インテリジェント教育システムのための神経認知診断

認知診断はインテリジェント教育において基本的な問題であり、特定の知識概念に対する学生の熟練度を明らかにすることを目的としています。既存のアプローチは通常、手動設計の関数（例えば、ロジスティック関数）によって学生の演習プロセスの線形相互作用を掘り下げますが、学生と演習の間の複雑な関係を捉えるには不十分です。本論文では、複雑な演習相互作用を学習するために神経ネットワークを取り入れた一般的な神経認知診断（NeuralCD）フレームワークを提案します。これにより、正確で解釈可能な診断結果が得られます。具体的には、学生と演習を因子ベクトルに投影し、それらの相互作用をモデル化するために複数の神経層を活用します。ここで、単調性の仮定が適用され、両方の因子の解釈可能性が保証されます。さらに、各演習の必要な概念を特化させることによって、NeuralCDの二つの実装を提案します。すなわち、従来のQマトリックスを用いたNeuralCDMと、豊富なテキストコンテンツを探索する改良型NeuralCDM+です。実世界のデータセットに基づく広範な実験結果が、精度と解釈可能性の両方においてNeuralCDフレームワークの有効性を示しています。