2018 Fiscal Year Annual Research Report
大学間連携により自己成長型大規模データベースを構築する高度学習支援システム
| Project/Area Number |
17H01842
|
|---|
| Research Institution | Hiroshima Institute of Technology |
|---|
Principal Investigator |
廣瀬 英雄 広島工業大学, 環境学部, 教授 (60275401)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 知的学習支援システム |
|---|
| Outline of Annual Research Achievements |
学生の習熟度がますます多様化する時代を背景に、学生それぞれの習熟度にきめ細かく対応できる知的学習支援システムを充実させる期待は一層高くなる傾向にある。このため、本研究では、まず利用価値の高い大規模な知的学習支援システムの構築を目指すことを目的とし、項目反応理論など現代テスト理論を評価法に加味した上で、欠測データに対しても習熟度がロバストに推定できるようなアルゴリズムを構築してきた。その際、対象科目を大学数学基礎科目（微積分と線形代数）に特化した上で、3000問以上の設問を準備し、1000人規模の大学入学生全員に一斉にテスティングが行える大規模オンラインコンピュータシステム環境を整えた。
次に、刻々と蓄積されるオンラインデータベースを用いて、さまざまな方向からの統計的な分析を行ってきた。これまで実施してきたラーニングアナリティクスから得られた知見は次のとおりである。（１）入学直後のプレースメントテスト、毎授業のオンラインテスト、および期末試験との相互関係を調べると、プレースメントテストから期末試験の結果を予測することは困難であるが、蓄積されるオンラインデータに提案した最近傍による類似性を適用すれば期末試験の結果を学期途中からでもある程度の確率で予測することが可能である。（２）アダプティブオンラインテスティングから得られた応答マトリクスは欠測データがかなり多いため問題の困難度の推定が難しいが、応答マトリクスを操作することによって、問題の困難度の推定値を一部求めることは可能である。
さらに、複数大学間での連携協調により共通的なプラットフォームを構築し利用価値の高い大規模な知的学習支援システムの構築を目指すこととして、教科書の付録につけた「Webアシスト演習」に蓄積されてきているアクセスデータから、線形代数、微分積分、確率・統計、基礎物理の4つの科目の授業支援を行っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
平成29年度は、比較的小規模での不完全反応パタンマトリクスからの習熟度評価を可能にしている学習支援システムを、大学間連携の形に発展させるために、大規模なデータベースでも安定して高速に習熟度を推定できるアルゴリズムを開拓し、問題登録システムを構築した。
平成30年度は、この実績の上で、大規模な応答マトリクスに欠測値の存在する状況下での項目反応理論でのパラメータ推定を行った上で、オンラインテスティングからデータを用いれば、期末試験の成否を確率的に予測できるかどうかについては、機械学習と統計的方法を総合的に取り扱うことによって可能であることを示した。具体的には、オンラインテスティングで刻々と蓄積されていく蓄積データを用いて推定された学生の能力値のトレンド間の類似度を提案し、それを使うことによって学生の期末試験の成否の2値分類を学期の早い段階からある程度の確率をもって予測できることを示した。オンラインテスティングとラーニングアナリティクスの成果は、統計数理研究所の統計数理で特集が組まれている特集号「統計教育の新展開」の中に掲載されている。また、学生の早い段階でのリスク予測に関しては、コンピュータ&エデュケーションの特集号「AI 時代における教育と学習について考える」の中に掲載されている。
また、個別の組織内だけでなく一般に公開された線形代数、微分積分、確率・統計、基礎物理の4つの科目の教科書を媒体にして運用されている連携データベース（「Webアシスト演習」）に蓄積された反応パタンから推定されたアイテムの特徴を有効に利用するシステム構築を設計した。これは、インタラクティブ学習システムが真に問題発見能力や問題解決能力につながっているかどうかを確認できるように、ラーニングアナリティクスを深める基盤となる。
|
| Strategy for Future Research Activity |
平成31年度は、数年にわたって蓄積されてきた大規模ラーニングデータについて統計的な分析を深めていき、ラーニングアナリティクスで初めてわかるような知見を求めていきたい。平成31年度は特に、ラーニングアナリティクスを、統計的な分析だけでなく、最近急激に成長をとげているAIでの認識の方法論を使った分析にまで広げ、学生の認識の方法論を展開できる方法を模索していきたい。
さらに、得られた知見から今後の大学基礎教育において提言ができるような基礎資料を提供できるような資料を蓄積していきたい。そのために、大学組織内での大規模ラーニングアナリティクスを充実させることはもちろんのことであるが、数学科目ではなく例えばプログラミングの授業で展開されている方法論や、AIを使ったラーニングの方法論を展開しているグループとの協調をはかることを試みる。
そして、結果が得られたら、今後ラーニングデータを用いることの重要性についてそれを広くアカデミアに示していきたい。具体的には、「データサイエンスシンポジウム」と「Webアシスト演習研究会」の同時開催計画している。また、その結果を広く公開する。
|
Research Products
(12 results)
