| 研究課題/領域番号 |
18K11597
|
|---|
| 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62030:学習支援システム関連
|
|---|
| 研究機関 | 国立情報学研究所 |
|---|
研究代表者 |
孫 媛 国立情報学研究所, 情報社会相関研究系, 准教授 (00249939)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2019年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2018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 | 認知診断 / Q-matrix / 項目反応データ / 知識追跡モデル / パーソナライズド学習 / 認知診断モデル / 知識習得状況 / テーラーメイド学習 / データ駆動 |
|---|
| 研究成果の概要 |
オンライン学習の普及とパーソナライズド学習へのニーズの拡大を背景に、我々は認知診断モデルと知的学習支援システムの学習ログを用いて、学習者の知識状態の動的評価法を研究した。データ駆動型のQ-matrix生成手法、学習者データから推定されたドメイン知識の前提関係を利用した専門家定義のQ-matrixの改良、そして認知診断と知識追跡モデルの融合により、学習者の知識状態と学習過程を同時に把握する新たなモデルの開発などを行った。これらにより，学習者知識状態評価精度の向上，大規模オンライン学習のスケーラビリティ確保が可能となり，広範な教育分野への応用，パーソナライズド学習の推進に寄与することが期待される。
|
| 研究成果の学術的意義や社会的意義 |
我々の研究は、認知診断モデルの開発に行列分解法や深層学習を活用するというこれまでにない枠組みを提示した。これにより、教育心理学や心理測定学の領域に新たな知識の構築と進歩を促し、学習者の知識習得状況と学習過程への理解を進展させることが期待できる。また、教育現場において、開発したモデルと手法を活用することで学習者一人ひとりの理解度や学習過程を詳細に把握できれば、個別化された学習支援、教育の個別化を実現できる。特に、オンライン学習環境の普及に伴い大量の学習データが取得されるようになれば、それを有効利用し、教室単位での活用にとどまらず、教育格差の是正や生涯学習の推進などにも繋げうる可能性を有している。
|
