신호 UNVaMP: 잠재 지식 동역학의 변분 정규화를 통한 신경망 지식추적

요약

카슨 J. 쿡, 아메드 J. 제루알리, 앤서니 슈미트 등 연구진이 2026년 8월 4일 arXiv(cs.CY)에 관측된 학생-문항 상호작용과 내부 메모리를 결합해 학생 지식의 시변 잠재표현을 만드는 지식추적 기법 '통합 신경 변분 역량측정(UNVaMP)' 아키텍처를 소개하는 논문을 공개했다. 이 표현들은 학습궤적 추정의 평활도를 명시적으로 통제하면서도 향후 응답에 대한 정확한 예측을 지원한다. UNVaMP는 순수 신경망 모델 또는 잠재공간에 대한 해석 가능한 측정함수로 응답을 예측하는 하이브리드 모델로 구성할 수 있는데, 연구진은 순수 신경망 구성(UNVaMP-MLP)이 비교 모델 중 4개 데이터셋 중 3개에서 가장 우수한 예측 성능을 달성했고, 1PL MIRT 측정함수를 쓰는 하이브리드 구성은 근소한 차이로 뒤처져 해석가능성의 예측력 손실이 크지 않음을 보였다고 밝힌다. 예측 정확도 외에도 UNVaMP는 학생 잠재변수 추정 시 변동성을 통제하는 원리적 메커니즘, 지식상태 추정치에 대한 불확실성 정량화, 이질적 학생-문항 상호작용 특성을 지원하는 유연한 입력 설계를 제공한다. 실험 데이터셋을 활용해 저자들은 보조 입력이 하이브리드 모델의 예측 행동에 구조화된 변화를 유도함을 보이며, 시뮬레이션 연구에서 UNVaMP가 통제된 측정 조건에서 안정적인 지식상태 추정치를 산출함을 보인다.