2017 Fiscal Year Research-status Report

理科教員養成のためのビッグデータ調査とリテラシーモデルの構築

Research Project

Project/Area Number	15K00987
Research Institution	Shumei University
Principal Investigator	田中元秀明大学, 学校教師学部, 教授 (40512942)
Co-Investigator(Kenkyū-buntansha)	鈴木哲也東京未来大学, 公私立大学の部局等, 准教授 (50566750) 小林久美東京未来大学, 公私立大学の部局等, 教授 (40343686)
Project Period (FY)	2015-04-01 – 2019-03-31
Keywords	科学教育 / 理科教育 / 理科教員養成 / 科学リテラシー / コーパス / マップ
Outline of Annual Research Achievements	理科教員養成に向けた科学リテラシーモデルの構築のために次の２種類のデータを集積し（A 理科分野の教科書をはじめとする各種の資料のテキスト化・コーパスの作成　B 大学新入生を対象とするマッピングによる調査）、それらの解析を進めた。具体的な研究発表の例は以下の通りである。例１　マッピングによる調査の結果を定量的に扱うためにスペクトラルクラスタリングが有効であることを確認した。これは理科分野の各種のコーパスにも適用できるものであると思われる。（『平成29年度　教育改善向上(FD)年報』査読有，Vol.3(2017),1-10 イメージマップを用いた「放射線」に関する意識調査 -５つの領域の存在と学校・学部による違い- A SURVAY About "RADIATION RAYS" PROBED By IMAGE MAP 田中元,鈴木哲也）（『日本科学教育学会年会論文集』査読無，Vol.41(2017),361-362 教員養成系学部（理科）入学時点における学生の科学リテラシーの調査 -「化学」をキーコンセプトに据えた用語のマッピングを基にして- An Investigation of New Students’ Science Literacy in a Course of Science, Department of Education, Based on Concept Mapping from “Chemistry” 田中元,鈴木哲也）例２　教員養成系の大学新入生（理科コース）を対象とした調査を通じ、中等教育課程における理科教育が学習者達に伝えようとする内容と、実際に伝わっているとみなされる内容の比較を行った。（『日本理科教育学会第67回全国大会』2017.8 「理科用語」の出現パターン -大学新入生が描くコンセプトマップと教科書とを比較して - 田中元,鈴木哲也）
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 高校理科分野の教科書、資料集、各種の科学雑誌の内容をテキストデータとして集積・コーパス化した。また、マッピングによる大学新入生等を対象とした理科に関する意識調査も継続し、４年間に以上にわたるデータが蓄積されている。一般のソフトあるいはサービスでは、上の規模のコーパスに対して我々が望むレベルの解析を行うには限界があることを感じ、当初の計画には無かったが、解析用ツールの自作開発を行うこととした。平成２７年度の後半からPerl言語を用いた作業をスタートし、２８年５月現在、コーパスの規模によらない形態素解析とスペクトラルクラスタリングが可能となっている。たとえばコーパス間、パラグラフ間、あるいは名詞の間の関係をデンドログラムとして得ることができるようになった。ここではコーパス、パラグラフの類似性を定量化するためには相関係数とBNS（Bi-Normal Separation）をスイッチして用いる等、自作開発による自由度の広がりが大きな効果を発揮している。上記のツール解析に合わせて、理科分野の教科書や書籍に特有の名詞をPCが用いる辞書に登録する作業を並行して行っている。現在、理科教育／科学教育に関わると思われる言葉として、約29,000語をピックアップし、自作の辞書に登録して使用中である。以上の過程を経て、解析の精度はこの一年弱で格段に上昇した。たとえば高校理科分野の教科書57冊の本文を対象とする作業は、形態素解析の段階までほぼ完全なレベルに達している。ここで得られたコーパスは約54,000の段落からなり、解析の対象となる言葉としては目的にもよるが10,000種類から20,000種類を扱うことができている。
Strategy for Future Research Activity	研究の効率を上げるためには解析の機械化／自動化を推進することである。本研究計画に間に合うようであれば機械学習の導入を検討したいが、重要であることは、試みる定量解析を並行してあるいは一括して処理を進めること、複数の手法の成果を迅速、容易に行うようにすることである。ツールの自作開発を進めることで、この点における改善が確実である。また、辞書をより充実させることも目されるべきである。中等教育課程の理科における教科書用語をほぼ網羅できていると思われるが、解析が進むにつれてまだ100%完全ではないことが示されるようになった。ここでも用語のピックアップ作業を機械化という手段で補うべく作業に着手している。理科の科目間連携を意識したリテラシーモデルを構築し、理科教員の養成に資することが本研究の大きな目的である。今日までに得られた解析の結果から、科目をまたいで重要視される概念／トピックを評価し、現行の中等教育課程のカリキュラムでそれらがどのように扱われており、今後はどのように採り上げられることができるのか／望ましいのかを論じる予定である。それに向けて、本研究の現時点までの解析結果を教育指導要領に記載されている単元分類と比較する作業を始めている。
Causes of Carryover	本研究計画の当初、ツールの自作開発のウエイトはほぼゼロであったが、平成２７年度にその必要性を見ることとなりこれがスタートした。本研究者らがこの開発に時間と労力を割いた結果として、アルバイト雇用による作業の指揮を執りづらくなり一時の期間その作業を見合わせたこと、新たに調達すべきハードウェアの選定等が遅延したことが理由である。ツールの開発が一段落しつつある現在、これに伴う作業の改善／変更に合わせてアルバイトを雇用し、テキストの打ち込み／校正等の作業を行う予定である。また、解析対象となるデータのサイズが巨大化するにつれ、研究の上だけでなく研究発表の場においてもハードウェアの性能に限界が見られるようになってきた。これらに資金を当てる予定である。