| Project/Area Number |
24K20902
|
| 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 | Kyoto University |
Principal Investigator |
戴 憶菱 京都大学, 学術情報メディアセンター, 特定研究員 (90912254)
|
| Project Period (FY) |
2024-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2025: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
Fiscal Year 2024: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
|
| Keywords | 知識習得プロセス / 知識モデル / 知識構造 / 学習効果 / 推薦システム / 知識空間 / 可視化 / 忘却曲線 |
| Outline of Research at the Start |
知識の習得プロセスについて、認知心理学などの分野では発達の最近接領域や忘却曲線などの理論モデルが提出されてきた。しかし、こちらのモデルは本当の学習行動を数理的に捉えられるかに関する検証は不十分である。教育DXの推進を背景に、学習データが大量に蓄積される中、本研究が知識の空間的と時間的な側面の相互作用と相乗効果を考慮した知識習得プロセスのモデルを提案し、モデルの正確さを実際の学習データで検証する。また、提案したモデルを学習者の視点から可視化し、学習者のメタ認知力などに与える影響を探索し、モデルの有用性を検証する。
|
| Outline of Annual Research Achievements |
本研究では、既存の知識習得プロセスに関する理論モデルを基に、知識の空間的かつ時間的側面の相互作用と相乗効果を考慮した新たな知識習得モデルを提案し、その正確性を学習データで用いて検証することを目的とする。また、提案モデルを学習者の視点から可視化し、メタ認知力への影響を探ることで、モデルの有用性を評価する。 今年度は、知識習得プロセスのモデリングと、知識の空間的構造を活用した学習介入の解析と実証を行った。まず、英語と数学の二つの事例に基づき、既存の学習データを分析した。英単語の練習問題では、問題の難易度と学習者の挑戦意欲の関係を数理的に捉えた。一方、数学の練習問題では、問題の難易度と学習進捗の関連性を示す数理モデルと可視化グラフを開発した。これにより、学習者の知識理解を深めるための適切な難易度より明確になった。また、知識の空間的構造を活用した学習介入として、学習資料を推薦するシステムを開発し、その実証を行った。英語の多読では、絵本のジャンルや内容による知識モデルを可視化し、最適な絵本を推薦するシステムを構築した。数学の練習問題では、問題間の依存関係を可視化し、間違えた問題に関連する問題を推薦するシステムを開発した。これらのシステムを実際の学校で実装し、学習者の行動変容や学習効果の向上を検証した。 これらの分析と実証の結果が知識の習得における学習者の心理や行動の変化と知識の構造の関係性を解明する重要なデータになった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究代表者の異動により、研究環境の変更があった。そのため、実証研究を行うためのシステム開発やフィールドワークが少し遅れている。来年度からは遠隔でできることをさらに効率よく行うように努める。
|
| Strategy for Future Research Activity |
今年度は概ね研究計画通り、知識の空間的な視点に着目し、既存の学習データから知識の習得プロセスのモデリング、習得プロセスの可視化と介入を行った。今後はさらに学習データを蓄積し、知識の時間的な視点をモデルの中に融合する予定である。また、今年度の分析結果をジャーナル論文にまとめて投稿する予定である。
|