シミュレート学習者による教育リーディングの適応的パーソナライゼーション評価

arXiv cs.CL / 2026/4/21

📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、実際の受講者ではなくシミュレート学習者を用いて、教育用リーディングの適応的パーソナライゼーションを理論に基づいて評価する枠組みを提案する。
オープン教科書から学習目標と知識コンポーネントのオントロジーを構築し、「Ontology Atlas」としてブラウザ上で整理したうえで、オントロジー実体で教科書チャンクをラベル付けしてリーディング—アセスメントの対応データを生成する。
シミュレート学習者は、Construction–Integrationに着想を得た記憶モデル、DIME系の読解要因、KREC系の誤概念修正、New Dale–Challの読みやすさ指標を用いて、明示的な記憶状態に基づきスコア選択で解答を生成する。
適応はBayesian Knowledge Tracing（BKT）によって駆動され、3つの科目オントロジーに対し条件ごとに各50体の学習者で検証した結果、計算機科学では改善が有意だった一方で、無機化学では小さく前向きだが結論に至らず、一般生物学では中立〜わずかに不利だった。
まとめると、本研究は適応的読解パーソナライゼーションを評価するための仕組みを提示し、効果が領域依存で一律にプラスとは限らないことを示している。