• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2023 年度 実施状況報告書

位相的データ解析によるラーニング・アナリティクスの新展開

研究課題

研究課題/領域番号 22K18614
研究機関中村学園大学

研究代表者

井上 仁  中村学園大学, 流通科学部, 教授 (70232551)

研究分担者 岡本 清美  大阪大学, マルチリンガル教育センター, 講師 (20533631)
隅谷 孝洋  広島大学, 情報メディア教育研究センター, 教授 (90231381)
山川 修  福井県立大学, 学術教養センター, 客員研究員 (90230325)
安武 公一  広島大学, 人間社会科学研究科(社), 准教授 (80263664)
多川 孝央  筑紫女学園大学, 文学部, 准教授 (70304764)
研究期間 (年度) 2022-06-30 – 2025-03-31
キーワード学習分析 / 位相的データ解析 / mapper
研究実績の概要

今年度は、学習分析に位相的データ解析を適用するにあたり、Mapperを適用するための準備としてMapperの主な構成要素である、フィルター関数の選択、被覆の数と被覆の重なり、クラスタリングの選択に関してどれが適切かの実験を行った。
具体的には、学習管理システムの学習者活動記録ツールによって収集されたデータセット(Amrieh et al., 2015, 2016)を対象にした。16個の特徴量と3段階に 分類された成績から構成され480レコードである。このうち値が整数である4個の特徴量と成績を利用して、Mapperを適用する際に、上記構成要素に対して、パラメータを変化することにより比較を行った。
実験は、フィルター関数としては、特定の次元成分、主成分分析を選択して比較した。被覆の数と被覆の重なりは、複数の値を選択して比較した。クラスタリングは、被覆の数と被覆の重なりを統一した上で、First gap heuristic、DBSCAN,Mean shift で比較した。オープンデータに対する結果では、First gap heuristic が適切であると判断された。
また、最適なパラメータの選択によるMapperでの結果と、昨年度の研究で得られたパーシステント図での結果が一致していることが示唆された。

現在までの達成度 (区分)
現在までの達成度 (区分)

3: やや遅れている

理由

授業実践でのデータの収集が遅れたため、オープンデータによる実験のみの実施となった。

今後の研究の推進方策

今年度は、研究者らが複数科目の授業を担当することになったため、多様な実データに対して、解析を実施する。

次年度使用額が生じた理由

実データへの適用が遅れたため、特に国際会議での発表が予定の回数に達しなかった。そのため次年度に繰り越すこととした。なお、すでに国際会議での発表は2件を投稿し採択され発表を予定している。

  • 研究成果

    (2件)

すべて 2024 2023

すべて 学会発表 (2件)

  • [学会発表] 学習過程における多次元データのMapperによる解析2024

    • 著者名/発表者名
      井上 仁, 安武 公一, 多川 孝央, 隅谷 孝洋, 山川 修
    • 学会等名
      情報処理学会教育学習支援情報システム研究会第42回研究発表会
  • [学会発表] Learning Analytics through a Topological Data Analysis Approach2023

    • 著者名/発表者名
      Hitoshi Inoue, Koichi Yasutake, Osamu Yamakawa, Takahiro Tagawa, Takahiro Sumiya, Kiyomi Okamoto
    • 学会等名
      EdMedia + Innovate Learning 2023

URL: 

公開日: 2024-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi