TMS 기법을 이용한 학습자 모델링의 설계

Abstract

Student modeling is an essential part in constructing an ITS(Intelligent Tutoring System). The role of student modeling is to understand student's current learning status and to diagnose the student's misconceptions. The ability of flexible reasoning using incomplete knowledge is very important in building a student model. Traditional student models lack this ability because of their strict nature. In this research, we apply TMS techniques in student mod- to tackle the problem. In general, commonsense reasoning is used to cope with problems stem from incomplete and/or imprecise knowledge. However there hasn't been an ITS system that utilizes commonsense reasoning in student modeling. We applied the TMS, a simple form of commonsense reasoning, to design a student model as a pilot project before we put more serious efforts in applying commonsense reasoning in student modeling. The research provided insights in how we represent various default rules as well as bug rules, and utilize them in designing a student model.;지능형 교수 시스템을 구성하는데 있어 학습자의 현재 상태를 파악하고 분석하는 역할을 담당하는 학습자 모듈의 역할은 매우 중요하다. 특히 학습자에 대한 완전한 정보가 불가능한 상태에서 학습자를 평가하기 위해서는 보다 융통성있는 학습자 지식표현 방법이 요구된다. 기존의 학습자 모델은 대체로 이러한 융통성이 결여되어 있기 때문에 현실적인 진단에 어려움이 있다. 이에 본 논문에서는 믿음의 변환 및 디폴트 규칙의 표현에 적합한 지식 표현 방법인 TMS와 이의 변형인 ATMS를 학습자 모델링에 적응시켜 그 결과를 분석해 보고자 한다. 일반적으로 불확실, 불완전한 정보를 이용한 추론에 상식 추론이 적용될 수 있다는 것이 통념화되어 있으나 실제로 학습자 모델링에 상식 추론이 적용된 예는 이제까지 볼 수 없었다. 본 논문에서는 이러한 가능성을 타진하기 위하여 가장 단순한 형태의 상식 추론 시스템인 TMS를 학습자 모델의 설계에 이용하는 방법을 고찰해 보았다. 본 연구의 실험 결과 학습자 모델링에 TMS를 이용할 경우 사실, 규칙, 디폴트 규칙을 이용하여 버그 라이브러리에서 사용되는 규칙을 표현할 수 있고 대상 지식에 대해 완전한 일치성 여부보다 적합성 여부를 판별하므로 지능적인 평가가 가능하다는 것이 밝혀졌다. 이와 같은 연구 결과는 앞으로 학습자 모델 및 진단 방법 설계에 있어서 상식 추론 적용을 위한 방향을 제시할 수 있을 것이다.