大規模学習データの分析・可視化と介入機能を有する知的PBL学習環境の運用と評価
| Project/Area Number |
17H02004
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Research Field |
Educational technology
|
|---|
| Research Institution | Tokyo University of Technology |
|---|
Principal Investigator |
稲葉 竹俊 東京工科大学, 教養学環, 教授 (10386766)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
安藤 公彦 東京工科大学, 先端教育支援センター, 講師 (00551863)
柴田 千尋 東京工科大学, コンピュータサイエンス学部, 講師 (00633299)
田胡 和哉 東京工科大学, コンピュータサイエンス学部, 教授 (10188229)
松永 信介 東京工科大学, メディア学部, 教授 (60318871)
吉仲 亮 東北大学, 情報科学研究科, 准教授 (80466424)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Project Status |
Declined (Fiscal Year 2020)
|
| Budget Amount *help |
¥16,510,000 (Direct Cost: ¥12,700,000、Indirect Cost: ¥3,810,000)
Fiscal Year 2020: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2019: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2018: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000)
Fiscal Year 2017: ¥7,670,000 (Direct Cost: ¥5,900,000、Indirect Cost: ¥1,770,000)
|
|---|
| Keywords | CSCL / PBL / コーディング / ディープラーニング / ラーニング・アナリティクス / PBL学習環境 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、アクティブラーニングの一環として、高等教育への導入が拡大しているプロジェクト学習(PBL)での学内外の協調学習状況をリアルタイムで分析・可視化し、学生のリフレクションや教員の早期の教育的介入の支援を可能とする知的学習環境を構築することで学習・教育の質を高めることである。具体的には、以下のような取り組み課題のもとで研究を行う。1. 学習データのコーディングの自動化 : CSCLシステムから取得されるデータや対面環境での会話データ等へのディープラーニング技術を活用した学習データの自動コーディングの精度向上 2. 学習プロセスの予測 : ある時点のグループの学習状況の分析からその後の学習プロセスの進展を予想する技法の開発 3. 情報の可視化と効果検証 : データ分析結果の視覚的提示方法の考案
令和元年度は特に上の1について顕著な進展があった。本研究で用いるコーディング手法は、コーダーによる誤差が少ない手法のため比較的少ない教師データの量でも、深層学習による自動分類の精度を高くできるという特徴があった。しかし、これはある分野に特化した学習となっており、同じ分類器を他の分野の文章に適応しても精度が落ちてしまうという欠点があった。そのため、他の分野、例えば異なる講義のチャットに適用するために、再度同程度の教師データを人力で生成する必要があった。しかし本年度は転移学習を用いることで、学習済みモデルを用いてより少ない教師データで他の分野の会話においても高い精度で分類できる手法を開発した。具体的には、平成30年度に開発した学習済み分類器を元に、異なる講義のチャットデータを同一のコーディング手法でコーディングしたものを教師データとして分類器を作成した。その結果、転移学習をすることで、最大10%以下の教師データの量で、転移学習なしの分類器と同等の精度を出すことができた。これは、異なる授業で新たに自動コーディングをする場合、人力によるコーディングを大幅に減らせることを意味しており、自動コーディングの適用範囲を大幅に広げることに繋がると考えられる。
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
Report
(3 results)
Research Products
(8 results)
