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
- 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
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 - 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 「
0.00.「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
■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
■ 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
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
( 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
( 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「00」00400
4 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
050150「50」50
5 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
050150「50」50
6 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「00」00400
7 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
050150「50
8 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
050150「50
9 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
050100150
1 0 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
050150「50
1 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
050150「50
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
■ 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, 359–372.
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