权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

大規模学習データの分析・可視化と介入機能を有する知的PBL学習環境の運用と評価

具有大规模学习数据分析/可视化和干预功能的智能PBL学习环境的运行和评估

基本信息

批准号：
17H02004
负责人：
稲葉竹俊
金额：
$ 10.57万
依托单位：
Tokyo University 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：
2017
资助国家：
日本
起止时间：
2017-04-01 至 2021-03-31
项目状态：
已结题

项目摘要

本研究の目的は、アクティブラーニングの一環として、高等教育への導入が拡大しているプロジェクト学習(PBL)での学内外の協調学習状況をリアルタイムで分析・可視化し、学生のリフレクションや教員の早期の教育的介入の支援を可能とする知的学習環境を構築することで学習・教育の質を高めることである。具体的には、以下のような取り組み課題のもとで研究を行う。1. 学習データのコーディングの自動化 : CSCLシステムから取得されるデータや対面環境での会話データ等へのディープラーニング技術を活用した学習データの自動コーディングの精度向上 2. 学習プロセスの予測 : ある時点のグループの学習状況の分析からその後の学習プロセスの進展を予想する技法の開発 3. 情報の可視化と効果検証 : データ分析結果の視覚的提示方法の考案令和元年度は特に上の1について顕著な進展があった。本研究で用いるコーディング手法は、コーダーによる誤差が少ない手法のため比較的少ない教師データの量でも、深層学習による自動分類の精度を高くできるという特徴があった。しかし、これはある分野に特化した学習となっており、同じ分類器を他の分野の文章に適応しても精度が落ちてしまうという欠点があった。そのため、他の分野、例えば異なる講義のチャットに適用するために、再度同程度の教師データを人力で生成する必要があった。しかし本年度は転移学習を用いることで、学習済みモデルを用いてより少ない教師データで他の分野の会話においても高い精度で分類できる手法を開発した。具体的には、平成30年度に開発した学習済み分類器を元に、異なる講義のチャットデータを同一のコーディング手法でコーディングしたものを教師データとして分類器を作成した。その結果、転移学習をすることで、最大10%以下の教師データの量で、転移学習なしの分類器と同等の精度を出すことができた。これは、異なる授業で新たに自動コーディングをする場合、人力によるコーディングを大幅に減らせることを意味しており、自動コーディングの適用範囲を大幅に広げることに繋がると考えられる。

The purpose of this study is to analyze and visualize the coordinated learning situation inside and outside the university in the introduction of higher education, to construct a better learning environment for students, to support teachers 'early education intervention, and to improve the quality of learning. Specific, the following are selected group topics and research is conducted. 1. Automation of learning and control systems: CSCL system configuration, acquisition, control, control Prediction of learning process: analysis of learning process at different time points and development of techniques for predicting the progress of learning process 3. Information visualization and result verification: the analysis results of the visual prompt method of the case and the original year of the special progress In this study, we use the method of "middle class" to classify the data, the method of "middle class" to compare the error, the method of "to compare the error, the method, the For example, if you want to learn more about a topic, you can use the same classifier to learn more about it. For example, if you want to make a difference, you can make a difference. If you want to make a difference, you can make a difference. This year, we have developed a new approach to the use of learning tools, such as learning tools, training tools, and training tools. In particular, the development of the 30th year of the study of the classification of the original, different teaching methods of the same class of teachers Results, shift learning, maximum 10% of the teacher's data, shift learning, classifier accuracy, etc. This is the first time that we've had a conversation.