| 研究課題/領域番号 |
18K11597
|
|---|
| 研究機関 | 国立情報学研究所 |
|---|
研究代表者 |
孫 媛 国立情報学研究所, 情報社会相関研究系, 准教授 (00249939)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | 認知診断 / Q-matrix / 項目反応データ / 知識追跡モデル / パーソナライズド学習 |
|---|
| 研究実績の概要 |
学習者個々人の特性と知識状態に応じた最適なパーソナライズド学習を支援し，オンライン学習を効率的かつ効果的に行えるようにすることは，世界的に重要な課題となっている。学習者の潜在的な知識状態を的確に診断する認知診断モデリング，及び学習活動によって知識状態の経時的変化を追跡する知識追跡モデリングは，そのための基礎的技術となる。
本年度，我々は学習データを活用した学習支援の観点から研究を推進しており，学習者の知識状態を動的に追跡するKIKTモデル(knowledge interaction-enhanced knowledge tracing model)を提案した。ニューラルネットワーク手法を用いる近年のState-of-the-artの知識追跡モデルは，結果の解釈が困難であることが大きな問題点となっている。これに対して，KIKTモデルは，Dynamic Key-Value Memory Networksを用いて各潜在的知識概念における学習者の知識習得状態を経時的に追跡し，項目反応理論により学習者の潜在能力値および項目特性（困難度および識別力）を推定することで，学習活動における大規模時系列ログデータを活用しながら，結果の解釈性を高めることが可能である。さらに，各知識概念間の相互作用の概念を提案し，学習過程における知識の関係性や学習者の動的な知識獲得プロセス（学習と忘却），および学習者と学習活動による項目難易度の変化等をモデルに組み込むことで，学習者の知識習得状況をより正確に追跡し，各知識概念の解釈可能性を高め，テスト項目の特性値の推定もできる。３つの実世界の公開データセットを用いて実験を行った結果，提案モデルの優位性を示すことができた。研究成果は国際学会誌Applied Intelligence等に採択され，国際学会で発表を行った。
|
| 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
学習データを活用した学習支援の観点から研究を推進しており，学習者のLearning growthを測定するため，動的に学習者の知識状態を追跡するKIKTモデルを提案し，実データに対して実験を行った結果，提案モデルの優位性を示すことができた。論文は当該分野のトップジャーナルAIに採択された。しかしながら，新型コロナウィルスの影響により，国際大会への参加や情報収集，そして発表の機会自体がすくなかった。
|
| 今後の研究の推進方策 |
知識構造やQ-matrixを取り入れた知識追跡モデルを開発し，推定精度の向上，及び結果の解釈可能性の改善に向けて研究を推進する。
|
| 次年度使用額が生じた理由 |
(理由)
新型コロナウィルスの影響により，国際大会への参加や情報収集のための旅費等の使用ができなくなったため
(使用計画)
サーバー利用料や，調査・打合せ，論文掲載料，学会発表の参加費および旅費等に用いる
|
