컴퓨터 적응적 검사를 위한 베이지안 네트워크 기법 = Bayesian network approach to computerized adaptive testing
저자
발행사항
서울 : 한양대학교 대학원, 2012
학위논문사항
학위논문(석사) -- 한양대학교 대학원 , 전자컴퓨터통신공학과 , 2012. 2
발행연도
2012
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
46 p. : 삽도 ; 26 cm.
일반주기명
국문요약: p. 1-2
Abstract: p. 43-44
지도교수: 최용석
참고문헌: p. 41-42
소장기관
본 연구는 학습자의 능력을 측정하는 평가 방법 중 컴퓨터를 활용한 능력측정방법인 CAT(Computerized Adaptive Testing), 그 중에서도 특히 베이지안 네트워크(Bayesian Network) 학습 모델을 도입한 CAT와 해당 CAT에서 사용되는 베이지안 네트워크의 생성에 필요한 네트워크 구조 학습에 대한 방법을 제시한다.
많은 학습 시스템에서 학습자의 수준에 맞는 맞춤학습을 위해서 학습자의 정확한 능력을 측정하는 평가 방법이 필요하다. CAT는 기존 지필고사 방식으로 이루어지던 평가를 컴퓨터로 대체한 것으로 지필고사방식의 문제점을 상당부분 해결하였다. 그러나 CAT에서 주류로 사용되는 문항반응이론식 CAT의 경우 문항 간 연관성에 대해서는 독립을 가정하였지만, 실제 세계에서는 출제되는 문항간의 연관성이 높은 경우가 적지 않아 이 점이 실제 평가시 불필요한 문항의 중복으로 인한 비효율성을 가져올 수 있다. 이에 대한 대안으로 문항간의 연관성을 그래프의 형태로 표현한 베이지안 네트워크를 도입한 CAT가 있다. 이는 평가 문항을 몇 가지의 세부 분야로 분류하여 베이지안 네트워크의 노드에 대입하고, 각 분야 간의 연관성을 노드 사이의 아크에 대입하여 학문의 위계를 베이지안 네트워크로 모델링하여 한 문항의 응답을 통하여 그 문항과 관련된 다른 문항의 이해여부를 추론할 수 있게 하여 결과적으로 문항 간의 연관성이 학습자의 능력 측정에 영향을 미치게 되는 구조이다.
CAT에 베이지안 네트워크 모델을 도입하기 위해서는 먼저 문항들에 대응하는 베이지안 네트워크의 구조를 학습시킬 필요가 있다. 본 연구에서는 CAT에 활용하기 위한 베이지안 네트워크 모델의 구조 학습에 특화된 형태의 학습 방법을 제시한다. 각 노드 간의 독립여부를 테스트하여 의존도가 높은 노드 쌍을 무방향 아크로 서로 연결하여 1차적인 네트워크 구조를 형성하고, 아크의 방향을 결정하기 위하여 조건부 확률을 이용하여 상위 노드와 하위 노드의 판별을 수행한다. 상위 노드에서 하위 노드로 이어지도록 아크의 방향을 결정하고 나면 문항 응답 데이터를 훈련 데이터로 사용하여 EM(Expectation Maximization) 알고리즘을 통해 네트워크의 CPT(Conditional Probability Table)을 완성하여 베이지안 네트워크의 구조 학습을 완료하게 된다.
본 연구에서는 실험을 통해 기존의 기법을 사용했을 때에 비해 학습자의 실제 능력치에 수렴하는 속도가 증가함을 보인다. 또한 앞에서 설명한 것과 같은 방법을 사용하여 훈련 데이터로부터 베이지안 네트워크의 구조를 학습시켜, 실제로 존재하는 베이지안 네트워크의 구조와 비교하였으며 기존의 구조학습 방법을 통한 결과를 비교하여 성능향상을 확인하였다.
