Enhancing Cognitive Diagnosis with Group-Aware Graph Augmentation and Self-Supervised Alignment

기술 요약: 그룹 인지적 그래프 증강 및 자기 지도 정렬을 통한 인지 진단 성능 향상

문제 정의
지능형 교육 분야에서 인지 진단(Cognitive Diagnosis, CD)은 학생들의 맞춤형 학습 추천을 촉진하기 위해 과거 응답 데이터를 기반으로 학생의 인지 상태를 평가하는 것을 목표로 한다. 딥러닝은 전통적인 모델인 문항 반응 이론(Item Response Theory, IRT)보다 CD 성능을 개선해 왔으나, 기존 방식들은 실제 환경에서의 핵심적인 과제인 데이터 희소성(data sparsity) 및 불균형 분포(imbalanced distribution) 문제에 직면해 있다. 학생들은 익숙하거나 쉬운 문항을 선호하는 주관적인 연습 선택 경향을 보이며, 이로 인해 많은 학생이 충분한 상호작용 이력을 갖지 못하는 '롱테일(long-tail)' 분포가 발생한다. 이러한 결핍은 모델이 이러한 학생들의 지식 상태를 신뢰성 있게 추론하는 것을 방해한다. 또한, 기존 모델들은 정답과 오답 응답에 반영된 서로 다른 행동 패턴을 구분하는 데 실패하며, 데이터가 부족한 사용자를 위한 표현 학습을 강화하기 위해 학생의 잠재적 클래스(예: 인지 스타일 또는 기억 용량)를 체계적으로 활용하지 못한다.

방법론: GACD 프레임워크
저자들은 데이터 희소성을 완화하기 위해 그래프 신경망과 자기 지도 학습을 통합한 그룹 인지적 진단(Group-Aware Cognitive Diagnosis, GACD) 프레임워크를 제안한다. 이 프레임워크는 네 가지 주요 구성 요소로 이루어져 있다:

1. 응답 그래프 분해 (Response Graph Decomposition):
   정답과 오답 응답이 서로 다른 의미 정보를 인코딩한다는 점을 인식하여, 저자들은 이질적인 학생-문항 상호작용 그래프를 정답 응답만을 포함하는 **정답 서브그래프($G_R$)**와 오답 응답만을 포함하는 **오답 서브그래프($G_W$)**라는 두 개의 서로 소인 서브그래프로 분해한다. 이를 통해 모델은 성공과 실패의 맥락으로부터 독립적으로 숙달 패턴을 학습할 수 있다.

2. 클러스터링 인지 구조적 증강 (Clustering-Aware Structural Augmentation):
   '테일(tail)' 학생들(상호작용 밀도가 낮은 학생들)의 데이터 희소성 문제를 해결하기 위해, 프레임워크는 조건부 엣지 생성(Conditional Edge Generation) 메커즘을 채택한다:

• 클러스터링(Clustering): 초기 노드 표현을 기반으로 K-means를 사용하여 학생들을 $K$개의 잠재 클러스터로 분할함으로써, 유사한 학습 행동을 보이는 학생들을 그룹화한다.
• 증강(Augmentation): 각 클러스터 내에서 상호작용 밀도가 하위 50%인 학생들을 식별한다. 프레임워크는 이 희소한 학생들과 동일한 클러스터 내의 동료들 사이에 엣지를 인위적으로 추가한다. 이는 무작위 노이즈를 도입하지 않으면서도 그룹 내 연결성을 강화하고, 불리한 위치에 있는 노드들에 대한 정보 전파를 용이하게 한다.

3. 대조 정렬을 이용한 듀얼 스트림 표현 학습 (Dual-Stream Representation Learning with Contrastive Alignment):
   프레임워크는 고차 연결성을 포착하기 위해 LightGCN을 백본 인코더로 사용한다. 모델은 원본 그래프와 증강된 그래프를 모두 처리하는 두 개의 병렬 인코딩 스트림(하나의 $G_R$용, 하나의 $G_W$용)을 구축한다.

