この記事では、知識追跡（KT）の分野における新しいフレームワーク「HISE-KT」を提案しています。KTは学生の知識状態を分析し、将来の質問応答パフォーマンスを予測する技術です。従来の手法は、異種情報ネットワーク（HIN）を基にしていますが、メタパスの選択において雑音を引き起こしがちで、高品質なメタパスインスタンスの評価が不足しています。一方、大規模言語モデル（LLMs）を用いた最近の手法は、学生間の豊富な情報を無視しているため、正確で根拠に基づいた説明を一貫して提供するのに苦労しています。HISE-KTは、HINとLLMを統合し、多様なノードタイプを持つ多関係HINを構築し、メタパスの自動品質評価を行います。また、教育心理学の原則に触発された学生取得メカニズムを設計し、予測のための貴重なコンテキストを提供します。実験結果により、HISE-KTは既存のKT手法に対して予測性能と解釈可能性の両面で優れていることが示されています。