[짧은 글] Approximately Optimal Teaching of Approximately Optimal Learners

Whitehill, Jacob, and Javier Movellan. "Approximately optimal teaching of approximately optimal learners." IEEE Transactions on Learning Technologies 11.2 (2017): 152-164.

 

https://ieeexplore.ieee.org/abstract/document/7895197

 

 

요약:

이 논문은 언어 학습에서 Teacher(사람 교사라기 보다는 로제타스톤이나 듀오링고 시스템 같은 것) 부분적인 정보만 보고 의사결정을 하는 Partially Observable Markov Decision Process로 모델링하고, Student(언어 학습자)은 위 사진처럼 사진을 보았을 때 처음에 아무 것도 모를 때는 어떤 단어랑 매칭되는지에 대해서 고른 확률(그냥 찍는 것)를 가지고 있다가 학습이 될수록 오른쪽처럼 확률 분포를 제대로 찾아나가는 Bayesian learner이다. Approximately Optimal이 제목이 두 번 들어가는 이유는 Teacher는 어떤 사진을 줘야 학생이 더 잘 배울지(학생의 믿음에 대한 믿음) 정책을 학습할 때 완벽하게 어려우니 근사하고, Student도 가르쳐줬으면 바로 아는 이상적인 학생이 아니라 알려줘도 무시하거나 잘 반영이 안 되는 현실의 사람에 가깝도록 approximately Bayesian learner를 사용해서 그렇다. 기술적인 논문인만큼 실험 결과로 기존 방법에 비해서 우수함을 보인다.

 

더 깊게 읽을까?

주제는 흥미롭다. 딥러닝 기반 방법이 아니고 예전 논문이지만 현재에도 여전히 유효할 것 같다. 지금 당장 깊게 읽을 필요는 없겠지만 튜터링 연구를 하거나, 앱을 만든다면 그때 이 논문을 다시 읽어볼 필요는 있을 것 같다.