文献
J-GLOBAL ID:202102248226962636   整理番号:21A0323906

名刺型センサを用いた協調学習分析手法に関する一検討

著者 (7件):
資料名:
巻: 2020  号:ページ: ROMBUNNO.7B-5  発行年: 2020年06月17日 
JST資料番号: L6741A  ISSN: 1882-0840  資料種別: 会議録 (C)
記事区分: 原著論文  発行国: 日本 (JPN)  言語: 日本語 (JA)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
協調学習とは,他者と協調(コラボレーション)しながら創造的な問題解決に取り組む能力を育む学習である.他の学習者と協調しながら問題解決に取り組むことによって,自身にはない考え方を他の学習者から学ぶことができたり,他の学習者と意見をすり合わせる過程を通じてメンバ間の社会的関係を向上させる能力を習得したりすることができる.しかしながら,現状の学習科学の分野では定性分析の手法を用いて協調学習を分析しているため,数十人が参加する協調学習を対象として分析するには人的コストや時間的コストの面で課題がある.本研究では,協調学習における定性分析をサポートすることを目的として学習科学の研究者が着目すべきポイントを自動抽出する「Sensor-based Regulation Profiler」を提案する.Sensor-based Regulation Profilerは,学習者からセンサデータを取得する名刺型センサと取得したセンサデータを分析するデータマイニング技術から構成される.データマイニング技術はセンサデータから協調学習中のソーシャルグラフ・学習フェーズ・発話者を自動抽出することで定性分析で生じるコストの低減を図る.名刺型センサを用いた実証実験からデバイス間における時刻同期誤差を約±30μsに抑えられることがわかった.また,実際の協調学習に対してSensor-based Regulation Profilerを用いた実験評価から学習者のセンサデータを用いてソーシャルグラフ・学習フェーズを自動的に抽出・視覚化できること,平均約77.8%の精度で発話者特定を実現できることがわかった.(著者抄録)
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
人工知能 
引用文献 (23件):
もっと見る
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る