| 研究課題/領域番号 |
16K01095
|
|---|
| 研究機関 | 木更津工業高等専門学校 |
|---|
研究代表者 |
大枝 真一 木更津工業高等専門学校, 情報工学科, 准教授 (80390417)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | 教育データマイニング / 潜在的スキル構造 / Q-matrix / プログラミング教育 / NMF / Skill Modeling / Student Modeling |
|---|
| 研究実績の概要 |
近年，実用的なITS(Intelligent Tutoring Systems)や，LMS(Learning Management Systems)が普及し，教育現場でeラーニングが活用されている．ITSやLMSによって，学生の試験結果や学習過程のログデータを保存することが容易になった．EDM（Educational Data Mining）では，これら膨大な教育関連のデータから，いかにして意味のある情報を抜き出すかが焦点となる研究分野であり，BigData研究の発展に伴って近年急速に注目されている．
本研究では，試験結果と学習過程のログデータから，知識を修得するために必要な潜在的スキル構造を自動抽出するデータマイニング技術を開発する．対象はプログラミング教育としている．EDMの分野では，試験結果から設問とスキルの関係を抽出するSkill Modelingと呼ばれる研究が行われている．特に，我々は試験結果行列RをNMF(Non-negative Matrix Factorization)を用いて，行列QとSに因子分解する手法を提案した．行列QはQ-matrixとよばれ，どの設問を解くには，どのスキルが必要かを表した関係行列となっている．
しかし，我々を含め従来の研究では，学習中のログデータを使用してはいなかった．そこで学習過程も考慮することで，より精度の高い潜在的スキル構造の抽出を試みる．学習中に記録されるログデータには，スキルが反映されているものや，そうでないものもあるため，ログデータからスキルに関連する規則性を発見するために機械学習を用いた新しい教育データマイニング手法を開発する．
今年度の実績としては，Knowledge Tracingに忘却効果を付加した手法を提案し，2群の分類問題における精度評価法の1つであるAUCの値を向上させることに成功した．
|
| 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
学生のスキルは学習によって向上するが，どれくらい向上しているのか，どの問題を解くことができるのか推定することは難しく，一般的には試験を行って確認する．過去の少数の試験結果データからまだ未解答の設問に対する正答確率を推定する手法としてStudent Modelingと呼ばれるものがある．特にKnowledge Tracingは隠れマルコフモデルを基盤とする手法であり，Student Modelingのデファクト・スタンダードとなっている．我々は，忘却効果を付加させたIRT(Item Response Theory)によって，精度を向上させる手法を考案した．
また，試験結果だけでなく，プログラミングの授業中のログデータを解析することで潜在的スキル構造を可視化することを考えている．そのため，今年度はデータロガーの作成を行った．これによりプログラミング授業中のUNIXコマンド入力数，コンパイル時のソースコード変量など多くの情報の取得が可能となった．
これらのことから概ね順調であると判断した．
|
| 今後の研究の推進方策 |
今後は，学習中のログデータから潜在的スキル構造を抽出するための手法を開発する．また，授業についてこれない学生を早期に発見し，教師のサポートができる可視化ツールの開発を行う．また，当初プログラミングスキルはログデータに反映されると仮定していたが，予想に反してログデータから容易には判断することが難しいことがわかった．そこで，いくつかクラスタリング手法を適用して，クラスターの特徴を抽出することを試みる．
|
| 次年度使用額が生じた理由 |
購入予定であった計算機サーバ，データ解析用PCに不具合があり，販売リリースが遅れたためである．購入時期が次年度となってしまったが，全体として研究計画に影響はない．
|
| 次年度使用額の使用計画 |
当初から計画していた計算機サーバ，データ解析用PCの購入を行う．
|
