| 研究課題/領域番号 |
20H01722
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分09070:教育工学関連
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
|
|---|
| 研究分担者 |
緒方 広明 京都大学, 学術情報メディアセンター, 教授 (30274260)
Majumdar Rwito 京都大学, 学術情報メディアセンター, 特定講師 (30823348)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
17,940千円 (直接経費: 13,800千円、間接経費: 4,140千円)
2022年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円)
2020年度: 8,580千円 (直接経費: 6,600千円、間接経費: 1,980千円)
|
|---|
| キーワード | Knowledge Map / Knowledge Extraction / Learning Analytics / Learning mastery / Smart Learning Systems / knowledge extraction / knowledge recommendation / human-in-the-loop system / automated labeling / Educational Data Mining / Knowledge map / Smart learning systems / Knowledge extraction / Learning analytics / Educational Informatics |
|---|
| 研究開始時の研究の概要 |
The study guidance code proposed by MEXT will standardize the representation of learning material knowledge structures, however a system to integrate teacher created materials with publisher contents and learning analytics systems is required to realize the full potential to support smart education and learning. This research investigates how meaningful analysis can be achieved by supporting the automated extraction, linking, management, and analysis of knowledge maps at scale.
|
| 研究成果の概要 |
知識は教育の不可欠な部分ですが、多くの現代の学習システムでは、学習分析プロセスに明示的に知識を統合していない。本研究では、電子書籍システムにアップロードされた学習内容から知識マップを自動的に抽出および簡略化し、それを学習行動データの分析および教材とリンクするための情報基礎を構築した。知識マップと学習行動データを蓄積及びリンクする方法を開発し、知識マップを学習行動データの分析と共に提供することで、知識の習得や達成度を示すユーザー向けのダッシュボードを構築した。本研究で構築されたシステムは、遺伝的アルゴリズムに基づいて知識マップを活用したグループ形成プロセスを開発するためにも使用された。
|
| 研究成果の学術的意義や社会的意義 |
As knowledge is an integral part of education, the achievements of this research can bring meaning to learning behavior data analysis. This also closes the gap between analysis and action by directly linking back to learning materials and test within the results visualization.
|
