| 講演名 | 2020-01-10 局所的変分法による非補償型時系列IRT 玉野 浩嗣(NEC/総研大), 持橋 大地(統計数理研), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 項目応答理論(IRT) の時間発展版にあたるナレッジトレーシングは，学習者の潜在スキル状態の時間変化を推定し，各問題に正解できるかどうかを予測するモデルである．教育ドメインの特性上，ナレッジトレーシングは予測精度以外に，予測モデルの解釈性や，予測理由の説明性が重要となる．これには人間が理解可能なスキル名を使った説明が必要不可欠である．スキルをある問題に関連付ける場合，それらスキルがすべて満たされることでその問題が解けるとすることが一般的である．このようなモデルは多次元項目応答理論において非補償型モデルと呼ばれ，非補償型モデルを使った予測理由の説明は自然である．そこで，本研究では非補償型の項目応答モデルを持つ確率モデルによる，解釈可能なナレッジトレーシングを提案する．提案モデルは線形動的システムをベースとし，出力確率に非補償型の項目応答モデルを用いる．状態潜在変数の事後確率が解析的に得られなくなる問題に対し，局所的変分法により事後確率をガウス近似する方法を提案する．人工データにより提案方法が真の事後分布を近似できていることを確認し，ASSISTment Data により深層学習ベースの手法に対しても高い予測性能を示すことを確認する． |
| 抄録(英) | Knowledge tracing, the time varying extension of item response theory (IRT), is a task to trace learner’slatent skill states to predict whether the learner can answer a new question correctly. Due to its educational domain, knowledge tracing needs high interpretability of its prediction and explainability of its result. As for explainability, explanation with human interpretable skills is necessary, which are usually given as conjunctive conditions. Such amodel is called a non-compensatory model in multi-dimensional IRT and explanation using non-compensatory itemresponse model is desired. To realize an interpretable and explainable knowledge tracing, we propose a probabilisticmodel based on non-compensatory item response model combined with a linear dynamical system. Since it resultsin a complicated posterior on the skill states of the learners, we approximate it using a local variational distribution. We also show that our posterior adequately approximates the true posterior in artificial data, and our predictionperformance is better than two popular deep learning based knowledge tracing in ASSISTment Data. |
| キーワード(和) | 教育工学 / 項目応答理論 / ナレッジトレーシング / カルマンフィルター / 変分近似 |
| キーワード(英) | Educational Technology / IRT / Knowledge Tracing / Kalman Filter / Variational Approximation |
| 資料番号 | IBISML2019-31 |
| 発行日 | 2020-01-02 (IBISML) |
| 研究会情報 | |
| 研究会 | IBISML |
|---|---|
| 開催期間 | 2020/1/9(から2日開催) |
| 開催地（和） | 統計数理研究所 |
| 開催地（英） | ISM |
| テーマ（和） | 機械学習一般 |
| テーマ（英） | Machine learning, etc. |
| 委員長氏名（和） | 鹿島 久嗣(京大) |
| 委員長氏名（英） | Hisashi Kashima(Kyoto Univ.) |
| 副委員長氏名（和） | 杉山 将(東大) / 津田 宏治(東大) |
| 副委員長氏名（英） | Masashi Sugiyama(Univ. of Tokyo) / Koji Tsuda(Univ. of Tokyo) |
| 幹事氏名（和） | 竹内 一郎(名工大) / 神嶌 敏弘(産総研) |
| 幹事氏名（英） | Ichiro Takeuchi(Nagoya Inst. of Tech.) / Toshihiro Kamishima(AIST) |
| 幹事補佐氏名（和） | 岩田 具治(NTT) / 大羽 成征(京大) |
| 幹事補佐氏名（英） | Tomoharu Iwata(NTT) / Shigeyuki Oba(Kyoto Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Infomation-Based Induction Sciences and Machine Learning |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 局所的変分法による非補償型時系列IRT |
| サブタイトル（和） | |
| タイトル（英） | Non-compensatory Temporal IRT with Local Variational Approximation |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 教育工学 / Educational Technology |
| キーワード(2)（和/英） | 項目応答理論 / IRT |
| キーワード(3)（和/英） | ナレッジトレーシング / Knowledge Tracing |
| キーワード(4)（和/英） | カルマンフィルター / Kalman Filter |
| キーワード(5)（和/英） | 変分近似 / Variational Approximation |
| 第 1 著者 氏名（和/英） | 玉野 浩嗣 / Hiroshi Tamano |
| 第 1 著者 所属（和/英） | NECデータサイエンス研究所/総合研究大学院大学(略称：NEC/総研大) NEC Data Science Laboratories/The Graduate University for Advanced Studies, SOKENDAI(略称：NEC/SOKENDAI) |
| 第 2 著者 氏名（和/英） | 持橋 大地 / Daichi Mochihashi |
| 第 2 著者 所属（和/英） | 統計数理研究所(略称：統計数理研) The Institute of Statistical Mathematics(略称：ISM) |
| 発表年月日 | 2020-01-10 |
| 資料番号 | IBISML2019-31 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | IBISML-360 |
| ページ範囲 | pp.91-98(IBISML), |
| ページ数 | 8 |
| 発行日 | 2020-01-02 (IBISML) |