2018 Fiscal Year Research-status Report
パーソナライズド学習を支援する学習者知識モデルに関する研究
| Project/Area Number |
18K11597
|
|---|
| Research Institution | National Institute of Informatics |
|---|
Principal Investigator |
孫 媛 国立情報学研究所, 情報社会相関研究系, 准教授 (00249939)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 認知診断モデル / Q-matrix / 項目反応データ / 知識習得状況 |
|---|
| Outline of Annual Research Achievements |
本研究は，認知診断モデルに基づいて，学習者の躓きや学習状況を詳細に診断し，学生一人ひとりに応じたオーダーメイド学習支援を行うことを目標とする。ネット学習時代の到来を見据え，学習ログデータの活用による個別化学習支援の観点から，問題項目を認知的スキルにマッピングするQ-matrix自動学習に焦点を当て，学習データ駆動によりQ-matrixと学習者の知識習得状態を推定するアルゴリズムの検討を進めている。
初年度では，まずBoolean Matrix積の基本原理を利用し，Q-matrixに基づいて，学習者の項目に対する理想反応パタンと知識習得状態の関係を示すBoolean Description Function (BDF) 関数を解析的に表現した。また，得られたQ-matrixを制約条件とし，教師なし学習に用いられる人工ニューラルネットワークである自動エンコーダを利用したQ-matrix生成自動エンコーダ（Q-matrix-generated Auto Encoder: QAE）モデルを提案した。提案手法は，ディープラーニング手法を用いるため大規模データを取り扱うことができ，専門家判断によるQ-matrixを制約条件としてQAEモデルに取り入れることができるため，認知診断モデルの解釈可能性を保持できるという特徴を持っている。シミュレーションデータ，および分数の認知診断テスト等の実データに適用し，従来の認知診断モデルや行列分解法等との比較実験を行った結果，提案したQAEモデルの方が， Q-matrix自動学習において高い精度と頑健性を示した。
研究成果は，該当分野のトップカンファレンスであるEDM2018等に採択され，国際学会で成果発表を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
Q-matrixの自動学習において，ブール行列分解法のみならず，人口ニューラルネットワーク法を用いてQAEモデルを提案し，提案モデルの有効性と頑健性を示すことができた。論文は当該分野のトップカンファレンスに採択された。
|
| Strategy for Future Research Activity |
計画どおり推進する。
|
