文献

J-GLOBAL ID：202002258947224917   整理番号：20A2613869

問題の難易度を推定するための機械学習の利用

Using Machine Learning to Estimate Difficulty Levels of Problems

著者 (2件)： KOSHINO Makoto (National Inst. of Technol., Ishikawa Coll., Ishikawa, JPN) ,  KOIZUMI Takuya (National Inst. of Technol., Ishikawa Coll., Ishikawa, JPN)
資料名： Sensors and Materials  (Sensors and Materials)
巻： 32  号： 11 (1)  ページ： 3559-3566  発行年： 2020年 
JST資料番号： L0338A  ISSN： 0914-4935  CODEN： SENMER  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： 英語 (EN)

抄録/ポイント： 教師が学生と直接相互作用できないeラーニング環境において,学生の困難さを確認することは困難であった。本研究では,学生が経験した問題の難易度を機械学習を用いて推定し,適切な難易度の問題が提供されるようにした。JINS MEMEスマートアイウェアを用いて学生の頭部運動を測定し,その結果を用いて経験した主観的困難を推定した。著者らの実験テストは,計算,漢字(漢字),およびプログラミング問題を与えた10人のユーザのための機械学習のF₁スコアを示した。ランダムフォレスト(RF)の特徴重要度スコアを計算し,ユーザタイプに対するF₁スコアの依存性を調べた。ヨー角の平均は,すべての場合で最も重要な特徴であり,頭部の水平回転が問題の困難さに依存することがわかった。(翻訳著者抄録)

シソーラス用語： *度 ,  *機械学習 ,  教師 ,  学生 ,  *eラーニング ,  随意運動 ,  計算 ,  漢字 ,  計算機プログラミング ,  計算機アルゴリズム ,  角度
準シソーラス用語： *難易度 ,  頭部運動 ,  プログラミング ,  ランダムフォレスト ,  ヨー角

分類 (1件)： CAI  (JE09000G)

引用文献 (18件)：

• T. Ohkawauchi, J. Ohya, S. Yonemura, and Y. Tokunaga: Jpn. Soc. Edu. Technol. 36 (2012) 193 (in Japanese).
• K. Nakamura, K. Kakusho, and M. Murakami: IEICE Trans. Inf. Syst. (Japanese edition) 93 (2010) 568 (in Japanese).
• A. Shigeta, K. Hamamoto, and K. Nosu: Trans. Inst. Electr. Eng. Jpn. C 131 (2011) 800 (in Japanese).
• A. Okoso, S. Ishimaru, O. Augereau, and K. Kise: Tech. Rep. IEICE 116 (2017) 187 (in Japanese).
• Z. Zhu, S. Ober, and R. Jafari: Proc. IEEE 14th Int. Conf. Wearable and Implantable Body Sensor Networks (BSN) (IEEE, 2017) 13-18. https://doi.org/10.1109/BSN.2017.7935996

タイトルに関連する用語 (3件)： 難易度 ,  推定 ,  機械学習