ログイン 新規登録
言語:

WEKO3

  • トップ
  • ランキング
To
lat lon distance
To

Field does not validate



インデックスリンク

インデックスツリー

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. 研究報告
  2. 教育学習支援情報システム(CLE)
  3. 2022
  4. 2022-CLE-36

複数オンライン学習コースへのアクセスログを用いた不登校傾向学生の予測

https://ipsj.ixsq.nii.ac.jp/records/216875
https://ipsj.ixsq.nii.ac.jp/records/216875
0c6ba305-0b45-4a88-a4f8-5975237c5dea
名前 / ファイル ライセンス アクション
IPSJ-CLE22036001.pdf IPSJ-CLE22036001.pdf (601.9 kB)
Copyright (c) 2022 by the Information Processing Society of Japan
オープンアクセス
Item type SIG Technical Reports(1)
公開日 2022-03-02
タイトル
タイトル 複数オンライン学習コースへのアクセスログを用いた不登校傾向学生の予測
タイトル
言語 en
タイトル Prediction of students who tend to be absent from school using access logs to multiple online learning courses
言語
言語 jpn
資源タイプ
資源タイプ識別子 http://purl.org/coar/resource_type/c_18gh
資源タイプ technical report
著者所属
熊本大学
著者所属(英)
en
Kumamoto University
著者名 渡邊, 健太

× 渡邊, 健太

渡邊, 健太

Search repository
著者名(英) Kenta, Watanabe

× Kenta, Watanabe

en Kenta, Watanabe

Search repository
論文抄録
内容記述タイプ Other
内容記述 本研究は大学で不登校傾向の学生についての調査とその学生を支援するための早期予測を目的としている.今回はコロナ禍での学習オンライン環境Moodleの複数科目への学習ログを用いて予測を行った.データにはオンデマンド形式の授業である情報基礎を受講している学生の全授業のオンライン上アクセスログと情報基礎での出欠表を使用した.本研究では不登校傾向の学生を情報基礎の出席状況と他の科目へのアクセスから定義した.また,複数科目のアクセスログから1週間ごとに複数の変数を作成し,週ごとに予測を行った.機械学習には不均衡データに対する手法,リサンプリング学習をした後にアンサンブル学習を行った.予測精度は主に変数の作成により上げていき,不登校傾向の学生の特徴を調べていった.
論文抄録(英)
内容記述タイプ Other
内容記述 The purpose of this study is to investigate students who tend to be absent from school at university and to make early predictions to support these students. In this study, we used the learning logs of multiple subjects in Moodle, the online learning environment of COVID-19 pandemic. In this study, we used the online access logs of all the classes and the attendance sheets of the students who were taking the on-demand class, Basic Information. In this study, students with a tendency to be absent from school were defined based on their attendance status in Basic Information and access to other courses. Multiple variables were created for each week from the access logs of multiple subjects, and predictions were made for each week. For machine learning, we used a method for imbalanced data, resampling learning, and then ensemble learning. The prediction accuracy was mainly improved by creating variables to examine the characteristics of students who tend to be absent from school.
書誌レコードID
収録物識別子タイプ NCID
収録物識別子 AA12496725
書誌情報 研究報告教育学習支援情報システム(CLE)

巻 2022-CLE-36, 号 1, p. 1-7, 発行日 2022-03-02
ISSN
収録物識別子タイプ ISSN
収録物識別子 2188-8620
Notice
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
出版者
言語 ja
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2025-01-19 15:42:12.607730
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3