베이지언 네트워크를 이용한 인지진단모형의 적용

An Application of Bayesian Network Based Cognitive Diagnostic Modeling

베이지언 네트워크는 복잡한 변수의 체계를 그래프 이론에 따라 소규모 그룹의 집합으로 재구성한 후, 분할된 그룹 내 변수의 결합확률분포를 조건부확률분포로 대체하여 변수에 관한 정보를 네트워크 전체에 전파하는 매우 효율적인 확률모형이다. 이 연구의 목적은 베이지언 네트워크에 기반한 인지진단모형을 실제 시험자료에 적용하여 그 결과를 전통적인 인지진단모형과 비교함으로써 인지진단모형에서 새로운 대안으로서 베이지언 네트워크의 가능성을 탐색하는 데 있다. 이를 위하여 외국어 읽기에 관한 이론과 교수 방법론 문헌을 참고하여 영어 읽기 능력에 관한 인지진단모형을 설정한 후 이를 토익 모의고사 읽기 영역 시험 자료에 적용하여 기존의 인지진단모형 결과 분석과 비교하였다. 연구 결과는 베이지언 네트워크에 기반한 인지진단모형이 해당 인지 영역의 다양한 이론을 잘 반영할 수 있는 매우 효율적인 인지진단모형이 될 가능성과 장점을 확인하였다. 또한 이 연구에서는 베이지언 네트워크 기반 인지진단연구를 적용하는 가운데 밝혀진 분석 결과에 대해 그 의의와 해결 방안에 대해 논의하였다.

Bayesian networks(BN) are a probabilistic graphical model that represents a system of variables and their conditional interdependencies using directed acyclic graphs. Once the probabilistic models are built and embedded in a graphical structure, evidence of variables can be efficiently propagated through the network and inference about students can be made. This study is to explore the potential of BN as a new framework for cognitive diagnostic modeling by developing and applying BN-based cognitive diagnostic models to a real test data set and comparing the results with those from the conventional cognitive diagnostic modeling. For this purpose, the current study surveyed theoretical and pedagogical aspects of reading in English as a foreign/second language, introduced provisional models, and applied the models to a set of reading comprehension data from a TOEIC practice test. The results show that BN-based cognitive diagnostic modeling can be an efficient framework that can handle diverse aspects of reading comprehension. The study then addresses some issues from the analysis and discusses the implications in relation to application of cognitive diagnostic modeling.