Item type |
Trans(1) |
公開日 |
2020-06-15 |
タイトル |
|
|
タイトル |
小テストの点数パターンによる学習者のクラスタリングとその推定 |
タイトル |
|
|
言語 |
en |
|
タイトル |
Analysis and Estimation of Learning Behaviors based on the Score Pattern of Quizzes |
言語 |
|
|
言語 |
jpn |
キーワード |
|
|
主題Scheme |
Other |
|
主題 |
[論文] MOOC,ラーニングアナリティクス,k平均法,クラスタリング,ランダムフォレスト |
資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_6501 |
|
資源タイプ |
journal article |
著者所属 |
|
|
|
国立情報学研究所/筑波大学 |
著者所属 |
|
|
|
筑波大学 |
著者所属 |
|
|
|
国立情報学研究所 |
著者所属(英) |
|
|
|
en |
|
|
National Institute for Informatics / University of Tsukuba |
著者所属(英) |
|
|
|
en |
|
|
University of Tsukuba |
著者所属(英) |
|
|
|
en |
|
|
National Institute for Informatics |
著者名 |
古川, 雅子
逸村, 裕
山地, 一禎
|
著者名(英) |
Masako, Furukawa
Hiroshi, Itsumura
Kazutsuna, Yamaji
|
論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
大規模公開オンライン講座MOOCは,対象者を限定せず誰でも受講可能なオンラインコースとして,背景やニーズの異なる様々な学習者が学ぶことができる反面,ドロップアウトする学習者が多く,その修了率は10%程度と低い.学習者のドロップアウトを防ぎ学習効果を高めるためには,より早い時期に学習者の特徴を把握し,それぞれの学習者に応じたサポートを行う必要がある.本稿では,ドロップアウト軽減のための学習行動の分析手法として,小テストの点数パターンに基づき学習者をクラスタリングし,特徴を明らかにした.さらに,それらの特徴をもとに学習者クラスタを推定することを試みた.具体的には,国立情報学研究所が提供したMOOCの講座を対象に,4回の小テストの点数を並べた4次元データを個人ごとの特徴量とし,k平均法により4つのクラスタに分割した.そしてクラスタごとの学習行動を比較することで,小テストの合計点が高いクラスタは映像の視聴回数が多く,短い間隔で繰り返し映像を視聴しているといった特徴を明らかにした.また,学習開始時からの学習履歴をもとに,ランダムフォレストを用いたクラスタの推定を行い,3週目以降では,おおむね7割を超える正答率で,クラスタの推定ができることを明らかにした.これらの成果は,より学習者ごとに適応したサポートを実現するうえでの基礎の1つとなることが期待される. |
論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
MOOCs are online courses that can be learned by many learners with different backgrounds and needs. But in general, many learners drop out and their completion rate tends to be as low as 10%. In order to prevent learners from dropping out and enhance the learning effect, it is necessary to grasp what kind of features the learners have and to support them according to the features of each learner. In this paper, we propose a method to analyze such features of the learners. That is, the learners are clustered based on the score pattern of quizzes, the characteristics of each cluster are clarified, and the cluster to which each learner belongs is estimated based on the result. The programming course developed at the National Institute of Informatics was used to evaluate the proposed method. Four-dimensional data of four quiz scores were taken as features of learners, and divided into four clusters by the k-means method. As a result, it was revealed that the cluster with a high total score of quizzes views movies many times and repeatedly at short intervals. Cluster estimation using random forest was performed, and it was clarified that the cluster can be estimated with about 70% of the accuracy rate after 3 weeks from the start of learning. These results are expected to be one of the bases to realize more adaptable support for each learner. |
書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA12697953 |
書誌情報 |
情報処理学会論文誌教育とコンピュータ(TCE)
巻 6,
号 2,
p. 52-60,
発行日 2020-06-15
|
ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-4234 |
出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |