研究課題/領域番号 |
20K03118
|
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 | 帯広畜産大学 |
研究代表者 |
斉藤 準 帯広畜産大学, 畜産学部, 准教授 (90757668)
|
研究期間 (年度) |
2020-04-01 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2021年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2020年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
|
キーワード | Learning Analytics / DBER / LMS / ラーニング・アナリティクス / 学習ログ / ブラウザ / 動画視聴時間 / 動画視聴計画性 / オンデマンド授業 / 学習時間 / 学習計画性 / アクティブラーニング / ラーニングアナリティクス / STEM |
研究開始時の研究の概要 |
本研究では,大学教育の分析手法として,量的にも質的にも大規模ではないミドルスケールのデータを用いたラーニング・アナリティクス(学習分析)の有効性を明らかにすることを目指す。ミドルスケールデータに着目することにより,分析対象の学問分野固有の特性を失うことなく,かつ実際の教育・学習活動に干渉することなく学習を客観的に分析できると期待される。具体的には,大学STEM(科学,技術,工学,数学)共通教育に分析対象を絞り,LMS(学習管理システム)上のログ(学習履歴)データとスマートフォン等のセンサーから取得できる活動データを扱うことで,量的・質的にミドルスケールなデータを取得し,分析を行う。
|
研究成果の概要 |
本研究では,量的・質的にミドルスケールのラーニング・アナリティクス(学習分析)を実践的に開発し,大学教育における有効性を明らかにすることを目指した。成果として,LMS(学習管理システム)上の学習データを効率的に取得・蓄積する手法を開発し,その分析により従来は得られなかった学習状況や成果の定量的評価が可能となることを明らかにした。結果として,習慣的・計画的学習や学習への肯定的期待,主体的関与(エイジェンシー)等,学習プロセスや態度領域に関わる学習状況・属性が,学習成果や効力感(エフィカシー)等に結びつくことを定量的に明らかにした。
|
研究成果の学術的意義や社会的意義 |
本研究の成果により,学習者の詳細な学習状況・履歴は,特殊・高額な機器・装置やソフトウェア等を一切要することなく容易に実装でき,かつデータ取得のために学習へ干渉することなくリアルタイムで取得・蓄積可能であることが明らかとなった。また,その分析によって,学習プロセスおよびその学習成果との関係を定量的に評価可能であることが明らかとなった。展望として,より公正な学習評価や即時・客観的なフィードバックの提供,リフレクションの促進,プロセスの自動評価等による教育・学習活動の効率化・省力化等が期待される。
|