論文の概要: PICKT: Practical Interlinked Concept Knowledge Tracing for Personalized Learning using Knowledge Map Concept Relations

• arxiv url: http://arxiv.org/abs/2512.07179v1
• Date: Mon, 08 Dec 2025 05:24:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.718932
• Title: PICKT: Practical Interlinked Concept Knowledge Tracing for Personalized Learning using Knowledge Map Concept Relations
• Title（参考訳）: PICKT:知識マップ概念関係を用いたパーソナライズドラーニングのための実践的リンク型概念知識トレース
• Authors: Wonbeen Lee, Channyoung Lee, Junho Sohn, Hansam Cho,
• Abstract要約: 本稿では,学生のインタラクションのシーケンスを分析し,知識獲得レベルを予測する知識追跡モデルのコア技術に焦点をあてる。 知識マップは、質問や概念テキスト情報を考慮した概念間の関係を構造化し、冷戦開始時においても効果的な知識追跡を可能にする。
• 参考スコア（独自算出の注目度）: 2.449909275410288
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: With the recent surge in personalized learning, Intelligent Tutoring Systems (ITS) that can accurately track students' individual knowledge states and provide tailored learning paths based on this information are in demand as an essential task. This paper focuses on the core technology of Knowledge Tracing (KT) models that analyze students' sequences of interactions to predict their knowledge acquisition levels. However, existing KT models suffer from limitations such as restricted input data formats, cold start problems arising with new student enrollment or new question addition, and insufficient stability in real-world service environments. To overcome these limitations, a Practical Interlinked Concept Knowledge Tracing (PICKT) model that can effectively process multiple types of input data is proposed. Specifically, a knowledge map structures the relationships among concepts considering the question and concept text information, thereby enabling effective knowledge tracing even in cold start situations. Experiments reflecting real operational environments demonstrated the model's excellent performance and practicality. The main contributions of this research are as follows. First, a model architecture that effectively utilizes diverse data formats is presented. Second, significant performance improvements are achieved over existing models for two core cold start challenges: new student enrollment and new question addition. Third, the model's stability and practicality are validated through delicate experimental design, enhancing its applicability in real-world product environments. This provides a crucial theoretical and technical foundation for the practical implementation of next-generation ITS.
• Abstract（参考訳）: 近年のパーソナライズドラーニングの急増に伴い、学生の個々の知識状態を正確に追跡し、この情報に基づいて調整された学習経路を提供するインテリジェント・チュータリング・システム(ITS)が必須課題である。 本稿では,学生のインタラクションのシーケンスを分析し,知識獲得レベルを予測するKT(Knowledge Tracing)モデルの中核技術に焦点を当てる。 しかし、既存のKTモデルは、制限された入力データフォーマット、新しい学生の入学や新しい質問の追加に伴うコールドスタート問題、現実世界のサービス環境における安定性の欠如といった制限に悩まされている。 これらの制約を克服するために,複数の入力データを効果的に処理できる実践的インターリンク概念知識追跡(PICKT)モデルを提案する。 具体的には、知識マップは、質問や概念テキスト情報を考慮した概念間の関係を構造化し、冷戦開始時においても効果的な知識追跡を可能にする。 実際の運用環境を反映した実験は、モデルの優れた性能と実用性を実証した。 本研究の主な貢献は以下のとおりである。 まず,多様なデータ形式を効果的に活用するモデルアーキテクチャについて述べる。 第2に、新しい学生の入学と新しい質問の追加という2つのコアコールドスタートの課題に対して、既存のモデルよりも大幅なパフォーマンス向上が達成されている。 第3に、モデルの安定性と実用性は繊細な実験設計によって検証され、実際の製品環境での適用性を高める。 これは次世代ITSの実践のための決定的な理論的および技術的基盤を提供する。

