[2T4-OS-5a] ヒューマン・イン・ザ・ループAI

[2T4-OS-5a-03] Deep-IRTとTemporal Convolutional Networkを用いた学習者の反応予測手法

〇堤 瑛美子¹ (1. 東京大学 大学院情報理工学系研究科)

キーワード：項目反応理論、深層学習

近年，人工知能分野・教育工学分野では，教育ビッグデータを分析し，学習者個人の特性に合わせて最適な問題提供と学習支援を行うために，高精度に学習者の能力値と反応の予測を行うKnowledge Tracing が 盛んに研究されている．最新の研究ではパラメータの教育的解釈性と高精度な反応予測を両立するために，深層学習と項目反応理論を組み合わせたDeep-IRT手法が提案されている．しかし，既存手法では，学習者の能力値を推定する際に最新の潜在能力パラメータのみを用いるため，過去の能力値を反映した能力推定が行われず，反応予測精度が低下している可能性があった．本研究では，各時点での学習者の潜在能力パラメータを保存し，過去の多次元の能力状態を畳み込むSkill Convolutional Network を組み込むことで，長期の過去の能力値を反応予測に反映する新たなKnowledge Tracing 手法を提案する．評価実験では，提案手法 が既存手法と比較して高い反応予測精度を持つことを示す．