2023 Fiscal Year Annual Research Report
算数・数学における「深い学び」を促進する授業実践・評価の統合的システムの開発
| Project/Area Number |
20H01720
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
光永 悠彦 名古屋大学, 教育発達科学研究科, 准教授 (70742295)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
孫 媛 国立情報学研究所, 情報社会相関研究系, 准教授 (00249939)
鈴木 雅之 横浜国立大学, 教育学部, 准教授 (00708703)
山口 一大 筑波大学, 人間系, 助教 (50826675)
植阪 友理 東京大学, 大学院教育学研究科(教育学部), 准教授 (60610219)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 学力調査 / 深い学び / 算数教育 / 指導改善 |
|---|
| Outline of Annual Research Achievements |
児童生徒ごとに学習上のつまずきを検証し、より「深い学び」に着目した学習改善に活かす取り組みとして、「認知診断モデル（Cognitive Diagnostic Model、 CDM）」によるテストデータの分析が行われてきている。CDMでは学習に必要な要素を「アトリビュート」として定め、それぞれのアトリビュートを問う複数の問題と、問題ごとに必要となるアトリビュートとの対応表をQマトリックスとして定め、問題を児童生徒ごとに出題し、児童生徒ごとにアトリビュートがどの程度習得できているかを推定する。CDMの手法は算数・数学のような「積み上げ式」の教科をはじめとして授業への応用例が提案されてきている。今年度は昨年度までに検討したＱマトリックス及びアトリビュート、並びに教科書会社から提供を受けた問題文を用いて、現場の教員がどのように活用するかについて検討を行った。小学校算数を担当する教員向けに認知診断モデルによる分析結果を「アトリビュートごとの習得パタン」として提示したうえで、児童向けにどのような形でフィードバックすれば学習効果が上がるかについて検討した。あわせて、児童向けのフィードバックの際に、児童の学習履歴などの情報を組み合わせて提示するアプローチの有効性を検討した。その結果、児童向けに「学びの深さ」を反映したアトリビュートを用いることだけではなく、学習全体の進捗を表す指標（項目反応理論による学力の推定値）を合わせて提示することによって、児童の学力の全体像をとらえることに役立つ点が指摘された。またデータ分析の実践手続き上の課題として、現場の教員が対話的に認知診断モデルの分析結果を確認できる仕組みが必要であることが指摘された。
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
