JP5403727B2 - 教材選択システムの方法とプログラム - Google Patents
教材選択システムの方法とプログラム Download PDFInfo
- Publication number
- JP5403727B2 JP5403727B2 JP2007276943A JP2007276943A JP5403727B2 JP 5403727 B2 JP5403727 B2 JP 5403727B2 JP 2007276943 A JP2007276943 A JP 2007276943A JP 2007276943 A JP2007276943 A JP 2007276943A JP 5403727 B2 JP5403727 B2 JP 5403727B2
- Authority
- JP
- Japan
- Prior art keywords
- achievement
- topic
- importance
- academic
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000000463 material Substances 0.000 title claims description 167
- 238000000034 method Methods 0.000 title claims description 53
- 230000007704 transition Effects 0.000 claims description 66
- 238000012545 processing Methods 0.000 claims description 54
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000010187 selection method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims 1
- 238000012360 testing method Methods 0.000 description 46
- 238000007726 management method Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000002068 genetic effect Effects 0.000 description 4
- 238000012552 review Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 210000001520 comb Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012917 library technology Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
1)成績別に設定したルール等によってトピックや教材を陽に指定する方式。
2)数理計画的にトピックや教材の組合せを求める方式。
3)上記2方式の併用。
前記先行技術の多くは学習カリキュラムの特性を利用している。前記学習カリキュラムの特性の例として、学校や塾が持つ学年別,科目別の学習カリキュラムが複数の学力領域(以下、トピックという)から構成されていること、カリキュラムに沿って用いられる教材はある特定のトピックに紐付くか、または複数のトピックに紐付いていることが挙げられる。
により、教材を選択する際に必要となるトピックをすべて考慮に入れることができる。第4に、トピック間の遷移に遷移確率を設定することにより、精度の高い重要度を導きだすことができる。
[テスト成績DB3]
テスト成績を保持し、生徒別に構成されるDBである。以下のデータ項目を保持する。
ID:テスト問題ID
Score:生徒の成績
テスト問題とトピックの関係を表すDBで、テスト問題の採点結果から生徒のトピックの達成度を計算するために用いる。以下のデータ項目を保持する
ID:テスト問題ID
Level:テスト問題の難易度
Topics:関連トピックのリスト
Ave.Score:全生徒の平均スコア
トピック関連構造(前提や後続条件等)を保持するDBで、トピックの重要度を計算するために用いる。以下のデータ項目を保持する。
ID:トピックID
Level:トピックの難易度
Related Topics:親(前提トピック)、子(後続トピック)、とそれ以外の関連トピックのリスト(親子関係が容易に断定できないトピック集)
Avg.Score:全生徒の平均達成度
トピックの達成度および重要度を保持し、生徒別に構成されるDBである。以下のデータ項目を保持する。
ID:トピックID
Score:トピックの達成度
Relevancy:トピックの重要度
教材とトピックの関連を保持するDBである。以下のデータ項目を保持する。
ID:教材ID
Level:教材の難易度
Hours:教材の学習時間
Topics:被覆したトピックリスト
教材の価値等の情報を保持し、生徒別に構成されるDBである。以下のデータ項目を保持する。
ID:教材ID
Number of Use:過去に選ばれた回数
Value:教材の価値
上記DBを利用して生徒に対する教材選択のための個々の処理について説明する。図3は、達成度処理部の処理フローを示す。まず、テスト採点者は、キーボード、マウス、ディジタルペン等の入力部2を通じて、テスト成績DB3に問題ごとに成績を記憶させる。テスト成績DB3から生徒の問題ごとの成績を取得する(S31)。そして、S31にて取得した問題の難易度と生徒の平均点数をテスト問題DB4から取得する(S32)。続いて、前記問題に関連するトピックをテスト問題DB4から取得する(S33)。S33にて取得した問題に関するトピックの達成度を成績と問題の難易度から計算し(S34)、達成度の低いトピックだけを抽出する(S35)。S33で取得した全トピックについてテスト問題がない、または少ないトピックであるかを判断する(S36)。テスト問題がある、または少ないトピックではない場合、全生徒の平均達成度を計算し(S37)、平均達成度をトピックDB5へ登録する(S38)。一方、テスト問題がない、または少ないトピックの場合には、そのトピックが達成度の低いトピックから形成されるDAGのLCAであるかを判断する(S39)。DAGについては後述にて詳細を説明する。前記トピックが達成度の低いトピックから形成されるDAGのLCAでない場合は、そのトピックを選択から除外する(S40)。他方、前記トピックが達成度の低いトピックから形成されるDAGのLCAである場合には、そのトピックを達成度が不明な基礎トピックとして抽出する(S41)。以上より、抽出された達成度が低いトピックおよび達成度が不明な基礎トピックをトピックDB5へ登録する(S42)。ここで、達成度が低いとは、例えば、平均の達成度と比較して低い場合や、予め設定した閾値より低い場合を示す。
