2022 Fiscal Year Annual Research Report
ペン入力データと解答過程を考慮したハイブリッド型学習データ解析手法に関する研究
| Project/Area Number |
19K21758
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
中村 泰之 名古屋大学, 情報学研究科, 准教授 (70273208)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
金子 真隆 東邦大学, 薬学部, 教授 (90311000)
高遠 節夫 東邦大学, 理学部, 訪問教授 (30163223) [Withdrawn]
|
|---|
| Project Period (FY) |
2019-06-28 – 2023-03-31
|
| Keywords | 数学eラーニング / 手書きノート解析 |
|---|
| Outline of Annual Research Achievements |
オンラインテストの「解答」情報だけでなく、学習者がどのような誤答，準正答を経て正答に至ったかという解答過程と、どのような計算過程、思考様式（筆記速度、書き直しなど）に基づき解答を得たかというペン入力データは相互に密接に関連しているはずである。LMS上で得られたオンラインテストの学習データは
立式、計算、検討などの思考過程を経て得られた「解答結果」であることに注意が必要である。一方、理数系教育では、計算問題等の解答結果だけでなく、解答を得るに至ったプロセスについても注視していく必要がある。そのために、これまで独立にその方法論が追求されてきた、解答結果と解答に至るまでの思考過程とを融合した形で解析することが効果的であると考えられるが、現在のところそれに関する有効な方法論はまだ確立されていない。本研究では、誤答、準正答、正答などの解答過程を含む結果としての解答データと、計算など思考過程の現れとしてのペン入力データとを融合した、ハイブリッド型の学習データ解析手法の確立を目的とする。
我々は、STACKで数学の問題に解答する際、解答だけでなく、デジタルペン入力によりタブレット上に思考過程を記述した手書きノートも併せて提出することのできる機能を、STACKの新しい「解答タイプ」プラグインとしてすでに実装済みであるが、この手書きノートから、筆記イベント時刻、消去イベントなどのログ
を収集する仕組みをMoodle のプラグインとして構築している。この機能を用いて、特徴量として、筆記速度、書き直しのための「消しゴム機能」の利用回数、筆記停滞時間に着目し、筆記状況の可視化を行い、解答結果に対する自信度との関連を機械学習を用いて推定することを行った。また、筆記データから推測された問題の難易度と、項目反応理論により推定された問題の難易度との関連性の検討を行った。
|
