|
本研究では，理解状態とモチベーションの関連を解析できる統計的関連分析手法と，両者の関連を表すモチベーション関連モデルを構築し，学習支援の開始時期導出機構によって，e-Learning における学習者自身に適応した学習者支援開始時期を体系的に導出できる教授学習支援システムの実現を目的としている。3年間で得られた主な研究成果は次のとおりである。
(1)多様なプログラミング教育環境に適応できるよう改善した“理解状態解析機構”で理解状態を解析し，ARCSモデルを適用した“アセスメント尺度測定機構”によってモチベーションレベルと遷移状態の特性を明らかにした。次に，その授業回におけるモチベーションの下位カテゴリーの分布が分散すると，次回の授業ではその分散が大きくなって，モチベーションが減少する学習者が有意な割合で存在することを解明し，下位カテゴリーの分散を関連要素の一つとして，学習者のモチベーションの遷移推定ができる統計的関連分析手法を提案した。
(2)モチベーション関連機構を設計し，本学および国内の研究協力者の大学で本機構の評価実験と先行研究の比較などにより改善項目を導出した。その解析結果，先行研究の学習環境要因尺度，関連分析モデル，および支援候補学習者のカテゴリーよりモデル構成要素を導出し，理解状態とモチベーションの関連を表すモチベーション関連モデルを構築した。
(3)本手法で導出した支援候補学習者における偽陽性データを減少させるため，ヒューリスティックなメトリスクを取り入れ，学習者支援のための開始時期導出アルゴリズムを提案し，支援候補学習者における4個の偽陽性データを2個減少させて導出率が向上できた。
(4)本学および国内の研究協力者の大学および，小学校におけるプログラミング教育を加えた評価実験によって本機構の改善要素を評価した。成果については国内外の学会において発表を行った。
|
