2018 Fiscal Year Annual Research Report
Programming Education System Based on Big Data and Learning Analytics for Beginners
| Project/Area Number |
16K00491
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
小林 学 早稲田大学, データ科学総合研究教育センター, 教授 (80308204)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
平澤 茂一 早稲田大学, 理工学術院, 名誉教授 (30147946)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | Ｅラーニング / プログラミング / 教育システム / 機械学習 / 潜在クラス解析 |
|---|
| Outline of Annual Research Achievements |
前年度までに得られた多くの学習ログを用いて，最終年度は分析に多くの時間を費やした．具体的には初学者の動的なエラーログを分析し，ほとんどのエラーが数少ない誤りパターンに集中することが分かり，その対策を検討した．また収集した学習ログに対する自動採点を実施した．良く利用される完全一致法を用いると，実際の正解率よりも大幅に低くなってしまった．そこで出力の正規化及びクラスタリングを実施すると，最大クラスタが正解となることが分かった．このとき第二クラスタを確認したところ，正規化のみでは不正解となるが手動では正解と判定した回答が第二クラスタに現れていることが分かった．そこで第二クラスタのみ手動で採点を実施したところ，すべて手動で採点した結果とほぼ一致した．このように1課題に対して第二クラスタを1回手動採点を行うだけで，当初想定していなかったような回答に対しても対応可能であることが分かった．
一方我々が開発してきた潜在クラスモデルを用いた統計的協調フィルタリングの応用を実施した．具体的には協調フィルタリングにおける顧客と商品に対する統計的モデルを，学生と授業課題に対するモデルと解釈し，授業課題の正解率のパラメータ推定問題に適用した．これにより学生と授業課題のソフトクラスタリングとそれらの正解率などが可視化されるため，例えばこれらの学生にはこういった授業課題が理解できていない，などの情報が分かりやすく得られる．従って学習者の理解度の特徴や課題に対する特徴を抽出でき，教授法にフィードバック可能である．さらにこれらの分析結果を用いることにより，学習者の誤りの傾向から同じように誤る課題を早期に予測に用いることができ，どの項目の学習を丁寧に行うべきかを学習者に提示可能である．
なおMoodleの認証機能と.htaccessの制限により，成りすましや改ざんなどには十分対応可能であることも分かった．
|
