| 研究課題/領域番号 |
21K02783
|
|---|
| 研究機関 | 日本大学 |
|---|
研究代表者 |
渡邊 博之 日本大学, 工学部, 教授 (40147658)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | クレペリン検査 / 回答数 / 脳波分析 |
|---|
| 研究実績の概要 |
学習時や作業時における脳活動の部位と量を調べることは，作業量の多い学習者のメカニズム解明や効率よい学習法の解明に重要である。これまで，記述式の繰り返し学習モデルとして，クレペリン検査を対象として脳波と作業量である回答数との関係を分析してきた。その結果，リラックスと緊張とのバランスを示す指標 Ca/Cbの値が大きい学生や，左脳と右脳のバランスが良い学生は回答数が多いことを明らかにした。
本研究では，教員の授業中のテンポに学生の学習や作業が追従できるかを検討している。このため，テンポとしてメトロノームを用いてリズムを鳴らしながらクレペリン検査を行った場合の回答数とCa/Cbとの関係から，記述式コースウェアにおける最適リズムを明らかにしている。また，最適リズムの有無による作業量である回答数の違いを脳活動の部位とCa/Cbから解明している。その結果，次のことを明らかにした。
（１）クレペリン検査の回答数を多くするためには，学生それぞれに適したリズムがあることを示した。全体的には，リズム無しのクレペリン検査の回答数に対して1.2倍のリズム（beat/min）の時に回答数が増加することを明らかにした。
（２）クレペリン検査の回答数が増加した理由は，リズムの無いクレペリン検査ではCa/Cbと回答数との相関が左脳前頭葉（F3）にはあるが，右脳前頭葉（F4）には無いためであり，リズムを有するクレペリン検査ではF3とF4のCa/Cbの値が同じになる（左脳と右脳のバランスが良くなる）ため回答数が増加することを明らかにした。
|
| 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
クレペリン検査は知識に左右されることなく学習データが収集できる単純加算作業であるため，記述式コースウェアにおいて，回答数を作業量とすると一定時間内における作業量の評価として利用できる。また，作業量を一定とすると短時間に作業時間や学習時間を終了するためのコースウェアの設計に有用である。
本研究では，研究実績の概要（１）に示すように，作業時間を短縮するために，記述式コースウェアであるクレペリン検査の作業中にテンポとしてメトロノームでリズムを鳴らしながらクレペリン検査を行った場合の回答数とCa/Cbとの関係から，記述式コースウェアにおける最適リズムが，学習データに基づき定量的に1.2倍という具体的な値で明らかにすることができた。また，概要（２）に示すようにリズムがない場合と比較してリズムがある場合は，一定時間内の作業量が増加するメカニズムを右脳と左脳のバランス指標から解明することができ，脳波を用いて学習データを分析することができた。具体的に，これらの成果は2022年電子情報通信学会総合大会で「リズムを鳴らしたクレペリン作業時における脳波分析」として発表することができたので（D-15-9，2022年3月17日），おおむね順調に進展している。
なお，本研究は作業時間と作業量の両面からコースウェアを考えることができる学習データの分析を行っている。また，実験のみならず，推定を考慮した開発も行っている。これらを鑑みて，当初予期しない状況が発生してもLMSの開発には対応が可能な研究が展開できる。
|
| 今後の研究の推進方策 |
研究計画書において，令和4年度はAIやディープラーニングを用いて学習者の理解度を推定することを目的にしている。このため，概要で明らかにした成果を発展させるとともに，学習支援システム（LMS）の開発と運用に向けて，次の推進方策を行う予定である。
（１）概要（１）では，リズム無しのクレペリン検査の回答数に対して1.2倍のリズム（beat/min）の時に回答数が増加することを明らかにした。今後は，過去の学習データを組み合わせることによって，最適リズムが1.2倍となるかを推定する。具体的には，学習データを得ること，学習環境に関するデータを得ること，学習環境と学習データを組み合わせることによって推定値を得ることである。
（２）概要（２）に示すようにリズムがない場合と比較してリズムがある場合は，一定時間内の作業量が増加する理由が右脳と左脳のバランスが良いためであることを解明した。今後は，他の方法によって右脳と左脳のバランスが良くなると作業量が増加するかを検討する。具体的には，リズム以外の方法の活用として，安静閉眼，アロマテラピー，絵画鑑賞などによって，右脳と左脳のバランスが良くなるかを検討する。
（３）概要（１）や概要（２）の研究成果をLMSに組み入れる展開を行う。具体的には，過去のデータを用いて，個人にあった最適なコースウェアを提示する条件をあらかじめ推定する。この結果，実験することなく個別学習に対応した学習支援システムが開発できる。
|
