CAIにおける知識獲得

点击翻译按钮获取中文摘要

知的CAIにおける知識獲得には、CAIの利用者が知識を獲得する教育問題と、CAIシステム自身が実行過程において指導上の知識を経験的に獲得する機械学習の二面性がある。この二面性は高度個別化と発見的学習と言う2つの方法によって整合させることができる。われわれはこのような基本的な立場にたって、高度個別化のための学習者のモデル化と誤り原因の同定法、および発見的学習の指導方略について研究し、次のような成果を得た。(1)ILEとITSの構成原理と相補性に関する研究を行ない、発見的学習支援のための新しい教育パラダイム“Bi-Modus CAI"を提案し、具体的な環境に応用し、成果を発表した。(2)教授戦略の構築に関わる意思決定のモデルを提案した。また、学習者モデルを構築する際の矛盾を分類し、高度な学習者モデルの構築方法を定式化した。(3)EBLを応用して、システムが領域知識を自動的に獲得する方法、および学習者モデルを構築する方法を提案し、汎用性の高い知的CAIシステムの構築に貢献した。(4)構成主義的教育観とメディアメタファに基づく問題提起と解決支援をおこなう開発環境を実現し、文章題、幾何学、電磁気学、プログラミング、日本語学習の支援に応用した。(5)既知知識の伝達と未知知識の発見について、電磁気学の学習と生態モデルにおける学習者の理解状態を測定し、誤り原因となった学習行動を特定しファジー学習者モデルを構築する方法を提案した。(6)環境型CAIシステムのモデル化を行ない、外国人向け漢字学習システム(漢字工房)と英会話学習システム(hyper English)に適用し、成果を得た。このように本研究では、高度に個別化した学習環境を設定し、深い学習を支援するシステムを体系づけた。