JP5437211B2 - E-learning system with problem extraction function considering question frequency and learner's weakness - Google Patents
E-learning system with problem extraction function considering question frequency and learner's weakness Download PDFInfo
- Publication number
- JP5437211B2 JP5437211B2 JP2010215043A JP2010215043A JP5437211B2 JP 5437211 B2 JP5437211 B2 JP 5437211B2 JP 2010215043 A JP2010215043 A JP 2010215043A JP 2010215043 A JP2010215043 A JP 2010215043A JP 5437211 B2 JP5437211 B2 JP 5437211B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- achievement
- classification
- achievement rate
- data
- 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
Images
Landscapes
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、インターネット環境を利用した自立型学習システムにおいて、学習効率を高めるために学習者の弱点を分析する機能と、分析された弱点と登録されている問題数を元に自動で問題を抽出し学習者へ出題をする学習システムに関するものである。 In the self-supporting learning system using the Internet environment, the present invention automatically extracts a problem based on a function of analyzing a learner's weaknesses in order to increase learning efficiency and the number of registered weaknesses and the number of registered problems. The present invention relates to a learning system that gives questions to learners.
IT技術が進歩すると共に、パソコン上で学習を行うe-learningシステムが一般的な学習方法となってきている。e-learningシステムの長所としては、システムが出す課題を特別な講師を必要とせず、自学自習できることである。e-learningとして問題を学習するシステムは既に種々存在する。
システムの出す課題としては、テストのような形式で問題を出し、利用者に学習をさせる方式が多く存在している。出題される問題は、学習ごとに固定で問題が出されるものがあるが、e-learningシステムでは学習の効果を高めるために、弱点を分析し、その弱点に沿って問題を抽出し、学習者に解答をさせるシステムが多く存在する。
こういった技術の場合は、問題のデータと出題内容のデータを別に管理し、弱点と判断された内容にあわせて登録されている出題内容を検索するような仕組みを持つことで弱点に沿った問題を抽出するような仕組みとなっている。(特許文献1、特許文献2)
As IT technology advances, e-learning systems that perform learning on personal computers are becoming common learning methods. The advantage of the e-learning system is that you can study by yourself without the need for a special lecturer. There are already various systems for learning problems as e-learning.
There are many methods that the system issues, in the form of tests, to let users learn. There are some questions that are fixed at each learning, but the e-learning system analyzes the weak points and extracts the problems along the weak points to improve the learning effect. There are many systems that let you answer.
In the case of these technologies, the problem data and the question content data are managed separately, and it is possible to search the registered question content according to the content judged as a weak point. It is a mechanism to extract problems. (
上記のような技術の場合、間違った問題を元に弱点の分類を解析し、その弱点に沿って学習を行うことが特徴である。間違えた問題を学習者の弱点とみなし、その分類を補うことは学習の質を高めるために有効な手段であると考えることができる。
しかしながら、弱点と判断された分類を重点的に学習して弱点を克服しても、実際の試験における出題頻度が低い分類が弱点であった場合、学習の効果が低下する恐れがある。
また、上記技術の場合は、問題を追加する際に問題のデータだけではなく、問題と学習内容のデータを関連付けるデータとして学習内でどの問題を出題するかを記録するためのデータも登録しなければならない。このため、問題の入れ替えなどが必要になった場合には、問題のデータだけでなく、出題内容のデータについても注意を払わなくてはならない点も課題と考えられる。
本発明が解決しようとする課題は、学習者の弱点を考慮するだけでなく、出題頻度をも考慮した学習支援システムを提供することにある。
The above-described technique is characterized by analyzing weak point classification based on a wrong problem and performing learning along the weak point. Considering the wrong problem as a weak point of the learner and supplementing its classification can be considered as an effective means to improve the quality of learning.
However, even if the classification determined to be a weak point is learned intensively and the weak point is overcome, if the classification with a low question frequency in the actual examination is a weak point, the learning effect may be reduced.
In addition, in the case of the above technology, when adding a problem, not only the problem data, but also data for recording which problem is presented in the learning as data that associates the problem with the learning content data must be registered. I must. For this reason, when it is necessary to replace a problem, it is considered that not only the problem data but also the data of the question contents must be paid attention.
The problem to be solved by the present invention is to provide a learning support system that not only considers the weaknesses of learners but also considers the frequency of questions.
