2022 Fiscal Year Research-status Report
学習記録データをもとにした先延ばし行動の分類とタイプ別学習支援
| Project/Area Number |
22K12316
|
|---|
| Research Institution | Kumamoto University |
|---|
Principal Investigator |
久保田 真一郎 熊本大学, 総合情報統括センター, 准教授 (80381143)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
松葉 龍一 東京工科大学, 先進教育支援センター, 教授 (40336227)
合田 美子 熊本大学, 教授システム学研究センター, 准教授 (00433706)
鈴木 雄清 大分大学, IRセンター, 准教授 (00333253)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | ラーニングアナリティクス / 先延ばし行動 / 学習ログ |
|---|
| Outline of Annual Research Achievements |
本研究では，LMS上のすべての学習コースの学習ログから得られる変数をもとに「取り掛かり具合」「取り組み間隔」「取り組み順」にあたる特徴ベクトルを作成し，作成した特徴ベクトルをもとに，対象とする授業内において学習者の能動タイプと受動タイプの先延ばし行動の分類を確認する．その結果をもとに，能動タイプと受動タイプの先延ばし行動に分けられた学習者群ごとに，自己調整学習方略をもとに学習支援手法を考案し，学習者個別に学習支援を提供することで高い学習効果が得られることを明らかにする．
オンデマンド型遠隔授業の受講生を対象に先延ばし意識特性尺度に回答を求め，学習履歴から分類した先延ばし学習傾向群間で比較を行った．先延ばし群には前半回のいずれかで先延ばしがあり，先延ばし無し群よりも「状況の楽観視」，「先延ばし前の否定的感情」，「先延ばし中の肯定的感情」の下位尺度得点が高い傾向があった．
取り掛かった時刻として，1週間を単位に学習コースにはじめてアクセスする時刻が，1週間のはじまりを0，終わりを1として，どこに位置するかで数値化し特徴量の1つとした．「取り組み順」は，時間とは無関係に教材ページにアクセスする順番の変化を数値化して扱うこととし，w週とw-1週でアクセスするページ番号を時系列に並べた2つの数列に対してDDTW(Derivative Data Time Warping)により算出される類似度によりページ遷移の仕方を数値化した．アクセス回数なども含めた特徴量を設定し，特徴量エンジニアリングを一旦終えて，成果や先延ばし行動との関係性について検討した．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
学習者固有の特徴量を一旦定めるに至り，授業欠席との関係について考察し，先延ばし行動との関係性についても考察したが，うまく検討できていない．学習者の学習行動を表す特徴ベクトルに未だ問題があるとも考えられ，機械学習における学習モデルや識別モデルの構成手法も検討の余地がある．
|
| Strategy for Future Research Activity |
学習者の学習行動を表す特徴ベクトルの再検討，機械学習における学習モデルや識別モデルの構成手法をさらに検討し，学習者の学習行動をもとに先延ばし行動を高精度に予測できることを目指す．学習者の学習行動を表す特徴ベクトルとしてオンラインテキストのページ遷移を表す分散表現ベクトルの利用も組み入れ，不均衡なデータセットでもロバストな識別モデルの構築を目指す．
|
| Causes of Carryover |
移動が制限され旅費の支出がなかったこと，特徴ベクトルを定めたが思ったような成果を得られていないために発表件数が少なかったことにより，旅費を予定していたほど支出していない．制限も解除されることから旅費の支出は増えると考えられる．また，現在の特徴ベクトルの検討を早めに進め，その成果を発表する予定である．
|
