クラウドによる機械学習を利用したエンロールメントマネジメントシステムの構築

点击翻译按钮获取中文摘要

2022年度の研究進捗状況には、かなりの進展が見られ、年度後半に向けて、情報処理学会への論文投稿を実現できるほどの成果が見られた。2021年度においては、学生の学修データの分析において、そのほとんどがExcelやPowerBIなどのアプリケーションを用いて行っており、機械学習の分析に着手することが実質的に難しい状況であった。機械学習に最適なPython言語の使用も試行的に試してはみたが、思うような結果が出ず、研究の進捗的には遅れていた。しかしながら、2022年度から、精力的にPythonプログラムの改良と試行を繰り返すことで、学生の学修データの分析で最適な手法の発見、および最適なパラメータの導出、さらには、学生の退学予測を行うためのエンロールマネジメントシステムのプロトタイプの開発に至ることができ、それまでの導出過程とプロトタイプの検証結果について、情報処理学会論文誌デジタルプラクティス得集号「ITと教育」（2023年4月掲載）に論文が掲載されることが出来た。今回の掲載論文では、IRデータで集められた様々な学生の学修データのうち、LightGBMという機械学習モデルが有効性が高いことを見出し、そのモデルによって、学生の退学に寄与する要素のうち、極めて高い要素を抽出することに成功し、その要素を使って、退学予測を行うプロトタイプのアプリケーションを構築した。また、このプロトタイプで、実際に2018年度の入学者（2021年度末卒業）の退学予測を行い、実際の退学状況と比較して、本システムの有効性を検証した。その結果、本システムの予測の精度が、ある程度は良いことがわかったが、ただ、学生の学修指導を行うエンロールマネジメントシステムとしては、予測精度をあげた場合の対象者数の拡大とのトレードオフが発生することが判明し、この点においては、実際の運用でどの程度の予測精度が最適なのかを検証する必要性があることが、課題として残されている。