SOMとFNNを用いた学習者の分類手法の提案

カテゴリ: 部門大会

論文No: TC1-3

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): Learner classification method using SOM and FNN

著者名: 廣谷 一樹（広島大学）,林田 智弘（広島大学）,堤 健人（山口大学）,脇谷 伸（広島大学）,木下 拓矢（広島大学）,西崎 一郎（広島大学）,関崎 真也（広島大学）

著者名(英語): Kazuki Hirotani (Hiroshima University),Tomohiro Hayashida (Hiroshima University),Kento Tsutsumi (Yamaguchi University),Shin Wakitani (Hiroshima University),Takuya Kinoshita (Hiroshima University),Ichiro Nishizaki (Hiroshima University),Shinya Sekizaki (Hiroshima University)

キーワード: 時系列データ分類|ニューラルネットワーク|教育支援教育支援|Time-series data classification|Neural networks|Assistance in education

要約(日本語): 近年，学習者がオンライン上で学習できる環境が構築されている．しかし，学びの場では，教育を提供する側が学習者に対して適切な教材を提供できておらず，学習者の学習意欲の低下を引き起こす場合がある．原因として，学習者の学習レベルを正しく認識し，どの分野を重点的に教育するべきかを把握できていないことが考えられる．教育者は，学習者の特性を把握し，その特性に基づいて学習教材を判別し提供することが望ましい．学習者の過去の情報に基づいて，将来的な各学生の苦手な分野を予測し，見出すことができれば，適切な教育方針を定めることができる．本論文では，複数のニューラルネットワークモデルを用いて，学習者の過去の到達度を用いてその特性ごとにクラスタリングを行い，学習者のクラスタごとに将来の到達度を予測し，その結果から学習者を分類する手法を構築する．さらに，長期間の学習者のデータを用いた実践的実験により，その有用性を示す．