CATにおける開発・運用コストの削減と汎用性向上に関する研究

2023 Fiscal Year Research-status Report

• Project/Area Number: 19K03220
• Research Institution: Tohoku University
• Principal Investigator: 熊谷 龍一 東北大学, 教育学研究科, 准教授 (60422622)
• Co-Investigator(Kenkyū-buntansha): 柴山 直 東北大学, 教育学研究科, 教授 (70240752) ; 岩間 徳兼 北海道大学, 高等教育推進機構, 准教授 (70608900)
• Project Period (FY): 2019-04-01 – 2025-03-31
• Keywords: 簡易型CAT / CBT / SCAT / Raschモデル

Outline of Annual Research Achievements

本研究は、簡易型コンピュータ適応型テスト(SCAT)について、1)そこから算出されるスコアに対して、テスト理論の観点からその特徴を解明すること、2)SCATの仕組みを、紙筆テストのような項目固定提示形式のテストへと拡張すること、の2点を目的としている。
研究開始当初は、CATの開発およびそれを実際に実施して得られた受験者からのデータを分析することを想定していたが、コロナウイルスによる社会情勢の変
化に伴い、2021年度以降の研究はコンピュータ・シミュレーションを中心とした検討を中心に進めるように方針を変更した
2023年度の研究では、2022年に実施されたシミュレーション研究の結果をもとに、SCATの仕組みを項目固定型テストに利用する場合について、実際の利用場面を想定しながら、どのような方法が考えられるのかについて検討を進めた。
特に2022年度のシミュレーション研究から、Raschモデルを利用したスコアリング方法が有効であるという知見が見いだされ、そのためには項目の難易度をどのように決定すべきなのかが重要であることが分かった。とくにSCATでは、テスト実施・運営の様々な負担軽減、なかでもテストデータの収集コストの軽減が大きな特徴である。その特徴を生かしつつ、項目難易度を決定するにはどうすればよいのかについて検討し、現在研究場面でも大きな注目を集めている、生成系AIを利用した方法が適用できるかについて、次年度（2024年度）さらに検討を進めることとした。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

Covid-19による様々な影響が、まだ研究進捗にもおよんでいる。特に2023年は、研究代表者自身がコロナにり患し、当初想定していた研究者間のミーティング等に大きな遅れが出たことが大きく影響した。

Strategy for Future Research Activity

2023年度の研究で、項目の難易度を決定するために生成系AIが利用できるのかどうかという新たな研究課題が見いだされた。これを達成するために、補助事業期間延長の申請を行い、2024年度も研究を継続することとした。

Causes of Carryover

【理由】：補助事業期間延長を申請し、2024年度も継続して研究を行うことになったため。
【計画】：研究最終年度の総括のため、対面による研究者間ミーティングおよび研究情報収集のための旅費。