지식 추적 Deep Knowledge Tracing 정형 실전AI

학생의 수학 시험 문항의 정오답 기록으로 가장 최근의 시험 결과를 예측하는 지식 추적 모델 개발

데이터 설명

  • • 입출력
    • - Input: 학생 t의 n_t개의 시험 기록 중 n_t-1개의 timestamp, 정오답여부 및 시험 정보 등
    • - Output: n_t번째의 정오답여부
  • • 데이터셋 구성 : 약 100MB 내외
  • • Train
    • - train.csv: 학생('userID')별로 응시한 문항 아이디('assessmentItemID'), 정오답 여부('answerCode', 1=정답, 2=오답), 문제를 푼 시점 ('Timestamp') 등이 담긴 csv파일 (200만여개 row)
    • - train_assessments.csv: 문항('assessmentItemID')별 정보가 담긴 참고 가능한 csv파일
    • - difficultyLevel: 문항 난이도
    • - discriminationalLevel: 문항 변별도
    • - guessLevel: 문항 추측도
    • - reliabilityLevel: 문항 신뢰도
    • - knowledgeTag: 개념적 지식태그
    • - 이외 자세한 정보는 AI hub 데이터 설명 참고
  • • Test
    • test.csv: 학생별 마지막 문항의 정오답만 -1로 채워진 Train과 동일한 양식의
    • csv 파일 (50만여개 row)
    • test_assessments.csv : train_assessments.csv와 동일한 양식의 참고용 csv 파일
    • ※ 한 학생은 Train 혹은 Test셋 둘 중 하나에만 속함
  • • AI 허브 참고 데이터 : 수학분야 학습자 역량 측정 (https://aihub.or.kr/aidata/27752)