学術的背景 人工知能（AI）技術の急速な発展に伴い、Khan AcademyやCourseraなどのインテリジェント教育システム（Intelligent Tutoring Systems, ITS）は、個別化学習において顕著な進展を遂げています。知識追跡（Knowledge Tracing, KT）は、ITSの中核技術として、学生の学習データを分析し、その知識習得状況を推測し、将来の学習パフォーマンスを予測することを目的としています。近年、KT分野では多くの進展がありましたが、既存のモデルは記憶構造のシミュレーションにおいて不十分であり、学生の顕在的な学習と潜在的な記憶変換の間に不一致が生じています。この問題を解決するため、華中師範大学などの研究チームは、記憶フロー制御に基づく三段階の知識追...

忘却に対するロバストな知識追跡のための深層グラフメモリネットワーク 近年、個別学習の重要な方法として知識追跡（KT）が広く注目を集めている。知識追跡は、学生が新しい問題に回答する際の正答率を予測することを目的とし、彼らの過去の問題の回答履歴を利用して知識状態を推定するものである。しかし、現在の知識追跡方法は、忘却行動のモデリングや潜在概念間の関係の識別といった課題に直面している。これらの課題を解決するために、本論文では、新しい知識追跡モデルである深層グラフメモリネットワーク（Deep Graph Memory Network, DGMN）を提案する。本論文では、DGMNモデルの設計、実験過程、および各種データセットにおける性能を具体的に概要する。 研究の背景 知識追跡問題は提案されて以来、教...