[配布資料] CV 草薙邦広のページ LET2017 kusanagi

10 

Loading....

Loading....

Loading....

Loading....

Loading....

全文

(1)

1

ン学習プログ

け 単位取得困難学生 事前検知:

非線形最小二乗法

学習到達度曲線

デ ング

草薙 邦広・ 田 ⼀路・⻤田 崇作

阪上 辰也・ 田 光宏・吉川 さ

広島大学外国語教育研究 ンター

連絡先:kusanagi@hiroshima-u.ac.jp

第54回外国語教育 デ 学会全国研究大会

2017/8/6 名古屋学院大学白鳥学舎

概要

■広島大学外国語教育研究 ンター ,対面 英語授業 並行し, ン ン学習プログ を提供

■ ン ン学習プログ へ 従事 十分 い受講者 ⼀定数存在す

■学習到達度 十分 い場合,単位取得 い

■学習支援 ,自律学習 ー ーキングを促す方法 開発 必要

■ 田他 2017 ,受講生へ 声掛け ー を送 いう処遇 効果 い 報告し い

■し し, a 処遇回数 倹 , b 処遇 不要 学生を処遇対象 除外, い たさ 改善 望ま

■そ ため ,成績判定日 前 単位取得 困難 学生を事前検知す 必要 あ

■本研究 , ン ン学習プログ 対す 従事率 時系列情報 注目

■学習到達度曲線を非線形最小二乗法 NLS 数理 デ し 抽象し,単位取得可能性 事前検知を実施

■事前検知 パフ ーマン を 推定

■過去 データ 対し ,実用 耐えう 精度を実現

■予測機を活用した事前介入方法 こ 予測機 限界点 い 議論

1.

問題

所在

■CALL,WBT, 授業外学習 け 的 学習支援 要性

を 入す く う 運用す いう観点

- CALL教材 生 効果 散 < 運用方法 生 効果 散

a 評価 , b ュ , c ニ , d 自 学習 支援 要 要因

や ぱ い→や せ ぱ し い 作

いえ, 要 問題

■広島大学外国語教育研究 ン 教育実践

(2)

2

- 広大 ン 6000語彙 成29 度版 HiroTan

- 難易度a 標準 4,000語 内半数 前期 ,100語 1チ タ

- 難易度 b 発展 2,000語 内半数 期 ,100語 1チ タ

対面授業 ン ン学習プ を同時 提供

- 対面授業:コ ニ ンIB 前期 ,IIB 期

- ン ン:コ ニ ン基礎I 前期 ,コ ニ ン基礎II 期

均 一回分 授業あた 300語 語彙を学習 相当

- 対面授業 小 ,約一ヶ月 中間

ン ン単語学習 [1] [2] [3] [4] [5]

- HiroTan 準拠 WBT Web-Based Training

- Step 1 Step 2 構成 ,全60チ タ

- Step 1: 学習単語 発音 意味 チ

- Step 2: 学習単語 確認

ン ン学習 ロ 従 関 評価基準

- 各期,指定期日 ン ン 67%以 20 プ を消化 こ

- 期 試験 60%以 成績 こ

- 期 試験:全200問

■問題 教育 質向 関す 視点

自 的 学習 ン い学生 プ ウ す 例 5 10%

→ 指定期日 学習 ン ン を十分 消化し い

- 他科目 ロ い 例

- 単 得要件 理解不足

- 学習 く 当面直接的 い

- 学習 く 解け う例

- 学習形態 選好性 [6],CALL 態度 [7]

ロ 再履修 , プ ウ を繰 返す [5]

- いわゆ 留 学生 ...

- 同級生 学習環境 異 い, ン い

2.

先行研究

■森田他 2017 [5]

成26 度,27 度前期 コ ニ ン基礎I 履修学生

27 度, 週定期的 17回 渡 声掛け を配信

処遇 実施 26 度 タ 比 , 格者数 比率 変化

(3)

3

コ ニ ン基礎 I 基礎 II 講生

担当者 一人 森田光宏 。

今 度 , 月曜日 ン ン単語学習 度 目安 皆 送信 。新学期 始 ,2

間 経 。 ン ン単語学習 自 学習 い 人 い 一方 ,

ン ン単語学習 セ い い人, セ け 学習 ニ 少 い人

い 。授業 度調節 い , く い 行う 掴 い人 い

。こ , 学習 目安 知 。 ,目安以

い い 構い ,履修要件 満 け 学習 意味 あ ,

期 試験 見据え 学習 励 い。

基礎 I 目安 :a01-02 b01

森田他, 2017 [5] , p. 68

■改善す 点 そ 心理学的根拠

反復 効果 減 懸念

Cacioppo and Petty 1979, 1989 [8] [9]

