[논문 리뷰] Recommendation in Personalised Peer-Learning Environments

Hassan Khosravi|arXiv (Cornell University)|2017. 12. 03.

Intelligent Tutoring Systems and Adaptive Learning참고 문헌 31인용 수 4

한 줄 요약

RiPPLE은 기계학습, 군중지능 및 추천 시스템을 활용해 스케일링 가능한 개인화된 콘텐츠와 동료 학습 지원을 제공하는 오픈소스로 적응형 학습 플랫폼이다. 학생들이 다중선택형 문제를 공동으로 제작할 수 있도록 하며, 베이지안 지식 추적(Bayesian Knowledge Tracing)을 통해 지식 상태를 추적하고, 개인의 필요, 가용성 및 선호도에 기반해 맞춤형 질문과 동료 학습 세션을 추천한다.

ABSTRACT

Recommendation in Personalised Peer Learning Environments (RiPPLE) is an adaptive, crowdsourced, web-based, student-facing, open-source platform that employs exemplary techniques from the fields of machine learning, crowdsourcing, learning analytics and recommender systems to provide personalised content and learning support at scale. RiPPLE presents students with a repository of tagged multiple-choice questions and provides instant feedback in response to student answers. The repository of the questions is created in partnership with the students through the use of crowdsourcing. RiPPLE uses students responses to the questions to approximate their knowledge states. Based on their knowledge state and learning needs, each student is recommended a set of personalised questions. For students that are interested in providing learning support, seeking learning support or finding study partners, RiPPLE recommends peer learning sessions based on their availability, knowledge state and preferences. This paper describes the RiPPLE interface and an implementation of that interface that has been built at the University of Queensland. The RiPPLE platform and a reference implementation are released as an open-source package under the Apache 2.0 license via GitHub.

연구 동기 및 목표

• 다양한 대학 환경에서 확장 가능하고 개인화된 학습의 증가하는 수요를 해결하기 위해.
• 학생들이 군중지능 기반 문제 생성을 통해 학습 콘텐츠의 공동 창작자로 기여할 수 있도록 하기 위해.
• 개별 지식 상태를 기반으로 실시간으로 데이터 기반의 형성 평가 질문을 추천하기 위해.
• 가용성과 학습 필요에 기반해 학습 파트너와 지원 세션을 추천함으로써 상호적 동료 학습을 촉진하기 위해.
• 리더보드와 배지와 같은 게임화 기능을 통해 개인화된 학습 환경에서 학생의 동기와 참여도를 향상시키기 위해.

제안 방법

• 미스터리, 추측, 개인화된 사전 지식을 고려한 확장된 베이지안 지식 추적(Bayesian Knowledge Tracing, BKT)을 사용해 학생의 지식 상태를 모델링한다.
• 학생의 응답 데이터를 활용해 숙달 수준을 추론하고 형성 평가 연습을 위한 타겟팅된 다중선택형 질문을 추천한다.
• 가용성, 지식 상태, 선호도를 기반으로 상호 보완적인 지원을 요청하거나 제공하는 학생을 매칭하는 상호적 추천 알고리즘을 적용한다.
• LTI 호환 학습 관리 시스템(Moodle, Canvas, Blackboard 등)과 통합하여 코스 통합을 원활하게 한다.
• Python/Django와 React.js를 사용한 별도의 클라이언트 및 서버 컴ponent를 갖춘 모듈러이고 오픈소스 아키텍처를 구현한다.
• 환경별 설정과 보안 인증 기능을 지원하는 개발 및 프로덕션 모드에서의 배포를 지원한다.

실험 결과

연구 질문

• RQ1 학생 응답 데이터와 지식 추적을 활용해 동료 학습 플랫폼이 효과적으로 콘텐츠 추천을 개인화할 수 있는 방법은 무엇인가?
• RQ2 학생들의 군중지능 기반 기여가 고등교육 분야에서 학습 콘텐츠의 확장성과 관련성 향상에 어느 정도 기여할 수 있는가?
• RQ3 보완적인 학습 필요와 가용성을 기반으로 학생을 매칭할 수 있는 상호적 동료 추천 시스템은 어떻게 설계할 수 있는가?
• RQ4 리더보드와 배지와 같은 게임화 요소가 개인화된 학습 환경에서 학생의 참여도에 미치는 영향은 어떠한가?
• RQ5 장기적인 지속 가능성과 다양한 대학 과정 간의 통합을 지원하기 위해 오픈소스로 확장 가능한 플랫폼은 어떻게 아키텍처를 설계할 수 있는가?

주요 결과

• RiPPLE은 군중지능 기반으로 학생들이 다중선택형 질문의 태그된 저장소를 공동으로 제작하고 관리할 수 있도록 한다.
• 개선된 BKT 알고리즘을 통해 학생의 지식 상태를 정확하게 모델링하여 정밀한 콘텐츠 추천을 가능하게 한다.
• 가용성, 지식 상태, 학습 선호도를 기반으로 효과적으로 동료 학습 세션을 추천하여 상호적 학습을 지원한다.
• 보안성과 구성 설정이 가능한 환경별 설정을 지원하며 LTI 통합을 지원하여 개발 및 프로덕션 환경 모두에서 배포가 가능하다.
• Apache 2.0 라이선스 하에 오픈소스로 배포되어 장기적인 지속 가능성과 교사의 낮은 유지보수 부담, 기관 간 확장성 보장을 확보한다.
• 리더보드와 배지와 같은 게임화 기능은 학습 과정에서 학생의 동기 부여와 지속적인 참여도 향상에 기여한다.