Project/Area Number |
22K02811
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 09070:Educational technology-related
|
Research Institution | Yokohama College of Commerce |
Principal Investigator |
浮田 善文 横浜商科大学, 商学部, 教授 (70308203)
|
Co-Investigator(Kenkyū-buntansha) |
斉藤 友彦 湘南工科大学, 情報学部, 教授 (50464798)
松嶋 敏泰 早稲田大学, 理工学術院, 教授 (30219430)
|
Project Period (FY) |
2022-04-01 – 2026-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
Keywords | 科目間類似度 / シラバス情報 / 科目関連グラフ / 文系学生 / AI教育 / AIプログラミング / プログラミング教育 / オンライン教育 |
Outline of Research at the Start |
本研究では,文系学生のための一人一人に応じたAI教育のカリキュラム最適化と,多人数での学習を効率よく実施できるオンライン教育システムの構築を行う.このためにまず,文系学生のデータ分析に関する当初の知識レベル及び,データ処理のレベルを把握する.次に,AI教育の内容を細分化し,要素ごとに多段階のレベルを設ける.さらに,各学生に対し,それまでの学習履歴をもとに,次に学習する最適なレベルの要素を割り振るアルゴリズムを導出する.最後に,オンライン教育システムをコンピュータに実装し,性能評価を行い,その特性を明らかにする.
|
Outline of Annual Research Achievements |
本研究の目的は,文系学生のための一人一人に応じたAI教育のカリキュラム最適化と,多人数での学習を効率よく実施できるオンライン教育システムの構築を行うことである.令和5年度は,カリキュラム最適化に必要な情報を収集するために,研究代表者が所属している文系大学で開講している全科目と,高等学校での科目(情報,数学)の全単元について,内容の関連の調査を行い,以下の研究成果を得た. 1. 公開されているシラバス情報を用いることで,大学科目と高校科目における単元間の類似度が容易に得られることを示した.また,この類似度を用いることにより,科目名だけでは気づきにくいものの類似度が高い科目を見つけられることが分かった. 2. 選択した科目に対し,関連の強い大学科目および高校科目単元を視覚的に把握するための科目関連グラフを提案した.また,科目関連グラフは,大学で開講している全ての科目間のつながりを把握することが可能であるため,これまで知られていなかった異分野間の繋がりなどについても知ることができることを示した. 3. 科目と単元間の類似度と,科目関連グラフを用いることで,授業担当者が少ない作業負担で,関連が強い大学科目および高校科目単元を把握可能であることを示した.さらに,関連の強い単元の情報を利用した,学生の授業理解度向上への取組についても考察を行った.
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
令和5年度は,研究実績の概要で述べた通り,カリキュラム最適化に必要となる,大学科目と高校科目における単元間の類似度が容易に得られることを示した.また,関連の強い科目および単元を視覚的に把握するための科目関連グラフを提案することができた.これらの類似度と科目関連グラフは,今後のAI教育のカリキュラム最適化に利用可能である.ただし,令和5年度に予定していた,AI教育の内容の細分化についてはまだ作業が一部残っているため,今後も引き続き作業を進める.
|
Strategy for Future Research Activity |
今後は,これまでに得られた研究成果を利用することで,各学生に対し,当初のレベル及び,それまでの学習履歴をもとに,次に学習する最適なレベルの要素を割り振るアルゴリズムを完成させる.そして,このアルゴリズムを,多人数での学習を効率よく実施できるオンライン教育システムとしてコンピュータに実装する準備を進める.
|