上記課題を解決する手段として、本発明に係るシステムは、問題、正解及び解説と該問題の分類と該問題が以前の本試験に出題された試験問題であることを示す問題日付とを格納した問題データと、学習者における各分類の学習状況と達成率及び達成度とを格納した学習結果記録データと、学習中に演算に必要なパラメータを保持するシステム設定ファイルと、をもつ記録装置と、
学習者用に問題を抽出し、学習結果を計算して前記記録装置に格納するデータ処理装置と、を有するe-learningシステムであって、
(a)前記システム設定ファイルは、
(a1)1回の学習の中で達成率の上昇する上限を設定する学習1回の達成率上昇上限値と、
(a2)繰り返し学習の中で達成率の想定最大値を設定する想定達成率最大値と、
(a3)達成度と達成率の範囲との対応を設定した達成度達成率対応値と、を保持し、
(b)前記データ処理装置は、
(b1)前記問題データを基に出題傾向を分析する出題傾向分析処理部であって、前記問題データを参照して前記問題日付のついた試験問題をすべて抽出し、抽出した試験問題を分類毎に集計し、抽出した試験問題の総数に対する各分類の試験問題数割合を計算する手段と、繰り返し学習の中で解答可能な問題総数と各分類の前記試験問題数割合との積である各分類の出題傾向係数を計算する手段と、を有する該出題傾向分析処理部と、
(b2)前記出題傾向分析処理部が分析した出題傾向を基に各分類の1問あたりの達成率上昇値を計算する達成率上昇値計算部であって、前記システム設定ファイルが保持する前記想定達成率最大値を、各分類の前記出題傾向係数で除した値である各分類の達成率上昇値を計算する手段を有する該達成率上昇値計算部と、
(b3)前記達成率上昇値計算部が計算した前記達成率上昇値を基に学習者に出題する問題を抽出する弱点学習問題抽出部であって、前記学習結果記録データに含まれる達成度を参照することにより、最低達成度の分類をすべて抽出し、抽出した前記最低達成度の分類の中で最低の達成率である分類から達成率が低い順に、前記システム設定ファイルが保持する前記学習1回の達成率上昇上限値を当該分類の前記達成率上昇値で除した値を基に、抽出する問題数を確定する手段と、確定した問題数に従って各分類の弱点学習用の問題を前記問題データから抽出する手段と、を有する該弱点学習問題抽出部と、
(b4)学習者による前記弱点学習問題の解答を採点し能力を判定する弱点学習結果計算部であって、当該分類における正解数と、前記システム設定ファイルが保持する当該分類の前記達成率上昇値との積を加算することにより前記学習結果記録データに含まれる各分類の達成率を更新する手段と、更新した達成率と前記システム設定ファイルが保持する前記達成度達成率対応値を基に前記学習結果記録データに含まれる各分類の達成度を更新する手段と、を有する該弱点学習結果計算部と、を備えたことを特徴とする。
As a means for solving the above problems, the system according to the present invention stores problems, correct answers and explanations, a classification of the problems, and a problem date indicating that the problem is a test problem presented in a previous main examination. A recording device having problem data, learning result recording data storing the learning status and achievement rate and achievement level of each classification in the learner, and a system setting file that holds parameters necessary for calculation during learning;
A data processing device that extracts a problem for a learner, calculates a learning result, and stores it in the recording device, and an e-learning system,
(A) The system setting file is:
(A1) An upper limit of increase in achievement rate for one learning that sets an upper limit for increasing the achievement rate in one learning;
(A2) an assumed achievement rate maximum value for setting an assumed maximum value of the achievement rate in iterative learning;
(A3) holding the achievement degree achievement rate corresponding value in which the correspondence between the achievement degree and the range of the achievement percentage is set,
(B) The data processing device includes:
(B1) A question trend analysis processing unit that analyzes a question tendency based on the problem data, extracts all test questions with the question date with reference to the problem data, and extracts the extracted test questions for each classification Each class is a product of the means for calculating the ratio of the number of test questions in each category to the total number of test questions extracted and extracted, and the product of the total number of questions that can be answered in repeated learning and the ratio of the number of test questions in each class A question tendency analysis processing unit having means for calculating a question tendency tendency coefficient of
(B2) An achievement rate increase value calculation unit that calculates an increase rate of achievement rate per question of each classification based on the question tendency analyzed by the question trend analysis processing unit, and the assumption that the system setting file holds The achievement rate increase value calculation unit having means for calculating the achievement rate increase value of each classification, which is a value obtained by dividing the achievement rate maximum value by the question tendency coefficient of each classification;
(B3) A weak point learning problem extraction unit that extracts a question to be given to the learner based on the achievement rate increase value calculated by the achievement rate increase value calculation unit, wherein the achievement level included in the learning result recording data is By referencing, all the classifications of the minimum achievement level are extracted, and the
(B4) A weakness learning result calculation unit for scoring the answer to the weakness learning problem by the learner and judging the ability, the correct answer number in the classification, and the achievement rate increase value of the classification held in the system setting file The means for updating the achievement rate of each classification included in the learning result record data by adding the product of, and the achievement degree achievement rate corresponding value held in the updated achievement rate and the system setting file And a means for updating the achievement level of each classification included in the learning result recording data .
上記システムでは、登録されている問題数の情報(問題のみを入れ続けることで出題傾向となる)を考慮に入れて弱点を分析することができる機能を持っていることが特徴である。
上記システムにおいて、前記記録装置に格納された問題データは、学習開始時に弱点分析問題として出題するか否かを決定する弱点分析フラグをさらに有しており、
(a)前記システム設定ファイルは、
(a4)学習開始時の前記弱点分析問題の問題数と正解数の対応を予め設定した初期達成率を保持し、
(b)前記データ処理装置は、
(b5)学習開始時に学習者の学習能力を測定するべく前記弱点分析フラグが1である問題データを抽出して弱点分析問題として出力する弱点分析問題抽出部と、
(b6)出力された前記弱点分析問題を学習者が解いた結果を採点して能力を判定する弱点分析結果計算部であって、前記弱点分析問題に対する各分類ごとの正解数を集計し、集計結果と前記システム設定ファイルの保持する初期達成率を基に学習者の各分類の初期達成率を前記学習結果記録データに記録する手段と、記録した各分類の前記初期達成率と前記システム設定ファイルが保持する前記達成度達成率対応値を基に各分類の初期達成度を前記学習結果記録データに記録する手段と、を有する該弱点分析結果計算部と、を備えることが、特徴である。
The above system is characterized in that it has a function that can analyze weak points in consideration of information on the number of registered problems (probing questions by continuing to include only problems).
