| 研究課題/領域番号 |
22K13810
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分10020:教育心理学関連
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
山口 一大 筑波大学, 人間系, 助教 (50826675)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2024年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022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 | 認知診断モデル / パラメタ推定法 / 学習診断 / パラメタ推定 / テーラーメイド学習 / 計量心理学 / アルゴリズム開発 |
|---|
| 研究開始時の研究の概要 |
生徒個々人の効率的な学習を実現するために，生徒の学習履歴・理解状態の確認テスト・フィードバックを，ICT機器を用いてシームレスにつなげるインフラが整いつつある。本研究では，個人の背景情報を統合した統計モデルと高速な推定方法の開発および診断フィードバックの効果検証を行い，生徒が活用しやすい診断的オンタイムフィードバックを行うための学習支援フレームワークの提案を行う。基礎研究として背景情報を有効に活用できる認知診断モデルや能力習得状態の高速な推測のためのアルゴリズム，効率的な診断のためのテスト項目選択方法を開発する。これらの方法を用いて，中学生での診断情報の有用性の検討も行う。
|
| 研究実績の概要 |
認知診断モデルが学習者のつまづきについての情報を到達度テストや授業中の確認テストから推測するために有用な枠組みである。本年度は、前年度で得られた研究成果から新たに生じた、認知診断モデルを利用するうえで障害になりうる問題を克服するための研究を行った。具体的には、１．認知診断モデルの適用や結果の有用性に大きな影響を与える、能力・項目の対応関係を示す行列（Q行列）が部分的にしかわからない状況での分析方法の提案、２．様々な損失関数を許容し、柔軟に事前の情報を認知診断モデルに組み込むための新しい推定法の開発、３．前述の１と２の実施のための認知診断モデルの推定方法の統合的なレビューを行った。まず、認知診断モデルにおいては、Q行列が完全にわかっているという状況や全くわかっていないという不自然な分析の設定での分析を想定しているが、実際にはQ行列の一部のみがわかっているという状況のほうが自然で実際的である。しかし、このような状況に適した分析方法は十分には整備されていなかったため、Q行列が部分的に既知の状況でも分析可能となる方法を提案した。さらに、小サンプルでも機能するとされるノンパラメトリック推定法は事前情報を組み込めないといった問題や、推定の不確実さを評価できないという問題があり、２点目の研究では、こうした点を克服しうる一般化ベイズ法を活用し、認知診断モデルの新しい推定方法を開発した。３点目の推定方法のレビューは、第１点、第２点の問題を解決するための副次的な研究ではあったものの、認知診断モデルの推定方法に関する統合的なレビューが日本語において存在しなかったため、さまざまな推定方法の理論的な整理を行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本年度は、初年度の研究成果から派生した研究課題に重点的に取り組んだ。これらは、当初計画したものではないが、認知診断モデルの適用可能性を広げる意味で重要な研究であったと考えられる。
|
| 今後の研究の推進方策 |
最終年度は、認知診断モデルも応用的研究を予定していたが、これを行うための事前の理論的研究に進展がみられたため、これまでに得られた研究成果を発展させる形で研究を進める。さらに、予定していた研究の未実施の部分にも取り組み、認知診断モデルの理論的基盤を整備することを目指す。
|
