| 研究課題/領域番号 |
20K03098
|
|---|
| 研究機関 | 公立はこだて未来大学 |
|---|
研究代表者 |
伊藤 恵 公立はこだて未来大学, システム情報科学部, 准教授 (30303324)
|
|---|
| 研究分担者 |
竹川 佳成 公立はこだて未来大学, システム情報科学部, 准教授 (60467678)
平田 圭二 公立はこだて未来大学, システム情報科学部, 教授 (30396121)
冨永 敦子 公立はこだて未来大学, システム情報科学部, 教授 (60571958)
寺井 あすか 公立はこだて未来大学, システム情報科学部, 教授 (70422540)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | プログラミング演習 / 学習尺度 / モデル化 / 可視化 / 学内ハッカソン / モブプログラミング / 数学学習尺度 |
|---|
| 研究実績の概要 |
(1)教育の質的資源・量的資源の取得・分析については，授業以外でのプログラミング機会増，プロジェクト学習受講前のシステム開発体験，および，それらからの情報教育IRデータの収集を目的とし，学内モブプログラミング（参加5チーム12名）および学内ハッカソン（参加約70名）を実施した．
(2)情報的な観点でのモデル化に関しては，学習する学生の持つ性質，特徴，動作などを模擬する学生モデルを構築するため，オンラインプログラミング演習への参加意欲という隠れ変数を仮定し，それが学生間のプログラムへの相互コメント付けや成績にどのように現れるかを実験観察したほか，プログラミング学習と数学学習の関連を明らかにすべく，冨永・内山（2017）のプログラミング学習尺度に対し，数学学習尺度の構築を目的とし，「知識・能力」「意欲・態度」に関する数学学習尺度をそれぞれ作成した．
(3)修学に問題のある学生を早期に予測することは，教育分野の課題の1つである．修学に問題のある学生に適切な支援策を講じるために，学習関連データから学生の成績を正しく予測することが重要である．そこで，本学で開講されているプログラミング演習を対象に，講義内で実施される理解度確認テストの達成度の推移に関する近似モデルを提案した．具体的には，エージェント集合モデル（Agent Based Model:ABM）を用いて，近似モデルを構築する．なお，本研究で用いるABMは，標準的なマルチエージェントシミュレーションが持つエージェント間の相互作用を考慮せず，簡単化している．そして，ABMによるシミューレション結果と正解データの平均正答率と分散を比較し，提案モデルの妥当性の検証と近似精度を評価する．その結果，提案モデルの決定係数は0.89であり，高い近似精度を得ることができた．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
継続的に実施している学内ハッカソン，新しく導入した学内モブプログラミングは順調に進んでおり，教育の質的資源・量的資源のデータの収集方法・分析方法の見通しもたっている．モデル化については，被験者の学生5名，5週間に渡り実験を行い，毎週アンケートを実施し，実験期間中の各学生の交流，意見交換，プログラム改善，雰囲気，進め方，関わり度の変化を主観評価した．参加意欲という隠れ変数の存在と，その成績への影響が示唆された．また，高校数学を対象とし，大学での数学学習の前提となる「知識・能力」「意欲・態度」に関する数学学習尺度を作成するとともに，調査を実施し，一定程度の妥当性が確認された．さらに，モデルを活用した学習環境の構築の一環として，合格週予測モデルの推定結果の可視化機能をもつ成績管理アプリケーションを開発した．提案アプリーケーションを用いたユーザスタディを実施し，単位不認定学生の特定精度の向上が観測され，PoC(Proof of Concept)レベルにおける検証は完了した．本成果は1件の学術論文誌(10.研究発表の雑誌論文1件目)に掲載された．また，1件の国際会議(10.研究発表の学会発表1件目)で発表した．加えて，理解度確認テストの達成度の推移に関する近似モデルを提案した本成果は1件の学術論文誌(10.研究発表の雑誌論文2件目)に掲載された．
|
| 今後の研究の推進方策 |
(1)教育の質的資源・量的資源の取得・分析については，学内モブプログラミング，学内ハッカソンを引き続き実施し，データ収集・分析を行う．
(2)情報的な観点でモデル化することに関しては，多人数，長期間，学生間コミュニケーションを活性化するチャネルを導入し，より現実に近い状況を想定した被験者実験を実施し，より詳細な学生モデルの構築を目指すほか，数学学習尺度については，今後，プログラミング学習尺度を含めた調査を実施し，プログラミング学習と数学学習の関連を明らかにしたいと考えている．
(3)プログラミング演習における学習者のデータを用いて，最善なグループを編成するマッチングアルゴリズムの構築する予定である．これにより，ピア・インストラクション(教え合い)を誘発させることによる，グループワークの学習効果を向上をめざす．
|
| 次年度使用額が生じた理由 |
コロナ感染症により2020年度に続き、2021年度も当初計画通りには進行できなかった部分があり，次年度使用額が生じた．複数年度間で進め方や予算を調整し，全体として当初計画通りの研究課題を遂行する．
|
