| 研究課題/領域番号 |
19H01728
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分09070:教育工学関連
|
|---|
| 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, 教授 (80390417)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| キーワード | 教育データマイニング / 潜在的スキル構造 / プログラミング教育 / Student Modeling / Skill Modeling / Q-matrix / 学習効果の可視化 / 学習中のログデータ |
|---|
| 研究成果の概要 |
ビジネスや医療の分野ではデータマイニングの研究が盛んである．しかし，教育の分野においては，膨大な試験結果とログデータの蓄積というビッグデータがあるにもかかわらず，機械学習を用いて潜在的スキル構造を抽出するデータマイニング手法は確立していない．そこで本研究では，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の開発した．具体的にはプログラミング授業で取得したログデータとソースコードを解析し，授業に追従できていない学生の抽出を行う手法を提案した.また，学習者のモデル化で一般的に用いられるKnowledge Tracingの拡張を行った．
|
| 自由記述の分野 |
知能情報学
|
| 研究成果の学術的意義や社会的意義 |
近年，実用的なe-Learningシステムが教育現場で活用されている．e-Learningシステムは，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であるため，Educational Data Miningでは，これらの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研究の焦点となっている． 我々は調査対象をプログラミング教育とした．プログラミング言語は修得が早い学習者，遅い学習者が顕著に現れる．なぜ，このような事象が生じるのか解明できれば，IT技術者の早期育成の一助となり，日本国内のIT人材不足を解消できると考えている．
|
