2022 Fiscal Year Annual Research Report
Constructing a Fine-grained Learning Analytics Loop Based on the Observation of Learners' Behavior
| Project/Area Number |
19H04226
|
|---|
| Research Institution | University of Hyogo |
|---|
Principal Investigator |
川嶋 宏彰 兵庫県立大学, 情報科学研究科, 教授 (40346101)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
藤本 徹 東京大学, 大学院情報学環・学際情報学府, 准教授 (60589323)
島田 敬士 九州大学, システム情報科学研究院, 教授 (80452811)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | ラーニングアナリティクス / 学習支援 / デジタル教材 / 映像講義 / 視線解析 |
|---|
| Outline of Annual Research Achievements |
本課題では，学習行動の詳細な計測から，学習者の知識や興味・関心などの状態推定，それに基づいたフィードバックを密に行う学習支援ループ構築を目指す．2022年度はこれまでに開発してきた各種手法を発展させ，次の項目について研究を行った．
1. 講義動画視聴時の視線パターンから，これまでに開発してきた注視行動確率モデルにより視聴者の注意状態を推定し，成績予測に利用する手法を開発した．さらに授業時の学習ログデータとコンテンツ情報とを統合した成績予測手法を開発し，その有効性を確認した．
2. 従来のデジタル教材閲覧ログは，ページ遷移時の活動記録に基づいているため，ページ単位の閲覧は把握できるが，ページ内に含まれる様々な学習トピックにどの程度注意を向けていたかなどの細かい閲覧情報を取得することは難しかった．そこで，ラップトップPCのWebカメラを併用して簡易的な視線解析を導入することで，デジタル教材のページ閲覧中の学習活動を取得するシステムを開発し，従来の教材閲覧ログと統合することで，より細かい時間間隔で学習トピック単位での学習活動ログを生成できることを確認した．
3. デジタル教材の閲覧ログから成績予測を行う際に，成績予測に寄与する要因を特定し，授業期間の早期段階での予測精度を高める方法を開発した．具体的には，活動特徴に対するAttention（特徴への注目度）と授業の実施回に対するAttentionを併用することで，早期段階で成績予測に強く影響を及ぼす活動特徴を特定した．その特徴を利用することで，従来法に比べて高い精度で成績予測を行えることを確認した．
4. 学習者の関心に応じた学習パスの選択肢提示法の評価で得た知見をもとに，学習行動分析により把握できた学習者の状態に応じた選択肢提示の精度を向上させるために有効と考えられる属性データの収集項目を検討し，試行的なシステムの設計と開発を進めた．
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
