@misc{oai:uec.repo.nii.ac.jp:00010266,
 author = {BIAN, NING},
 month = {2022-05-25},
 note = {2021, 近年、教育の現場では、機械学習を用いて学習履歴データから学習者の能力成長を把握し、個々の学習者に適切なヒントを提供するアダプティブラーニングが注目されている。学習者に最適なヒントを提供するためには、学習者が誤答した際に、各ヒントを提供した場合の正答確率を正確に推定する必要がある。最新の研究では、深層学習モデルと項目反応理論を組み合わせたDeep-IRT手法が開発されており、学習履歴データから課題の難易度と学習者の多次元のスキルに対する能力変化を推定できるようになってきた。しかし、既存のDeep-IRT手法では、課題に依存したヒントの提供しか想定しておらず、能力変化を考慮した最適ヒントは提案されていない。本論文ではDeep-IRTモデルをアダプティブラーニングに適用できるようにするために、学習者が項目に正答するまでに必要とする最適なヒントを予測する新たなモデルを提案する。評価実験では実データを用いて学習者が課題に正答するために必要とするヒントを予測し、実際のデータと比較して提案手法の有効性を示す。},
 title = {Deep-IRT incorportating hints in adaptive learning},
 year = {}
}