- 反復 関す 段階

- 第一段階 , セ 復 思考 及 影響 大 く

- 第 段階 ,あ 反復回数 度 多く 心理的抵抗 発生

- 復 頻度 増え , 同意率 いく

広告 効果 ,最初増加 , 減 wearout いく [10] [11]

自 的 ン 学生 対 動機 減退因子 い

Atkinson 期待価値理論 expectancy-value theory [12]

= [ × ( × )] 1

- 主観的困難度 PS 誘引 IS →達成動機 T

S

Ajzen 計画的行動理論 Theory of Planned Behavior [13]

図 1. 計画行動理論 Attitude

Subjective Norm

Behavioral Control

(4)

4

- 行動統制感 →行動確率

■ a 処遇回数 削減, b 処遇対象 選抜

処遇 必要 講生 を 前検知 解決 !

3.

非線形最

乗法

学習到達度曲線

■学習到達度曲線 学習 ン ン 消化曲線 [14]

学習到達度a:あ 時間t い ,全コン ン 数Ctotal 対 個人 i こ 学習コ

ン ン C(t, i) 比, ,あ 時間t け 個人i 学習到 度 ,

, =

, 「

あ 個人i 着目 ,時系列 亘 学習到 度 変化 ,単純 3 う

= ( ) 」

こ 関数 描 個人 学習到達度曲線 呼ぶ

■個人 タ い ,こ 関数を他 関数 数理 抽象したい

図 a :観測 得 学習到 度曲線 例

図 b :観測 対し 最 乗法 OLS 1 次関数をフ 様子

= + 4

適 い場 あ

図 c :一部 観測 対 非線形最 乗法 NLS [15] 関数

図 「. 学習到達度曲線 ン 概要 仮想

「 4 6 8 1 0 1 「

0 . 0 0 . 「 0 . 4 0 . 6 0 . 8 1 . 0

( a )

T ( W e e k 上 )

% ( o m p l e

e

d

「 4 6 8 1 0 1 「

0 . 0 0 . 「 0 . 4 0 . 6 0 . 8 1 . 0

( b )

T ( W e e k 上 )

% ( o m p l e

e

d

0 「 4 6 8 1 0 1 「

0 . 0 0 . 「 0 . 4 0 . 6 0 . 8 1 . 0

( c )

T ( W e e k 上 )

% ( o m p l e

e

(5)

5

■非線形最小 乗法

OLS 基 一緒

β 関数 数 ,残差 方和 最小化 β 値 索

保健衛生,生態学,信 性工学,人口統計 豊富 応用例

研究 ウ ニュ ン法 数値解析

■ 研究 使用 関数

関数1:四 数 関数

= + ( − ) 1 + ( −

! )

4

関数2:指数関数

= 5

関数3:1 次関数

= + 6 = 4

図 」. 」 関数

4.

本研究

■研究目的

学習到達度曲線を数理 し 抽象し,成績判定日 前 単 得 不可能 学生

を統計的 前検知す

■対象

成28 度広島大学教養教育科目 コ ニ ン基礎I 講生 N = 1,026

0 5 1 0 1 5 「 0 「 5 」 0

0

4

0

5

0

6

0

7

0

8

0

9

0

1

0

0

( 4 )

T

o

m

p

l

e

e

d

0 5 1 0 1 5 「 0 「 5 」 0

0

4

0

6

0

8

0

1

0

0

( 5 )

T

o

m

p

l

e

e

d

0 5 1 0 1 5 「 0 「 5 」 0

0

0

4

0

6

0

8

0

1

0

0

( 6 )

T

o

m

p

l

e

e

(6)

6

■ 構造 基本的 工程

ン ン単語学習 学習履歴 Python タ 整形,R 解析

授業開始時点 110日 締 日 ,消化コン ン 2/3 満 い 判定

タ 1日単 記録 110行1,026列 タ

80日時点 使用 化,110日目 予測値 出

■ 説明

80日時点 タ 対 ,以 順番 逐次,関数 いく

各個人 時系列 タ 対 , 四 数ロ 関数

→数値解析 ,初期値 必要 あ ,初期値 自動設定

→推定 束 場 ,四 数ロ 関数 用

次 指数関数

→初期値 1

→推定 束 場 ,指数関数 用

最 1次関数

得 数理 ,110日目 値 予測 ,成績判定 行 う

実際 成績判定 混同行列 当該 予測機 ン 評価

MCMC 予測機 感度 特異度 分布をベ 推定

4.