In the above system, the problem data stored in the recording device further includes a weakness analysis flag for determining whether to give a question as a weakness analysis problem at the start of learning,
(A) The system setting file is:
(A4) holding an initial achievement rate in which the correspondence between the number of the weak point analysis problems at the start of learning and the number of correct answers is set in advance;
(B) The data processing device includes:
(B5) a weak point analysis problem extracting unit that extracts problem data having the weak point analysis flag of 1 to measure a learner's learning ability at the start of learning, and outputs the problem data as a weak point analysis problem;
(B6) A weak point analysis result calculation unit that determines the ability by scoring the result of the learner solving the weak point analysis problem that has been output, and totalizes the number of correct answers for each classification for the weak point analysis problem Means for recording the initial achievement rate of each classification of the learner in the learning result recording data based on the result and the initial achievement ratio held in the system setting file, the initial achievement ratio of each recorded classification, and the system setting file The weak point analysis result calculation unit having a means for recording the initial achievement degree of each classification in the learning result record data based on the achievement degree achievement rate correspondence value held by the computer.
以上の発明により、一連の学習の最初に、登録されている試験問題を解析し分類ごとの出題数を元に評価する基準となる値を決定することで、分類の出題頻度を考慮した学習者の評価をすることができるようになり、この評価と評価基準を利用することで効果的な学習のための問題を抽出することができるようになる。 According to the above invention, at the beginning of a series of learning, a student who considers the frequency of classification questions by analyzing the registered test questions and determining a standard value for evaluation based on the number of questions for each classification It becomes possible to evaluate the problem, and the problem for effective learning can be extracted by using this evaluation and the evaluation standard.
また、問題の抽出を現在の評価を元にして全て動的に行う構成となることで、問題のデータを追加するだけで自動的に新しい問題も出題対象とすることができ、出題頻度の更新も行うことができるようになる。 In addition, the problem is extracted dynamically based on the current evaluation, so new questions can be automatically targeted by adding problem data, and the frequency of questions is updated. Will also be able to do.
以下、本発明を適用した学習システムの実施形態について説明する。 Hereinafter, an embodiment of a learning system to which the present invention is applied will be described.
図1は、本発明の実施形態を表すシステム構成図である。本明細書において、○○部、○○手段と表示される要素は、コンピュータのCPUが必要なプログラムを読み込んで処理を実行するものを指す。
本システムは、学習をする際の処理を主に行うデータ処理部1と、学習者が本システムに正解を入力する手段である入力装置2と、データ処理部での処理結果や学習者の入力を外部出力する出力装置3と、学習用の問題データや学習者の学習結果を保存するデータ記憶部4から成り、それらは図のように物理的に接続されている。
本構成例では全てが物理的に接続されているが、本実施形態を実現する際は各機能や記憶領域のデータ等のやりとりにネットワークなどを利用したとしても、適切に稼動するのであればネットワークを利用しても構わないし、各機能を分散させても構わない。
FIG. 1 is a system configuration diagram showing an embodiment of the present invention. In the present specification, elements displayed as XX part and XX means indicate that a CPU of a computer reads a necessary program and executes processing.
This system includes a
In this configuration example, everything is physically connected, but when implementing this embodiment, even if a network is used to exchange each function and storage area data, etc. May be used, or each function may be distributed.
データ処理部1には、学習開始時の学習者の学習能力を測定するためのテスト(以下、「弱点分析問題」と称する。)を出力する弱点分析問題抽出部11と、学習者が解いた弱点分析問題の結果を採点し能力を判定する弱点分析結果計算部12と、弱点分析の結果を記憶後にシステムに登録されている問題データを元に出題傾向を分析する出題傾向分析処理部13と、分析された出題傾向を元に各分類の1問あたりの達成率上昇値を計算する達成率上昇値計算部14と、学習者の状態によって自動的に出題する問題を抽出する弱点学習問題抽出部15と、学習者が解いた弱点学習問題の結果を採点し能力を判定する弱点学習結果計算部16を備える。
