본문 바로가기

공부기록/Data Science

[EduTech] Adaptive Learning 적응형 학습 알고리즘 간단정리 - BKT,PFA,DKT

반응형

이 블로그글은 https://youtu.be/4ppenYfvHNE 영상을 참고하여 만들었습니다.

 

 

adaptive learning

적응형 학습(adaptive learning)이란 학생의 데이터를 분석하여 최적의 개인맞춤 콘텐츠 기반의 학습 환경을 지원하는 교육 솔루션입니다.
일대일 맞춤교육을 제공하기 위해서 학생이 현재 어느 수준으로 이해했는지 알아야합니다.
때문에 적응형 학습 알고리즘에선 Knowledge tracing이 사용됩니다.Knowledge tracing이란 학습자의 퍼포먼스(ex.문제풀이) 를 바탕으로 학습자의 전체 지식 수준을 평가하는 Task를 말합니다.


Bayesian Knowledge Tracing

가장 대표적으로 사용되는 알고리즘은 베이지안 놀리지 트레이싱,BKT입니다. BKT는 학습과정에서의 학생의 인지과정을 확률적으로 모델링하여 특정 시점에서의 학습자의 지식 획득 수준을 추적합니다.SKill학습 후 문제 맞출 확률로 지식 획득 수준을 추적하는데 이를 4가지로 구분합니다.


먼저, P(L)은 학생이 사전에 SKill을 알고있을 확률을 말합니다. P(T)은 Skill을 한 번 학습했을 때 완전히 이해할 확률, P(G) 는 찍어서 맞출 확률, P(S) 는 알아도 실수해서 틀릴 확률입니다. 설명을 위해 이 네가지 확률을 Hidden Knowledge라고 하겠습니다.

학생이 문제를 맞았다면 아마 배워서 틀리지 않않거나 배우지 않았지만 추측해서 맞춘거겠죠?? 따라서 학생이 다음문제를 맞출 확률은 다음과 같은 수식으로 표현할 수 있습니다.


아래 그림에서 형광펜을 쳐놓은 부분은 학습자가 맞은문제를 0으로, 학습자가 틀린 문제를 1로 표현한 것입니다. 첫번째 학생과 두 번째 학생은 틀린 문제의 개수가 같습니다.
하지만 두 번째 학생은 찍어서 맞춘 확률이 64퍼센트입니다. 그래프를 보시면 첫번째 학생은 4문제를 푼 이후의 정답률은 100%로 예측되지만 2번째 학생은 10문제를 모두 풀어야 모두 100%가 될것으로 예측됩니다. 이런 방식을 활용하여 맞춤형 교육을 가능하게 할 수 있습니다.

 


Performance Factors Analysis

BKT의 단점은 두가지이상의 skill을 한번에 예측할수 없다는 것입니다. PFA모델을 사용하면 이를 해결 할 수 있어 BKT에 비해 정확도는 높지만 히든놀리지는 파악할 수 없다는 단점이 있습니다.

 

 


 

Deep Knowledge Tracing

딥러닝을 이용하면 두가지 이상의 SKill을 예측하면서 HIDDEN KNOWLEDGE까지 파악가능하다는 장점이 있습니다.지식습득은 시간의 흐름에 따라서 모델링 해야하므로 여기선 RNN이 사용됩니다.

 

dkt 는 BKT와 PFA에 비해서 해석 불가능한 많은 양의 PARAMETER 필요로 한다는 단점이 있습니다. Bkt 와 PFA는 그저 몇백개의 설명가능한 파라미터 필요로 합니다.

 

 

반응형