2023 Fiscal Year Annual Research Report
認知的スキルの診断を学習者の背景情報を考慮して行う統計モデル群の拡充と基盤構築
| Project/Area Number |
22KJ0634
|
|---|
| Allocation Type | Multi-year Fund |
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
丹 亮人 東京大学, 教育学研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2023-03-08 – 2024-03-31
|
| Keywords | 認知診断モデル / ベイズ罰則化 / 共変量 / 自動項目生成 |
|---|
| Outline of Annual Research Achievements |
本年度は、学習者の認知的スキルの診断を回答データに基づいて行う認知診断モデルに関して、主に研究発表を含む3点の研究を実施した。1つ目は、学習者の様々な背景情報として得られる共変量と、学習において修得が求められる認知的スキルとの関連について教育アセスメントに対する有名な統計モデル群の1つである認知診断モデルの枠組みに基づいて調べる説明的認知診断モデルを、ベイジアンラッソー事前分布により拡張する研究を英語論文出版まで行った。本研究により、説明的認知診断モデルの偏回帰係数などのパラメタの推定においてシミュレーション上の精度を高めつつ、実データへのモデル適用から実践的に少ない変数を選択することを示した。2つ目は、ベネッセ教育総合研究所の研究者との共同研究において、自動項目生成の文脈におけるテスト項目の特徴を認知診断モデルの枠組みに捉え直して、実践的に項目の性質を調べることに適用した研究を日本語論文出版まで行った。本研究により、数学の一次方程式テスト項目を自動生成し収集したデータの認知診断モデルに基づく分析方法についての日本で初めての適用例を示すことができた。3つ目は、自動項目生成されたテスト項目の生成過程を認知診断モデルに反映した統計モデルを開発し、２つ目の研究で得られたデータに適用することでルールベースの自動項目生成システムの性能について検討できることを示し、本研究内容を国際学会で発表した。本研究により、先行研究で考慮されてきた自動項目生成の階層性を考慮した認知診断モデルの拡張可能性を広げることができた。
|
