Interactive learning log collection and analysis

2023 Fiscal Year Final Research Report

• Project/Area Number: 21K17864
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 62030:Learning support system-related
• Research Institution: Kyushu University
• Principal Investigator: Minematsu Tsubasa 九州大学, データ駆動イノベーション推進本部, 准教授 (00838914)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: ラーニングアナリティクス / 学習分析 / 機械学習 / 深層学習

Outline of Final Research Achievements

We developed (1) a dashboard to promote e-textbook activities, (2) cheating detection using learner behavior analysis, (3) a feature representation learning method for highly expressive browsing logs, (4) an ensemble learning method for anomaly detection, and (5) the generation of answer explanations using LLMs. For (1), we developed a function to present information from e-textbooks and confirmed that interaction between teachers and learners occurred via the dashboard. In (2), (3) and (4), we worked on a wide range of topics, from the feature expression of learning behavior, cheating detection and anomaly detection methods with a view to application to learning analysis. For (5), we investigated LLM’s potential for recommendation generation, and obtained findings for dashboard improvements.

Free Research Field

学習支援システム

Academic Significance and Societal Importance of the Research Achievements

学習ログの収集および分析の研究は，ラーニングアナリティクス分野で国内外問わず行われているが，学習ツールを学習者が利用して学習ログを残すことが前提となっている．実運用では，学習ツール利用を含む講義計画を綿密に計画し，その利用促進を適宜行う必要があるが，その点に関して言及した研究はほとんどない．また，学習者とシステムの相互関係を利用した研究として，チュータリングシステムや学習ログの分析結果の提示により学習者によい行動変容を促す研究などがあるが，学習分析の可用性を高める目的の研究ではない．本研究の成果では，学習分析を効率化する学習ログ収集および効率的な学習ログ分析手法の提案を行った点で意義がある．