1. Motivation

• Knowledge Tracing (KT) 모형들은 학생의 문항반응 정오답 결과만을 활용하지만, 실제로 문제와 상호작용하는 과정에서 여러 요인을 측정할 수 있을 것이다.
• 어차피 미래에 KT model는 intelligent tutoring system (ITS), MOOC 맥락에서 사용될텐데 그렇다면 디지털 입력장치의 정보를 일반적으로 수집할 수 있을 것이다.
• 시간별로 마우스의 클릭과 이동 좌표를 기록한 clickstream 데이터를 사용하면 interactive material과의 상호작용을 분석할 수 있다.

Keystroke 를 사용한 예측 모델은 이미 존재

• Tsimperidis, I., Yucel, C., & Katos, V. (2021). Age and Gender as Cyber Attribution Features in Keystroke Dynamic-Based User Classification Processes. Electronics, 10(7), 835.

• Pentel, A. (2017, July). Predicting age and gender by keystroke dynamics and mouse patterns. In Adjunct Publication of the 25th Conference on User Modeling, Adaptation and Personalization (pp. 381-385).

1. Environment

지도방식의 세분화 수준(granularity)에 따라서 ITS를 answer-based와 step-based로 구분함.

• Answer-based tutoring system : 학생에게 문제에 대한 힌트와 답안 제출 후 즉각적인 피드백을 제공함. 문항 답안이 선다형 혹은 단답형 숫자 응답으로 제한됨.
• Step-based tutoring system : 드래그 앤 드롭으로 상호작용 하는 등 단계적으로 상호작용할 수 있는 수단을 제공함. 따라서 정답 여부와 단계별 행동에 대한 피드백을 모두 제공할 수 있음. 이 연구에서는 step-based 에 대해 주로 다룸.

• K-12 수학교육을 위해 디자인된 온라인 학습플랫폼에 step-based ITS를 구현.

2. Dataset

Step-based ITS의 clickstream에 대한 공개 데이터셋이 없기 때문에 온라인 교육 플랫폼 제공업체와 협업함. 대단원 6개 (대수, 기하, 자료해석, 측정, 산수, 공간 )와 소단원 137개로 다양한 영역의 문항에서 데이터를 수집함.

Statistics