• 대조 학습(Contrastive Learning): 증강된 그래프가 원본 데이터의 본질적인 의미적 특성을 보존하도록 하기 위해 자기 지도 전략이 사용된다. 모델은 InfoNCE 손실을 최소화하여 원본 그래프에서 학습된 노드 표현을 증강된 그래프에서 학습된 표현과 정렬한다. 이는 증강이 실제 인지 상태를 왜곡하는 것을 방지한다.

4. 다중 뷰 융합 및 진단 (Multi-View Fusion and Diagnosis):
   최종 학생 표현은 정답 스트림과 오답 스트림의 임베딩을 융합하여 생성된다. 단순한 결합 대신, 매개변수화된 융합 메커니즘을 사용하여 학습 가능한 가중치 행렬과 시그모이드 함수를 통해 이러한 이질적인 신호들을 적응적으로 집계한다. 이렇게 융합된 표현은 최종 예측을 위해 다양한 백본 인지 진단 모델(CDM)의 입력 요구 사항에 맞게 투영된다.

주요 기여

• 그룹 인지적 그래프 증강: 본 논문은 학생들을 클러스터링하고 동질적인 그룹 내의 저차수 노드들에게 특정적으로 엣지를 추가함으로써 학생 상호작용 그래프의 위상 구조를 강화하는 방법을 소개한다. 이는 '불리한' 학생들을 직접적으로 겨냥한다.
• 듀얼 스트림 자기 지도 정렬: 정답 및 오답 응답 행동을 별도로 모델링하는 동시에, 대조 학습을 사용하여 증강된 구조적 정보가 원본 데이터와 의미적으로 일관되게 유지되도록 하는 새로운 전략을 제안한다.
• 모델 불가지론적 설계 (Model Agnosticism): GACD 프레임워크는 전체적인 구조적 개편 없이도 기존 CDM(예: IRT, MIRT, NCDM, KaNCD)과 통합되어 성능을 향상시킬 수 있는 플러그인 형태의 강화 도구로 설계되었다.

실험 결과
저자들은 세 가지 실제 공개 데이터셋인 Assist2017, NeurIPS2020, Junyi에서 GACD를 평가하였다.

• 성능: 광범위한 실험을 통해 GACD를 다양한 베이스라인 모델(IRT, MIRT, NCDM, KaNCD 포함)과 통합했을 때 모든 지표(Accuracy(ACC), AUC, F1-score, Degree of Agreement(DOA))에서 일관되게 성능이 향상됨을 입증하였다.
• 절제 연구 (Ablation Studies): 클러스터링 인지 구조적 증강(CSA) 또는 응답 그래프 분해(RGD) 중 하나라도 제거하면 성능이 크게 하락하였으며, 이는 두 구성 요소의 필요성을 확인시켜 준다. 특히, RGD는 모델의 해석 가능성(DOA)에 결정적인 역할을 하는 것으로 나타났다.
• 하이퍼파라미터 분석: 클러스터의 수($K$)를 분석한 결과, 데이터 희소성이 높고 학생의 차수가 분산된 데이터셋(Juneli와 같은 경우)은 그룹 내 동질성을 확보하기 위해 더 많은 수의 클러스터를 사용하는 것이 유리함을 발견하였다.

의의 및 주장
본 논문은 GACD가 학생들 사이의 **동종성(homophily)**을 활용함으로써 인지 진단의 데이터 희소성 문제를 효과적으로 해결한다고 주장한다. 유사한 패턴을 가진 학생들을 그룹화하고 희소한 사용자에게 연결을 증강함으로써, 프레임워크는 모델이 학습할 수 있는 더 풍부한 정보를 제공한다. 저자들은 자신들의 접근 방식이 테스트된 데이터셋에서 최첨단(state-of-the-art) 성능을 달성했음을 단언하며, 이는 학생의 잠재적 클래스를 명시적으로 분석하고 자기 지도 정렬을 사용하여 그래프 기반 인지 진단 모델을 강화하는 것의 중요성을 입증한다. 이 연구는 구조화된 그룹 기반 증강이 무작위 데이터 증강 전략보다 우월함을 시사하며, 향면의 진단 프레임워크를 위한 실질적인 통찰을 제공한다.