文献

J-GLOBAL ID：202102290350509845   整理番号：21A2571520

学習解析におけるマルチモーダルデータ融合:系統的レビュー【JST・京大機械翻訳】

Multimodal Data Fusion in Learning Analytics: A Systematic Review

著者 (3件)： Mu Su (School of Information Technology in Education, South China Normal University, Guangzhou 510631, China) ,  Cui Meng (School of Information Technology in Education, South China Normal University, Guangzhou 510631, China) ,  Huang Xiaodi (School of Computing and Mathematics, Charles Sturt University, Albury, NSW 2640, Australia)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 23  ページ： 6856  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： ますます普及しているマルチモーダル学習解析(MMLA)は,学習プロセスの正確な理解を提供するのを助けることができる。しかし,マルチモーダルデータがMMLAに統合される方法はまだ不明である。系統的レビューとMeta-Analyzes(PRISMA)ガイドラインのための優先報告項目に従って,本論文は過去3年間に発表されたMMLAに関する346の論文を系統的に調査する。この目的のために,まず,データタイプ,学習指標,およびデータ融合の3次元からこれらの論文をレビューするための概念モデルを提案した。このモデルに基づいて,以下の質問に答えた。データおよび学習指標のタイプを,MMLAにおいて,それらの関係と共に使用した。および2.MMLAにおけるデータ融合法の分類である。最後に,MMLAにおけるデータ融合と将来の研究方向における重要段階を指摘した。このレビューからの主な知見は,(a)MMLAにおけるデータを,デジタルデータ,物理データ,生理学的データ,心理測定データ,および環境データに分類する。(b)学習指標は行動,認知,感情,協調,および関与である。(c)多モードデータと学習指標間の関係は1対1,および1対1である。マルチモーダルデータと学習指標の間の複雑な関係はデータ融合の鍵である。(d)MMLAにおける主なデータ融合方法は,マルチモーダルデータ間の多対一,多対多および多重検証である。および(e)マルチモーダルデータ融合は,データの多峰性,指標の多次元,および方法の多様性によって特徴付けることができる。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  多重化 ,  心理測定 ,  *多モード ,  高次元 ,  三次元 ,  データ型 ,  *データ融合 ,  システマティックレビュー
準シソーラス用語： 学習過程 ,  概念モデル ,  ディジタルデータ ,  ラーニングアナリティクス , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチモーダル学習解析 ,  データ融合 ,  マルチモーダルデータ ,  学習指標 ,  オンライン学習

分類 (2件)： 計算機利用技術一般  (JE01000C) ,  計測機器一般  (AD02000X)

引用文献 (192件)：

• Siemens, G.; Baker, R.S.J.d. Learning analytics and educational data mining: Towards communication and collaboration. In Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (LAK 2012), New York, NY, USA, 29 April-2 May 2012; pp. 252-254.
• Schwendimann, B.A.; Rodríguez-Triana, M.J.; Vozniuk, A.; Prieto, L.P.; Boroujeni, M.S.; Holzer, A.; Gillet, D.; Dillenbourg, P. Perceiving Learning at a Glance: A Systematic Literature Review of Learning Dashboard Research. IEEE Trans. Learn. Technol. 2017, 10, 30-41.
• Liu, R.; Stamper, J.; Davenport, J.; Crossley, S.; McNamara, D.; Nzinga, K.; Sherin, B. Learning linkages: Integrating data streams of multiple modalities and timescales. J. Comput. Assist. Learn. 2019, 35, 99-109.
• Eradze, M.; Laanpere, M. Lesson Observation Data in Learning Analytics Datasets: Observata. In Proceedings of the 12th European Conference on Technology-Enhanced Learning (EC-TEL 2017), Tallinn, Estonia, 12-15 September 2017; pp. 504-508.
• Rodríguez-Triana, M.J.; Prieto, L.P.; Vozniuk, A.; Boroujeni, M.S.; Schwendimann, B.A.; Holzer, A.; Gillet, D. Monitoring, awareness and reflection in blended technology enhanced learning: A systematic review. Int. J. Technol. Enhanc. Learn. 2017, 9, 126-150.

タイトルに関連する用語 (4件)： 学習解析 ,  マルチモーダル ,  データ融合 ,  系統的レビュー