SAINT+: Integrating Temporal Features for EdNet Correctness Prediction

1 개요[ | ]

SAINT+: Integrating Temporal Features for EdNet Correctness Prediction
SAINT+: EdNet 정오 예측을 위한 시간 피처 통합

저자: Dongmin Shin, Yugeun Shim, Hangyeol Yu, Seewoo Lee, Byungsoo Kim, Youngduck Choi

학습 정보와 학습자 반응 정보를 별도로 처리하는 Transformer 기반 지식 추적 모델인 SAINT의 후속 모델인 SAINT+를 제안한다. SAINT의 아키텍처와 같이, SAINT+도 인코더-디코더 구조를 가지고 있는데, 인코더에는 학습 임베딩 스트림에 셀프 어텐션 레이어가 적용되고, 디코더에는 반응 임베딩과 인코더 출력 스트림에 셀프 어텐션 레이어와 인코더-디코더 어텐션 레이어를 교대로 적용한다. 또한 SAINT+에는 반응 임베딩에 두 가지 시간 피처 임베딩을 포함시켰는데, 경과 시간(학생이 응답하는 데 걸리는 시간)과 지연 시간(인접 학습 활동 사이의 시간 간격)이다. 교육 영역에서 공개적으로 사용가능한 가장 큰 벤치마크 데이터 세트인 EdNet에서 SAINT+의 효과를 경험적으로 평가한다. 실험 결과 SAINT+는 현재 EdNet 데이터 세트의 최신 모델인 SAINT에 비해 ROC 곡선 아래 영역이 1.25% 개선되어 지식 추적에서 최신 성능을 달성했음을 보여준다.

2 참고[ | ]