学修支援を目的とした学習過程の分析と学習成果予測モデル開発に関する研究

用于学习支持目的的学习过程分析和学习结果预测模型开发研究

基本信息

批准号：
21K20204
负责人：
細川慎二
金额：
$ 2万
依托单位：
Akita University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Research Activity Start-up
财政年份：
2021
资助国家：
日本
起止时间：
2021-08-30 至 2024-03-31
项目状态：
已结题

项目摘要

カリキュラム・マップは，教育課程において授業科目とディプロマ・ポリシー（以下：DP）の達成度（身に着けた能力）を関連付けることで，学修成果（GPA，DPの達成度etc…）や学生の成長を可視化する手法として活用されている。しかし，学修成果や学生の成長には，入試成績や課外活動（アルバイト・サークル活動etc...）などの授業科目以外の要因も影響を与えていると考えられているが，これらがどのように影響しているかは明らかになっていない。そこで本研究では，カリキュラム・マップや学業成績，課外活動の内容・時間などの教学データを統計解析することで，学修成果に対する影響度を明らかにすること，学生の成長に関係があると考えられる在学中の過ごし方を「成長過程」と定義し，成長過程をタイプ別に分類すること，更にこれらの検討を通して，個々の学生に沿った学修支援を実現するためのシステムを開発・提案することを目指している。2022年度では，前年度の検討結果からタイプ別に分類した成長過程に関する検討，学修成果予測モデル開発の検討を行った。タイプ別に分類した成長過程に関する検討では，分類した成長過程が学修成果に及ぼす影響の分析などを行い，成長過程の違いが学修成果に示す特徴を明らかにし，国内学会で発表2件，査読付き論文1本の掲載を行った。また，学修成果予測モデル開発の検討では，目的変数は学修成果，説明変数はこれまでの検討結果を基に，入試区分，1・2年次成績，成長過程，進路など，入学～卒業までの教学データから決定し，複数の代表的な機械学習の手法（ニューラルネットワーク，決定木，ロジスティック回帰etc...）による予測モデルの性能評価を実施した。その結果，卒業時の学修成果が高いグループと低いグループ2つのカテゴリを予測するモデルとして，ニューラルネットワークを利用した予測モデルの予測精度が良好であることが分かった。

课程图具有学习成果（GPA，DP成就等）和学生的成长，并在教育课程中关联了课堂学科的程度和文凭政策的成就程度（以下简称DP）作为可视化方法。但是，人们认为，除了课外检查结果和课外活动（零件时间工作 /圈子活动等）之外，其他因素还影响了学习结果和学生的成长，但是这些尚不清楚吗？它影响了它。因此，在这项研究中，课程地图，学术成绩，学术成绩等的统计分析，以阐明对学习结果的影响，并与学生的成长有关。作为“增长过程”，按类型对增长过程进行分类，并通过我的目标来开发和提出一个与个别学生相符的系统。在2022财年，我们根据上一个财政年度的结果检查了按类型分类的增长过程，并开发了研究结果的发展。在研究按类型分类的增长过程的研究中，分析了分类的增长过程对学习结果的影响，揭示了增长过程的特征，并且两个演讲在家庭社会中发表，并连续发表论文阅读。此外，在研究研究结果预测模型的研究中，目的变量基于研究结果，解释性变量基于到目前为止研究结果，从入学考试类别（1.2年）中，增长过程，课程等。绩效是从教学数据确定的，预测模型的性能评估是通过多种典型的机器学习方法（神经网络，决定性树，逻辑回归等）进行的。结果，发现神经网络的预测准确性是一个良好的模型，该模型预测了毕业时具有高中和较低组的两类。