1.ベイズネットワークモデルの解析に必要なベイズ統計理論、またその分析を可能とする数値的方法(ギブスサンプリング)の技法を完成させた。学習者の内的状態を知るためには、複雑なモデルが必要であるが、しかし、利用できるデータは、せいぜい、カテゴリカルデータである。このため、カテゴリカルデータの下に、潜在変数を所与とする測定モデル、その下に、潜在変数の発生モデル、さらにその下に、母数の事前分布を持つような階層モデルが必要である。また、このような複雑なモデルにおいて、安定した推定値を得ることは普通難しいが、ギブスサンプリングによって安定した事後分布を得ることができた。 2.ベイズネットワークモデルによる具体的な分析として、引き算のバグルールを珍断し、学習者がどの段階にあるかの学習地図を明らかにするシステムを設計した。すなわち、各学習者が、どのようなルールで計算しているかについて、データに基づき、その確率を計算するシステムを設計した。また、その応用として、医療診断に使うためのベイズネットワークモデルに連続変数を組み込む方法を開発した。このシステムは、そのまま、教師のための診断システムとして、使うことが出来る。 3.テスト情報から、教師のために有用な情報を引き出す手段として、正答だけでなく、誤答選択肢をも考慮する項目応答モデルを構成し、それに基づく分析方法を開発した。この分析によって、同じ得点の被験者間の学力を識別できること、また、各項目の特徴を2値データの分析の場合よりも詳細な分析か可能になることが明らかになった。
|