For the personalized learning according to the level of learners, a good proficiency estimation that measures exact learners' proficiencies is needed. To solve the problem of traditional paper-based exam, computerized adaptive test (CAT) that combines information theory and computer's computational power, has been studied extensively. CAT using Item Response Theory is a good solution to solve the above problem, but it assumes independence about the dependencies between items. If not, it may causes inefficiencies in testing. In this paper, we propose the CAT using Bayesian network that can solve the problem of the CAT using item response theory methods and improve the performance. It assigns question items to each node of Bayesian networks, and estimates a learners' proficiency from a response to question related abilities of the learners. In the experiment, we show that an increase in the rate of convergence by comparing to the conventional well-known approaches.
And we present an efficient algorithms for learning Bayesian networks from databases. To measure the learner's ability in CAT (Computerized Adaptive Testing) using Bayesian networks (Bayesian Network), we need to learn Bayesian Network model that discribes the problem domain.
In order to use the Bayesian network model in CAT, the learning of Bayesian network structure is necessary: In this study, we propose a method that make structure of the Bayesian network model for the CAT by explaining how specific forms of learning. The CI(Conditional Independence) test that asks whether each node are highly dependent pairs of nodes. And dependent pairs of nodes interconnected by undirected arcs to form the primary network structure. To determine the direction of the arc using the conditional probability, it performs identification to the parent and child nodes. Sub-nodes from the node to we use answer questions as the training data after determinant the direction of the arc. Using EM (Expectation Maximization) algorithm, the CPT (Conditional Probability Table) of the network will be filled, the structure of the Bayesian network will be completed.
At the end of this study, we present the experimental results of Bayesian network structure that learned from the training data by using the same method as above, and were compared with a Bayesian network structure that actually exist.
The result shows that this algorithm improve performance by comparing to the results that the existing method shows.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
| 주요 개정내역 | 변경 사유 |
|---|---|
| · 수탁업체 콘소시엄 기관명 및 위탁기간 명시 | · 제6조(개인정보 처리업무의 위탁) 구체화 |
한국교육학술정보원은 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
제1조(개인정보의 처리 목적)
제2조(개인정보의 처리 및 보유 기간)
제3조(처리하는 개인정보의 항목)
제4조(개인정보파일 등록 현황)
제5조(개인정보의 제3자 제공)
제6조(개인정보 처리업무의 위탁)
제7조(개인정보의 파기 절차 및 방법)
제8조(정보주체와 법정대리인의 권리·의무 및 그 행사 방법)
제9조(개인정보의 안전성 확보조치)
제10조(개인정보 자동 수집 장치의 설치·운영 및 거부)
제11조(개인정보 보호책임자)
제12조(개인정보의 열람청구를 접수·처리하는 부서)
제13조(정보주체의 권익침해에 대한 구제방법)
제14조(추가적 이용·제공 판단기준)
제15조(개인정보 처리방침의 변경)
제1조(개인정보의 처리 목적)
제2조(개인정보의 처리 및 보유 기간)
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)
제3조(처리하는 개인정보의 항목)
제4조(개인정보파일 등록 현황)
개인정보파일 검색(privacy.go.kr)| 개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 |
보유기간 | |
|---|---|---|---|---|
| 학술연구정보서비스 이용자 가입정보 | 한국교육학술정보원법 정보추제 동의 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
| 선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 | |||
제5조(개인정보의 제3자 제공)
제6조(개인정보 처리업무의 위탁)
제7조(개인정보의 파기 절차 및 방법)
제8조(정보주체와 법정대리인의 권리·의무 및 그 행사 방법)
제9조(개인정보의 안전성 확보조치)
제10조(개인정보 자동 수집 장치의 설치·운영 및 거부)
제11조(개인정보 보호책임자)
| 구분 | 담당자 | 연락처 |
|---|---|---|
| KERIS 개인정보 보호책임자 | 정보보호본부 안재호 |
- 이메일 : jinuk@keris.or.kr - 전화번호 : 053-714-0158 - 팩스번호 : 053-714-0195 |
| KERIS 개인정보 보호담당자 | 개인정보보호부 송진욱 | |
| RISS 개인정보 보호책임자 | 교육학술데이터본부 정광훈 |
- 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
| RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
제12조(개인정보의 열람청구를 접수·처리하는 부서)
제13조(정보주체의 권익침해에 대한 구제방법)
제14조(추가적인 이용ㆍ제공 판단기준)
제15조(개인정보 처리방침의 변경)
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)