達成度処理部10の処理が終了すると、重要度処理部11にてトピック関連構造を考慮したトピックの重要度計算を行う。重要度計算においては2つのステップ、達成度から重要度を求めるステップと前記重要度からDAGを考慮した重要度を求めるステップがある。達成度から求めた重要度を以下初期重要度という。初期重要度からDAGを考慮した重要度を求める重要度計算には、以下の原理が使用される。
(原理1)
重要度が高いトピックの親は重要である。これは、達成度の低いトピックに関して、そのトピック自体の復習だけでなく、そのトピックの親(基礎)の復習も、生徒にとっては重要であることに基づいた原理である。つまり、あるトピックの達成度が低い原因はそのトピック、または、その親トピック、の理解不足からであると仮定する。
(原理2)
重要度の高い子トピックが多いトピックは重要である。これは、複数の子トピックである応用トピックの達成度が低い場合、それらの応用トピックの共通の基礎トピック復習の重要度が上がることを意味する原理である。上記原理に加え、達成度処理部にて抽出した達成度の低いトピックのF−DAGに「トピック間の遷移」を定義する。
(1)トピックが基礎トピックの場合、遷移先は全トピックとし、その重みは同じとする。また、トピックはDAGのルートの場合、遷移先は自分と他のすべてのトピックとする。
(1)以外については、
(2)達成度の低いトピックは同トピックの遷移確率Wsをより高く設定。
(3)遷移先のトピックの達成度が自分の達成度より低い場合、そのトピックへの遷移確率Whを低く設定。
(4)遷移先のトピックの達成度が自分の達成度より高い場合、そのトピックへの遷移確率Wrを高く設定。
(5)遷移先のトピックは基礎トピックの場合、そのトピックへの遷移確率Wrを低く設定。
前記原理、前記「トピック間の遷移」および、上記に述べた条件により遷移確率を決定すること、により、PageRank方式に比べ高い精度でトピックの重要度を得ることができる。この点については、実施例1にて後述する。
上記計算により、求められたr(G)はトピック関連構造を反映した値となっている。なお、遷移確率をWs:Wh:Wl:Wr=2:1:1:2とすることで、10回ぐらいの反復で十分なトピック重要度r(G)が得られることが実験より判明している。
図9に教材価値処理部の処理フローを示す。教材価値処理部12においては、重要度処理部にて求められた各トピックの重要度r(t)’をトピックスコアDB6から取得し(S91)、トピックDB5に保持されているトピックの難易度、教材DB7に保持されている教材の難易度、教材価値DB8に保持されている教材が過去に選ばれた回数等を基に教材kの価値(平準化した数値)v(k)を計算する(S92)。計算されたv(k)は教材価値DB8へ出力される(S93)。
図10に教材価値処理部の処理フローを示す。教材選択処理部13においては、教材価値処理部にて求められた教材の価値を教材価値DB8から取得し(S101)、教材の価値が最大になるような教材の組合せを整数計画法により得る(S102)。S102にて得られた結果の教材の組合せは、出力部9を通じてディスプレイやプリンターによって教師へと結果が出力される(S103)。本実施形態の整数計画法には、以下に示すKnapsack型、および、集合被覆問題型の整数計画問題として定式化し解く手法を用いる。教材価値処理部12にて教材の価値が得られたことから、前記手法を用いることができる。
(1)教材価値を最大化する場合の定例式化例
(1) トピックの連鎖が長いトピックほど重要度が高い。
(2) 子トピックが多いトピックほど重要度が高い。
(3)達成度が不明のトピックについても関連があるため、重要度が必要とされる。
上記結果より、上記3点の特徴を考慮した結果はPageRank方式を適用した場合では得られないが、本実施形態におけるトピック関連構造に基づく「トピック間遷移」の原理と遷移確率を適用した場合は得ることができることが判明した。
2 入力部
9 出力部
3 テスト成績DB
4 テスト問題DB
5 トピックDB
6 トピックスコアDB
7 教材DB
8 教材価値DB
10 達成度処理部
11 重要度処理部
12 教材価値処理部
13 教材選択処理部
Claims (11)
- 受験者の学習評価データに基づいて教材を選択する教材選択方法であって、
コンピュータが、
前記学習評価データと学力領域の難易度に基づいて受験者の学力領域の達成度を計算し、当該達成度が所定の値より低い学力領域を抽出するステップと、
前記達成度と前記学力領域の相互依存関係を表した学力領域関連構造に基づいて、前記達成度が前記所定の値より低い原因として学習すべき前記学力領域の重要度を計算するステップと、
前記学力領域の重要度に基づいて、当該学力領域に関連する教材の学習すべき価値を計算するステップと、
前記教材の価値に基づいて教材を選択するステップと、
を実行し、
前記抽出するステップにおいて、前記学力領域関連構造に基づいて、前記達成度が明らかでない学力領域のうち、前記達成度が所定の値より低い学力領域の最小共通祖先(LCA)である学力領域を更に抽出する教材選択方法。 - 前記重要度を計算するステップにおいて、前記学力領域関連構造に基づく学力領域間の前記重要度の遷移を定義し、当該定義された遷移に基づいて前記重要度を計算する請求項1に記載の教材選択方法。
