| 研究課題/領域番号 |
20H00622
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分62:応用情報学およびその関連分野
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
木實 新一 九州大学, 基幹教育院, 教授 (70234804)
|
|---|
| 研究分担者 |
瀬崎 薫 東京大学, 空間情報科学研究センター, 教授 (10216541)
畑埜 晃平 九州大学, システム情報科学研究院, 教授 (60404026)
馬 博軒 九州大学, 基幹教育院, 助教 (70984342)
西山 勇毅 東京大学, 空間情報科学研究センター, 講師 (80816687)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
44,200千円 (直接経費: 34,000千円、間接経費: 10,200千円)
2024年度: 8,840千円 (直接経費: 6,800千円、間接経費: 2,040千円)
2023年度: 7,540千円 (直接経費: 5,800千円、間接経費: 1,740千円)
2022年度: 7,020千円 (直接経費: 5,400千円、間接経費: 1,620千円)
2021年度: 9,230千円 (直接経費: 7,100千円、間接経費: 2,130千円)
2020年度: 11,570千円 (直接経費: 8,900千円、間接経費: 2,670千円)
|
|---|
| キーワード | 学習アナリティクス / 分散協調 / 開発途上コミュニティ / クラウドソーシング / 教育 / 教育支援システム |
|---|
| 研究開始時の研究の概要 |
先進国においてはビッグデータやAI技術を活用した高度な学習支援システムが急速に発展しつつありますが、開発途上地域では状況が異なります。本研究では、申請者らのグループが開発した学習アナリティクス、クラウドソーシング、DTN(バケツリレー式のデータ転送方式)の技術を拡張・統合し、様々な学習空間において効率良く学習データを収集・転送し、有用フィードバックを提供できる分散協調型の学習アナリティクスプラットフォームの研究開発を行います。アフリカの教育機関と連携してユーザ中心の手法でデザイン・開発を行い、開発途上地域におけるエビデンスに基づく教育改善に貢献することを目指します。
|
| 研究実績の概要 |
本研究では、申請者らのグループが開発した学習アナリティクス、クラウドソーシング、DTN(Delay Tolerant Networking)の技術を拡張・統合し、様々な学習空間において効率良く学習データを収集・転送し、有用フィードバックを提供できる分散協調型の学習アナリティクスプラットフォームの研究開発を行う。アフリカの教育機関と連携してユーザ中心の手法でデザイン・開発を行い、開発途上地域におけるエビデンスに基づ く教育改善に貢献することを目指す。
2022年度は2021年度の成果に基づいて、開発途上コミュニティの学習アナリティクスシステムに必要な機能の評価と改良を進めた。開発途上コミュニティにおいてもバイアスの少ない有用学習データを効率的に取得・共有するための手法を開発し、信頼性とセキュリティを考慮した分散型の情報共有システムや、位置センシング技術と行動認識技術を用いて効率的にデータを共有する手法についても検討を行った。また、環境の変化に柔軟に対応できる「しなやかな学習アナリティクス」手法を開発するために、予測および情報推薦タスクを想定して手法の検討とデータ解析を行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
2022年度は2021年度の成果に基づいて、開発途上コミュニティの学習アナリティクスシステムに必要な機能の評価と改良を概ね順調に進めることができた。これらについては、国際誌や国際会議において論文発表をすることができた。また、連合学習によって分散環境で個別ユーザに対応したモデルを構築する手法の検討と開発を行い、査読付きの国際ワークショップで発表することができた。更に、予測や推薦におけるコールドスタート問題に柔軟に対応することを目指して、ソーシャルネットワークとグラフニューラルネットワークに基づく手法の開発を進めた。グループ学習を含む多様な学習形態を想定したアナリティクス技術の可能性についても順調に検討を進めることができた。
|
| 今後の研究の推進方策 |
当初の計画に基づき、更にモデルやシステムの研究を進めるとともに、現地調査を実施する。クラウドソーシング手法に関しては、深層学習に基づく行動認識技術を拡張・統合して更に効率的な分散型のデータ収集環境の実現を目指す。DTNによるデータ転送に関しては、緩やかに集まる学習ログデータからドロップアウトや成績、教材の分かりやすさ等を予測する手法や学習者への情報推薦手法を開発する。推薦の説明性にも配慮し、学習において高い効果が得られる手法の実現を目指す。学習アナリティクスについては、途上コミュニティの要求仕様を考慮しつつ、言語情報と非言語情報を考慮した分析とフィードバックの手法に関して更に研究を進める。
|
