研究課題
基盤研究(C)
LMSにおける学修者の学修履歴と学修データ、さらに学修者の行動と教育指導者の行動をもとにした、教師データなしの深層学習(Deep Learning) と教師データありの機械学習(Machine learning) を用いた分析により、学修に関与する因子の抽出、抽出された因子の定量化、さらには、教育の場面における「教授内容」「教場環境」「学修者」「教授者」のレディネスや「学修者」「教授者」のアクティビティを定量化し、それらを最適化する手法を開発する。
PBL教育およびSTEM教育において、学修に関与する因子の定量化を行い、その最適化を行った。本研究における授業と教育実践事例から、「教授者」の工夫と「学修者」の協力があれば、「教場環境」が対面・遠隔のどちらでも実施可能である。PBL教育においても、対面とほぼ変わらない「教授内容」でグループ内のコミュニケーションが実施可能であることが分かった。STEM教育の実験・演習においては、実際のものが必要な場合に遠隔では困難であることも分かった。これらにより、「学修者」のレディネスをもとに、「教授者」が「教育内容」と「教場環境」を工夫することで、学修に関する因子の定量化が可能になる。
本研究の成果は、「教場環境」が遠隔の場合にPBLが最も適してことの発見である。「教場環境」が遠隔の場合は全般的に、「学修者」個々人への声掛けと「学修者」からの反応の確認が困難であることや、「学修者」間のコミュニケーションが困難であることも分かった。「学修者」のレディネスは、LMSからのデータ分析、提出された紙媒体からの抽出で行った。市販、もしくは、これまでの紙媒体ワークシートなどにレディネスに繋がる記述欄を追加・上書き印刷を行い、「学修者」の状況把握、個別最適化が実施できた。
すべて 2023 2022 2021
すべて 雑誌論文 (1件) (うち査読あり 1件、 オープンアクセス 1件) 学会発表 (14件)
リメディアル教育研究
巻: 16 号: 0 ページ: 79-92
10.18950/jade.2022.07.01.06
