| 研究課題/領域番号 |
19K12272
|
|---|
| 研究機関 | 九州工業大学 |
|---|
研究代表者 |
大西 淑雅 九州工業大学, 学習教育センター, 准教授 (50213806)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 学習分析 / 学習データ / LMS / FPGA / アドバイス |
|---|
| 研究実績の概要 |
前年度に引き続き、学部１年生の必修講義「情報リテラシ」の学習データの収集を行った。本年度の講義は対面を主体とする授業ではなかったため、非同期型の遠隔授業の学習データを使って、分析モデルの構築を試みた。学習データが示す傾向と成績との関係について分析を進め、研究結果の一部は国際会議に公表した。特に、対面授業と遠隔授業の簡易な比較を行うことで、Moodle上の学習データや活動履歴の違いを調査できた。その結果、どちらの授業スタイルに対しても、学習アドバイスの提示の可能性を確認できた。
LAエンジンの売りである、学習関連データのハードウェア収集については、計画通り進めることができなかった。次年度以降にFPGA開発ボードを用いて研究を進める予定である。一方、LAエンジンのアルゴリズム設計およびソフトウェア処理などの開発については、Moodle上のコース構成の分析アプローチを用いて進めることができた。具体的には、個人情報などの扱いに注意した上で、所属機関における情報工学系の約2500コースと工学系の約2700コースについて分析を試みた。コース構成データの自動収集を実現したことで、比較的学習コンテンツの多いコースを分析マスタに設定できる。これらの収集データを活用することで、教授者へのフィードバックを実現するプロトタイプ開発を進めることができた。
また、アドバイスデータベースの構築に着手し、コース自身が持つ情報、教員の活動、受講生の活動、といった３つの区分に分けた上で、指示数、アクセス数、課題数（確認数、保有数）、資料数（利用、閲覧）、時間情報などから、アドバイスデータベースのひな形の作成を進めた。なお、システム間の活動ログの収集を安全に行うために、認証管理ツールの活用も一部進めることができた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
所属機関では、対面授業が実施できず遠隔授業の支援業務が急増した。加えて、ビデオ会議サービスの全学提供やMoodleの同時アクセス性能の改善など、所属機関における業務のエフォート率が予想以上に高くなった。また、年度後半は、ハイフレック授業の実現に向けた業務も追加され、十分な研究時間を確保することができなかった。その中で、遠隔授業における研究データを収集することはできため、これらのデータを用いたアプローチを次年度以降に試みる。
本年度は、計画通り研究を進めることができなかったが、次年度は業務のエフォート率を定常状態に戻せる予定であるため、本研究計画の遅れを取り戻す予定である。
以上のことから研究の遅れが発生していると自己評価を行った。
|
| 今後の研究の推進方策 |
引き続き、教授者や学習者それぞれに、適切なフィードバックを与える「アドバイスデータベース」の設計・構築を進める。また、研究データの取り扱いを所属機関で調整しつつ、関連活動データの収集も開始する。その上で、アドバイスデータベースのプロトタイプ実装を進める。なお、フィードバックの提供方法としては、本年度に試作したLTI1.1によるMoodleとの連携をベースにLTI1.3を用いた方法で実現を目指す。
計画に遅延が発生している、「データの収集・分析を支援するハードウェア処理部の開発」を進める。また、学習データの実時間解析を可能とする「LAエンジン」の設計・開発を引き続き行う。なお、研究期間が不足する場合は、研究期間の延長などを行うことで、研究目的の達成を目指す。
|
| 次年度使用額が生じた理由 |
国内会議や国際会議などがオンライン開催となったため、計画通り予算を執行できなかった。また、打合せなどについてのオンラインの活用が増え、旅費の活用が大幅に減少した。
一方、教授者や学習者への個人情報を配慮しつつ、Moodle上でフィードバックを安全に提示するためには、当初の計画より複雑な仕組み（LTI1.3）による開発が不可欠であることが分かった。最近公開された、Moodle3.10以降の開発が必要となるため、次年度に開発経費を使用することとした。
以上の理由から次年度用額が発生した。
|
