Project/Area Number |
22K01805
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 07100:Accounting-related
|
Research Institution | Ube National College of Technology |
Principal Investigator |
山根 陽一 宇部工業高等専門学校, 経営情報学科, 准教授 (10580962)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2024: ¥130,000 (Direct Cost: ¥100,000、Indirect Cost: ¥30,000)
Fiscal Year 2023: ¥130,000 (Direct Cost: ¥100,000、Indirect Cost: ¥30,000)
Fiscal Year 2022: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
|
Keywords | 簿記学習 / 構造方程式モデリング / 学力 / 学習動機 / 外部環境 / 授業外学習 / 属性 / 学習履歴 / 学習達成度 / 多変量解析 |
Outline of Research at the Start |
本研究は、簿記初学者の学習履歴、基礎学力、学習習慣、学習意欲、学習環境等の諸データを用いて、学習者の特性や学習達成度に及ぼす影響を多変量解析によって分析し、その結果から今後の簿記教育に資するインプリケーションを示すことにある。 これまでの研究活動で実施してきた特定の項目間を対象とした初歩的な統計検定手法や回帰分析による分析を基礎に多変量解析を使用して、より複数項目のデータから、これまで観察されていない傾向を抽出することを試みる。具体的には、主成分分析、因子分析、共分散構造分析、判別分析、数量化Ⅰ・Ⅱ・Ⅲ類、多次元尺度構成法、クラスター分析等を計画している。
|
Outline of Annual Research Achievements |
2022年度は、簿記初学者における簿記の学習成果と学力、学習動機、外部環境、授業外学習との因果関係について、構造方程式モデリング(Structural Equation Modeling:SEM)を使用して検証を実施した。分析は、日商簿記3級(偏差値)、授業理解度(復習問題正答率)、授業出席率、単位取得率(該当学期)を結果変数として、12の観測変数(国語、数学、英語、出身高校偏差値、会計専門職志望、簿記興味、性別、現役・浪人、通学時間、サークル所属有無、課外講座出席率、簿記大会参加有無)から導出した4つの潜在変数(学力、学習動機、外部環境、授業外学習)を原因変数としたモデルを構築した。検証結果として、結果変数の相違で原因変数との因果関係に変化が生じることが確認された。授業出席率を除けば、学力(潜在変数)からのパスが有意であり、ペーパーテストで測る指標に共通して学力が影響しているものと推察される。しかし、簿記の学習内容に限ると授業外学習の影響が相対的に大きく、学習期間において積極的に学習する姿勢や行動が学習成果に繋がっていることを示唆していた。つまり、簿記の学習成果は、授業外学習の影響が大きく、学力は外部環境よりも影響が小さいと考えられる。この結果から示されるインプリケーションとして、学習期間における動機づけやアクションが重要だということが挙げられる。検証結果については、日本会計教育学会 第14回全国大会にて報告し、『宇部工業高等専門学校研究報告』第69号に論文を掲載した。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究課題は、特定の項目間を対象とした初歩的な統計検定手法や回帰分析による分析を基礎に、さらに高度な多変量解析を使用して、より複数項目のデータから、これまで観察されていない傾向を抽出することを目的としている。具体的には、主成分分析、因子分析、共分散構造分析、判別分析、数量化Ⅰ・Ⅱ・Ⅲ類、多次元尺度構成法、クラスター分析等による多変量解析を予定している。2022年度は、構造方程式モデリング(Structural Equation Modeling:SEM)を使用して、簿記の学習成果と学力、学習動機、外部環境、授業外学習との因果関係を検証し、一定の成果を積み上げることができた。
|
Strategy for Future Research Activity |
今後も計画通り、特定の項目間を対象とした初歩的な統計検定手法や回帰分析による分析結果をもとに、高度な多変量解析を使用して、より複数項目のデータから、これまで観察されていない傾向を抽出する予定である。研究課題で提示している主成分分析、因子分析、判別分析、数量化Ⅰ・Ⅱ・Ⅲ類、多次元尺度構成法、クラスター分析のほかに、決定木分析やコンスポンデンス分析、ニューラルネットワーク分析等を計画に加えていきたいと考えている。
|
Report
(1 results)
Research Products
(2 results)