| 研究課題/領域番号 |
18K02882
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分09070:教育工学関連
|
|---|
| 研究機関 | 清泉女学院短期大学 |
|---|
研究代表者 |
片瀬 拓弥 清泉女学院短期大学, その他部局等, 教授 (70542322)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2019年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
|
|---|
| キーワード | ラーニング・アナリティクス / 教学IR / GPA / 学校生活満足度 / 予測モデル / 機械学習 / 対AI信頼感尺度 / 心理的AIデバイド / 教師なし機械学習 / 教師あり機械学習 / 線形重回帰モデル / ニューラルネットワークモデル / クラスター中心からの距離 / GPA予測 / 学校生活満足度予測 / 就職 活動支援 / 就職活動支援 / ラーニングアナリティクス / 学生支援 / 予測モデル開発 |
|---|
| 研究成果の概要 |
本研究は、ラーニング・アナリティクス、性格特性、教学IRデータを活用し、GPAと学校生活満足度を予測するモデルを開発した。開発手法として、クラスター分析、線形重回帰及びニューラルネットワークを採用した。その結果、線形重回帰モデルの予測率は、（GPA、学校生活満足度）=（0.28,0.31）、ニューラルネットワークモデルの予測率は、（GPA,学校生活満足度）=（0.83,0.48）となった。
一方、コロナ禍により、平常時データの入手が困難となり、計画変更を余儀なくされた。そこで、学生の質的意見に端を発した対AI信頼感尺度と心理的AIデバイドをアセスメントするテストバッテリーの開発を行った。
|
| 研究成果の学術的意義や社会的意義 |
本研究の意義は、従来のニューラルネットワーク（NN）モデルでブラックボックス化しがちな説明変数において、k-means法のクラスター分析による各クラスター中心からの距離という説明変数を導入した前段処理を活用して「新しいNNモデルの開発手法」を提示したことにある。この方法の利点は、投入変数がいくら増えたとしても、分類されたクラスターは「パターン情報」に集約されることにある。さらに、モデル精度の向上のため、対AI信頼感と心理的AIデバイドを判定する尺度開発を行った。これらの尺度により、AI活用の積極群と消極群を質問紙により判定することが可能となった。
|
