SLAM 2018은 Duolingo 애플리케이션을 사용하는 학생의 오류를 예측하는 것을 주요 목표로 한다. 본 논문에서는 이 공동 과제를 위해 개발한 시스템에 대해 설명한다. 우리 시스템은 영어/스페인어(en/es), 스페인어/영어(es/en), 프랑스어/영어(fr/en) 세 가지 언어 트랙에서 학생이 Duolingo의 연습 문제를 풀 때 오류를 범할 가능성에 대해 로지스틱 회귀 모델을 사용하여 예측한다. 이 시스템 개발 과정에서 여러 특징(feature)에 대한 제거 실험(ablation study)를 수행한 결과, 언어 습득 모델링에서 문맥 기반 특징이 중요한 역할을 함을 발견하였다. 우리의 모델은 세 가지 언어 트랙 모두에서 Duolingo의 기준 점수를 상회하였으며, 각각 en/es의 AUROC 점수는 0.821, es/en는 0.790, fr/en는 0.812을 기록하였다. 본 연구는 제2언어 학습 과정에서 학생들에게 유리한 텍스트적 문맥을 제공하는 것이 중요함을 시사한다.