뤼이드, ‘새 지식 추적 모델 연구 논문’ AAAI 학회 채택

정·오답, 보기선택 예측까지..."제출 논문 중 상위 25%”

뤼이드는 자사 AI 연구진이 제출한 새로운 지식 추적 모델 연구에 대한 논문(Multi-Task Learning of Knowledge Tracing and Option Tracing for Better Student Assessment)이 AI 학회인 AAAI(Association for the Advancement of Artificial Intelligence)에서 정식 논문으로 채택됐다고 밝혔다.

AAAI는 ICLR(International Conference on Learning Representations), NeurIPS(Neural Information Processing systems), ICML(International Conference on Machine Learning) 등과 함께 글로벌 AI 학회다.

올해는 이달 22일부터 3월1일까지 개최되며, 뤼이드 연구진들은 온라인으로 참여해 이번 논문 내용을 발표할 예정이다.

뤼이드 CI

뤼이드에 따르면 이번 논문은 딥러닝 기술을 활용한 정·오답 예측과 더불어 보기선택 예측까지 함께 적용해 모델 성능의 개선을 이뤄낸 첫 연구라는 점에서 큰 의미를 지닌다. AAAI에서 뤼이드가 새롭게 제시한 방법론(Dichotomous-Polytomous Multi-Task Learning, DP-MTL)은 기존의 지식 추적 모델(Knowledge Tracing)과 옵션 추적 모델(Option Tracing)을 결합한 형태다. 이를 적용할 경우 학습자가 고른 보기(Choice) 데이터를 사용해 기존 정·오답 예측 모델의 성능을 약 10% 향상시킬 수 있고, 객관식 문항뿐만 아니라 단답형 문항에도 적용 가능해 해당 영역에서의 답변 예측 성능도 증대시키는 것으로 나타났다.

지금까지의 정·오답 예측은 학습자의 정·오답 데이터만 활용을 했었다면 이번에 뤼이드가 고안한 방법론은 학습자가 어떤 보기를 선택했는지에 대한 데이터도 함께 활용해 예측한다는 것이 특징이다. 특히, 기존 인공지능 방법론의 보기선택 예측모델은 정오답 여부는 인식하지 못하거나, 같은 문제라도 보기의 순서가 달라지면 이를 다른 문제로 인식하는 등 여러 한계들이 존재했다.

이번에 뤼이드가 제안한 아키텍처는 여러 형태의 데이터에서 추출되는 정보를 복합적으로 해석해 학습자의 수준을 표현하는 단일화된 값을 추출해낸다. 정오답 예측뿐만 아니라 보기 선택, 점수 예측 등에 대한 확장 및 예측 성능의 개선까지 이뤄냈다.

AAAI에 등재된 뤼이드의 새로운 지식 추적 모델 연구 논문

이 같은 성과를 바탕으로 해당 논문은 AAAI에 등재된 논문 중에서도 상위 25% 수준에 해당한다는 피드백과 더불어, "뤼이드의 이번 연구가 앞으로 매우 유용하게 활용될 것으로 확신한다"는 높은 평가를 받았다.

뤼이드 박준영 AI 리서치 리드는 "이번 연구에서 뤼이드에서 제시한 새로운 프레임 워크를 통해 기존의 지식 추적 모델이 지닌 한계를 극복함으로써 AI의 활용 범위를 확장할 수 있을 것" 이라며 "실제 뤼이드에서 서비스 중인 솔루션에도 빠르게 적용하여 사용자의 학습 효과 향상에 기여할 수 있을 것으로 기대한다"고 밝혔다.

장영준 뤼이드 대표는 "이번 연구는 뤼이드가 보다 다양한 도메인과 학습 단계에서 압도적인 AI기반 솔루션을 제공하기 위한 주요 모멘텀이 될 것"이라면서 "앞으로도 적극적인 투자를 통해 교육 현장의 다양한 문제를 해결하기 위한 세계적 수준의 연구 활동을 진행, 교육 AI 영역의 의제를 주도해나갈 것"이라고 말했다.