| 研究課題/領域番号 |
19K12272
|
|---|
| 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 | 九州工業大学 |
|---|
研究代表者 |
大西 淑雅 九州工業大学, 情報基盤センター, 准教授 (50213806)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2019年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 学習分析 / 学習データ / LMS / FPGA / アドバイス / アドバス |
|---|
| 研究開始時の研究の概要 |
各個人が行う学習／教育活動における分析では、対象項目が多いため、具体的な分析モデルを構築し、収集する学習データを決定するには難しさが伴う。そこで、収集した学習データの可視化や統計解析を重視するのではなく、各所属機関における学習分析データの活用を重視したアプローチを取る。
ローカルな学習分析で得た結果を日々の教授／学習活動に活かす「アドバイスDB」を試作する。また、通信デバイス上に、データの収集・分析を支援するハードウェア処理部を実装する。
最終的には、個々の学習者への適切なアドバイスや教授者への適切な支援、授業内容の改善案の提示を試行し、分析結果に基づくアドバイスの自動提供を目指す。
|
| 研究成果の概要 |
本研究では、日々の教授／学習活動に対して、学習分析データのできるだけ早い活用を目指し、関連する学習データの自動収集や分析モデルの構築を試みた。教授者や学習者に適切なアドバイスを示す仕組みの構築を進め、学習データの収集方法や分析モデルの構築とその検証を行った。また、所属機関における教育コンテンツの構成分析と共に、「学習エフォート」を定義し、関連する「学習負担」を簡単に確認できるツールを開発した。
なお、学習データの収集と分析のハードウェア化に関しては、学習関連データの送受信に関する流れを確認することができたが、完全な実装までに達していないため、補助期間終了後も、引き続き開発・実装を進める。
|
| 研究成果の学術的意義や社会的意義 |
学習活動の早期予測は、日々の教授活動を行う教授者にとって重要である。そのため、学習活動に関するデータの収集を簡単にし、分析データの早い活用を目指した本研究の成果が、他の研究に与える影響は大きい。特に、学習エフォートという概念を提案・定義し、学習負担と学習コンテンツが持つ情報を、効果的に活用する仕組みについて貢献できた。今後、構築した実験環境を用い、学習分析を継続的に行うと共に、提案した仕組みの評価も継続することで、学習効果や教授法に関する研究に寄与できると考えている。なお、試作したデータベースやハードウェア分析処理については、より完成度の高い環境に発展させる予定である。
|
