2016 Fiscal Year Research-status Report
マウス軌跡情報の記録・検索・分析を通した学習者評価システム開発に関する研究
| Project/Area Number |
16K02880
|
|---|
| Research Institution | Shizuoka University |
|---|
Principal Investigator |
厨子 光政 静岡大学, 情報学部, 教授 (90187823)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
宮崎 佳典 静岡大学, 情報学部, 准教授 (00308701)
法月 健 静岡産業大学, 情報学部, 教授(移行) (30249247)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | e-ラーニング / 英語学習支援システム / マウス軌跡情報 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、英単語並べ替え問題の解答時のマウスの軌跡情報を分析することによって、学習者が答えを導き出す過程にアプローチし、従来のe-learningシステムにおける学習時間、解答率や正解率といった学習結果の評価より正確に、学習者の理解度を把握する学習評価システムを構築することである。そのために先ず、マウスの動きの軌跡データから、学習者が問題を解く過程における「迷い」の発生を把握することによって、理解度の判定に繋げることが可能であるという仮説のもとで、「迷い」の判別は、履歴データを迷いあり／迷いなしの2つのラベルに分類する分類問題と捉え、機械学習における教師あり学習の手法を用いて26名の学生を対象として実験を行った。
実験に備えて、学習者本人に申告させる迷いと軌跡データとの関連性を検出できるように、学習モジュールのインタフェースを改良した。具体的には、迷いありと申告した場合には、問題中のどの単語の並べ替え（単語を文中に置く位置）が難しく感じられたかも回答しないと次の段階に進めないような設定とした。
マウスの軌跡データから得られる各種パラメータ（「移動時間」「移動距離」「移動速度」「静止時間」「Uターン回数（X軸方向、Y軸方向）」「D&D回数」「D&D前時間」など）の値を特徴量として、迷いのあり／なしを分類する分類器を構築して、実験で得られたデータを判定した。その結果、全体的に見て分類に貢献した上位のパラメータは「解答時間」「移動距離」「移動速度」であることが判明したが、同時に、学習者により迷いの判定に効果的な特徴量が異なることも分かった。
これらの一連の実験・分析・考察は、国内の学会・学会誌において発表し、一定の評価を得た。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
平成28年度の主な研究計画は、1.理解度の指標を目指したマウス軌跡データの分析、2.部分点方式による採点方法の改良と実装、の2つである。
1については、解答の正誤に加え、解答過程における迷いのある／なしから、学習者の理解度を導き出すために、マウスの軌跡データから迷いを判別する「分類器」を構築し、実験データを分析した。その結果、学習者全体のデータのうちいくつかの軌跡パラメータが迷い（＝理解の不足）と深く関連しており、学習者グループ全体にとっての迷いの指標に繋がりうることが分かった。一方で、個々の学習者の迷いを判定するには、分類器を構築するにはデータ不足であること、また個々の学習者のマウス軌跡の個性や特徴を判定データに加味することが、課題として残った。
２については、正解文に含まれる重要な熟語や構文を構成する単語の並びが正しい場合と、正解文でなくても文意がある程度通る語句を形成している場合には、部分点が与えられるように学習システムを改良することで、解答の正誤だけの採点よりも精密な採点ができるようになった。しかしながら、学習者が作り出す多様な解答すべてにシステム上で対応するには至っておらず、学習ソフトによる採点後に人の手で点検し直す必要があったので、さらなる改良の余地が残っている。
|
| Strategy for Future Research Activity |
学習者自身が申告した「並べ替えが難しかった単語」に含まれるマウス軌跡の特徴をもとに、学習者グループ全体ではなく個別の学習者の迷いを判別するシステムを構築するために、分類器による迷いあり／なし判定と並行して、標準偏差を用いるなどの別の判定手法も試みながら判定の精度を上げる必要がある。また現在は、データを迷いのある／なしに分類して分析しているが、迷いの程度に応じてデータの利用方法を変える工夫も必要である。実験結果では、学習者が申告する「並べ替えが難しかった単語」（＝迷い）の語数に制限を設けていないために、並べ替えるべき単語のほとんどに迷いのチェックが入っているケースも散見され、分析するデータそのものの信頼性を不安定にしている。今後は、迷いの申告語数に制限を加えたり、場合によっては迷いの程度に応じて迷いの判定データに用いる／用いないという線引きをするなどの工夫を試みる。これにより、一つの問題の解答過程のどの部分で強い（あるいは、弱い）迷いが発生したか特定しやすくなると考えられる。このようなより細かいデータが収集できるように、学習ソフトのインタフェースと分析システムを改良して更なる実験を行い、分析を重ねて行く。
|
