| 研究概要 |
本研究は、e-ラーニング学習環境で提供されるウエッブページ教材の学習者を対象に、ウエッブ構造マイニング1)により知識抽出を行って学習者の理解モデルを推定する方法を確立し、学習者との相互作用をこれまでよりも多様に行えるようにすることを目的とする。具体的には、1.学習者のページ参照関係をノードとエッジで構成した状態遷移モデルに構造化して、2.学習者の症状(誤理解など)を観察して遺伝子機能推定をはかるノックアウトスタディ2)を適用し、3.参照ページの状態遷移関係からターゲットに選んだページを欠損させる(ノックアウト)ことにより、4.学習者に予想される症状の推定を可能にするような、理解モデルマイニングを提案する。
22年度までは1.と2.について研究を進め、ウエッブ学習者の多数の参照履歴の統計処理による状態遷移モデルの分類、ノックアウトとテスト結果を関係付けることによって誤理解のもとになる知識(ページ)の参照関係の抽出を行うため、インパス駆動支援プログラムを完成させた。実際に、150名以上の受講学生データを分析し、成果をGlobal Learn Asia Pacific 2011において発表した。23年度は提案手法の有用性を評価する実験を行う予定であったが,学部改組のために授業科目が変更されてしまい,受講生の確保が出来なくなった.そのため,ノックアウトスタディ機能を教材に依存しない支援に限定し,10名の学生に適用した.結果は,プログラミング初心者ほど,有用性が他会と言う結論となり,最終年度の24年度は方法のまとめと報告(国際会議と学会誌)の予定である.
|
| 今後の研究の推進方策 |
22年度のプラットフォームをもとに,提案システムの有用性を確認する実験を計画し,23年度に実施した.申請時に必須科目であった基礎プログラミング演習が,学部改組のためにカリキュラムから削除されたため,実験に参加できる学生を確保できなくなった,このため,この授業を受けていない他学科学生10名に、評価実験を実施したところ、プログラミング初心者ほど,提案したガイダンスの効果が大きいことが判明した.なお,マイニングデータは改組前の学科学生のものであり,それ以外の学科学生に有効であるかは,特にノックダウン手法の適用に対して疑問が残るため,24年度ではこのことを中心に研究を進めるとともに,国際会議発表と学会誌への投稿を行うこととした.
|
