|
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．対象は教育データとしている．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と呼ばれ，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，我々を含めた従来の研究では，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．
最終年度である2018年度は，これまでの研究成果をまとめて国際会議等で発表を行った．特に，MOOCSなどで獲得される欠損に偏りが生じる試験結果行列に対応したNMFを開発した．
|
