| 研究課題/領域番号 |
20K03076
|
|---|
| 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 | 杏林大学 (2021-2024)
多摩大学 (2020) |
|---|
研究代表者 |
大森 拓哉 杏林大学, その他部局等, 教授 (80332617)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024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)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | バグモデル / 認知診断モデル / 潜在変数による予測 / 基礎数学 / ベイジアンネットワーク / イメージデータ / e-learning / ウェブテスト / ベイズ推論 / 多次元IRTモデル / 判別分析 / 適応型テスト / ベイジアン・ネットワーク / 項目反応理論 |
|---|
| 研究開始時の研究の概要 |
本研究では、大学生や社会人が授業の履修や社会活動において、最低限必要な知識・能力を備えることができるようにするためのe-learningシステムを構築する。具体的には、特に数学等の数理分野において、
１． どこまで理解しているか、どこでつまずいているかの診断
２． 誤った理解や勘違い・知識不足に対する支援・アドバイスの提供
を自動的に行うことができる適応型学習システムをWeb上で構築し、その有用性を評価する。本研究においては、人工知能の一つであるベイジアン・ネットワークモデルに、認知診断モデルを組み込んで効率的かつ実用的なハイブリッドモデルを作成し、実際のシステムを構築して実用性を評価する。
|
| 研究実績の概要 |
本研究では、リスキリングも考慮した数理的能力の獲得のための支援システムの構築を目的とした。直接教師などから授業を受けるのとは別に独自に学びを進める際、どの段階で躓きやすいのか、どのような誤りを犯しているのかを自動診断し、修正支援をするe-learningシステムの構築を目的とした。誤りには系統的なエラーがあることを仮定し（バグモデル）、テスト回答結果からの自動で誤り傾向を診断できるシステムはすでに論文化したが、そこに認知診断モデルを取り入れ、単なる回答からのバグパターン検出ではなく、回答における認知過程のエラーによるバグ生成モデルへと視点を変えた。2024年度は、認知診断モデル構築のためのデータの追加取得を行い、潜在変数を介した予測モデルの妥当性を検証した。その応用として、あいまいな心的イメージデータを具体的なグラフで表現するという方法を提案した。この方法は認知モデルによって生成される誤り回答と、実際の回答から得られる誤りパターンの両方の要因を抽出し、潜在変数同士をマッピングすることによって回答から認知診断モデルのQ行列におけるどの認知能力に結びつくかを推論するものである。同時に、Q行列作成においては教師の判断知に変えて、生成AIの出力を適用することを試みた。
研究期間を延長した最終年度には、これまでの研究成果のまとめとして、コロナ禍で現地開催が延期されたInternational Congress of Psychology(ICP2024)、および19th Annual International Technology, Education and Development Conference（INTED2025）にて2件の国際学会大会発表を行った。また、医療分野ではあるが、Frontiers in Microbiology(Vol.16,2025)に論文が掲載された。
|
