Reccurent recommendation system for self-study methods based on diverse personality profiles

• Project/Area Number: 24K15223
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 62030:Learning support system-related
• Research Institution: Tokyo Metropolitan College of Industrial Technology
• Principal Investigator: 山本 昇志 東京都立産業技術高等専門学校, ものづくり工学科, 教授 (70469576)
• Co-Investigator(Kenkyū-buntansha): 下川原 英理 東京都立大学, システムデザイン研究科, 准教授 (00453035) ; 土居 裕和 長岡技術科学大学, 工学研究科, 准教授 (40437827)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2026: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2025: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000); Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
• Keywords: 推薦システム / ロジックツリー / 知識グラフ / リカレントネットワーク

Outline of Research at the Start

本研究は学生が自主学習を進めていく上で、方針決定や推進を支援するシステムを開発する。まずは既に自主学習の方法を既に確立している学生から、その方法手段を聴取・構造化して、自主学習方法が定まっていない学生に推薦する仕組みの開発を提案する。独自アイデアとしては、推薦する自主学習方法の適合因子に性格を採用して、個人に適合した自主学習方法の提案が可能となる点である。また、学習能力が向上するにつれて提案する方法も変化するため、時系列的な機械学習手段を用いて循環的に自主学習を支援できる仕組みを開発する。