|
近年，実用的なITS(Intelligent Tutoring Systems)が普及し，教育現場でeラーニングが活用されている．ITSを用いた場合，学生の学習過程や試験結果をデータとして保存することが容易になる．Educational Data Miningでは，膨大な教育関連のデータから如何に意味のある情報を抜き出すかが焦点となる研究分野である．
試験は学習者のスキルを測る手段として用いられる．試験の各設問には解くために必要なスキルが設定されており，学習者がそのスキルを習得していなければ各設問に正答する事はできない．その設問とスキルの関係は関係行列としてQ-matrixと呼ばれ見識者によって定義されていた．先行研究では試験結果からNMFを用いてQ-matrixを自動的に抽出する試みがなされている．しかしながら，それらは学習者のスキルの時間変化を考慮していなかった．教育過程による学習効果をより深く理解するためには，時間とともにどのように潜在的にスキルが習得されていくか解析することが非常に重要である．
そこで，NMFをオンライン化することにより，蓄積された試験結果からQ-matrixを抽出するとともに，時間変化する学習者の潜在スキル状態も同時に抽出する手法の提案を行った．また，論理値で構成される行列を因子分解するBMFとNMFとの抽出結果の比較を行った．実際のITSから時系列試験結果行列を集積するための手法を考案し，Q-matrixの自動抽出とスキル修得過程の可視化に成功した．
また，隠れマルコフモデルによってユーザのスキル状態の推定を行う手法としてKT(Knowledge Tracing)が知られている．本研究ではKTと項目反応理論，さらに忘却効果を考慮したモデルを組み合わせる手法を提案し，従来手法よりも高精度の予測が可能であることを示した．
|
