| Project/Area Number |
24K03051
|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund |
| Section | 一般 |
| Review Section |
Basic Section 62030:Learning support system-related
|
| Research Institution | The University of Electro-Communications |
Principal Investigator |
高木 正則 電気通信大学, eラーニングセンター, 准教授 (80460088)
|
| Co-Investigator(Kenkyū-buntansha) |
森本 康彦 東京学芸大学, 大学教育研究基盤センター機構, 教授 (10387532)
市川 尚 岩手県立大学, ソフトウェア情報学部, 准教授 (40305313)
田村 篤史 岩手県立大学, ソフトウェア情報学部, 准教授 (00882002)
大輪 拓也 九州工業大学, 大学院工学研究院, 准教授 (40649232)
奥原 俊 三重大学, 工学研究科, 講師 (10754468)
|
| Project Period (FY) |
2024-04-01 – 2028-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥18,200,000 (Direct Cost: ¥14,000,000、Indirect Cost: ¥4,200,000)
Fiscal Year 2027: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2026: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2025: ¥5,330,000 (Direct Cost: ¥4,100,000、Indirect Cost: ¥1,230,000)
Fiscal Year 2024: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000)
|
| Keywords | 作問学習 / 相互評価 / 対話型生成AI / 問題の自動診断 / 個別最適 / 生成AI / 学習支援システム / 自己調整 |
| Outline of Research at the Start |
本研究では,学習者が作問学習支援システム「CollabTest」を利用して作問学習する場面を想定し,自己調整しながら対象知識(解法)に対するより深い理解へ導く個別最適な学習支援システムの開発を目的とする.学習者は(1)自己認知/学習目標設定,(2)協調的な作問・解答演習,(3)振り返りを繰り返し,自身の理解状況を確認しながら自発的フィードバックループ(学習者が自らの学習方略をモニターし,ある学習方略から他の方略に切り替える行為)を繰り返して作問学習に取り組む.なお,対象分野は,プログラムのソースコードの生成やレビューとしての活用も期待されている生成AIの特徴を踏まえ,プログラミング教育とする.
|
| Outline of Annual Research Achievements |
2024年度は本研究で開発を目指している個別最適な作問学習支援システムの設計を行った. まず,作問学習を典型的な3つの作問形式(物語ベースの作問,問題ベースの作問,解法ベースの作問)に分類し,各作問形式において対象知識の理解を深められる作問プロセスを提案した.また,この作問プロセスを生成AIとの対話を通して誘導できるようにするための生成AI用プロンプト(作問用プロンプト)を設計した.また,大学生と高校生を対象とし,作問用プロンプトを設定した生成AI を使用して,高等学校の「情報Ⅰ」の「コンピュータとプログラミング」の単元を対象にした作問学習を実験的に実施した.その結果,作問用プロンプトによって生成AIが作問プロセスを適切に誘導できることや,提案した作問プロセスに沿った作問学習によって理解度が深まること,作問用プロンプトを設定した生成 AI が作問学習時の学習効果を高めるのに役立つことが示唆された. 次に,生成AIを用いた問題の自動診断を実現するために,問題の診断基準を整理した「作問診断チェックリスト」,および,生成AIを自動診断のエージェントとして機能させるための「問題診断用プロンプト」を設計した.また,大学生を対象に生成AIを活用した自動診断と学習者同士の同等者診断の比較実験を実施した.実験の結果,同等者診断の結果が問題診断者の知識量に左右される可能性が示唆された.これに対し,一定の診断結果を返すことのできる自動診断を診断手法として取り入れることが有効であり,作問学習で作成された問題の診断負担を軽減するとともに,学習者が円滑に作問学習プロセスを進めるために,生成AIによる自動診断と学習者同士による同等者診断を併用したハイブリッド型の診断・評価手法が有用であることが示唆された.
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
1年目は個別最適な作問学習支援システムの設計と開発を主に計画していたが,概ね計画通りに実施てきた.また,簡易的な実験環境下で作問学習の実験を実施することもでき,一部当初の予定よりも早く研究を進めることができている.
|
| Strategy for Future Research Activity |
2025年度は当初の計画通り,提案している作問学習支援システムの各種機能(作問課題・プロンプト例文管理機能,作問支援機能,問題診断機能,プロンプト生成機能,問題検索/推薦機能)を開発する.また,高校生を対象にして提案している作問学習を実践し,取得した学習記録データから提案手法の有用性を評価する.
|