教務情報データに基づく特徴量分析とオンライン授業の影響分析
教務情報データに基づく特徴量分析とオンライン授業の影響分析
カテゴリ: 部門大会
論文No: OS1-19
グループ名: 【C】2021年電気学会電子・情報・システム部門大会
発行日: 2021/09/08
タイトル(英語): Feature Analysis based on Academic Affairs Information and Impact Analysis of Online Lessons
著者名: 安部 恵介(九州産業大学)
著者名(英語): Keisuke Abe (Kyushu Sangyo University)
キーワード: ラーニングアナリティクス|機械学習|教育ビッグデータ|オンライン授業|教育支援データ分析|learning analytics|machine learning|educational big data|online lessons|education supportdata analysis
要約(日本語): 情報化の進展により大学においても多様なデータが大規模に蓄積され、データを活用した教育改善が重要となっている。その中でも留年・退学者の削減が重要であり、成績や出席状況等の教務データを用いて機械学習の適用により早期に予測・予防する方式が検討されている。なお効果的な予測方式を構築するためには適切な特徴量を選択することが重要である。そこで本研究では、ランダムフォレストにより特徴量の重要度分析を行い、教務データの中から適切な特徴量を選択することにより有効な予測方式を検討する。また昨年はオンライン授業が主体であった。そこで教務データを用いて従来と比較することによりオンライン授業の影響を分析する。さらに機械学習の適用により従来モデルによる予測結果との相違について分析することによりオンライン授業の影響についても検討する。
PDFファイルサイズ: 763 Kバイト
受取状況を読み込めませんでした
