• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2014 Fiscal Year Research-status Report

eラーニングでのビッグデータに適応可能な学習支援システムの開発

Research Project

Project/Area Number 25330419
Research InstitutionJapan Women's University

Principal Investigator

小川 賀代  日本女子大学, 理学部, 准教授 (20318794)

Co-Investigator(Kenkyū-buntansha) ハルトノ ピトヨ  中京大学, 工学部, 教授 (90339747)
Project Period (FY) 2013-04-01 – 2016-03-31
Keywordseラーニング / Learning Analytics / ログ解析 / LMS / SOM
Outline of Annual Research Achievements

日本国内においても、高等教育機関を中心にLMSが普及し、学習履歴データがサーバー上に蓄積され、ビッグデータになりつつある。これらの情報を解析することで、学習活動の改善、達成度の評価、将来的な能力の予測などに活用する期待が高まっている。
初年度の平成25年度までに、個人の学習傾向を抽出するための解析方法を提案し、2679人の学習履歴データ、及びeポートフォリオの蓄積データについて適応したところ、クラスタの特徴の解釈、個人の位置関係について、妥当性ある結果が得られ、提案手法の有効性が確認できた。そこで、平成26年度では、2679人のデータ解析の深化、及び研究計画でSTEP(3)として掲げている「学習結果や行動の予測」について取り組んだ。下記に、それぞれの研究成果を示す。
【データ解析の深化】2679人の学習履歴データを更に解析していくことで、どのようにeラーニングを活用しているかについても明らかとなり、学習者だけでなく、コンテンツ設計者へのフィードバックに繋がる情報も抽出することができた。更に、時間の粒度を変化させた解析を行ったところ、SOMによる可視化において、粒度を細かくすると、クラスタがより密集化する傾向が得られた。
【学習結果や行動の予測】学習履歴データから属性の予測を行うために、SOMとハイパーSOMを用いて検証を行った。これまで、学習者の位置づけにSOMを用いており、学習傾向が近いものは、近くにマッピングされていた。この性質を利用すれば、学習傾向の予測ができると期待される。しかし、学習支援において、学習傾向から成績の予測ができることが望ましい。そもそもSOMは、属性を考慮に入れず可視化を行う手法である。そこで、属性を考慮したハイパーSOMを用いて、学習傾向から成績(属性)の予測を試みた。その結果、予測率76.2%の結果が得られた。

Current Status of Research Progress
Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

平成26年度に目標としていた学習結果や行動の予測において、SOMとハイパーSOMによる検証を行い、属性を考慮したSOMであるハイパーSOMにおいて、76.2%の識別率が得られた。識別率向上については、平成27年度も継続して検討を行う必要性はあるが、学習履歴データから、学習結果の予測に着手することができ、程々に良い結果が得られていることから、おおむね順調に進展していると言える。

Strategy for Future Research Activity

平成26年度に検証を行った学習結果や行動の予測において、ハイパーSOMを用いたところ、まずまずの識別率を得ることができたが、更なる向上を目指して、新たな手法についても検討を行っていく。また、現在、予測に用いたのは、一種類の学習履歴データであるため、他の学習履歴データにおいてもハイパーSOMおよび新しく検討する手法においても適応可能かどうか、検証を進めていく。
更に、これまで検討してきた学習傾向の抽出、学習結果や行動の予測の手法がビッグデータに対しても適応可能かについての実証実験を行っていく。

Causes of Carryover

1月に発行された論文の別刷り代が、解説論文だったため、一般の別刷り代より安い値段設定となっていたため、使用額を抑えることができた。

Expenditure Plan for Carryover Budget

平成27年度は、最終年度となるため、本研究の成果発表として国内外での学会発表、及び論文投稿を行っていく。

  • Research Products

    (6 results)

All 2015 2014

All Journal Article (3 results) (of which Acknowledgement Compliant: 2 results,  Peer Reviewed: 2 results) Presentation (3 results)

  • [Journal Article] キャリア支援におけるポートフォリオ活用―持続可能なシステムに向けて―【解説論文】2015

    • Author(s)
      小川賀代
    • Journal Title

      教育システム情報学会誌

      Volume: 32 Pages: 27-36

    • DOI

      10.14926/jsise.32.27

    • Peer Reviewed
  • [Journal Article] LMS蓄積データを用いた学習特徴の抽出における変数の粒度の検討2014

    • Author(s)
      小川賀代,ピトヨ ハルトノ
    • Journal Title

      情報処理学会研究報告教育学習支援情報システム(CLE)

      Volume: 2014-CLE-13-4 Pages: 1-5

    • Acknowledgement Compliant
  • [Journal Article] Visualizing learning management system data using context-relevant self-organizingmap2014

    • Author(s)
      Pitoyo Hartono and Kayo Ogawa
    • Journal Title

      Proc. of IEEE International Conference on Systems, Man, and Cybemetics

      Volume: - Pages: 3502-3506

    • DOI

      10.1109/SMC.2014.6974469

    • Peer Reviewed / Acknowledgement Compliant
  • [Presentation] HyperSOMによる可視化を用いた学習支援への適応2015

    • Author(s)
      秋本尚美,小川賀代,ピトヨ ハルトノ
    • Organizer
      平成26年度電子情報通信学会東京支部学生会研究発表会
    • Place of Presentation
      明治大学(東京都・千代田区)
    • Year and Date
      2015-02-28
  • [Presentation] Visualizing learning management system data using context-relevant self-organizingmap2014

    • Author(s)
      Pitoyo Hartono and Kayo Ogawa
    • Organizer
      IEEE International Conference on Systems, Man, and Cybemetics
    • Place of Presentation
      San Diego, USA
    • Year and Date
      2014-10-05 – 2014-10-08
  • [Presentation] LMS蓄積データを用いた学習特徴の抽出における変数の粒度の検討2014

    • Author(s)
      小川賀代,ピトヨ ハルトノ
    • Organizer
      第13回教育学習支援情報システム(CLE)研究発表会
    • Place of Presentation
      京都大学(京都府・京都市)
    • Year and Date
      2014-05-16 – 2014-05-17

URL: 

Published: 2016-05-27  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi