Practice of Early Detection of Care Needed Students by Analyzing Educational Big Data Using Deep Learning

2019 Fiscal Year Final Research Report

• Project/Area Number: 16K01134
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Research Field: Educational technology
• Research Institution: Tokyo University of Technology
• Principal Investigator: ANDO Kimihiko 東京工科大学, 先端教育支援センター, 講師 (00551863)
• Co-Investigator(Kenkyū-buntansha): 柴田 千尋 東京工科大学, コンピュータサイエンス学部, 講師 (00633299) ; 田胡 和哉 東京工科大学, コンピュータサイエンス学部, 教授 (10188229) ; 稲葉 竹俊 東京工科大学, 教養学環, 教授 (10386766)
• Project Period (FY): 2016-04-01 – 2020-03-31
• Keywords: Learning Analytics / Institutional Research / 深層学習 / 学習管理システム

Outline of Final Research Achievements

We have developed an educational big data collection and integrated system for selecting students who need care. 1 million attendance data with time and seats number and 20 million Learning Management System's operation logs are collected annually.
We have developed a method that enables high-level multi-dimensional classification of conversations by using deep learning. However, the classification by this method has a large influence of the original data used as teacher data, and the system becomes low when the usage scene of chat such as different lectures is different, so it was necessary to prepare teacher data for each usage scene. .. Therefore, by using transfer learning, we have developed a method that can classify with high accuracy with about 1/10 of the teaching data compared with the conventional method.

Free Research Field

教育工学

Academic Significance and Societal Importance of the Research Achievements

大学における要ケア学生抽出のための基盤となる情報収集システムを構築し、従来よりも正確な分析が可能となる詳細な出席データおよびMoodleログの収集を全学的に実際に行なった。これにより、実データによる要ケア学生の分析が可能となり、要ケア学生抽出の実践に向けた準備ができたといえる。
さらに、より詳細な分析を行うための会話データ分類を深層学習により開発をした。これにより複数の次元による分類と、転移学習による少ない教師データによる高精度な分類を可能とした。