긍정 및 부정 전이를 활용한 지식 추적

교육 심리학의 핵심 요소인 학습 전이(learning transfer)는 지식 추적(Knowledge Tracing, KT) 과제의 최적화에 중요합니다. 그러나 기존 KT 방법론들은 긍정적 학습 전이만을 고려하고 부정적 학습 전이를 간과하는 한계가 있었습니다. 본 연구는 이러한 문제를 해결하고자 긍정 및 부정 학습 전이를 동시에 활용하는 혁신적인 지식 추적 모델인 LTKT(Learning Transfer-based Knowledge Tracing)를 제안합니다. LTKT는 먼저 학습 전이 그래프를 구축합니다. 이후 직접 학습 효과(direct learning effect)와 학습 전이 효과(learning transfer effect) 구성 요소를 설계했습니다. 직접 학습 효과 구성 요소는 특정 문제 풀이 결과가 해당 문제의 개념에 미치는 영향을 정량화하며, 학습 전이 효과 구성 요소는 구축된 그래프 내에서 해당 결과가 인접 개념에 미치는 영향을 긍정적 및 부정적 학습 전이 현상을 고려하여 계산합니다. 공개 데이터셋을 활용한 광범위한 실험 결과, LTKT는 모든 최신 지식 추적 방법론보다 우수한 성능을 보였습니다. 이는 긍정 및 부정 학습 전이를 통합적으로 고려하는 접근 방식의 유효성을 입증합니다. 본 연구는 학습 전이 개념을 KT 모델에 보다 포괄적으로 통합함으로써, 학생들의 학습 상태를 더욱 정확하게 추적하고 개인 맞춤형 학습 시스템의 성능을 향상시키는 데 기여할 수 있을 것으로 기대됩니다.