- 前記重要度を計算するステップにおいて、前記重要度の遷移に遷移確率を設定する請求項2に記載の教材選択方法。
- 前記遷移確率は、遷移元である学力領域の達成度に応じて設定される請求項3に記載の教材選択方法。
- 前記遷移確率は、遷移先である学力領域の達成度と遷移元である学力領域の達成度との比較結果に応じて設定される請求項3又は4に記載の教材選択方法。
- 前記遷移確率は、遷移先である学力領域の達成度が明らかであるか否かに応じて設定される請求項3から5のいずれか一項に記載の教材選択方法。
- 前記価値を計算するステップにおいて、学力領域の情報と前記学力領域に対応する教材の情報から、前記価値を計算する請求項1から6のいずれか一項に記載の教材選択方法。
- 前記価値は、前記学力領域の重要度と、前記学力領域の難易度並びに前記教材の難易度及び選択回数の少なくともいずれかと、に基づいて計算される請求項7に記載の教材選択方法。
- 前記教材を選択するステップにおいて、整数計画法により前記価値から最適な前記教材の組合せを求める請求項1から8のいずれか一項に記載の教材選択方法。
- 請求項1から9のいずれか一項に記載の教材選択方法の各ステップをコンピュータに実行させるための、コンピュータ・プログラム。
- 受験者の学習評価データに基づいて教材を選択する教材選択装置であって、
前記学習評価データと学力領域の難易度に基づいて受験者の学力領域の達成度を計算し、当該達成度が所定の値より低い学力領域を抽出する達成度処理部と、
前記達成度と前記学力領域の相互依存関係を表した学力領域関連構造に基づいて、前記達成度が前記所定の値より低い原因として学習すべき前記学力領域の重要度を計算する重要度処理部と、
前記学力領域の重要度に基づいて、当該学力領域に関連する教材の学習すべき価値を計算する教材価値処理部と、
前記教材の価値に基づいて教材を選択する教材選択処理部と、
を備え、
前記達成度処理部は、前記学力領域関連構造に基づいて、前記達成度が明らかでない学力領域のうち、前記達成度が所定の値より低い学力領域の最小共通祖先(LCA)である学力領域を更に抽出する教材選択装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007276943A JP5403727B2 (ja) | 2007-10-24 | 2007-10-24 | 教材選択システムの方法とプログラム |
US12/258,343 US20090111085A1 (en) | 2007-10-24 | 2008-10-24 | Personalized textbook suggestion based on test scores and link structures of covered topics |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007276943A JP5403727B2 (ja) | 2007-10-24 | 2007-10-24 | 教材選択システムの方法とプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009104003A JP2009104003A (ja) | 2009-05-14 |
JP5403727B2 true JP5403727B2 (ja) | 2014-01-29 |
Family
ID=40583307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007276943A Expired - Fee Related JP5403727B2 (ja) | 2007-10-24 | 2007-10-24 | 教材選択システムの方法とプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20090111085A1 (ja) |
JP (1) | JP5403727B2 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI406184B (zh) * | 2009-06-19 | 2013-08-21 | Univ Southern Taiwan Tech | 教科書排序評鑑方法與系統 |
EP2535865A4 (en) | 2010-02-10 | 2017-12-06 | Panasonic Intellectual Property Corporation of America | Image evaluating device, image evaluating method, program, and integrated circuit |
CN109934744B (zh) * | 2012-02-20 | 2023-09-05 | 株式会社诺瑞韩国 | 基于知识单元提供教育服务的方法、系统和计算机可读记录介质 |
WO2014134592A1 (en) * | 2013-03-01 | 2014-09-04 | Inteo, Llc | System and method for enhanced teaching and learning proficiency assessment and tracking |
US10930378B2 (en) | 2014-11-14 | 2021-02-23 | Hi.Q, Inc. | Remote health assertion verification and health prediction system |
US10672519B2 (en) * | 2014-11-14 | 2020-06-02 | Hi.Q, Inc. | System and method for making a human health prediction for a person through determination of health knowledge |
