| 研究課題/領域番号 |
16K01134
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
教育工学
|
|---|
| 研究機関 | 東京工科大学 |
|---|
研究代表者 |
安藤 公彦 東京工科大学, 先端教育支援センター, 講師 (00551863)
|
|---|
| 研究分担者 |
柴田 千尋 東京工科大学, コンピュータサイエンス学部, 講師 (00633299)
田胡 和哉 東京工科大学, コンピュータサイエンス学部, 教授 (10188229)
稲葉 竹俊 東京工科大学, 教養学環, 教授 (10386766)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2018年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2017年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2016年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | Learning Analytics / Institutional Research / 深層学習 / 学習管理システム / 人工知能 / 教育ビッグデータ / ディープラーニング / 教学IR / IR / 教育工学 |
|---|
| 研究成果の概要 |
要ケア学生抽出のための教育ビッグデータ取集および統合システムの開発を行った。座席および時刻付き出席データは年間100万件、学習管理システムの動作ログは年間2000万件収集している。
深層学習を用いることで会話を高い水準で多次元に分類することが可能とする手法を開発した。しかし、この手法による分類は教師データとして利用した元データの影響が大きく、講義が異なるなどチャットの利用シーンが異なると精度が低くなる性質があり利用シーンごとに教師データを用意する必要があった。そこで、転移学習を利用することで、従来方式より1/10程度の教師データで高い精度で分類できる手法を開発した。
|
| 研究成果の学術的意義や社会的意義 |
大学における要ケア学生抽出のための基盤となる情報収集システムを構築し、従来よりも正確な分析が可能となる詳細な出席データおよびMoodleログの収集を全学的に実際に行なった。これにより、実データによる要ケア学生の分析が可能となり、要ケア学生抽出の実践に向けた準備ができたといえる。
さらに、より詳細な分析を行うための会話データ分類を深層学習により開発をした。これにより複数の次元による分類と、転移学習による少ない教師データによる高精度な分類を可能とした。
|
