| 研究課題/領域番号 |
17H01842
|
|---|
| 研究機関 | 広島工業大学 |
|---|
研究代表者 |
廣瀬 英雄 広島工業大学, 環境学部, 教授 (60275401)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| キーワード | 知的学習支援システム |
|---|
| 研究実績の概要 |
学生の習熟度が一層多様化する時代、限られた教職員数によって学生それぞれの習熟度にきめ細かく対応することは段々困難になってきているため、知的学習支援システムを充実させる期待は高くなっている。そこで、本研究では、項目反応理論など現代テスト理論の評価法を加味し、且つ利用価値の高い大規模な知的学習支援システムの構築を目指してきた。まずは機能の高度化をはかるため、対象科目を大学数学基礎科目に特化した。実際のシステムでは、オンラインで実施できる演習問題を数千問規模のデータベースで準備し、1100人規模の大学入学生が全員一斉にテストを受けられる大規模なコンピュータシステム環境を整えた上で運用してきた。
受験生がアクセスすることで、このシステムに蓄積されてきたデータベースを用いた結果得られた知見は、（１）入学直後のプレースメントテスト、毎授業のオンラインテスト（本システム）、期末試験との相互関係を調べた結果、プレースメントテストから期末試験の結果を予測することは困難であるが、蓄積される毎授業のオンラインデータに、新しく提案した類似性を適用すれば期末試験の結果を学期途中からでもある程度の確率で予測することが可能、（２）アダプティブテスティングから得られた応答マトリクスは欠測データが多いため問題の困難度の推定が難しいが、マトリクス操作によって問題の困難度の推定値を求めることは可能になった。
さらに利用価値の高い大規模な知的学習支援システムの構築を目指すため、複数大学間での連携協調により共通に利用できるプラットフォームを構築し、そこに蓄積されてきているアクセスデータから、大学基礎科目の授業支援を行ってきた。これらは、大学HPの教材欄からアクセス可能となっている。また、特に習熟度の多様な学生集団に対応できる演習を集めた科目である1変数の微積分を新しく加えて、更に新機能を追加した。
|
| 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
平成29、30年度は、大規模なデータベースでも安定して高速に習熟度を推定できるアルゴリズムを開拓し、問題登録システムを構築した。この実績の上で、大規模な応答マトリクスに欠測値の存在する状況下での項目反応理論でのパラメータ推定を行い、オンラインテスティングからデータを用いて期末試験の成否を確率的に予測する方法について、機械学習と統計的方法を総合的に取り扱うことで可能であることを示した。オンラインテスティングとラーニングアナリティクスの成果は、統計数理研究所の統計数理で特集が組まれている特集号「統計教育の新展開」の中に掲載されている。また、学生の早い段階でのリスク予測に関しては、コンピュータ&エデュケーションの特集号「AI 時代における教育と学習について考える」の中に掲載されている。
また、個別の組織内だけでなく一般に公開された線形代数、微分積分、確率・統計、基礎物理の4つの科目の教科書を媒体にして運用されている連携データベース（「Webアシスト演習」）に蓄積された反応パタンから推定されたアイテムの特徴を有効に利用するシステム構築を設計した。これは、インタラクティブ学習システムが真に問題発見能力や問題解決能力につながっているかどうかを確認できるように、ラーニングアナリティクスを深める基盤となっている。
令和元年度は、これまでに蓄積された大規模なデータベースを用いたラーニングアナリティクスを中心に行ってきた。その結果は複数の論文に掲載され、また、多数の招待講演でもこれまでの成果を公表できた。招待講演でのフロアとの討論によって、新しい問題を提起できることも確認した。また、共同研究者をはじめ、「Educating, Learning, Assisting」研究会を開き、多くの成果が得られた。
|
| 今後の研究の推進方策 |
最終年度は、まだ完成度に域に達していない、大規模な応答マトリクスがスパースになっている状況での項目反応理論（IRT）での安定的なパラメータ推定法を安定的に求めることを一つの目標とする。また、IRTと類似点を持つ因子分析での不完全データの取り扱い（スパースモデリングなど）との共通点や異なった点を比較しながら、機械学習と統計的方法を統一的に取り扱う方法論の研究を進めることについては、引き続き、実用的で信頼度を保てるようなパラメータ推定の方式を模索しながら研究を進めていく。
ラーニングアナリティクスとしては、大規模オンラインテスティングの結果と期末試験などとの関係性をもとに、オンラインテスティングからの前兆により期末試験の成否を確率的に予測できるかどうかについて更に精度のよい予測研究を深めていく。また、教員による評価バイアスの除去について研究を深める。
「Webアシスト演習」について、クラス管理面での機能を深め、教員にとってより使いやすいシステム改築を目指す。その結果のラーニングアナリティクスをもとに、令和元年度と同様、「Educating, Learning, Assisting」研究会を実施して、研究成果を共有する。
|
