| 研究課題/領域番号 |
21K02783
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分09070:教育工学関連
|
|---|
| 研究機関 | 日本大学 |
|---|
研究代表者 |
渡邊 博之 日本大学, 工学部, 研究員 (40147658)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 記述式コースウェア / クレペリン検査 / 脳波 / 推定 / フラクタル解析 / ボックスカウンティング / セミバリオグラム |
|---|
| 研究成果の概要 |
本研究では，主として次の2件を成果として論文発表した。
（１）記述式の繰り返し学習型コースウェアのモデルとして，クレペリン検査を対象にメトロノームを鳴らすことによって回答数が最大となる学習者に適したリズムがあることを，脳波と回答数の関係から明らかにした。また，記述式問題では無回答問題が生じるため，過去の学習データから回答数が最大となる脳波を推定する方法を提案し，実測値と比較した。
（２）記述式コースウェアを作成する場合，提示する問題に画像が含まれる。画像として工具を対象に，形状と色彩の特徴をフラクタル次元を用いて判別する新たな分析法を提案した。また，フラクタル次元を用いて工具の汚れを判別した。
|
| 自由記述の分野 |
工学教育
|
| 研究成果の学術的意義や社会的意義 |
研究成果の学術的意義や社会的意義は次の2件にある。
（１）クレペリン検査中の脳波の測定により，学習者に最適リズム（通常リズムの1.2倍）を与えることで，回答数はリズムの倍数以上になることを実測値と推定値から明らかにした。今後，本研究は教員の授業テンポ（リズム）に学習者が追従できる資料や，過去の学習データの組合せから学習者個々にとって最適な学習法が推定できる方法として有用となる。
（２）画像解析のモデルとして工具を対象に，種類，分野，形状の特徴，及び工具の劣化を判別した。今後，本研究はフラクタル次元を用いた新たな工具の開発や，工具の交換時期を管理する分析法として有用となる。
|