入力装置2は、本システムに学習者の解答を入力することに適した装置である、マウス、キーボード、タッチパネルなどを備える。
出力装置3は、データ処理部で処理した結果を学習者用に表示をさせることに適した装置である、ディスプレイやプロジェクタなどを備える。
The
The
The
データ記憶部4は、システムが保持している問題を記録する問題データ記憶領域41と、システムに登録される分類のデータを記録する分類データ記憶領域42と、学習者の氏名やIDなどを記録する学習者データ記憶領域43と、学習者の分類ごとの状況などを記録する学習結果データ記憶領域44と、学習者の学習ごとに学習者の達成度合いを記録する学習履歴記憶領域45と、学習時の解答結果を記録する解答データ記憶領域46と、学習回数や学習状況の評価基準などを記録したシステム設定ファイル47と、出題傾向を導き出すために一時的な記録を行う出題傾向情報一時記憶ファイル48を備える。
The
これらのデータ記憶部4の具体的なデータ例は、図6から図13に示すような内容となっている。データ記憶部4の内容に関しては、記憶領域やファイルと表現をしているが、図のようなデータを保存することのできる形式であるのならば、データベースなど他の記憶方式を用いても問題はない。
Specific data examples of these
データ記録部4における問題データ記憶領域41は、図6に示すように問題の分類ID601、問題ID602、難易度603、問題文604、正解605、解説文606、種類607、学習の最初に行う学習者の弱点分析として出題するかどうかを決定する弱点分析フラグ608、問題日付609から構成され、分類IDと問題IDによって一意に識別されるように登録される。このデータの中で弱点分析フラグ608が"1"であるデータは弱点分析テストとして出題されるデータとなる。問題のデータは実際の試験問題であるかそうでないかを識別するために、問題日付609が設定されており、この項目に設定があれば実際の試験問題、そうでない場合は試験問題ではないと識別される。
As shown in FIG. 6, the problem
分類データ記憶領域42は、図7に示すように分類ID701と、その分類IDの分類名称702から構成され、問題データの分類IDは分類データ記憶領域42とを結びつける情報として登録される。
学習者データ記憶領域43は、図8に示すようにシステムを利用する学習者のデータを保持する領域であり、学習者の学習者ID801、姓802、名803、学習進度804を備え、学習者ID801によって一意に識別される。学習進度804は現在の学習の回数を保存する項目であり、学習終了後に毎回更新される項目である。
As shown in FIG. 7, the classification
The learner
学習結果データ記憶領域44は、学習者ごとの各分類における現在の学習結果を保持する領域であり、図9に示すように学習者ID901、分類ID902、達成率上昇値903、達成率904、達成度905を備え、学習者ID901と分類ID902によって一意に識別される。これらの項目の中で達成率904とは、学習者の習熟度の状態をシステムの内部値として記録するための値であり、学習を進めていく中で上昇をしていく値である。達成率904は初期状態確認テストにおいて問題数と正解数の関係のみで一定数値上昇し、その後の繰り返し学習において問題1問正解するごとに対応する分野の達成率上昇値903に設定されている分の上昇をする。達成率上昇値903は、弱点学習時に1問正解した場合に上昇する達成率の値を表している。この達成率上昇値903は、登録されている試験問題数、すなわち現在までの試験の出題頻度を元に算出する項目であり、上昇する値を、出題頻度を元にして計算をすることで出題頻度を観点に加えた学習を行うことができるようになる。達成度905とは、後述するシステム設定ファイル45の値を元に達成率904を利用して割り出した値であり、学習者のレベルを示す値である。
学習結果データは、本システムを利用した学習の最初に初期設定され、学習を繰り返すごとに達成率904と達成度905が更新されていく。学習者個人の履歴データは906の範囲のように学習者ID901によって一意に識別される。
The learning result
The learning result data is initially set at the beginning of learning using this system, and the
学習履歴データ記憶領域45は、学習者が学習を行った結果を記憶する領域であり、図10に示すように学習者ID1001、学習回数1002、分類ID1003、達成度1004を備える。このデータは学習者が学習を行うごとに追加され、1回の学習結果は1005の範囲のように学習回数1002によって一意に識別される。また、学習者の全履歴データは1006の範囲のように学習者ID1001によって一意に識別される。
The learning history
解答データ記憶領域46は、図11に示すように学習者ID1101、学習回数1102、分類ID1103、問題ID1104、問題番号1105、その問題に対する学習者の解答1106、解答に対する正誤1107を備える。解答データは学習者ID1101、学習回数1102、分類ID1103、問題ID1104によって一意に識別される。各学習における解答のデータは1108の範囲にあるように学習回数1102が同一であるかによって識別され、その中で何問目の問題かは問題番号1105によって識別される。学習者の全体の解答は1109の範囲のように学習者ID1101によって識別される。
As shown in FIG. 11, the answer
システム設定ファイル47は、図12に示すように学習中に演算に必要なパラメータを保持するファイルであり、繰り返し学習を行う回数を保存する学習可能回数1201と、繰り返し学習を行う際の1学習あたりの問題数を保存する学習1回の問題数1202と、1回の学習の中で達成率904の上昇する上限を設定する学習1回の達成率上昇上限値1203と、一連の学習の流れの中で達成率904の想定最大値を保存する想定達成率最大値1204と、初期状態確認テストにおける出題数と正解数の対応を保存してある弱点分析達成率1205と、達成度905の最大値を保存してある達成度最大値1206と、達成度905を決定する達成率904の対応を記録する達成度達成率対応値1207を備える。
As shown in FIG. 12, the
出題傾向情報一時記録ファイル48は、図13に示すように分類ID1301と、現在登録されている問題数1302と、問題データ記憶領域41に登録されている問題数を基準に計算された問題数割合1303と、システム内で出題傾向を反映させた演算の際に利用する出題傾向係数1304を備える。出題傾向情報一時記録ファイルは弱点分析後に学習結果データ記憶領域44を初期設定する際に一時記憶のために生成される。
本システムを開発する際のこれらのデータの注意点としては、問題データ記憶領域41に保存されている問題日付609が登録された問題の数、すなわち試験問題であるデータの数が、各分類に1問は必ず存在しなければならない。(問題の存在しない分類ということになり、分類ごとに弱点を補強するシステムの方向性に反するため)
また、弱点分析フラグ608が"1"であるデータは、分類ごとに3問より多く登録されないようにする必要がある。これは、システム設定ファイル47にあるように、弱点分析における各分類の問題数が3以上を想定していないからである。
As shown in FIG. 13, the question trend information
As points to note when developing this system, the number of problems registered with the
In addition, it is necessary that data having the weak
本実施形態の学習システムによれば、以下のような効果を期待することができる。
(1)内部で学習者の状態を判断する基準である達成率の上昇値を、登録されている試験問題数を元に決定することで、出題頻度を考慮した弱点の評価を行うことができるようになる。
(2)登録されている問題数を元に達成率の計算を行っているため、問題が増加、または減少した場合でも出題頻度を考慮した弱点の評価を自動で行うことができる。
According to the learning system of the present embodiment, the following effects can be expected.
