著者
近藤 伸彦 畠中 利治 松田 岳士
出版者
人工知能学会
雑誌
2019年度 人工知能学会全国大会(第33回)
巻号頁・発行日
2019-04-08

教学IRにおいて近年とくに重要視されるものに「学習成果の可視化」があるが,成績や就職状況等のデータ,学生調査による間接評価のように,時間粒度の荒いマクロなデータのみから学生が実際に「いかに学んでいたか」という点について詳細に分析するのは難しい.しかしながら,学生の学びの具体的な改善のためには,そうした授業外も含めた学習のようすを把握し,個に応じた支援を行うことが重要であると考えられる.本研究では,Scrapboxを用いてオンラインノートを作成する学習活動を核とした授業を対象に,オンラインノートの学習記録データに基づいて,学習プロセスと学習成果を関連付けた分析を行った.Scrapboxの機能とログデータを用いることで,オンラインノート上に知識のネットワークを構築する際のスタイルを定量化・可視化することができ,また異なる知の関連付けを意識した深い学びを行うほど理解の自己評価が高くなる傾向が見出された.
著者
近藤 伸彦 畠中 利治
出版者
日本教育工学会
雑誌
日本教育工学会論文誌 (ISSN:13498290)
巻号頁・発行日
vol.41, no.3, pp.271-281, 2018-01-31 (Released:2018-02-05)
参考文献数
33

ラーニングアナリティクスをはじめとした教育データ分析の関連分野が急速な発展を遂げる一方,大学における教育の質保証の観点から教学IR の重要性が認識されてきている.これらの分野が互いに統合され,個に応じた分析と支援が組織的に行われることは今後ますます重要性を増すものと考えられる.本論文ではこの観点から,ラーニングアナリティクス的手法を教学IR や修学支援に活用するフレームワークのひとつとして,学士課程における学生の修学状態の推移プロセスをベイジアンネットワークによりモデル化する手法についてまとめる.さらに,現実的な活用場面において実際の改善アクションへつなげることを想定した本手法の活用例を示し,ある大学の教学データによる数値実験の結果から本手法の適用可能性を検討する.
著者
松田 岳士 近藤 伸彦 重田 勝介 渡辺 雄貴 加藤 浩
出版者
首都大学東京
雑誌
基盤研究(B)
巻号頁・発行日
2016-04-01

本研究は,教学IR情報を用いた学生支援を目的として,大学生活を通じて学生が直面する具体的かつ真正性のある意志決定場面(初年次の科目選択・リメディアル科目の受講・所属研究室決定・留学)に注目し,判断に必要な情報を直接学生に提供するシステム,Decision Support with IR(以下DSIR)を開発・評価するものである.平成29年度は,四場面のうち,初年次の科目選択(およびリメディアル科目の受講)を支援するシステムを,履修授業推薦システムとして開発し,実際に研究代表者本務校のシラバスデータを用いて動作を確認した.平成29年度は,システム内のデータ処理アルゴリズム,特に学生のSDLRSと科目自体のデータのマッチング方法,表示されるデータが増えることによるインターフェースの工夫,システム管理者が修得できるユーザの操作データなど,設計にあたって考慮すべき案件が多数あり,代表者・分担者の間で担当研究分野を細かく割り振って,前年度を上回るペースで打ち合わせを重ねながら研究プロジェクトを進めた.設計協議の中で,パイロット版の形成的評価において学生から指摘された,表示される用語の意味が理解しにくい点や,単位の取りやすい科目推薦システムになってしまうのではないかという懸念を払しょくするため,用語の説明文を表示できる仕組みや,学生が獲得したい能力に基づいた推薦機能などを新たに追加した.また,研究成果としてまとまった知見は,システム完成を待たず,随時発表した.
著者
山下 英明 立石 慎治 近藤 伸彦 林 祐司 椿本 弥生 松河 秀哉 渡辺 雄貴 松田 岳士
出版者
首都大学東京
雑誌
基盤研究(B)
巻号頁・発行日
2017-04-01

本研究は、学生の学業上の成功(AS; Academic Success)を達成するための修学支援を高度化するために、教学データを用いて大学や学位プログラムごとに重要となるAS指標群を自動生成すると同時に、重要指標を自動選択して、各大学や学位プログラムにおいて「望まれる学生像」とその達成度合いの予測値を示すASモデルを形成し提示するシステムを開発することをめざしている。本研究では、研究内容を以下3つのテーマに分け、順に取り組むことで計画的に研究を遂行するものとしている。《テーマ1》理想的な学生像の解明を通じたASモデルの確立、包括的なデータセットの定義、《テーマ2》重要指標の選定によるASモデルの生成、AS(Academic Success)モデルの表示方法、《テーマ3》開発されたシステムを効果的に用いる学生指導方法のアクションリサーチ。平成29年度は、このうちテーマ1について取り組み、考えうる「理想的な学生像」と、使用可能なデータセットの調査を行い、ASモデル構築のための基本情報を整理した。さらに、具体的な予備調査として、卒業時のAS度合いについて特定の学位プログラムの学生に対するアンケート調査を実施した。また、学習者モデルの分析手法についての研究、教学IRやFDに係る基礎研究、機械学習による修学状態の予測モデルに関する研究などをそれぞれ分担して遂行した。次年度は、これらの研究で得られた知見を活かし、テーマ2におけるASモデル生成に取りかかる予定である。
著者
近藤 伸彦 畠中 利治
出版者
教育システム情報学会
雑誌
教育システム情報学会誌 (ISSN:13414135)
巻号頁・発行日
vol.33, no.2, pp.94-103, 2016

Institutional Research (IR) has been receiving much attention in Japanese higher education. In order to guarantee the educational quality of university, it has been discussed how to utilize the educational big data. In this paper, it is considered to construct models of students' learning states using large-scale students' learning data collected through the baccalaureate degree program based on some machine learning methods. In this research, data in 5 years are utilized in order to investigate the generalization ability of the models, and the performances of some machine learning methods are compared. From the experimental results, it is indicated that the models of students' learning states with high generalization ability can be constructed. Its capability of application to enrollment management is also discussed from experimental results.
著者
近藤 伸彦 Nobuhiko KONDO
出版者
大手前大学CELL教育研究所
雑誌
大手前大学CELL教育論集 = Otemae University CELL journal of educational studies (ISSN:21894027)
巻号頁・発行日
vol.6, pp.11-18, 2016-03-31

近年のICTの発展により、教育におけるビッグデータは現実的なものとして顕在化し、その活用により教育改善をおこなう試みが大きな注目を集めている。海外ではいち早く教育ビッグデータに対するアナリティクスの研究と実践が行われ、国内においてもその必要性が急速に認識されつつある。本稿では、大学における教育ビッグデータの活用について整理するため、種々のアナリティクスと教学IRに着目して、発展の経緯や、分野間の関係性などについてまとめる。さらに、大手前大学におけるアナリティクスや教学IRの現状と展望について述べる。