結果

■観測

(7)

7

図 5. 学習到達度 時系列分布

■予測機 パフ マン

図 6. 実測値 予測値 散布図

1 0 ) a と e 上

( h a p . ( o m p l e 下 e d

r

e

q

e

n

c

0 5 1 0 1 5 「 0 「 5 」 0

0 1 0 0 」 0 0 5 0 0

「 0 ) a と e 上

( h a p . ( o m p l e 下 e d

r

e

q

e

n

c

0 5 1 0 1 5 「 0 「 5 」 0

0 1 0 0 」 0 0 5 0 0

」 0 ) a と e 上

( h a p . ( o m p l e 下 e d

r

e

q

e

n

c

0 5 1 0 1 5 「 0 「 5 」 0

0 1 0 0 「 0 0 」 0 0 4 0 0

4 0 ) a と e 上

( h a p . ( o m p l e 下 e d

r

e

q

e

n

c

0 5 1 0 1 5 「 0 「 5 」 0

0 5 0 1 5 0 「 5 0 」 5 0

5 0 ) a と e 上

( h a p . ( o m p l e 下 e d

r

e

q

e

n

c

0 5 1 0 1 5 「 0 「 5 」 0

0 5 0 1 5 0 「 5 0 」 5 0

6 0 ) a と e 上

( h a p . ( o m p l e 下 e d

r

e

q

e

n

c

0 5 1 0 1 5 「 0 「 5 」 0

0 1 0 0 「 0 0 」 0 0 4 0 0

7 0 ) a と e 上

( h a p . ( o m p l e 下 e d

r

e

q

e

n

c

0 5 1 0 1 5 「 0 「 5 」 0

0 5 0 1 5 0 「 5 0

8 0 ) a と e 上

( h a p . ( o m p l e 下 e d

r

e

q

e

n

c

0 5 1 0 1 5 「 0 「 5 」 0

0 5 0 1 5 0 「 5 0

9 0 ) a と e 上

( h a p . ( o m p l e 下 e d

r

e

q

e

n

c

0 5 1 0 1 5 「 0 「 5 」 0

0 5 0 1 0 0 1 5 0

1 0 0 ) a と e 上

( h a p . ( o m p l e 下 e d

r

e

q

e

n

c

0 5 1 0 1 5 「 0 「 5 」 0

0 5 0 1 5 0 「 5 0

1 1 0 ) a と e 上

( h a p . ( o m p l e 下 e d

r

e

q

e

n

c

0 5 1 0 1 5 「 0 「 5 」 0

(8)

8

表 1.

予測結果 混同行列

陽性 単 得不可能 陰性 単 得可能

検査陽性 予測値 「0 未満 50 5% 」「1 」1%

検査陰性 予測値 「0 以 8 1% 658 6」%

観測 感度86%,特異性67%,的中率68%,陽性尤度比2.61

マ フ連鎖 ン 法 MCMC ,感度 特異性 分布をベ 推定

- 無情報 前 布, サン ン [16] [17]

- MCMCサン 数 = 10,000,間引 区間 = 1,チ ン数 = 1, ン ン区間 = 0

- Gewke 診断 束 判定 Z < 1.96

図 7. 感度 特異性 け M(M( 分布 得 た ンプ 分布 ネ

表2.