(1) It is possible to evaluate weak points in consideration of the frequency of questions by determining the increase value of the achievement rate, which is the standard for judging the state of the learner, based on the number of registered exam questions. It becomes like this.
(2) Since the achievement rate is calculated based on the number of registered problems, weak points can be automatically evaluated in consideration of the frequency of questions even when the number of problems increases or decreases.
以下、以上により構成された実施形態における処理の流れを説明する。 Hereinafter, the flow of processing in the embodiment configured as described above will be described.
図2は実施例における学習の流れである。
まず、本システムの学習者データ記憶領域43に本システムの学習者のデータを登録する。(ステップ21)
学習者データの登録後、システムはその学習者の能力を評価するために弱点分析問題抽出部11を使用して弱点分析問題を抽出する。ここで抽出される問題は、問題データ記憶領域41に登録されている問題のうち、弱点分析フラグ608が"1"であるものを対象とする。この際、抽出結果の先頭から順に問題番号を付与しておく。(ステップ22)
抽出した問題は出力装置3によって学習者に表示される。表示した問題を見た学習者は入力装置2を利用してシステムに解答を入力する。
全ての問題に解答の入力が終了後、学習者によってシステムに採点の指示が入力されると、システムは弱点分析問題の採点とその結果を利用して学習者のデータの初期設定を開始する。(ステップ23)
FIG. 2 is a flow of learning in the embodiment.
First, the learner data of this system is registered in the learner
After registering the learner data, the system uses the weak point analysis
The extracted problem is displayed to the learner by the
When the learner inputs a scoring instruction to the system after inputting the answers to all the questions, the system starts the initial setting of the learner's data by using the scoring of the weak point analysis question and the result. (Step 23)
採点と学習者のデータの初期設定の処理の詳細は図3のような流れとなる。
図3のうち301から305までは弱点分析の結果を計算している。
まず、システム設定ファイル47を読み込む。(ステップ301)
次に、弱点分析結果計算部12において、入力装置2によって入力された学習者のデータを、問題データ格納領域の解答605を元に正誤判定を行う。判定はステップ22において付与された問題番号の順に行う。正誤判定の結果は、解答データ記憶領域46に記録する。記録の際、学習回数1102の項目には弱点分析のレコードであることが判断できるように"0"回目の学習とする。(ステップ302)
その後、分類データ記憶領域42に格納されている分類のデータを元に、弱点分析テストにおける各分類の出題数と正解数を集計する。(ステップ303)
各分類の正解数の集計が完了後は、この正解数を元に各分類の初期達成率の算出を行う。初期達成率はシステム設定ファイル47に格納されている1205の値を元に設定を行う。例えば、弱点分析で3問出題された分類の正解数が2問であった場合の初期達成率は1205−n−2に設定されている"25"となる。全ての分類に対してこの手順を行い、初期の達成率を決定する。(ステップ304)
The details of the scoring and learner data initial setting process are as shown in FIG.
In FIG. 3, from 301 to 305, the result of weak point analysis is calculated.
First, the
Next, the weak point analysis
Thereafter, based on the classification data stored in the classification
After the number of correct answers for each category is completed, the initial achievement rate for each category is calculated based on the number of correct answers. The initial achievement rate is set based on the
次に、先に決定した達成率から達成度を算出する。達成度は、システム設定ファイル47に格納されている達成度達成率対応値1207を利用して算出する。設定は、達成率が達成度達成率対応値1207の最初の値である1207−aの値未満である場合は達成度0であり、以降は1207−aの値以上1207−bの値未満であれば達成度1、1207−bの値以上1207−cの値未満であれば達成度2、という流れで判定され、最後の達成度は1207−nの値以上であれば最後の達成度である5となる。この例の場合は、ある分類の達成率が20であった場合は15以上30未満であるため、達成度1と判定をする。(ステップ305)
306から309は出題傾向を考慮した達成率上昇値の計算と、学習結果記録領域への保存を行っている。
Next, the achievement level is calculated from the previously determined achievement rate. The achievement level is calculated using the achievement
From 306 to 309, the achievement rate increase value is calculated in consideration of the question tendency and stored in the learning result recording area.
