反実仮想機械学習を用いた修学リスクの改善方式の検討

カテゴリ: 部門大会

論文No: OS1-14

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Learning Risk Improvement Method using Anti-real Virtual Machine Learning

著者名: 安部 恵介（九州産業大学）,成 凱（九州産業大学）

著者名(英語): Keisuke Abe (Kyushu Sangyo University),Cheng Kai (Kyushu Sangyo University)

キーワード: 反実仮想|機械学習|ラーニングアナリティクス|教育支援|データ分析教育ビッグデータ|anti-real virtual|machine learning|learning analytics|education support|data analyticseducational big data

要約(日本語): 情報化の進展により多様なデータが大規模に収集・蓄積され、ビッグデータを活用したデータ分析として機械学習の適用による予測等が重要となっている。一方実用的には単に予測するだけでなく、モデルの解釈や判断根拠の説明も必要となる場合が多い。また単に予測するだけでなく、改善に役立てることも重要である。そこで本研究では特徴量の重要度分析により予測への寄与度を明らかにし、さらに実際には起こっていない状況を想定する反実仮想機械学習による改善案の作成について検討する。大学における学生の留年・退学リスクの予測を対象として、特徴量の重要度分析によりリスク要因を定量化し、さらに反実仮想機械学習の適用によりどうすればそのリスクが改善されるか検討する。実データを用いて、主要な特徴量に着目した反実仮想機械学習による実用的な改善案の作成方式について検討する。