变分时序 IRT：快速、准确且可解释的动态学习者能力推断
机器学习
2023-11-16 v1 机器学习
摘要
动态项目反应模型将标准项目反应理论（IRT）扩展以捕捉学习者能力的时序动态。尽管这些模型有潜力使教学系统实时主动监测学习者能力的演化，但现有的动态项目反应模型依赖于计算代价高昂的推断算法，难以扩展到海量数据集。在这项工作中，我们提出变分时序 IRT（VTIRT）用于快速且准确地推断动态学习者能力。VTIRT 在推断运行时间上实现了数量级的加速，同时仍提供准确的推断。此外，所提出的算法因其模块化设计而本质可解释。当应用于 9 个真实学生数据集时，VTIRT 在预测未来学习者表现方面持续优于其他学习者能力模型。
引用
@article{arxiv.2311.08594,
title = {Variational Temporal IRT: Fast, Accurate, and Explainable Inference of Dynamic Learner Proficiency},
author = {Yunsung Kim and Sreechan Sankaranarayanan and Chris Piech and Candace Thille},
journal= {arXiv preprint arXiv:2311.08594},
year = {2023}
}
备注
9 pages, 16th International Conference on Educational Data Mining (EDM'23)