言語学習を対象とした学習状態把握による個別最適化学習システムの開発

了解语言学习的学习状况，开发个体优化学习系统

基本信息

批准号：
22H01055
负责人：
梅澤克之
金额：
$ 11.15万
依托单位：
Shonan Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2026-03-31
项目状态：
未结题

项目摘要

本研究では，プログラミング言語と第2言語の学習過程に着目し，学習者の学習状態を把握することで個人ごとに最適化された学習支援システムを開発しその評価を行う．具体的には，(a)マルチモーダル学習状態把握（簡易脳波計以外の生体情報での学習状態把握），(b)複数言語の統合分析（プログラミング言語と第2言語の学習過程の統合分析），(c)言語教育システムの開発（既存基盤研究の成果と(b)により判明した言語学習法の実現をサポートする学習状態把握による個人最適化学習システムの開発），(d)実証実験による評価（第2言語班とプログラミング言語班による実証実験）を行うことが目的である．本年度は，生体情報（脳波，心拍，表情）を計測し，脳波以外の生体情報で脳波を説明することを実施した．具体的には脳波を目的変数，脳波以外の生体情報を説明変数とし，二乗平均平方根誤差（RMSE）を最小化する重回帰式を求めた．これにより脳波計を装着しなくても腕時計型のデバイスや非接触型のWebカメラ等で学習状態を把握できる可能性を示した．また，複数回（具体的には3回）の異なる実験の計測データを用いて脳波と心拍の関係を分析した．その結果「あきらめ」の感情を判定できる可能性を示唆した．これらの研究結果により主観的評価に作用されるアンケートによる評価に代わり定量的な学習評価が可能になる．第2言語としての英語とプログラミング言語の学習過程に着目した研究を開始した．まだ学会発表には至っていないが実験を開始している．具体的には，英語とプログラミング言語の課題の種類（カテゴリと呼ぶ）ごとに生体情報を取得し，両者に有意な差がないこと、および別カテゴリ間には有意な差が生じることを示し，同カテゴリでは両言語の課題遂行時に生体情報に差が出ない，すなわち研究実績の豊富な第2言語習得の様々な技術をプログラミング言語の習得に適用できる可能性を示した．

在这项研究中，我们专注于编程语言和第二种语言的学习过程，并通过了解学习者的学习状态，开发和评估为每个人优化的学习支持系统。 Specifically, the purpose is to (a) grasp the state of multimodal learning (understanding the state of learning using biological information other than simple electroencephalography), (b) integrate analysis of multiple languages (integrated analysis of the learning processes of programming languages and second languages), (c) develop language education systems (development of an individual optimized learning system by grasping the learning state that supports the realization of language learning methods revealed through the results of existing foundational research and （b））和（d）使用演示实验（第二语言组和编程语言组的强调实验）评估。今年，我们测量了生物学信息（脑电图，心跳，面部表达），并使用脑波以外的生物学信息解释了脑波。具体而言，我们使用脑电图来确定使用脑电图作为目标变量和脑电图作为解释变量以外的其他均方根误差（RMSE）最小化均方根误差（RMSE）的多重回归方程。这表明可以使用手表型设备或非接触式网络摄像头可以掌握学习状态，而无需佩戴脑电图。此外，我们使用来自多个的测量数据（特别是三次）分析了脑电波与心跳之间的关系。这表明可能可以确定“放弃”的感觉。这些发现可以实现定量学习评估，而不是受主观评估影响的问卷评估。我们已经开始研究以英语为第二语言和编程语言的学习过程。尽管尚未举行会议，但实验已经开始。具体而言，在英语和编程语言之间为每种类型的任务（称为类别）获得生物识别信息，表明两者之间没有显着差异，并且不同类别之间存在显着差异。在此类别中，在执行两种语言的任务时，生物学信息没有差异，这意味着学习第二语言的各种技术可以将丰富的研究经验应用于获取编程语言。