US10629293B2 (en) | 2014-11-14 | 2020-04-21 | Hi.Q, Inc. | System and method for providing a health determination service based on user knowledge and activity |
US10636525B2 (en) | 2014-11-14 | 2020-04-28 | Hi.Q, Inc. | Automated determination of user health profile |
CN106652615A (zh) * | 2015-07-20 | 2017-05-10 | 马正方 | 一种个性化的嵌入式考试装置 |
US20170024405A1 (en) * | 2015-07-24 | 2017-01-26 | Samsung Electronics Co., Ltd. | Method for automatically generating dynamic index for content displayed on electronic device |
TWI588771B (zh) * | 2016-06-08 | 2017-06-21 | 南臺科技大學 | 大學專題計量統計分析系統 |
US20180032524A1 (en) * | 2016-07-29 | 2018-02-01 | International Business Machines Corporation | Document Recommendation Method Based on Skill |
US11315204B2 (en) * | 2018-04-12 | 2022-04-26 | Coursera, Inc. | Updating sequence of online courses for new learners while maintaining previous sequences of online courses for previous learners |
WO2021146565A1 (en) | 2020-01-17 | 2021-07-22 | ELSA, Corp. | Methods for measuring speech intelligibility, and related systems |
US11495139B2 (en) * | 2020-12-11 | 2022-11-08 | ELSA, Corp. | Methods for producing personalized lesson recommendations in language learning applications |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2685681B2 (ja) * | 1991-11-29 | 1997-12-03 | 日立ソフトウエアエンジニアリング株式会社 | 学習支援システム |
JP2857331B2 (ja) * | 1994-10-12 | 1999-02-17 | 三菱電機株式会社 | 研修支援装置 |
US7198490B1 (en) * | 1998-11-25 | 2007-04-03 | The Johns Hopkins University | Apparatus and method for training using a human interaction simulator |
US20040009461A1 (en) * | 2000-04-24 | 2004-01-15 | Snyder Jonathan Scott | System for scheduling classes and managing eductional resources |
JP2005284122A (ja) * | 2004-03-30 | 2005-10-13 | E-Zen Technology Co Ltd | 個人の学習の障壁を知らしめるためのコンピュータ援用教育システム |
JP4594657B2 (ja) * | 2004-06-14 | 2010-12-08 | 株式会社日本総合研究所 | 視聴者の理解度が低い内容について説明がなされた教材を選択することのできる教育システム、およびプログラム |
US8348674B2 (en) * | 2004-08-12 | 2013-01-08 | Educational Testing Service | Test discrimination and test construction for cognitive diagnosis |
-
2007
- 2007-10-24 JP JP2007276943A patent/JP5403727B2/ja not_active Expired - Fee Related
-
2008
- 2008-10-24 US US12/258,343 patent/US20090111085A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US20090111085A1 (en) | 2009-04-30 |
JP2009104003A (ja) | 2009-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5403727B2 (ja) | 教材選択システムの方法とプログラム | |
Akçapınar et al. | Developing an early-warning system for spotting at-risk students by using eBook interaction logs | |
Jamie | Using computer simulation methods to teach statistics: A review of the literature | |
Sunday et al. | Analyzing student performance in programming education using classification techniques | |
