문제 임베딩의 사전 학습을 통한 Knowledge Tracing 성능의 향상

이 글은 Riiid의 AI Research Scientist가 IJCAI 2021에 발표된 'Improving Knowledge Tracing via Pre-training Question Embeddings' 논문을 소개합니다. Knowledge Tracing(KT)는 학생의 문제 풀이 기록을 바탕으로 향후 문제의 정오답을 예측하는 교육 인공지능의 핵심 기술입니다.

기존 KT 모델들은 주로 skill-level acquisition에 집중하여, 동일한 skill 태그를 가진 다양한 난이도의 문제들을 구분하지 못하거나, 서로 다른 문제가 같은 skill로 취급되는 한계가 있었습니다. 이를 해결하기 위해 question 자체를 개별적으로 모델링하려 했으나, 학생별 문제 풀이 기록의 희소성 문제로 인해 어려움이 있었습니다.

본 논문에서는 문제 임베딩을 사전 학습하여 이러한 한계를 극복하고 KT 성능을 향상시키는 방법을 제안합니다.