Bayesian Knowledge Tracingの一般化としての隠れマルコフIRTモデル

抄録

近年，教育の現場では学習者の発達を促すために個々の特性や理解度を把握することが課題となっている.これまで，学習過程の学習者の理解度やある知識の習得状態を推定する手法として Bayesian Knowledge Tracing(BKT)開発されてきた．しかし，BKTモデルでは知識の習得状態が二値または多値で表されるが，実際には知識の習得状態は連続値であるため，知識の習得状態を段階的に表現することで習得状態の正確な評価をすることは難しい．本研究では，学習者の知識の習得状態の推定精度向上のために，堤ら(2019)で提案した学習過程において知識の習得状態が隠れマルコフ過程に従って変化する項目反応モデルをBKTの一般化モデルとして提案する．提案モデルは知識の習得状態を連続値で表現し，さらに学習データから知識状態の遷移確率を最適化するため，様々な学習過程に適応させることができる．従来のBKTと提案モデルを用いて学習過程での学習者の知識の習得状態を推定し，推定精度を比較する実験から，提案モデルを用いることで推定精度が向上することが示された．