2021 Fiscal Year Annual Research Report
Identification of latent skill dynamics and visualization of learning effect by educational data mining
| Project/Area Number |
19H01728
|
|---|
| Research Institution | Kisarazu National College of Technology |
|---|
Principal Investigator |
大枝 真一 木更津工業高等専門学校, 情報工学科, 教授 (80390417)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Keywords | 教育データマイニング / 潜在的スキル構造 / プログラミング教育 / 学習中のログデータ / Skill Modeling / Student Modeling / Q-matrix / 学習効果の可視化 |
|---|
| Outline of Annual Research Achievements |
近年，実用的なITS(Intelligent Tutoring System)や，LMS(Learning Management System)が普及し，実際の教育現場でe-Learningシステムが活用されている．ITSやLMSによって，学生の試験結果や学習過程のログデータを保存することが容易になった．EDM(Educational Data Mining)では，これらの膨大な教育関連のデータから，いかにして意味のある情報を抜き出すかが研究の焦点となっており，ビッグデータ研究の発展に伴って近年急速に注目されている．
特に，本研究では，調査対象をプログラミング教育とし，ITS，LMSサーバに蓄積された膨大な試験結果と学習過程のログデータおよびソースコードから，時間変化するスキルの形成過程を可視化し，潜在的スキルダイナミクスを同定することを目的としている．
これまでに我々は，初等プログラミングの授業で取得されたログデータとソースコードを解析し，授業に追従できていない学生の抽出を行う手法を提案した．これにより我々の提案する授業中のログデータとソースコードから自動的にドロップアウトしそうな学生を特定する手法により，早期に補講等の対処が可能となった．
また，設問とスキルの関係であるQ-matrixを自動抽出するためにNMF(Non-negative Matrix Factorization)を用いるが，これの前処理に無限関係モデルを用いてNMFの精度向上を図った．さらに，学生モデリング手法であるKnowledge Tracingと項目反応理論を組み合わせたモデルを用いて，学習者の潜在状態を推定する手法を提案した．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
2020年度は新型コロナウイルスの感染予防対策のため，遠隔授業となった．そのため，これまでに構築したコンピュータ室での自動ログ取得システムを使用することができず，遠隔授業中の学生の振る舞いのデータは取得できなかった．予期せぬ事態となり，新しいデータの採取ができず研究の遂行が困難となることがあった．そこで当該年度では，これまでに提案したConvex Factorization Machinesを用いた学生モデリング（Student Modeling)を，過去に取得済みの学生の授業時のソースコードに適用し，実験を行った．その結果，提案手法により，人工データのみならず，プログラミングのソースコードにおいても解答結果の予測精度が向上することがわかった．
また，学生モデリング手法ではKT(Knowledge Tracing）が多く提案されており，KTの改良のために項目反応理論を加えて手法の拡張を行った．今後は，さらなるKTの改良のため，Deep Learningとの組み合わせなどを行っていく．
新型コロナウイルスの感染予防のため，当初の計画通りデータ取得できないことがあったが，遠隔授業でもログや開発中のソースコードの採取ができるように自動取得システムを改良したいと考えている．
また，毎年参加している国際会議も中止や延期などがあり，当初の予定通り研究成果の投稿が出来なかった．今年度はビデオ会議で国際会議が開催される学会が多いため，これらを利用して研究成果を発信していく予定である．
|
| Strategy for Future Research Activity |
新型コロナウイルスの感染が拡大し，データの採取が当初の予定通りには進まなかった．新型コロナウイルス感染拡大が引き起こした社会変容は明らかで，その例として，多数の企業や大学におけるテレワークや遠隔授業の実施が挙げられる．感染拡大以前においても，遠隔授業の実施例は存在したが，その範囲は限定的であった．しかし，対面授業が不可能に追い込まれ，遠隔授業が避けられない状況に陥ったことで，様々な形式の遠隔授業が大規模に行われるに至った．遠隔授業の効果については賛否両論が存在し，その効果を工学的なアプローチによって定量的に評価する必要がある．
一方，教育ビジネスにおいて大きな成長を遂げているものの多くはe-Learningである．将来的には，震災や他の疫病等の事情で再度遠隔授業が必要となる可能性もある．そこで，遠隔授業における学生の振る舞いを取得し，学習効果やスキル獲得過程の可視化を行う研究が重要となると考えられる．現在，多くの学校が遠隔授業を実施しているが，その教育効果についての工学的な解析は不可欠である．
本研究の目的は，時間的に変化するスキルの形成過程を可視化し，潜在的スキルダイナミクスを同定する手法を開発することである．これを対面授業だけでなく遠隔授業にも適用し，本研究の深化を図ることを目指している．
|
