文献

J-GLOBAL ID：201602233563005316   整理番号：16A1196900

学士課程における大規模データに基づく学修状態のモデル化

著者 (2件)： 近藤伸彦 (大手前大学CELL教育研究所) ,  畠中利治 (大阪大学大学院情報科学研究科)
資料名： 教育システム情報学会誌  (Transactions of Japanese Society for Information and Systems in Education)
巻： 33  号： 2  ページ： 94-103(J-STAGE)  発行年： 2016年 
JST資料番号： L2602A  ISSN： 1341-4135  資料種別： 逐次刊行物 (A)
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： 学士課程における大規模データに基づく学修状態の数理モデル化と,その学修支援への活用について検討した。教学IR(Institutional Research)の重要な役割の一つとして,多様な学生の個性に応じた適時的な学修支援をおこなうために,学士課程における学生の学修状況を把握し分析することが挙げられる。本論文では,学士課程において蓄積されるさまざまなデータを時系列的に整理した学修ライフログを用いた,機械学習手法による学修状態の数理モデル化について検討した。数値実験から,機械学習手法によって一定の予測性能をもつ学修状態のモデル化が可能であることと,単年度のみのデータではなく複数の入学年度を合わせたデータによる学習をおこなうことで,異なる入学年度に対する汎化能力に優れたモデル構築が可能であることが示された。

シソーラス用語： *データ蓄積 ,  CAI【計算機】 ,  *機械学習 ,  計算機利用システム ,  *ビッグデータ利活用
準シソーラス用語： LMS ,  学習支援

著者キーワード (6件)： 大規模学修データ ,  教育ビッグデータ ,  教学IR ,  Learning Analytics ,  機械学習 ,  学修支援

分類 (1件)： CAI  (JE09000G)

引用文献 (10件)：

• (1) Siemens, G. and Baker, R. S. J. d.: “Learning Analytics and Educational Data Mining: Towards Communication and Collaboration”, Proceedings of the 2nd International Conference on Learning Analytics and Knowledge, pp. 252-254 (2012)
• (2) 沖 清豪,岡田聡志(編著):“データによる大学教育の自己改善-インスティテューショナル・リサーチの過去・現在・展望-”,学文社,東京,pp. 139-157 (2011)
• (3) 松田岳士:“教学IRの役割と実践事例”,教育システム情報学会誌,Vol. 31, No. 1, pp. 19-27 (2014)
• (4) リチャード・D・ハワード(編),大学評価・学位授与機構IR研究会(訳):“IR実践ハンドブック 大学の意思決定支援”,玉川大学出版部,東京 (2012)
• (5) Jayaprakash, S. M., Moody, E. W., Lauria, E. J. M. et al.: “Early Alert of Academically At-Risk Students: An Open Source Analytics Initiative”, Journal of Learning Analytics, Vol. 1, No. 1, pp. 6-47 (2014)

タイトルに関連する用語 (2件)： 大規模データ ,  モデル化