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

点击翻译按钮获取中文摘要

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.