| 研究課題/領域番号 |
16H02921
|
|---|
| 研究機関 | 広島大学 |
|---|
研究代表者 |
山本 透 広島大学, 工学研究院, 教授 (10200825)
|
|---|
| 研究分担者 |
福光 昌由 (中本昌由) 広島大学, 工学研究院, 助教 (00403585)
林田 智弘 広島大学, 工学研究院, 准教授 (20432685)
大野 修一 広島大学, 工学研究院, 准教授 (70273919)
西崎 一郎 広島大学, 工学研究院, 教授 (80231504)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2020-03-31
|
| キーワード | 学習支援システム / データ駆動型アプローチ / 機械学習 / 個別学習 / e-learning |
|---|
| 研究実績の概要 |
高度情報通信社会の急激な発展によって、遠隔学習や家庭学習にもコンピュータ技術や情報通信技術が導入され、個別学習の形態が少しずつ変化してきている。そのような中で、学習支援システムの果たす役割は極めて大きくなってきている。とくに，同じような学習要求をもつ受講者（学習者）を集約し、場所（空間）を確保する必要があることから、移動を含めた時間・経済面で非常にコストがかかる。したがって、時間・空間的制約を受けない個別学習支援システムが必要となる。
一方、効率的に学習を進めるためには、試験のスコアのような学習者の能力だけでなく、学習者の生理的情報（学習意欲や気分など）を考慮しながら、学習者固有の学習支援を行う必要がある。
本研究では，適応型スマート学習支援システムの構築について，「学習支援機構の構築」と「学習支援システムのスマート化」の2つに分けて研究を行っている。前者については、研究代表者のこれまで培ったデータ駆動型アプローチに基づいて、研究を進めている。平成28年度においては，まず，学習者モデルの構築について考察を進めた。具体的には，学習者を「一次遅れ＋むだ時間」系として捉え，学習者の特性を，時定数，システムゲイン，むだ時間で近似する方法を与えた。後者については，上述の個々の学習者のデータをデータベースに格納し，複数の学習者のデータに基づいて，いくつかのクラス（クラスタ）に分類する方法について考察した。また，それぞれのクラス（クラスタ）がどのような特徴を有しているか，上述の3つのパラメータ（時定数，システムゲイン，むだ時間）と対応付けることで明らかにした。
なお，ここで用いた学習者データ群は，研究代表者が中心となって進めているモデルベース開発（MBD）基礎研修を受講した約150名のデータ（アンケート調査）と，課題として与えたレポートの採点結果から構成されている。
|
| 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
先にも述べたように，本研究は，「学習支援機構の構築」と「学習支援システムのスマート化」の2つに分けて研究を行っており，それぞれが初期の目標に沿う形で研究成果をあげている。なお，これらの成果は，国内の学会において既に発表している。今後は，双方を統合する段階に入ると考えている。その段階で，整合性などの問題が発生すると考えているが，発生する問題をあらかじめ予測し，現時点においては，それに対する対策は十分に講じられていると考えている。
|
| 今後の研究の推進方策 |
本研究は，昨年度に引き続き，「学習支援機構の構築」と「学習支援システムのスマート化」の2つに分けて研究を進める。前者については，平成28年度に開発した学習者モデルに基づいて，学習支援度調節部を構築する。併せて，学習到達度評価方法についても考察する。具体的には，すでに研究代表者によって開発済みである1-パラメータチューニングによる「パフォーマンス駆動型アプローチ」を導入する。一方，後者については，平成28年度考察した学習者の分類（クラスタリング）に基づき，適切なデータベース構築について考察する。なお，データベース構築の際は，学習支援機構との整合性を十分配慮することが重要となってくるため，定期的な研究打ち合わせを実施する。ここで対象とするデータとして，昨年度から引き続き，「モデルベース開発（MBD）基礎研修」におけるアンケート結果とレポートの採点結果を利用する。加えて，生体情報として，感性アナライザによる学習者の集中度合い，快・不快の度合いなどが利用できるかどうか，その可能性についても検討する。
|
