「一次遅れ＋むだ時間」系を用いた学習者モデルとニューラルネットワークを用いた学習者分類手法の構築

カテゴリ: 研究会(論文単位)

論文No: CT20002

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2020/01/04

タイトル(英語): Learner model using "first-order plus deadtime" system and learner classification procedure by neural networks

著者名: 谷本 祐輔(広島大学),林田 智弘(広島大学),山本 透(広島大学),脇谷 伸(広島大学),木下 拓矢(広島大学),西﨑 一郎(広島大学),関崎 真也(広島大学)

著者名(英語): Yusuke Tanimoto(Hiroshima University),Tomohiro Hayashida(Hiroshima University),Toru Yamamoto(Hiroshima University),Shin Wakitani(Hiroshima University),Takuya Kinoshita(Hiroshima University),Ichiro Nishizaki(Hiroshima University),Shinya Sekizaki(Hiroshima University)

キーワード: 学習支援システム|一次遅れ＋むだ時間系|学習者モデル|特徴抽出|分類|ニューラルネットワーク|learning support system|first-order plus deadtime|learner model|feature extraction|classification|neural network

要約(日本語): 学習能力の高さに基づいて学習者を分類することができれば，早期に個別の学習支援を実施でき，学習意欲や到達度向上が期待できる．_x000D_ 本研究では，ニューラルネットワーク(NN)を用いた学習能力による学習者の分類手法を提案する．ここでは，制御工学的アプローチに基づいて構築された学習者モデルにより生成された仮想的なデータを用いてNNの学習を実施するものとし，数値実験により提案手法の有用性を検証する．

要約(英語): This study proposes a method for classifying the learners using neural networks (NNs)._x000D_ The NNs are trained by using virtual generated data for learner model constructed based on a control engineering approach._x000D_ This study conducts numerical experiments for verifying our proposed method.

原稿種別: 日本語

PDFファイルサイズ: 1,206 Kバイト