まず、出題傾向分析処理部13によって、出題傾向の分析を行う。
問題データ記憶領域に登録されている問題データの中から、問題日付609が存在する問題データを抽出する。前述したように、問題データの問題日付609が存在するものは全て以前の試験問題として登録されているため、ここで抽出される問題は試験問題のみとなる。また、この際に学習者に日付を入力させ、所定の期間に試験として出題された問題のみを対象とすることもできる。(ステップ306)
そしてこの抽出した問題を、分類ID601ごとに集計を行い、分類ごとの試験問題数を算出する。こうすることで、システムに登録されている分類ごとの試験問題の数を集計することができる。(ステップ307)
First, the question
The problem data in which the
The extracted problems are tabulated for each
こうして集計した問題数を利用して、出題傾向情報一時記憶ファイル48に必要な情報を保存する。保存の際は、分類ID1301と問題数1302はステップ307の結果をそのまま保存する。問題数割合1303は、「分類ごとの問題数1302」÷「ステップ306で抽出した試験問題総数」を保存する。
出題傾向係数1304は、まずステップ301で読み込んだシステム設定ファイルの「学習可能回数1201」×「学習1回の問題数1202」+「弱点分析で出題された問題数の2倍」を求めて、一連の学習における解答可能な問題総数とする。弱点分析で出題された問題数を2倍としているのは、本システムにおける弱点分析による達成率の上昇が固定値であり、通常の学習よりも大きくなるためである。そして、解答可能な問題総数と問題数割合1303との積を計算することで出題傾向係数1304とする。出題傾向係数の意味としては、一連の学習の中でその分類の問題をどの程度解答することができるかを表す概数のようなものである。(ステップ308)
そして、達成率上昇値計算部14を利用して、出題傾向情報一時記憶ファイル48に保存したデータを元に、各分類の達成率上昇値を計算する。この計算は、「想定達成率最大値1204」÷「出題傾向係数1304」によって求める。(ステップ309)
The necessary information is stored in the question trend information
The
Then, the achievement rate increase
最後に、ステップ301からステップ309にて求めた各値を、学習結果記憶領域44に全て保存をして採点と学習結果記録ファイルの初期設定が終了となる。
弱点分析の採点と学習者のデータの初期設定が終了後は、弱点学習という繰り返しの学習用の問題を抽出し、学習者に学習を行わせることとなる。(ステップ24)
Finally, all the values obtained in
After scoring the weak point analysis and initial setting of the learner's data, a problem for repeated learning called weak point learning is extracted and the learner is made to learn. (Step 24)
ステップ24における問題の抽出は、弱点学習問題抽出部15において、図4の流れに沿って行われる。
まず、問題抽出に必要なデータとして、システム設定ファイル47と学習結果データ記憶領域44にある学習者のデータを読み込む。(ステップ401)
そして、読み込んだ学習結果データ記憶領域44に登録されている分類ごとの達成度の中で最低の達成度を調べ、最低の達成度の分類がいくつあるかを記憶する。(ステップ402)
調べた最低の達成度の各分類において、問題をいくつ抽出する予定とするかを計算する。計算は、「システム設定ファイル47の学習1回の問題数1202」÷「最低達成度の分類数」の小数点以下を切り上げることによって求める。ただし、必ず1問以上となるようにする。例えば、学習1回の問題数1202が20で、最低達成度の分類数が4であった場合は、各分類5問ずつ抽出する予定とする。(ステップ403)
そして、最低達成度の中で最低の達成率となっている分類を調べ、この分類から問題数を確定していく。(ステップ404)
調べた分類ごとの問題数の確定の際には、「システム設定ファイル47の学習1回の達成率上昇上限値1203」÷「学習結果データ記憶領域44の達成率上昇値903」の小数点以下を切り上げた結果から求められる値を算出し、この値とステップ403のうち小さい方を抽出する問題数とする。例えば、達成率上昇上限値1203が20であり、達成率上昇値903が12である場合には、2問以上抽出をしないように制限することし、ステップ403で5問抽出する予定となっていた場合でも、この分類は2問だけ抽出することとなる。また、抽出した問題の総数は学習1回の問題数1202を超えないように調整する。
こうすることで、達成率上昇値が大きな分類が多く抽出され、一度に多くの達成率が上昇することを防いでいる。(ステップ405)
The problem extraction in
First, learner data in the
Then, the lowest achievement level among the achievement levels for each classification registered in the read learning result
Calculate how many problems you plan to extract in each category of the lowest achievement you have examined. The calculation is obtained by rounding up the decimals of “the number of
Then, the classification with the lowest achievement rate among the minimum achievement levels is examined, and the number of problems is determined from this classification. (Step 404)
When confirming the number of problems for each category examined, the number of decimals of “achievement rate increase
By doing this, many categories with large achievement rate increase values are extracted, and a large number of achievement rates are prevented from increasing at once. (Step 405)
1つめの分類の問題数が確定したら、抽出が確定した問題の総数を調べる。これが学習1回の問題数1202ではなかった場合は、学習結果データ記憶領域の中で次に低い達成率の分類を調べる。その分類が前の達成度と同じであった場合はステップ404からの手順を行う。(ステップ406→407→408→404の流れ)ステップ404からの手順においては、抽出予定問題数は同じ達成度であるため以前と同じ値として問題数の確定を行っていく。達成度が違っていた場合は、次の達成度を基準にしてステップ402からの手順を行う。(ステップ406→407→409→402の流れ)この場合は達成度が以前と違うため、抽出予定問題数の再計算が行われるが、この際は「システム設定ファイル47の学習1回の問題数1202と抽出が確定した問題数の差」÷「最低達成度の分類数」で問題数を決定する。
抽出が確定した問題の総数が学習1回の問題数1202を超えていた場合や、上記の繰り返しの中で抽出が確定した問題の総数を超えた場合は、繰り返しを抜けてステップ410に進む。
繰り返しを抜けた後は、確定した各分類の抽出問題数に沿って問題データ記憶領域から分類ごとに問題データを抽出し、弱点学習用の問題とする。(ステップ410)
問題を抽出した後は、弱点分析と同様に出力装置3に抽出した問題を表示し、入力装置2によって学習者の解答を入力させる。
その後、弱点学習の採点の学習者のデータの更新を行う。(ステップ25)
When the number of problems in the first classification is determined, the total number of problems for which extraction has been determined is examined. If this is not the number of
If the total number of questions for which extraction has been determined exceeds the number of
After the repetition, the problem data is extracted for each category from the problem data storage area according to the determined number of extracted problems for each category, and is used as a weak point learning problem. (Step 410)
After extracting the problem, the extracted problem is displayed on the
Thereafter, the data of the learner of the weak point learning is updated. (Step 25)
採点と学習者のデータの更新は、弱点学習結果計算部16において、図5の手順で行われる
。
まずは、システム設定ファイル47を読み込み、続いて学習者データ記憶領域43と学習結果データ記憶領域44から学習者のデータを読み込む。(ステップ501)
その後、問題データ格納領域41の解答605を元に入力された解答の正誤判定を行う。正誤判定の終了後は、結果を解答データ記憶領域46に保存する。保存の際の学習回数は、学習者データ記憶領域43の学習進度804の値に1加算した値とする。そして、保存した採点結果を分類ごとに集計し、各分類の正解数を調べる。(ステップ502、ステップ503)
The scoring and updating of the learner's data are performed in the procedure of FIG.
