Adaptive Learning Path Navigation Based on Knowledge Tracing and Reinforcement Learning

要約

このペーパーでは、適応性の高い学習パスを学生に提供することで E ラーニング プラットフォームを強化する新しいアプローチである、Adaptive Learning Path Navigation (ALPN) システムを紹介します。
ALPN システムは、学生の知識状態を評価する Attentive Knowledge Tracing (AKT) モデルと、提案されている Entropy-enhanced Proximal Policy Optimization (EPPO) アルゴリズムを統合しています。
この新しいアルゴリズムは、学習教材の推奨を最適化します。
これらのモデルを調和させることにより、ALPN システムは学習パスを生徒のニーズに合わせて調整し、学習効果を大幅に向上させます。
実験結果は、ALPN システムが学習成果の最大化において以前の研究を 8.2% 上回り、学習パスの生成において 10.5% 高い多様性を提供することを示しています。
提案されたシステムは、適応型 E ラーニングの大幅な進歩を示し、デジタル時代の教育環境を変革する可能性があります。

要約(オリジナル)

This paper introduces the Adaptive Learning Path Navigation (ALPN) system, a novel approach for enhancing E-learning platforms by providing highly adaptive learning paths for students. The ALPN system integrates the Attentive Knowledge Tracing (AKT) model, which assesses students’ knowledge states, with the proposed Entropy-enhanced Proximal Policy Optimization (EPPO) algorithm. This new algorithm optimizes the recommendation of learning materials. By harmonizing these models, the ALPN system tailors the learning path to students’ needs, significantly increasing learning effectiveness. Experimental results demonstrate that the ALPN system outperforms previous research by 8.2% in maximizing learning outcomes and provides a 10.5% higher diversity in generating learning paths. The proposed system marks a significant advancement in adaptive E-learning, potentially transforming the educational landscape in the digital era.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google