研究課題
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行った。まず、Manaba（学習管理システム）から学習履歴取得プログラムを開発した。次に、学習行動の遷移をモデル化・可視化した。また、取得したログデータから活動の量、活動の時間、活動の頻度の3カテゴリから43個の変数を抽出し、ログデータの構造化を行った。その他、冗長変数を削減し、各カテゴリの重要変数を確認できた。最後、k-meansクラスタリング手法を利用し、学習活動の類似度から学習者の分類を行った。最終年度では、実証実験を行った。ある英語授業のログデータを取得し、学生を４つのクラスターに分類できた。クラスター1の学生は、各カテゴリの主成分がいずれも大きく、コンテンツの学び、コミュニケーション、チーム活動などの「実質的な学習」に時間をかけ、学習への取り組みがよい学生であった。クラスター4の学生は、いずれのカテゴリの主成分も中心値がマイナスであり、特に活動の量と活動の頻度の値が低く、早期に適切な介入とサポートが必要と考えられる。本研究の意義として、Manabaから今まで活用されていないログデータを取得でき、分析を通じて複雑な学習活動がどのように表出されうるのかを実践的に試み、結果を得た点が挙げられる。また、データの構造化により、学習プロセスの総合的な評価が可能になったものと考えられる。これらの手法を利用し、Manabaのログデータを用いた学習スタイル分類、多様性分析、学習評価、学習リスクの早期発見、個別支援が可能であることが示唆された。本研究で得られた関連研究成果を国際会議EDULEARN、eLearnなどに発表し、及び情報学研究、Computer＆Educationなど学会誌に掲載した。
すべて 2025 2024
すべて 雑誌論文 (3件) (うち査読あり 2件) 学会発表 (2件) (うち国際学会 2件)
コンピュータ＆エデュケーション
巻: 58 ページ: -
Proceedings of E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education
巻: 2024 ページ: 278-287
獨協経済
巻: 118 ページ: 53-59