First, the
Thereafter, the correctness / incorrectness of the input answer is determined based on the
最後に、各分類の正解数を元に学習終了後の各分類の達成率・達成度を計算して学習結果記憶領域44の更新を行う。学習終了後の達成率は、分類ごとに「今までの達成率」+「今回の学習の正解数」×「達成率上昇値903」によって求める。達成度は、先に計算した達成率を元にシステム設定ファイル47の達成度達成率対応値1207の対応に従って決定していく。また、学習者データ記憶領域43の学習進度804を1加算し、学習を1回行った状態とする。さらに、今回の学習の結果の達成度を利用して、学習履歴記憶領域45に今回の学習結果を保存しておく。
Finally, the learning
採点と学習者のデータの更新後は、先ほど加算した学習進度804がシステム設定ファイルの学習可能回数1201を上回っているかを調べ、上回っていなかった場合は再度弱点学習を行い、上回っていた場合は一連の学習を終了することとする。
After updating the scoring and learner data, it is checked whether the learning
スタンドアローンのシステムのみならず、ネットワークを介して処理を分散させるシステムにも利用可能である。ウェブ上に設けたサーバ側で多くの処理を実現し、インターネットでアクセスするユーザにサービスを提供するシステムにも利用可能である。 It can be used not only for a stand-alone system but also for a system that distributes processing via a network. It can be used in a system that implements many processes on the server side provided on the web and provides services to users accessing the Internet.
1 データ処理部
2 入力装置
3 出力装置
4 データ記憶部
11 弱点分析問題抽出部
12 弱点分析結果計算部
13 出題傾向分析処理部
14 達成率上昇値計算部
15 弱点学習問題抽出部
16 弱点学習結果計算部
DESCRIPTION OF
Claims (2)
学習者用に問題を抽出し、学習結果を計算して前記記録装置に格納するデータ処理装置と、を有するe-learningシステムであって、
(a)前記システム設定ファイルは、
(a1)1回の学習の中で達成率の上昇する上限を設定する学習1回の達成率上昇上限値と、
(a2)繰り返し学習の中で達成率の想定最大値を設定する想定達成率最大値と、
(a3)達成度と達成率の範囲との対応を設定した達成度達成率対応値と、を保持し、
(b)前記データ処理装置は、
(b1)前記問題データを基に出題傾向を分析する出題傾向分析処理部であって、前記問題データを参照して前記問題日付のついた試験問題をすべて抽出し、抽出した試験問題を分類毎に集計し、抽出した試験問題の総数に対する各分類の試験問題数割合を計算する手段と、繰り返し学習の中で解答可能な問題総数と各分類の前記試験問題数割合との積である各分類の出題傾向係数を計算する手段と、を有する該出題傾向分析処理部と、
(b2)前記出題傾向分析処理部が分析した出題傾向を基に各分類の1問あたりの達成率上昇値を計算する達成率上昇値計算部であって、前記システム設定ファイルが保持する前記想定達成率最大値を、各分類の前記出題傾向係数で除した値である各分類の達成率上昇値を計算する手段を有する該達成率上昇値計算部と、
(b3)前記達成率上昇値計算部が計算した前記達成率上昇値を基に学習者に出題する問題を抽出する弱点学習問題抽出部であって、前記学習結果記録データに含まれる達成度を参照することにより、最低達成度の分類をすべて抽出し、抽出した前記最低達成度の分類の中で最低の達成率である分類から達成率が低い順に、前記システム設定ファイルが保持する前記学習1回の達成率上昇上限値を当該分類の前記達成率上昇値で除した値を基に、抽出する問題数を確定する手段と、確定した問題数に従って各分類の弱点学習用の問題を前記問題データから抽出する手段と、を有する該弱点学習問題抽出部と、
(b4)学習者による前記弱点学習問題の解答を採点し能力を判定する弱点学習結果計算部であって、当該分類における正解数と、前記システム設定ファイルが保持する当該分類の前記達成率上昇値との積を加算することにより前記学習結果記録データに含まれる各分類の達成率を更新する手段と、更新した達成率と前記システム設定ファイルが保持する前記達成度達成率対応値を基に前記学習結果記録データに含まれる各分類の達成度を更新する手段と、を有する該弱点学習結果計算部と、を備えたことを特徴とするe-learningシステム。 Problem data that stores the problem , correct answer and explanation , classification of the problem, and problem date indicating that the problem is a test problem that has been given in the previous main examination, and the learning status and achievement rate of each classification in the learner And a learning result recording data that stores the achievement level, and a system setting file that holds parameters necessary for calculation during learning ,
Extract the problems for the learner, an e-learning system with a data processing unit to be stored in the recording apparatus calculates the learning result,
(A) The system setting file is:
(A1) An upper limit of increase in achievement rate for one learning that sets an upper limit for increasing the achievement rate in one learning;
(A2) an assumed achievement rate maximum value for setting an assumed maximum value of the achievement rate in iterative learning;
(A3) holding the achievement degree achievement rate corresponding value in which the correspondence between the achievement degree and the range of the achievement percentage is set,
(B) The data processing device includes:
(B1) A question trend analysis processing unit that analyzes a question tendency based on the problem data, extracts all test questions with the question date with reference to the problem data, and extracts the extracted test questions for each classification Each class is a product of the means for calculating the ratio of the number of test questions in each category to the total number of test questions extracted and extracted, and the product of the total number of questions that can be answered in repeated learning and the ratio of the number of test questions in each class A question tendency analysis processing unit having means for calculating a question tendency tendency coefficient of
(B2) An achievement rate increase value calculation unit that calculates an increase rate of achievement rate per question of each classification based on the question tendency analyzed by the question trend analysis processing unit, and the assumption that the system setting file holds The achievement rate increase value calculation unit having means for calculating the achievement rate increase value of each classification, which is a value obtained by dividing the achievement rate maximum value by the question tendency coefficient of each classification;
