FNN を用いた成績予測精度向上のための学習者分類

カテゴリ: 部門大会

論文No: TC5-2

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Learner classification for improving grade prediction accuracy using FNN

著者名: 廣谷 一樹（広島大学）,林田 智弘（広島大学）,脇谷 伸（広島大学）,堤 健人（山口大学）,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),Shin Wakitani (Hiroshima University),Kento Tsutsumi (Yamaguchi University),Takuya Kinoshita (Hiroshima University),Ichiro Nishizaki (Hiroshima University),Shinya Sekizaki (Hiroshima University)

キーワード: 成績予測|ニューラルネットワーク|教育支援教育支援|Grade prediction|Neural networks|Assistance in education

要約(日本語): 近年、IoT機器の普及とGIGAスクール構想を背景に教育現場における電子機器の導入とデジタル化が進んでいる。どのような環境でも、教育者は学習者に対して適切な教育支援を実施することが求められる。すなわち、個々の学習者の特性を理解し、その特性に基づいて学習教材を選択して与える必要がある。学習者の過去の成績に基づいて、その学習者の苦手な分野を予測することができれば、教育方針を決定することができる。一方で、教育現場では、教員の異動や学習環境、学習内容の変更によって各年度の評価方法は統一されないことがあり、高精度の予測が難しい場合があるため、各年度の評価値の違いにも柔軟に対応しなければならない。本論文では、現実の学習者データおよびニューラルネットワークモデルを用いて、学習者の過去のデータに基づく成績予測の結果から学習者をその成長特性によって分類する手法を提案する。