- 著者
-
堤 瑛美子
郭 亦鳴
植野 真臣
- 出版者
- The Institute of Electronics, Information and Communication Engineers
- 雑誌
- 電子情報通信学会論文誌 D (ISSN:18804535)
- 巻号頁・発行日
- vol.J106-D, no.2, pp.72-83, 2023-02-01
近年,教育現場ではオンラインラーニングシステムで収集された教育ビッグデータをいかに有効に活用するかが課題となっている.人工知能分野では,これらの教育ビッグデータに機械学習手法を適用し,学習者の課題への反応を予測することにより,学習者への適切な支援を行うアダプティブラーニングが注目されている.Tsutsumiら(2021)はアダプティブラーニングのために深層学習手法と項目反応理論を組み合わせ,パラメータの解釈性をもちながら高精度な反応予測を可能とするDeepIRTを開発し,高い予測精度とパラメータの解釈性を実現している.しかし,DeepIRTでは学習者の潜在的な能力値を推定する際に最新の学習データのみを用いるために,過去の学習データを十分に反映できていない可能性がある.本研究では,DeepIRTに新たなHypernetworkを組み合わせ,学習者の過去の学習データと最新の学習データの重要性を推定することで両者のバランスを最適化しながら能力値推定を行う.評価実験では,提案手法が最先端の反応予測手法を上回る反応予測精度を示した.