学習者とのインタラクション機能を活用した学習ログ分析収集機構の開発
Project/Area Number |
21K17864
|
Research Category |
Grant-in-Aid for Early-Career Scientists
|
Allocation Type | Multi-year Fund |
Review Section |
Basic Section 62030:Learning support system-related
|
Research Institution | Kyushu University |
Principal Investigator |
峰松 翼 九州大学, データ駆動イノベーション推進本部, 准教授 (00838914)
|
Project Period (FY) |
2021-04-01 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
Keywords | ラーニングアナリティクス / デジタル教科書 / 推薦システム / マルチモーダルデータ / 機械学習 |
Outline of Research at the Start |
デジタル学習環境を通して,学習者の学習行動履歴を収集し,エビデンスベースで学習状況の把握が行われ始めている.学習状況の把握には,学習内容のメモや電子教科書の文章に残すマーカーといった学習者自身の考えを反映した積極的な行動の履歴が有用となるが, (1)大多数の学習者は積極的に行動せず,有益な学習行動履歴が記録されにくい,(2)学習行動を促す効果的な指示が必要だが,常時行うことは不可能といった問題から,全学習者の詳細な学習状況の把握は困難な状況である.本研究では,システムと学習者のインタラクションを通して,自動的に学習行動履歴の収集分析の効率化を図る機構を開発する.
|
Outline of Annual Research Achievements |
デジタル学習環境を通して,学習者の学習行動履歴を収集し,エビデンスベースで学習状況の把握が行われ始めている.学習状況の把握には,学習内容のメモや電子教科書の文章に残すマーカといった学習者自身の考えを反映した積極的な行動の履歴が有用となるが,積極的に学習行動を残さない学習者(パッシブラーナー)が一定数存在し,現状の受け身型のセンシングシステムでは全学習者の詳細な学習状況の把握は困難な状況である.本年度はパッシブラーナー検出に資する電子教科書の利用ログ分析手法および機械学習手法の開発と昨年度開発した学習者に学習履歴を残すよう促すシステムの検証を通年で行った. 分析手法開発では,電子教科書閲覧システムを対象に,Contrastive learning による表現能力の高い閲覧ログの特徴表現学習手法を開発した.パッシブラーナーが成績不振者になるという仮説をたて,At-risk student検出において,従来の特徴表現よりも高い検出精度を達成すること確認した.また,教員の指導方法により,システムの学習者の利用ログに偏りが発生し,従来の分析手法が効果的に機能しない状況に対応するために,異なる講義のデータで学習された深層学習モデルを効果的に運用するための基礎技術の開発に着手した.異なる講義の多様性を現在保有している学習者の利用ログでは担保できないため,類似の問題設定が可能であった画像からの異常検知を対象に深層学習モデルのアンサンブル学習手法を開発した.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
システム改善のための分析手法の開発及びシステムの利用及び検証データの収集を十分に行い,最終年度に向けた評価の取り掛かりとして十分であると考え,上記の自己点検による評価を行った.
|
Strategy for Future Research Activity |
最終年度では,昨年度までに収集されたデータ・アンケート結果から,より効果的に学習者に働きかけるシステムに改善していく.近年,発展の目覚ましい大規模言語モデル(LLM)と本研究開発システムを統合する.具体的に,学習者にマーカーへのフィードバックとしてLLMから生成される補足説明や理解を確かめるための質問を考える.これらにより,マーカーを引く行動にこれまで以上の意味と利便性を持たせ,システム利用率の向上とそこからあぶりだされる学習者の性質と成績との関係性について分析する.
|
Report
(2 results)
Research Products
(2 results)