学習者プロファイルとフロー理論に基づくLLMによる個別最適な問題推薦の提案と予備的検証

• Item type: Symposium(1)
• 公開日: 2026-08-12
• タイトル / 言語: ja
• タイトル: 学習者プロファイルとフロー理論に基づくLLMによる個別最適な問題推薦の提案と予備的検証
• タイトル / 言語: en
• タイトル: Proposal and Preliminary Verification of LLM-Based Personalized Problem Recommendation Using Learner Profiles and Flow Theory
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 問題推薦，主観的難易度，大規模言語モデル，学習者プロファイル，フロー理論
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 電気通信大学
• 著者所属: 電気通信大学
• 著者所属(英): en
• 著者所属(英): The University of Electro-Communications
• 著者所属(英): en
• 著者所属(英): The University of Electro-Communications
• 著者名: 三浦, 翔大; 高木, 正則
• 著者名(英): Miura Shota; Takagi Masanori
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究では，学習者が問題に対して感じる自信度と挑戦度が等しい問題を「個別最適な問題」と定義し，「個別最適な問題」の推薦を目的とした問題推薦手法を提案した．また，大学生と大学院生10 名を対象に予備的検証を行った．この「個別最適な問題」の定義は，挑戦と能力が釣り合うときに学習者が最も没入しやすいとされるフロー理論に基づく．このような個別最適な問題を推薦するには，問題そのものの客観的な難易度だけでなく，学習者がその問題をどの程度難しいと感じるかも考慮する必要があると考えた．そこで，少数の診断問題から学習者プロファイルを構築し，それを用いて未出題問題に対する学習者の自信度（Confidence）と挑戦度（Challenge）をLLM によって予測した結果を問題の推薦に活用する．具体的には，Gap（自信度? 挑戦度）の絶対値が小さい問題を推薦する．線形代数の単一の知識要素（行基本変形と解の自由度）の問題を対象に予備的検証を行った結果，自信度についてはLLM が一定の精度で予測可能であり，学習者プロファイルを含む提案プロンプトは，プロファイルを用いないベースライン条件と比べて，自信度およびGap の予測精度を改善することが示された．一方，挑戦度の予測は，問題側の特性への依存度が高いことに加え，プロンプト上で考慮させた手続き的負荷と，参加者が実際に問題を解かずに行う主観申告との間に評価観点の不一致があったことにより，予測精度には限界が見られた．
• 書誌情報: 情報教育シンポジウム2026論文集; 巻 2026, p. 71-78, 発行日 2026-08-12
• 出版者 / 言語: ja
• 出版者: 情報処理学会