디지털 라이브러리[ 검색결과 ]
EdNet 데이터 기반 학습자의 지식 수준 예측을 위한 딥러닝 모델 개선
http://doi.org/10.5626/JOK.2021.48.12.1335
비대면 교육이 늘어나면서 인공지능이 교육에 사용되는 AIEd(AI in Education)분야가 활발히 연구되고 있다. 각 학생의 학습 기록을 바탕으로 학생의 지식 수준을 평가하는 Knowledge Tracing (KT)은 AIEd 분야에서 기본이 되는 작업이지만, 현재까지의 KT모델이 데이터를 충분히 활용하지 않고 있고, KT 모델 구조에 대한 연구가 부족하다는 한계점을 발견했다. 본 논문에서는 KT 모델의 정확도를 올리기 위해 학습자가 풀었던 문제와 학습 시간과 관련된 다양한 특징들을 시도한 후, 기존 모델들과 다르게 총 11개의 특징들을 사용하여 Query, Key, Value 값을 새롭게 설정한 Self-Attention 기반의 새로운 모델, SANTE를 제안한다. 제안한 SANTE 성능을 검증하기 위해 이전의 성능이 뛰어난 KT 모델들과 함께 비교 및 실험을 진행하였고, 최종적으로 AUC 값을 통해 더 좋은 성능을 확인했다.
모듈형 베이지안 네트워크 기반 대중 감성 예측 시스템
http://doi.org/10.5626/JOK.2017.44.11.1149
최근 통신 기술의 발달로 공간 내 환경 자극을 나타내는 다양한 센서 데이터 수집이 가능해졌다. 베이지안 네트워크는 추론 근거를 확률적으로 고려함으로써 센서 데이터의 불확실하고 불완전한 특성을 보완할 수 있다. 본 논문은 환경 자극의 심리적 영향력을 고려하여 설계된 모듈형 베이지안 네트워크기반 대중 감성 예측 시스템을 제안한다. 또한 단일 베이지안 네트워크를 모듈화하여 공간 내 환경 자극변동의 유연한 대응 및 효율적 추론을 수행하였다. 시스템의 성능 검증을 위해 유치원 공간에서 수집된 조도, 음량, 온도, 습도, 색 온도, 음향, 향기, 대중 감성 데이터를 기반으로 대중 감성을 예측하였다. 실험결과, 제안하는 방법의 예측 정확도는 85%로 여타 분류 기법보다 높은 성능을 나타내었다. 정량적, 정성적 분석을 통해 대중 감성 예측을 위한 확률 기반 방법론의 가능성 및 한계를 분석하였다.
