| 研究課題/領域番号 |
16H03086
|
|---|
| 研究機関 | 東京理科大学 |
|---|
研究代表者 |
赤倉 貴子 東京理科大学, 工学部情報工学科, 教授 (80212398)
|
|---|
| 研究分担者 |
古田 壮宏 奈良教育大学, 教育連携講座, 准教授 (60453825)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2020-03-31
|
| キーワード | 教授学習支援システム / ｅテスティング / アイテムバンク / 授業評価 / システム開発 |
|---|
| 研究実績の概要 |
平成30年度までに「(A)多層レイヤ型アイテムバンク」、「(B)講義内容及び講義進捗に適応した授業評価項目群の選択」、「(C)(B)をより少ない項目でできるような項目推定」の主要部は完成した。研究の最終目標としては、アイテムバンク、講義シラバス、講義映像を用いて、自動的に適応的な出題項目群を生成できるシステムであるので、最終目標はほぼ達成している。
具体的には、授業評価アンケートにおいて、少ない出題項目数でも多くの回答結果が推定できるモデルをベイジアンネットワークによって構築した。ベイジアンネットワークによる確率的因果推論により、授業評価の回答結果を確率的に推定し、実際の学生の回答データを収集、データを基に構造学習を行い、推定モデルを構築した。遺伝的アルゴリズムも用いてシミュレーションした結果、構築した推定モデルは、項目の半数を正しく推定可能であることから、多くの授業評価回答結果を推定できることを示した。また、この推定モデルを「階層型アイテムバンク」と呼称し、これを用いた授業改善支援システムをWebシステムとして開発、現役教員を対象に評価を行った。システムでは、感度分析などのシミュレーション結果の可視化により、どのような改善が有効であるかをレコメンドできる。評価実験の結果、教員のFDへの意欲や、改善点を可視化することによる授業改善が有用であることを示した。さらに長期的効果を検討するため、教員に対し一か月間毎週利用してもらい、授業改善への効果を継続的に検討した。その結果、システムは授業の改善箇所の可視化や改善点の振り返りに役立つことがわかった。
しかし、現在のところ、(B)(C)の計算コストが非常に大きく、実用的ではない。そこで、最終年度の平成31年度（令和元年度）は、計算コストを下げるために実装方法を工夫・改良し、最終的に実用に供せるシステムとする。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
平成30年度までに「(A)多層レイヤ型アイテムバンク」、「(B)講義内容及び講義進捗に適応した授業評価項目群の選択」、「(C)(B)をより少ない項目でできるような項目推定」をほぼ完成させた。ベイジアンネットワークを用いた推定モデル、授業評価項目の階層型アイテムバンクを完成させ、それらを搭載してWeb上での授業評価システムとすることができた。そのシステムを利用した、教員に対する比較的長期の評価実験も実施済みであることから、研究は順調に進んでいると言える。
また、最終年度は、評価実験を中心に行う予定であったが、評価実験が順調に進んでいることから、当初予定していなかった計算コストを下げる改良に踏み込める予定である。したがって、全体として当初の計画以上に進展していると言える。
|
| 今後の研究の推進方策 |
平成30年度までに「(A)多層レイヤ型アイテムバンク」、「(B)講義内容及び講義進捗に適応した授業評価項目群の選択」、「(C)(B)をより少ない項目でできるような項目推定」の主要部は完成した。研究の最終目標としては、アイテムバンク、講義シラバス、講義映像を用いて、自動的に適応的な出題項目群を生成できるシステムであるので、最終目標はほぼ達成している。しかし、現在のところ、(B)(C)の計算コストが非常にかかり、実用的ではない。そこで、最終年度の平成31年度（令和元年度）は、計算コストを下げるために実装方法を工夫・改良し、最終的に実用に供せるシステムとする。実施は以下の手順で行う。
(1)適応的項目出題方法論の改良を行う。具体的には、授業の話題と、情報量に基づく項目選択方法に取り組む。授業の話題は、シラバスに対する自然言語処理により得た単語の傾向から、マッチする質問文（項目）を選択する方法である。情報量は、出題した結果得られる情報量（確率分布の変動）が最大の項目を選択する方法である。その際、項目数が増えれば増えるほど計算コストが指数的に上昇する。これを低減するため、ネットワークをサブグラフに分けて情報量を計算し、授業の話題は情報量に対する重み付けとして簡易に計算することで、十分な情報量が期待でき、かつ授業内容を反映した項目選択ができると考えている。
(2)(1)のように新たにサブグラフに分けて情報量を計算する手法を導入するが、それを最終的には結合させてマッチングをとる必要がある。シミュレーションを繰り返し、各サブグラフの計算コストがどの程度下がるかを比較分析して、サブグラフの構成方法の最適化を図る。
(3)最適化したサブグラフを持つ適応的出題方法としてシステムに実装し、最終的なシステムを完成させる。
(4)(3)の評価実験を行う。
|