関連論文リスト

• A Survey on Efficient Vision-Language-Action Models [153.11669266922993]
  VLA(Vision-Language-Action Model)は、物理世界の相互作用によってデジタル知識を橋渡しすることを目的とした、インテリジェンスにおける重要なフロンティアである。 これらの課題に緊急に対応する必要性から、この調査は、効率的なビジョン・ランゲージ・アクションモデルに関する最初の包括的なレビューを提示する。
  論文  参考訳（メタデータ） (2025-10-27T17:57:33Z)
• Encapsulating Knowledge in One Prompt [56.31088116526825]
  KiOPは、元のモデルを変更したり、トレーニングデータにアクセスする必要なしに、さまざまなモデルからの知識を単独のプロンプトにカプセル化する。 実用性の観点から、このパラダイムは、データアクセス不能なコンテキストにおけるVisual Promptの有効性を証明している。 様々なデータセットとモデルを用いた実験は、提案したKiOP知識伝達パラダイムの有効性を示す。
  論文  参考訳（メタデータ） (2024-07-16T16:35:23Z)
• SINKT: A Structure-Aware Inductive Knowledge Tracing Model with Large Language Model [64.92472567841105]
  知識追跡(KT)は、学生が次の質問に正しく答えるかどうかを判断することを目的としている。 大規模言語モデルを用いた構造認識帰納的知識追跡モデル(SINKT) SINKTは、学生の知識状態と質問表現とを相互作用させることで、対象の質問に対する学生の反応を予測する。
  論文  参考訳（メタデータ） (2024-07-01T12:44:52Z)
• InFiConD: Interactive No-code Fine-tuning with Concept-based Knowledge Distillation [18.793275018467163]
  本稿では,知識蒸留プロセスの実装に視覚的概念を活用する新しいフレームワークであるInFiConDを提案する。 本研究では,概念コーパスからテキストに沿った視覚概念を抽出し,新しい知識蒸留パイプラインを構築する。 InFiConDのインタフェースは、ユーザインタフェース内で概念の影響を直接操作することで、対話的に学生モデルを微調整することができる。
  論文  参考訳（メタデータ） (2024-06-25T16:56:45Z)
• Knowledge Tracing for Complex Problem Solving: Granular Rank-Based Tensor Factorization [6.077274947471846]
  グラニュラーRAnkに基づくTEnsor Factorization (GRATE) を用いた新しい学生知識追跡手法を提案する。 GRATEは、問題における生徒のパフォーマンスを予測し、それらに提示される概念を発見しながら集約できる学生の試みを選択する。 実世界の3つのデータセットに対する実験は、最先端のベースラインに比べてGRATEの性能が向上したことを示している。
  論文  参考訳（メタデータ） (2022-10-06T06:22:46Z)
• Deep Knowledge Tracing with Learning Curves [0.9088303226909278]
  本稿では,進化的知識追跡(CAKT)モデルを提案する。 このモデルは、3次元畳み込みニューラルネットワークを用いて、次の質問で同じ知識の概念を適用した学生の最近の経験を明示的に学習する。 CAKTは,既存のモデルと比較して,生徒の反応を予測する上で,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-07-26T15:24:51Z)
• A Competence-aware Curriculum for Visual Concepts Learning via Question Answering [95.35905804211698]
  本稿では,視覚概念学習のための質問応答型カリキュラムを提案する。 視覚概念を学習するためのニューラルシンボリックな概念学習者と学習プロセスを導くための多次元項目応答理論(mIRT)モデルを設計する。 CLEVRの実験結果から,コンピテンスを意識したカリキュラムにより,提案手法は最先端のパフォーマンスを実現することが示された。
  論文  参考訳（メタデータ） (2020-07-03T05:08:09Z)
• SEEK: Segmented Embedding of Knowledge Graphs [77.5307592941209]
  本稿では,モデル複雑性を増大させることなく,高い競争力を持つ関係表現性を実現する軽量なモデリングフレームワークを提案する。 本フレームワークは,評価関数の設計に重点を置いており,1)十分な特徴相互作用の促進,2)関係の対称性と反対称性の両特性の保存,という2つの重要な特徴を強調している。
  論文  参考訳（メタデータ） (2020-05-02T15:15:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。