Deep Attentive Study Session Dropout Prediction in Mobile Learning Environment

1 개요[ | ]

Deep Attentive Study Session Dropout Prediction in Mobile Learning Environment
모바일 학습 환경에서 심화 학습 세션 이탈 예측

저자: Youngnam Lee, Dongmin Shin, HyunBin Loh, Jaemin Lee, Piljae Chae, Junghyun Cho, Seoyon Park, Jinhwan Lee, Jineon Baek, Byungsoo Kim, Youngduck Choi
키워드: 교육, 인공지능, 트랜스포머

2 Abstract[ | ]

학생 이탈 예측은 학생 참여를 개선할 수 있는 기회를 제공하여 학습 경험의 전반적인 효과를 극대화한다. 그러나 학생 이탈에 대한 연구는 주로 자퇴나 수업 이탈을 대상으로 이루어졌고, 모바일 학습 환경에서의 학습 세션 이탈에 대해서는 충분히 고려되지 않았다. 본 논문에서는 모바일 학습 환경에서 학습 세션 탈락 예측 문제를 알아본다. 먼저 모바일 학습 환경에서의 학습 세션, 학습 세션 이탈, 학습 세션 이탈 예측 과제의 개념을 정의한다. 이러한 정의를 바탕으로 학습 세션 이탈을 예측하기 위한 새로운 Transformer 기반 모델인 DAS: 모바일 학습 환경의 Deep Attentive 세션 이탈 예측을 제안한다. DAS는 stacked multi-head Attention과 point-wise feed-forward 네트워크로 구성된 인코더-디코더 구조를 가지고 있다. DAS의 deep attentive 계산은 역동적인 학생 상호작용 간의 복잡한 관계를 캡처할 수 있다. 우리가 아는 한, 이것은 모바일 학습 환경에서 학습 세션 이탈을 조사한 최초의 시도이다. 대규모 데이터세트에 대한 경험적 평가는 DAS가 베이스라인 모델과 비교하여 ROC 곡선 아래 영역에서 상당한 개선으로 최상의 성능을 달성함을 보여준다.

3 참고[ | ]