[5M3-GS-2h] Machine learning

3:15 PM - 3:30 PM JST(6:15 AM - 6:30 AM UTC)

[5M3-GS-2h-06] Deep-Hint-IRT for items with graded hints in Adaptive Learning

〇Michinori Sasaki¹, Emiko Tsutsumi², Maomi Ueno³ (1. Sundai Advanced Teaching Technology, 2. Hosei University, 3. The University of Electro-Communications)

Keywords:

Deep Learning,Adaptive Learning,Item Response Theory

学習工学分野では，効果的な学習を提供するために，学習者の能力に適した支援を行う Adaptive Learning が研究されてきた．最適な支援を提示するために，項目反応理論を用いて正答確率を予測し、学習効率が最大となる支援を決定するシステムが有効であることが報告されている．しかし，これらのシステムでは複数スキル間の関係性を考慮した能力値推定や課題の困難度推定ができないため，正答確率の予測精度が低下している可能性がある．また，課題の局所独立性を仮定しているため， 課題間に局所依存性が存在する場合にパラメータ推定精度が低下する問題もある．これらの問題を解決するために，本研究では課題の局所独立性を仮定せず，多次元スキルと時系列変化を考慮した能力値推定が可能な，ヒント提示後の正答確率を予測する新たなDeep-IRT を提案する．実験では提案手法と既存手法を比較し，反応予測精度が向上したことを示した．