学習者-アイテムの認知モデリングを微調整済み言語モデルで強化するための埋め込み表現の改善
arXiv cs.CL / 2026/4/7
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、オンライン知的教育における学習者-アイテムの認知モデリングを、言語モデルを用いて認知診断（CD）のための埋め込み表現を強化することで改善する方法を扱う。
- 先行研究の中での主要な2つの問題を特定する。すなわち、（1）LMの学習とCDモデリングの目的の不一致によって生じる特徴空間における分布ギャップ、（2）異なるCDタスク間でテキスト埋め込みを統合するための統一的な枠組みがないこと、である。
- EduEmbedという2段階の枠組みを提案する。まず、役割に応じた表現と相互作用診断器を用いて言語モデルを微調整し、次にテキスト・アダプタによってタスクに関連する意味を抽出して、それを既存の認知モデリング手法と組み合わせる。
- 4つの認知診断タスクに加えてコンピュータ適応テスト（CAT）タスクで実験を行い、堅牢な性能向上が得られることを示す。さらに追加分析によって、意味情報がタスク間での汎化にどのように影響するかを明らかにする。
