ニューラルネットによる専修学校の中途退学者早期予測方法の開発に関する研究

利用神经网络开发职业学校辍学早期预测方法的研究

• 批准号: 22910004
• 负责人: 片瀬 拓弥
• 金额: $ 0.19万
• 依托单位: 学校法人未来学舎
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Scientists
• 财政年份: 2010
• 资助国家: 日本
• 起止时间: 2010 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22910004/
• 关键词: ニューラルネットワーク; テキストマイニング; 中途退学者早期予測

1.研究目的本研究の関連研究である「判別分析による専修学校の中途退学者の早期予測方法の開発」は,線形回帰分析により中途退学者を予測し,その予測率は26.1%(n=271,申請時からの改定値)となっていた.この予測率向上を目的とし,本研究では,非線形回帰分析可能なニューラルネットによる予測方式を開発する.2.研究方法本研究は,2010年度から市販される専門学校版Q-Uを使用する予定であった.しかし,該当商品販売時期が年度後半に延期されたため,入学当初の調査時には,関連研究同様の高校版Q-Uを用いた.さらに,予測率向上を目指すため,性格検査(5因子検査)も同時期に実施した.それらの回答結果を非線形回帰分析手法であるニューラルネットワークの3層パーセプトロンモデルを用いて分析し,予測率向上を目指した.3.研究成果2010年度において新たに取得した性格検査,学力偏差及び高校版Q-Uのデータから説明変数として,29変数(性別:1変数,学力偏差:2変数,学級所属群:4変数,性格検査:5変数,学級状況:4変数,悩み:13変数)を選択した.そのデータを用いて関連研究と同様の線形回帰分析を実施した結果,予測率は14.4%(n=323)となった.つまり,単に性格検査などの説明変数を分析に増加導入しただけでは,直接の予測率向上には到らないことが判明した.そこで,このデータ群を用い,ニューラルネットによる非線形回帰分析を実施した.具体的には,3層パーセプトロンモデルを採用し,最適な中間層数を決定するため,ブートストラップ法による学習実験を数万回行なった.その結果,ニューラルネットワークが過剰学習を起こさず,最も良い予測率を示すのは,中間層のニューロン数が28個であることが判明した.また,その予測率は70.4%となり関連研究に比して大幅に向上した。さらに,中途退学防止策に関する担任の自由記述アンケートをテキストマイニング分析した結果,学級経営方針が指導型・援助型のタイプ別に退学防止の対処方法が異なることが判明した.今後の課題は,このニューラルネットワークモデルが2011年度以降の新入生に対し,実際にどれだけの的中率を持つのか検証することである.

1. Objective: The correlation study of this study was "Development of early prediction method for dropouts in high school by discriminant analysis." The prediction rate of dropouts by linear regression analysis was 26.1%(n=271). 2. Research Methods: This study is aimed at predicting the future use of Q-U in the market in 2010. The sales period of this commodity is postponed in the second half of the year, and the Q-U of the university version of the correlation study is used in the initial survey. In this case, the prediction rate is upward, and the personality test (5-factor test) is performed at the same time. 3. Research Results In 2010, new results were obtained. Personality survey, academic deviation and high school version of Q-U were analyzed. The number of changes was 29 (sex:1, academic deviation:2, grade belonging group:4, personality survey:5, grade status:4, grade:13). The linear regression analysis of the same sample was carried out, and the prediction rate was 14.4%(n=323). In addition, the analysis of the number of characters in the personality survey increases the introduction of the number of characters in the personality survey, and the direct prediction rate increases the number of characters in the personality survey. In this case, the non-linear regression analysis is implemented. Specific, three-layer, three-layer, three- As a result, the best prediction rate is shown in the middle layer, and the number of middle layers is 28. The prediction rate was 70.4% and the correlation study was significantly higher. In addition, dropout prevention policy is related to the role of free description, analysis and results, academic level management policy is guidance type, assistance type, dropout prevention and prescription method is different. The future problem is to reduce the number of new entrants in 2011, and in fact to maintain the average number of new entrants.

项目成果

専門学校における休・退学者の悩み構造に関する分析

职业学校休学或退学学生的担忧结构分析

• 发表时间: 2010
• 作者: 和田重雄;森富子;矢野充博;浦恵里夏;田中伸也;田中伸也;片瀬拓弥
• 通讯作者: 片瀬拓弥