| 研究課題/領域番号 |
21K00655
|
|---|
| 研究機関 | 獨協大学 |
|---|
研究代表者 |
李 凱 獨協大学, 経済学部, 准教授 (10531543)
|
|---|
| 研究分担者 |
中西 貴行 獨協大学, 経済学部, 教授 (10406019)
狩野 紀子 拓殖大学, 外国語学部, 教授 (40350574)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| キーワード | 遠隔学習 / e-ラーニング / ラーニングアナリスト / AI / 学習履歴 / 可視化 / マルコフモデル |
|---|
| 研究実績の概要 |
本研究は、オンライン英語学習のプロセスに着目し、学習活動のモデル化手法の開発、及び評価の多様化、諸学習活動の可視化を支援するe-ラーニングAIアナリストシステムの開発と実践を目的とする。
今年度は上記の目的を達成するために、主に初年度で取得した学習履歴ログデータを利用し、学習活動遷移の可視化と学習パターンのモデル化を行った。
まず、マルコフモデルを用いて各ページ間での遷移確率を算出し、学習行動の遷移をモデル化・可視化した。具体的に、各ページの遷移順番と回数をベクトルデータに変換し、k-meansで類似行動をクラスター分類した。可視化したモデルの各ノードは回覧したページ、線はページ間の遷移、線の太さは学生の全体の割合を示す。クラスター分類した結果、受講優先グループ，レポート優先グループ，とレポート未提出グループの３つクラスターに分類した。
次に、目標学習ページまでの学習活動のステップを追跡した。ステップ・マトリックスを利用し、学習がどのページから始まり、どのページで終了し、どのページがアクセスされていないことをステップごとに追跡することができた。結果として、41％の学生が第2ステップでレポートリストページにアクセスし先にレポートの内容を確認してから、また他の学習ページに閲覧することで、多くの学生がレポートの完成を目的にオンライン学習していることが分かった。
今年度で得られた関連研究成果を情報学研究論文誌、教育システム情報学会などで発表した。次年度は、今年度の研究成果を踏まえて、開発した学習活動パターンのモデルを活用し、オンライン英語学習の評価及び自律学習の支援手法の開発及び検証実験の実施を行う。
|
| 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
今年度の計画はAIアナリストの機能デザインと学習特徴抽出アルゴリズムの開発を行う。計画通りに、開発したRPAプログラムを利用しManaba（学習管理システム）に表示された学習履歴ログデータを自動的に取得することができた。取得したログデータを用いて、学習活動遷移のモデル化・可視化を実施した。具体的にマルコフモデルを利用した学習行動遷移の可視化、k-meansで類似学習パターンのクラスター分類、ステップ・マトリックスを利用した目標学習ページまでの学習活動の追跡を行った。
結果として、レポート優先グループの学生は先にレポートの内容を確認してから他の学習内容に回覧することが分かった。レポートの提出するまで、学習ステップ数も少なかった。受講優先グループの学習ステップが多く、コメントの回覧、掲示板へのアクセスなどフィードバックも見られ、知識の獲得と他人とのコミュニケーションを目的であることが分かった。レポート未提出グループの学生が全体的な学習活動ステップが少なく、レポートの提出に至らなかった。
本研究で開発したRPAプログラムと学習活動のモデル手法を利用し、今まで多くのManabaの教員ユーザーが利用されていないManabaのログデータを活用でき、自ら多様な視点から学習活動の解析、適切な学習支援と授業手法の改善が可能になる。以上の成果を関連する国内の学会、雑誌にて発表した。
|
| 今後の研究の推進方策 |
本研究は、オンライン英語学習のプロセスに着目し、学習活動のモデル化手法の開発、及び評価の多様化、諸学習活動の可視化を支援するe-ラーニングAIアナリストシステムの開発と実践を目的とする。初年度では、オンライン英語授業の現状調査と学習履歴ログデータの取得プログラムの開発を行った。今年度では、初年度で取得した学習履歴ログデータを利用し、学習活動遷移の可視化と学習パターンのモデル化を行った。また、DAOを利用したWBT（Web Based Test）をサーバーに実装した。
次年度にオンラインテストの学習行動を解析し、評価手法を提案する。また、開発した学習遷移モデルを用いて、学習者の学習活動を評価し、個々に応じた適切な学習支援手法を提案する。予測された学習スタイルと評価結果を用いて、英語学習の４技能、学習到達目標CAN-DOリストの自動評価や授業改善に参考データを提供する。また、予測モデルの改良を踏まえ、新たな学習履歴データを用いてモデルの妥当性を検証する予定である。
|
| 次年度使用額が生じた理由 |
WBTオンラインテストを実施するため、サーバーの購入が必要となる。また実証実験を実施するため、実験協力者への謝金、データ解析ソフトウェアの購入と解析用コンピューターの購入が必要である。
その他、研究打ち合わせと学会へ研究成果発表の旅費を計上している。
|
