인지 진단은 응답 로그로부터 학생의 개념 숙달도를 추론하지만, 실제 응답은 숙달도뿐 아니라 감정·몰입·피로 같은 비인지적 요인에도 영향을 받는다. 정서 인지 진단은 이런 정서 상태를 반영해 전통적 인지 진단을 확장하지만, 기존 방법은 인지 진단 백본이 이미 능력·문항·개념 효과를 충분히 설명했다고 가정해 남은 오차를 대부분 정서 탓으로 돌린다. 연구팀은 실제 교육 데이터에서는 문항 보정 편향, 체계적 개념 편향, 학생별 개념 편차, 잠재적 학생-문항 매칭이 안정적인 '인지 잔차'를 형성해 명시적 모델링 없이는 정서 표현으로 유출되는 '정서 오염'이 발생할 수 있다고 지적한다. 이를 해결하기 위해 학생·문항·개념·학생-개념·저랭크 학생-문항 요소로 미모델링 인지 잔차를 먼저 포착한 뒤 정서 모듈이 추측/실수 효과를 조절하는 능력-잔차 분리 프레임워크를 제안했으며, Q-매트릭스 제약 개념 잔차 어텐션이 문항 관련 개념 잔차만 선택적으로 집계한다. ASSIST2017 등 4개 데이터셋과 6개 인지 진단 백본에서 응답 예측 성능이 향상되고 정서 정렬도도 전반적으로 개선됐다.

• •기존 정서 인지 진단은 인지 진단 백본의 잔차를 대부분 정서 요인으로 돌리는 가정에 의존해 왔다
• •문항 보정 편향, 개념 편향, 학생별 편차 등이 만드는 안정적인 '인지 잔차'가 정서 표현을 오염시킬 수 있음을 지적한다
• •능력-잔차 분리 프레임워크로 인지 잔차를 먼저 포착한 뒤 정서 모듈이 추측/실수 효과를 조절하게 했다
• •4개 데이터셋·6개 백본에서 응답 예측 성능과 정서 정렬도가 함께 개선되었다