Huang et al. | Constructing a personalized e-learning system based on genetic algorithm and case-based reasoning approach | |
Biehler et al. | Introducing students to machine learning with decision trees using CODAP and Jupyter Notebooks | |
Liu et al. | Collaborative learning team formation: a cognitive modeling perspective | |
Watts et al. | Does cumulative advantage affect collective learning in science? An agent-based simulation | |
Ademi et al. | Prediction of student success through analysis of moodle logs: Case study | |
Aydoğdu | Educational data mining studies in Turkey: A systematic review | |
Alnemer | Determinants of entrepreneurial intention among students of management stream in the Kingdom of Saudi Arabia | |
Reinhart et al. | Expanding the scope of statistical computing: Training statisticians to be software engineers | |
Calderón et al. | Teaching software processes and standards: a review of serious games approaches | |
Selvapandian et al. | An efficient sentiment analysis on feedback assessment from student to provide better education | |
Moore | Variation, context, and inequality: comparing models of school effectiveness in two states in India | |
Ahmadaliev et al. | An adaptive activity sequencing instrument to enhance e-learning: an integrated application of overlay user model and mathematical programming on the Web | |
Xie et al. | SQKT: A student attention-based and question-aware model for knowledge tracing | |
Luo et al. | Dagkt: Difficulty and attempts boosted graph-based knowledge tracing | |
Kim et al. | Modeling learners’ programming skills and question levels through machine learning | |
Berry | Map analysis | |
Liang et al. | Inferring how novice students learn to code: Integrating automated program repair with cognitive model | |
Bruun et al. | Network analyses of student engagement with on-line textbook problems | |
Sabri et al. | Engineering Education Using Serious Games: The Current State, Trends and Future Using a Bibliometric Study | |
Sungsri | The use of multiple-classifier data mining technique for study guideline | |
Yang | English scores by distributed ID3 algorithm of computer network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100621 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110822 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130405 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131008 |
|
RD14 | Notification of resignation of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7434 Effective date: 20131009 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131025 |
|
LAPS | Cancellation because of no payment of annual fees |