| 研究課題/領域番号 |
20H01720
|
|---|
| 研究機関 | 名古屋大学 |
|---|
研究代表者 |
光永 悠彦 名古屋大学, 教育発達科学研究科, 准教授 (70742295)
|
|---|
| 研究分担者 |
山口 一大 法政大学, その他部局等, 特別研究員 (50826675)
鈴木 雅之 横浜国立大学, 教育学部, 准教授 (00708703)
植阪 友理 東京大学, 高大接続研究開発センター, 准教授 (60610219)
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) |
2020-04-01 – 2024-03-31
|
| キーワード | 認知診断モデル / 学力評価 / 授業改善 |
|---|
| 研究実績の概要 |
本研究課題においては、主に小学生を中心とした算数・数学の学習場面において、認知診断モデルを用いた「学びの深さ」の評価手法を題材とする。認知診断モデルにより学びの深さを検討するためには、算数の問題と、それを解くために必要な概念（アトリビュート）及び問題を解くために必要な概念の対応表（Qマトリックス）を用意し、問題に対する正誤データとQマトリックスから児童ごとの「アトリビュートの修得確率」を推定する。
2020年度においては、認知診断モデルによる調査の手法を、既存の小学生向け算数テストの正誤データにあてはめ、その結果から何が言えるかについて検討する部分を行った。認知診断モデルに基づくテストの分析においては、多数の問題が必要となるが、教科書会社が保有する問題を題材として、その問題に対するアトリビュート及びQマトリックスを設定することで、教科書会社が過去に出題した際のデータを流用して分析が可能となる。アトリビュート及びQマトリックスの設定にあたっては小学校教員などによるアドバイスが必要であったが、新型コロナウイルス感染症の対応のために協力を十分に得ることが難しくなった。
この検討と並行して、次年度以降の研究において、実際の児童からデータを収集するために、小学校に対して調査協力を依頼した。ただし、新型コロナウイルス感染症の拡大のため、当初の計画通りに調査をするのが困難な状況となった。またあわせて、認知診断モデルにおける分析手法の理論的背景に関する研究を行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
本研究課題においては、認知診断モデルの枠組みによる評価を行うために、既存のデータの再分析及び類似事例の検討を先行して行うこととし、その後、新規に調査データを収集するという研究計画を立て、次年度の早いうちにデータを収集できるようにするべく、今年度後半に調査協力依頼をする予定であった。あわせて、アトリビュートやQマトリックスの検討についても、早期に行う予定であった。しかしながら、新型コロナウイルス感染症の拡大のために小学校の教育現場が多忙を極めるようになり、新規の調査研究に対しての協力が難しい状況となった。調査にあたっては、データ収集の際、対面により質問紙（実質的には学力調査に類似のテスト問題）を配布して、解答用紙に解答させる形式をとっており、データ収集手法を含めた見直しが求められているといえるが、これらの点を検討するための時間がとれなかったことから、研究の進捗としては遅滞が見られるといえる。
一方で、データの分析手法に関する研究や他の認知診断モデルの活用事例の検討等、データをとる以外の研究に関しては、おおむね当初の予定通りに進捗している。そのため、全体の進捗としては「やや遅れている」と考えている。
|
| 今後の研究の推進方策 |
新型コロナウイルス感染症の拡大状況がどのように推移するか、予断を許さない状況ではあるものの、感染症により学校が休校になる事態が長期にわたることは考えにくく、データを収集できるタイミングは、将来的にやってくるものと考えている。今後はいつデータ収集の機会が訪れても対応できるように、必要な準備を進めることを目指す。具体的には、既存のデータ（教科書会社が保有する解答データ）の再分析等、現有するデータでわかる範囲の検討を進めることを通じて、調査用問題冊子を早期に作成し、調査デザインの検討とともに準備していく。必要に応じてオンライン会議等を用いながら、専門的知見を蓄積していくこととする。
既存のデータの再分析結果については、まとまり次第、研究成果を報告していくが、問題を追加するにあたって「深い学び」の考え方のとらえ直しが必要とされる可能性がある。これにより、設定されるアトリビュートやQマトリックスの内容も見直される可能性があるが、そのような見直しを十分行っていき、調査実施の段階で問題内容の変更等が生じないように留意する。
|
