[4P3-GS-10] AI応用：学習・予測

[4P3-GS-10-05] グラフニューラルネットワークによるドロップアウト予測

〇和田 爽花¹、渕本 壱真¹、植野 真臣¹ (1. 電気通信大学)

キーワード：グラフニューラルネットワーク、ドロップアウト予測、説明可能人工知能

近年，CBTを通じて収集された教育ビッグデータの活用方法について．学生のドロップアウト予測が注目されている．ドロップアウト予測では，リスクのある生徒を判別し，その学生に適したサポートを行うため，予測の精度，特徴量の解釈性の双方が求められる．本研究では，入学生学力調査の出題項目を入力特徴量として，階層的な構造を持つグラフニューラルネットワークを用いたドロップアウト予測手法を提案する．提案手法は，問題項目を頂点とする問題項目グラフ，分野を頂点とする分野グラフの 2 種類のグラフ構造を持つ．問題項目グラフはグラフプーリング手法であるdiffpoolを用いて分野埋め込みに変換され，分野グラフの頂点となる．分野グラフを縮約することでドロップアウト予測スコアを得る．このようなグラフ構造により，分野ごとの分析，分野内の項目ごとの分析といった解釈が可能となる．評価実験では実データを用いて比較を行い，従来手法の予測精度を上回った．また，学習を通して最適化された辺の重み行列，diffpoolの重みを分析し，ドロップアウト予測に影響を及ぼした分野，分野間の関連の強さを分析した．