| 研究課題/領域番号 |
22K12316
|
|---|
| 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62030:学習支援システム関連
|
|---|
| 研究機関 | 熊本大学 |
|---|
研究代表者 |
久保田 真一郎 熊本大学, 総合情報統括センター, 准教授 (80381143)
|
|---|
| 研究分担者 |
松葉 龍一 東京工科大学, 先進教育支援センター, 教授 (40336227)
合田 美子 熊本大学, 教授システム学研究センター, 准教授 (00433706)
鈴木 雄清 大分大学, IRセンター, 准教授 (00333253)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2023年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | ラーニングアナリティクス / 先延ばし行動 / 学習ログ |
|---|
| 研究開始時の研究の概要 |
学習管理システム(LMS)に記録された学習ログから各学習者の「取り掛かり具合」「取り組み間隔」「取り組み順」の1週間を単位とした変化をもとに，学習者をいくつかの先延ばし行動のタイプに分類する．タイプ別に分類された学習者群に対して，自己調整学習方略をもとにした学習支援を行うことで，学習者に適した学習支援を行うことができ，高い学習効果が得られることを明らかにする．本研究では，学習者の時系列的な状況変化に合わせて学習者群を構成するために，学習ログから特徴量を算出する手法と先延ばし行動のタイプ別に分類する手法を確立する．
|
| 研究実績の概要 |
本研究では，LMS上のすべての学習コースの学習ログから得られる変数をもとに「取り掛かり具合」「取り組み間隔」「取り組み順」にあたる特徴ベクトルを作成し，作成した特徴ベクトルをもとに，対象とする授業内において学習者の能動タイプと受動タイプの先延ばし行動の分類を確認する．その結果をもとに，能動タイプと受動タイプの先延ばし行動に分けられた学習者群ごとに，自己調整学習方略をもとに学習支援手法を考案し，学習者個別に学習支援を提供することで高い学習効果が得られることを明らかにする．
オンデマンド型遠隔授業の受講生を対象に先延ばし意識特性尺度に回答を求め，学習履歴から分類した先延ばし学習傾向群間で比較を行った．先延ばし群には前半回のいずれかで先延ばしがあり，先延ばし無し群よりも「状況の楽観視」，「先延ばし前の否定的感情」，「先延ばし中の肯定的感情」の下位尺度得点が高い傾向があった．
取り掛かった時刻として，1週間を単位に学習コースにはじめてアクセスする時刻が，1週間のはじまりを0，終わりを1として，どこに位置するかで数値化し特徴量の1つとした．「取り組み順」は，時間とは無関係に教材ページにアクセスする順番の変化を数値化して扱うこととし，w週とw-1週でアクセスするページ番号を時系列に並べた2つの数列に対してDDTW(Derivative Data Time Warping)により算出される類似度によりページ遷移の仕方を数値化した．アクセス回数なども含めた特徴量を設定し，特徴量エンジニアリングを一旦終えて，成果や先延ばし行動との関係性について検討した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
学習者固有の特徴量を一旦定めるに至り，授業欠席との関係について考察し，先延ばし行動との関係性についても考察したが，うまく検討できていない．学習者の学習行動を表す特徴ベクトルに未だ問題があるとも考えられ，機械学習における学習モデルや識別モデルの構成手法も検討の余地がある．
|
| 今後の研究の推進方策 |
学習者の学習行動を表す特徴ベクトルの再検討，機械学習における学習モデルや識別モデルの構成手法をさらに検討し，学習者の学習行動をもとに先延ばし行動を高精度に予測できることを目指す．学習者の学習行動を表す特徴ベクトルとしてオンラインテキストのページ遷移を表す分散表現ベクトルの利用も組み入れ，不均衡なデータセットでもロバストな識別モデルの構築を目指す．
|
