[配布資料] CV 草薙邦広のページ LET2017 kusanagi

(1)

1

ン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

語彙活用教養教育英語科目 ₈単必修学生向け

(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，格者数比率変化試験資格充足者比率 _29%増加 R = 1.29 [1.03, 1.62]

(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} ^TS

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

Intention Behavior

(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} ^ン

■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_C_total 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 「

0.00.「0.40.60.81.0

( a )

T ( W e e k 上 )

%（omple下ed

「 4 6 8 1 0 1 「

0.00.「0.40.60.81.0

( b )

T ( W e e k 上 )

%（omple下ed

0 「 4 6 8 1 0 1 「

0.00.「0.40.60.81.0

( c )

T ( W e e k 上 )

%（omple下ed

(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

」0405060708090100

( 4 )

T

（omple下ed

0 5 1 0 1 5 「 0 「 5 」 0

「0406080100

( 5 )

T

（omple下ed

0 5 1 0 1 5 「 0 「 5 」 0

0「0406080100

( 6 )

T

（omple下ed

(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

図 4. 学習到達度曲線

(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

位reqつencと

0 5 1 0 1 5 「 0 「 5 」 0

0100」00500

「 0 ） a と e 上

位reqつencと

0 5 1 0 1 5 「 0 「 5 」 0

0100」00500

」 0 ） a と e 上

位reqつencと

0 5 1 0 1 5 「 0 「 5 」 0

0100「00」00400

4 0 ） a と e 上

位reqつencと

0 5 1 0 1 5 「 0 「 5 」 0

050150「50」50

5 0 ） a と e 上

位reqつencと

0 5 1 0 1 5 「 0 「 5 」 0

050150「50」50

6 0 ） a と e 上

位reqつencと

0 5 1 0 1 5 「 0 「 5 」 0

0100「00」00400

7 0 ） a と e 上

位reqつencと

0 5 1 0 1 5 「 0 「 5 」 0

050150「50

8 0 ） a と e 上

位reqつencと

0 5 1 0 1 5 「 0 「 5 」 0

050150「50

9 0 ） a と e 上

位reqつencと

0 5 1 0 1 5 「 0 「 5 」 0

050100150

1 0 0 ） a と e 上

位reqつencと

0 5 1 0 1 5 「 0 「 5 」 0

050150「50

1 1 0 ） a と e 上

位reqつencと

0 5 1 0 1 5 「 0 「 5 」 0

050150「50

(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

0.650.750.850.95

S e n 上 i 下 i v i 下と

I 下 e r a 下 i o n

Valつe

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

0「468

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

）en上i下と

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

0.6「0.640.660.680.700.7「0.74

S p e c i f i c i 下と

I 下 e r a 下 i o n

Valつe

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

051015「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

）en上i下と

(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.

英語授業実践 ₂ 広島大学外国語研究 10 , 85–95.

英語授業実践 ₃ 広島大学外国語研究 11 , 83–93.

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, 359–372.

(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 package version 0.9.12-2. https://CRAN.R-project.org/package=BayesFactor

[配布資料] CV 草薙邦広のページ LET2017 kusanagi

ン 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

1. 問題 所在

2. 先行研究

3. 非線形最 乗法 学習到達度曲線 ン

4. 本研究

4. 結果

5. 総括

参考文献

ン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

1. ^問題 ^所在

2. ^先行研究

3. ^非線形最 ^乗法 ^{学習到達度曲線} ^ン

4. ^本研究

4. ^結果

5. ^総括