망각 효과를 고려한 Knowledge Tracing 모델

본 글은 학습자가 지식을 얼마나 습득했는지 예측하는 Knowledge Tracing 모델에서 발생하는 망각 효과를 다룹니다. 에빙하우스의 망각 곡선 이론을 바탕으로, 학습 횟수와 경과 시간이 기억에 미치는 영향을 설명합니다.

기존 BKT 모델에 망각 효과를 고려하기 위한 연구들을 소개하며, Forget node를 활용하거나 학습 횟수 및 경과 시간을 forgetting rate에 반영하는 방식 등을 제시합니다. 또한, Half-Life Regression과 같이 학습 횟수와 경과 시간을 모두 고려하는 접근법도 언급하며, AIEd 분야에서 지식 예측의 정확도를 높이기 위한 망각 효과의 중요성을 강조합니다.