分布 ンプ け 分布 分 点

2.5% 25% 50% 75% 97.5%

感度 .75 .82 .85 .88 .93

特異性 .64 .66 .67 .68 .70

- 感度 け 95%ベ 信用区間 [.75, .93]

- 特異性 け 95%ベ 信用区間 [.64, .70]

0 「 0 0 0 4 0 0 0 6 0 0 0 8 0 0 0 1 0 0 0 0

0 . 6 5 0 . 7 5 0 . 8 5 0 . 9 5

S e n 上 i 下 i v i 下 と

I 下 e r a 下 i o n

V

a

l

e

0 . 7 0 . 8 0 . 9 1 . 0

0

4

6

8

S e n 上 i 下 i v i 下 と

N = 1 0 0 0 0 B a n d て i d 下 h = 0 . 0 0 6 4 」 4

e

n

i

0 「 0 0 0 4 0 0 0 6 0 0 0 8 0 0 0 1 0 0 0 0

0 . 6 「 0 . 6 4 0 . 6 6 0 . 6 8 0 . 7 0 0 . 7 「 0 . 7 4

S p e c i f i c i 下 と

I 下 e r a 下 i o n

V

a

l

e

0 . 6 「 0 . 6 4 0 . 6 6 0 . 6 8 0 . 7 0 0 . 7 「 0 . 7 4

0 5 1 0 1 5 「 0 「 5

S p e c i f i c i 下 と

N = 1 0 0 0 0 B a n d て i d 下 h = 0 . 0 0 「 1 5 7

e

n

i

(9)

9

■ め

- 単 得 不可能 学生 75%~93% 前検知可能

- 偽陽性 高い ,こ こ 自体 教育業務 大 問題 い

- 偽陽性 見逃 問題

- 偽陽性 高 う 今 課題

5.

総括

■教育実践 資す 可能性 あ 予測機 実装 た

■予測精度 向 課題

■当該 科目 関し 試験運用

■限界点

■技術的問題点

参考文献

[1]. 榎田一路 前田啓朗 磯田貴 田頭憲 (2006). 広島大学 ン タ ロ

英語授業 実践 1 広島大学外国語研究 9 , 115–125.

[2]. 榎田一路 前田啓朗 磯田貴 田頭憲 (2007). 広島大学 ン タ ロ

英語授業 実践 2 広島大学外国語研究 10 , 85–95.

[3]. 榎田一路 前田啓朗 磯田貴 田頭憲 (2008). 広島大学 ン タ ロ

英語授業 実践 3 広島大学外国語研究 11 , 83–93.

[4]. 榎田一路 前田啓朗 磯田貴 田頭憲 (2009). 広島大学 ン タ ロ

英語授業 実践 4 広島大学外国語研究 12 , 95–104.

[5]. 森田光宏 榎田一路 鬼田崇作 阪 辰也 草薙邦広 川 (2017). 声掛け WBT

自学自習 中国地区英語教育学会研究紀要 47, 63–72.

[6]. Kusanagi, K., Enokida, K., Kida, S., Sakaue, T., Takita, F., Tatsukawa, K., Uenishi, K., Yamamoto, G., &

Yoshikawa, L. (2017). Foreign language learning mode preferences of Japanese university students. Annual

Review of English Language Education in Japan, 28, 193–208.

[7]. 川口勇作 草薙邦広 (2016). 英語 学習 大学生 対象 新 いコン タ支援語学学習

態度尺度作成 試 Language Education & Technology, 52, 257–277.

[8]. Cacioppo, J. T., & Petty, R. E. (1979). Effects of message repetition and position on cognitive response, recall,

and persuasion. Journal of Personality and Social Psychology, 37, 97–109.

[9]. Cacioppo, J. T., & Petty, R. E. (1989). Effects of message repetition on argument processing, recall, and

persuasion. Basic and Applied Social Psychology, 10, 3–12.

[10]. Appel, V. (1971). Advertising wear out. Journal of Advertising Research, 11, 11–13.

[11]. Pechmann, C., & Stewart, D. W. (1988). Advertising repetition: A critical review of wearin and wearout.

Current Issues and Research in Advertising, 11, 285–329.

[12]. Atkinson, J. W. (1957). Motivational determinants of risk-taking behavior. Psychological Review, 64,

(10)

10

[13]. Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50,

179–211.

[14]. 草薙邦広 (2017). ン ン学習履歴 タ 統計的 扱い 広島外国語教育研究 20, 231–244.

[15]. Marquardt, D. W. (1963). An algorithm for least-squares estimation of nonlinear parameters. Journal of the

Society for Industrial and Applied Mathematics, 11, 431–441.

[16]. Gunel, E., & Dickey, J. (1974). Bayes factors for independence in contingency tables. Biometrika, 61,

545–4557.

[17]. Morey, R., D., & Rouder, J., N. (2015). BayesFactor: Computation of Bayes Factors for Common Designs. R

Updating...

参照

Updating...

関連した話題 :