| Project/Area Number |
20K03076
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 09070:Educational technology-related
|
|---|
| Research Institution | Kyorin University (2021-2024)
Tama University (2020) |
|---|
Principal Investigator |
Ohmori Takuya 杏林大学, その他部局等, 教授 (80332617)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2020: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | 学びなおし / 潜在変数モデル / e-learning / バグモデル / ニューラルネットワークモデル / 認知診断モデル / 潜在変数による予測 / 基礎数学 / ベイジアンネットワーク / イメージデータ / ウェブテスト / ベイズ推論 / 多次元IRTモデル / 判別分析 / 適応型テスト / ベイジアン・ネットワーク / 項目反応理論 |
|---|
| Outline of Research at the Start |
本研究では、大学生や社会人が授業の履修や社会活動において、最低限必要な知識・能力を備えることができるようにするためのe-learningシステムを構築する。具体的には、特に数学等の数理分野において、
１． どこまで理解しているか、どこでつまずいているかの診断
２． 誤った理解や勘違い・知識不足に対する支援・アドバイスの提供
を自動的に行うことができる適応型学習システムをWeb上で構築し、その有用性を評価する。本研究においては、人工知能の一つであるベイジアン・ネットワークモデルに、認知診断モデルを組み込んで効率的かつ実用的なハイブリッドモデルを作成し、実際のシステムを構築して実用性を評価する。
|
| Outline of Final Research Achievements |
This study aimed to develop an adaptive e-learning system that enables university students and working adults to acquire the essential knowledge and skills required for coursework and social activities. To automatically extract and visualize the causes of incorrect responses, the research introduced a combination of bug models and cognitive diagnostic models, allowing for the diagnosis and classification of learners’ misconceptions and knowledge gaps and enabling personalized remedial support. In addition, the study implemented a visual expression technique using latent variables to intuitively enhance learners’ understanding of error patterns. These achievements were presented at international academic conferences and published in journals, contributing to both scholarly validity and global academic dissemination.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究は、誤答や理解の不完全な部分を単なるミスと捉えるのではなく、認知過程の可視化と構造化に基づいて支援を行う新たな枠組みを提示した。特に、ベイジアンネットワークやニューラルネットを組み合わせたハイブリッドモデルの応用により、非線形かつ多次元的な学習状態を高精度に推定できた。さらに、潜在変数モデルによる自動診断や視覚的支援によって、学び直しを必要とする社会人や多様な学習者に対応できる仕組みを構築し、生涯学習支援やリスキリングへの応用可能性も十分考えられる。
|
