|
近年、教育における人工知能分野で、異なる問題で構成されているが，同一精度の測定を実現できるe-Testingが注目されている。e-Testingにおける適応型テストでは、受検者の能力を逐次的に推定し，その能力に応じて適切な問題を出題する。これにより、受検者の能力測定精度を減少させずに、テストの出題数や受検時間を短縮できる。しかし、適応型テストでは、受検者の能力測定精度と各問題の出題頻度の偏りにトレードオフがある。例えば、出題頻度の高い問題は、受検者間で共有・対策され、その問題の信頼性低下につながる。本研究では、ZDDを用いた新しい適応型テストを提案し、このトレードオフを解決する。
|
