2016 Fiscal Year Research-status Report
ディープラーニングを用いた教育ビックデータ解析による要ケア学生の早期抽出の実践
| Project/Area Number |
16K01134
|
|---|
| Research Institution | Tokyo University of Technology |
|---|
Principal Investigator |
安藤 公彦 東京工科大学, 片柳研究所, 助教 (00551863)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
柴田 千尋 東京工科大学, コンピュータサイエンス学部, 講師 (00633299)
田胡 和哉 東京工科大学, コンピュータサイエンス学部, 教授 (10188229)
稲葉 竹俊 東京工科大学, 教養学環, 教授 (10386766)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | IR / 教育ビッグデータ / ディープラーニング |
|---|
| Outline of Annual Research Achievements |
各学生の細かな情報や履修情報などが含まれる教務データ、対話データがあるCSCLデータ、細かな出席データ、LMS(moodle)の学習状態データをMicrosoft Azure上のMongoDBに格納し、本学クラウドサービスセンター内から統合的に扱えるシステムを構築した。
ディープラーニングを行うための環境の選定及び構築を行った。サーバ等の機器については平成28年度より本学に設置されたディープラーニング用機材があったためそれを利用できるよう整備し、活用できる状態にした。
対話データの各会話がどのような内容であるのか解析する前段階として、発言ごとに内容をディープラーニングで自動的に推定するシステムの構築および、その手法を開発・実装した。また、本内容について国際学会elml2017にて発表を行った。
要注意学生の抽出方法を検討し、(1)出席データの特に座席位置および正確な出席時刻に着目することで、知人関係の有無や、各講義に対する興味の強さを図れる、(2)LMSの詳細なログを使うことで、学外での各講義に対する取り組みを評価できる、(3)チャット等の対話データから学生の性格等が評価できる、と結論付け、29年度以降にディープラーニングを用いて要注意学生の抽出に用いる。
MicrosoftのOneDriveを用いて要注意学生の情報を各学部に知らせる機構を開発し、出席率や過去の成績等から抽出した要注意学生を一部学部にて実際に運用をした。また、各学部ごとに抽出すべきパラメータが異なることが明らかとなった。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
ディープラーニングによる自動判別には人力による学習が必要であり非常に時間がかかるため、28年度は要注意学生の抽出機構の開発に主眼を置き、ディープラーニングの必要のないデータによる抽出を行った。
そのため、ディープラーニングによる抽出とその評価は次年度に持ち越された。
|
| Strategy for Future Research Activity |
29年度には出席情報およびLMS(Moodle)の情報、チャットデータによるディープラーニングでの要注意学生の抽出を中心に行う予定である。動画による抽出は30年度に持ち越される見込みとなる。
|
| Causes of Carryover |
予定していたディープラーニング用サーバが、28年度設置の学内の設備にて代用可能であることが分かったため、購入費用を次年度に持ち越した。
|
| Expenditure Plan for Carryover Budget |
ディープラニング用の学内サーバが性能不足の場合、ディープラーニング用サーバを追加で購入をする。また、人工知能への学習のために人力での入力が多数必須であり、この人件費へ充てたい。
|
