MBR型IMC個別学習支援システムの開発

2011 Fiscal Year Annual Research Report

• Project/Area Number: 23800007
• Research Institution: Ibaraki University
• Principal Investigator: 臼坂 高司 茨城大学, 教育学部, 講師 (30610688)
• Keywords: Memory-Based Reasoning / フローチャート / 内部モデル / 学習支援システム

Research Abstract

本研究は,大学生を対象としたフローチャート学習を題材として取り上げ,個別学習支援システムを構築することを目的としたものである。システムの開発に用いる内部モデル制御(IMC)系は,学習者モデルとその逆モデル(本研究では教師モデル)から構成される。平成23年度の研究実績を以下に述べる。
学習者モデル設計のための予備調査『平成23年4月～平成24年3月』
学習者は,同じ難易度の問題を与えたからと言って,常に同じ反応を返すとは限らない。前回の学習材やその学習結果の影響を受けるかもしれない。すなわち,その時々の学習者の状態によって,学習意欲や理解度が変化することが予測される(非線形性をもっている)。このような非線形性をもつ学習者を数式モデルで表現することは非常に困難であり,不可能に近いと思われる。
そこで,本研究では,学習者モデル及び教師モデル構築のために,モデルを用いず,事例をそのままの形式で保持することで知識ベースを構築して推論を行うMemory-Based Reasoning (以下,MBR)を応用する。
学習者モデルをMBRに基づいて構築するとき,システムの入力と出力について,どのような項目を設定すればよいか検討する必要がある。本研究では,入力を(1)学習意欲の状態(学習者に対するアンケート),(2)学習者の理解度(フローチャート学習における学習者のテスト得点)とし,出力を(3)学習材の難易度(基礎,標準,発展の3レベル)として設定する。平成23年度はシステムの入出力に必要な(1)～(3)についての予備調査を大学生に実施し,結果を回収した。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

平成23年度中にシステムの開発(研究遂行)に必要な予備調査を既に終えているため。

Strategy for Future Research Activity

平成24年度は,平成23年度に実施した予備調査をもとに学習支援システムの開発を行う。具体的には,学習者モデルの入力を(1)学習意欲の状態(学習者に対するアンケート),(2)学習者の理解度(フローチャート学習における学習者のテスト得点)とし,出力を(3)学習材の難易度(基礎,標準,発展の3レベル)として設定し,システムを開発する。