| 研究課題/領域番号 |
18K02369
|
|---|
| 研究機関 | 大分大学 |
|---|
研究代表者 |
安部 恵祐 大分大学, 全学研究推進機構, 助教 (10535652)
|
|---|
| 研究分担者 |
鈴木 雄清 大分大学, 高等教育開発センター, 准教授 (00333253)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | 可視化ルーブリック / 産学官連携教育 / ポートフォリオ / アクティブラーニング |
|---|
| 研究実績の概要 |
第１フェーズ「教育評価」における複数評価者間のズレの傾向と、教員・企業評価者のズレ（学生への期待値）を観測するための試作ルーブリック開発を目的に研究を実施した。
研究1として、企業の要望（ニーズ）等からのルーブリック開発を試みている。キャリア系データベースより、企業規模・地域などで分類し、「求める人材像」や「研修」の分析を行い、現在、企業側はどのような人材を求めているのかを分析した。また、九州圏内企業等約４０社にヒアリング調査を行った。
研究2として、eポートフォリオの設計を行った。企業・教員で評価システムを用いて簡易なシステムが実行中である。今後、このeポートフォリオシステム運用時の意見などを調整し改良等を行う予定である。
研究3として、現在までに実施している産学官連携教育の評価者のズレを分析した。そこで、評価者記述などを機械学習で分析したところ、ズレは、職種・役職ではなく、パーソナリティに依存することが示唆された。特に、同じ段階指標を用いても触れ幅が異なるなどが観察された。
また、上記の補足として、文献調査を行った。21世紀スキルや転職時代に合わせた、自導力・ポータブルスキル・AIスキル・国際関係や障がい者対応の幅広いコミュニケーションスキル・異分野や異年齢対応のメンタルコントロールスキルなどの複合スキルも大学教育では必要になりそうなので、これらのスキルを考慮したルーブリック開発も行う予定である。
|
| 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
研究1のデータベース分析やヒアリング解析の結果、データベース上のものは、職種により似た傾向が示された。しかし、ヒアリングを行ったものは、各会社のイシューレベルまでの課題対応案が複数見られた。このイシューレベルの案件に対応できる人材開発ができると大学教育と企業活躍人材のギャップが埋められるであろう。また、このイシューレベルの案件は地域や業種により異なるため、組み合わせにより広域にカバーできるルーブリックユニットが必要かもしれない。
研究2のeポートフォリオ開発により、複数フェーズの教育や教育外活動対応のルーブリックの必要性がわかった。現在、企業評価が抽象的な印象評価になっている部分もあり、複数業種に対応したルーブリックの必要性を感じている。
研究3として、現在までに実施している産学官連携教育の評価者のズレを分析した結果、ズレの原因はパーソナリティに依存が大きいと示唆された。そこで、事前にパーソナリティ傾向を捉えるテストを行い、評価者特性を判別する方法を考えている。また、授業担当教員とそうではない教員の審査でもズレが発生する傾向にあった。今後、ズレの原因をより詳細に分析し、補正ルーブリックもしくは正しい評価法の開発を行う。
|
| 今後の研究の推進方策 |
現在収集した情報から試作ルーブリック等を開発し、授業等で試行する。
研究1のデータベース分析やヒアリング解析の結果、ヒアリングからイシューレベルの回答を得ている。イシューにより、解決技術や鮮度が異なるため、イシュードリブン型の教育開発がどこまでできるか試みる。イシューよりルーブリックを開発し、教育現場に反映できないか、それともすでに行われているのか等検討する。
研究2のeポートフォリオ開発は、現在、小規模運用状態である。規模の拡大や他機関への波及などを検討する。
研究3の評価者間のズレは、パーソナリティによる補正をするか、ある程度のズレを生かして、評価者ユニットを形成するか検討する。ダイバーシティ推進の考え方としては、後者の運用もできればと考えている。過去のデータから、機械学習で評価者のグルーピングを行い、評価者ユニットが設定できないか検討する。また、可能ならば、特殊なイシュードリブンな産学官連携教育を行う場合、イシューに関連する審査員を配置し、特性を調査する。
|
| 次年度使用額が生じた理由 |
研究開始時は、企業ヒアリングはノートに記載するなど行っていた。また、産学官連携授業が、例年より多く発生し、50コマ分程度の時間を取られた。ただ、その分多くの情報が得られた。それらで出た疑問を解消すべく、参考書籍調査を遂行した。しかし、調査にやや時間を消費してしまった。そのため。試作のデータベース構築やその分析が１月くらいに始まり、新規の機材購入が間に合わなかった。また、現在、機器類は旧式のもの(Windows7）を使用しているため、AIによる分析にはパワーが足りない。
2019年度使用計画として、初年度に購入予定だったWindows10版のPCを購入し、研究環境を整える。また、新規ルーブリックを構築するとともに、産学連携教育に必要な教材や機器を購入し、学生のパフォーマンスや企業の要望に答えられるかを調査する。ＩｏＴを活用した教材開発の展示会などに調査などに行き、評価ズレ測定方法の開発のヒントを探したい。
|
