Development of a learning guidance index based on behavioral patterns to prevent students from dropping out of school

本研究では大学等の高等教育機関における中途退学者の減少を目的に教育ビッグデータや学生が所有するスマートフォンやBYODによる構内無線LAN接続履歴や通 信履歴を活用した学習指標として、「行動指標」「受講指標」「成績指標」を生成した上で深層学習により履修指導が必要な学生をスクリーニングすることを目的としている。本年度は前年度から実装、データ蓄積を進めている「行動指標」およびLayer 7 FireWall(L7FW)のログを基にした「受講指標」について可視化するための技術開発を進めた。具体的には通信で使用したアプリケーション種別をGoogle Classroom や Moodle といったLMS接続、講義等で用られているSNS(Slack)通信、講義とは無関係と思われる動画視聴やその他SNS接続を受講生グループごとに集計する方法について実装した。そして、集計したデータについて講義時間内および15回の講義を通しての変動を示すグラフとして描画する Webアプリケーションを構築した。実際に幾つかの講義を対象に集計と分析を行った結果、講義期間を通しての受講状況の変化や90分の講義時間内における講義内容と受講生の挙動の傾向が、２から４グループ程度に分類できることが判明した。しかしながら成績との相関性については必ずしも一致しないケースが見受けられた点、QUIC と呼ばれる Google が提唱する通信方式を用いた場合、L7FW において通信アプリケーションを特定できない点など新たな課題も見つかった。今後は、L7FWの設定を QUIC の代わりに TCP で通信するような設定に変更することで、より正確なデータを取得する手段について検討する予定である。

本研究では大学等の高等教育機関における中途退学者の減少を目的に教育ビッグデータや学生が所有するスマートフォンやBYODによる構内無線LAN接続履歴や通 信履歴を活用した学習指標として、「行動指標」「受講指標」「成績指標」を生成した上で深層学習により履修指導が必要な学生をスクリーニングすることを目的としている。本年度は前年度から実装、データ蓄積を進めている「行動指標」およびLayer 7 FireWall(L7FW)のログを基にした「受講指標」について可視化するための技術開発を進めた。具体的には通信で使用したアプリケーション種別をGoogle Classroom や Moodle といったLMS接続、講義等で用られているSNS(Slack)通信、講義とは無関係と思われる動画視聴やその他SNS接続を受講生グループごとに集計する方法について実装した。そして、集計したデータについて講義時間内および15回の講義を通しての変動を示すグラフとして描画する Webアプリケーションを構築した。実際に幾つかの講義を対象に集計と分析を行った結果、講義期間を通しての受講状況の変化や90分の講義時間内における講義内容と受講生の挙動の傾向が、２から４グループ程度に分類できることが判明した。しかしながら成績との相関性については必ずしも一致しないケースが見受けられた点、QUIC と呼ばれる Google が提唱する通信方式を用いた場合、L7FW において通信アプリケーションを特定できない点など新たな課題も見つかった。今後は、L7FWの設定を QUIC の代わりに TCP で通信するような設定に変更することで、より正確なデータを取得する手段について検討する予定である。