(B3) A weak point learning problem extraction unit that extracts a question to be given to the learner based on the achievement rate increase value calculated by the achievement rate increase value calculation unit, wherein the achievement level included in the learning result recording data is By referencing, all the classifications of the minimum achievement level are extracted, and the learning 1 held in the system setting file in order from the classification of the lowest achievement level to the lowest achievement rate among the extracted classifications of the minimum achievement level Means for determining the number of problems to be extracted based on a value obtained by dividing the upper limit of the achievement rate increase of the number of times by the increase value of the achievement rate of the classification, and the problem for weak point learning of each classification according to the determined number of problems Means for extracting from the data, the weak point learning problem extraction unit having,
(B4) A weakness learning result calculation unit for scoring the answer to the weakness learning problem by the learner and judging the ability, the correct answer number in the classification, and the achievement rate increase value of the classification held in the system setting file The means for updating the achievement rate of each classification included in the learning result record data by adding the product of, and the achievement degree achievement rate corresponding value held in the updated achievement rate and the system setting file An e-learning system comprising: a weak point learning result calculation unit including: means for updating the achievement level of each classification included in the learning result recording data .
前記記録装置に格納された問題データは、学習開始時に弱点分析問題として出題するか否かを決定する弱点分析フラグをさらに有しており、
(a)前記システム設定ファイルは、
(a4)学習開始時の前記弱点分析問題の問題数と正解数の対応を予め設定した初期達成率を保持し、
(b)前記データ処理装置は、
(b5)学習開始時に学習者の学習能力を測定するべく前記弱点分析フラグが1である問題データを抽出して弱点分析問題として出力する弱点分析問題抽出部と、
(b6)出力された前記弱点分析問題を学習者が解いた結果を採点して能力を判定する弱点分析結果計算部であって、前記弱点分析問題に対する各分類ごとの正解数を集計し、集計結果と前記システム設定ファイルの保持する初期達成率を基に学習者の各分類の初期達成率を前記学習結果記録データに記録する手段と、記録した各分類の前記初期達成率と前記システム設定ファイルが保持する前記達成度達成率対応値を基に各分類の初期達成度を前記学習結果記録データに記録する手段と、を有する該弱点分析結果計算部と、を備えたことを特徴とするe-learningシステム。 An e-learning system according to claim 1,
The problem data stored in the recording device further includes a weak point analysis flag for determining whether to give a question as a weak point analysis problem at the start of learning,
(A) The system setting file is:
(A4) holding an initial achievement rate in which the correspondence between the number of the weak point analysis problems at the start of learning and the number of correct answers is set in advance;
(B) The data processing device includes:
(B5) a weak point analysis problem extracting unit that extracts problem data having the weak point analysis flag of 1 to measure a learner's learning ability at the start of learning, and outputs the problem data as a weak point analysis problem;
(B6) A weak point analysis result calculation unit that determines the ability by scoring the result of the learner solving the weak point analysis problem that has been output, and totalizes the number of correct answers for each classification for the weak point analysis problem Means for recording the initial achievement rate of each classification of the learner in the learning result recording data based on the result and the initial achievement ratio held in the system setting file, the initial achievement ratio of each recorded classification, and the system setting file The weak point analysis result calculation unit comprising: means for recording the initial achievement degree of each classification in the learning result record data based on the achievement degree achievement rate correspondence value held by -learning system.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010215043A JP5437211B2 (en) | 2010-09-27 | 2010-09-27 | E-learning system with problem extraction function considering question frequency and learner's weakness |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010215043A JP5437211B2 (en) | 2010-09-27 | 2010-09-27 | E-learning system with problem extraction function considering question frequency and learner's weakness |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012068572A JP2012068572A (en) | 2012-04-05 |
JP5437211B2 true JP5437211B2 (en) | 2014-03-12 |
Family
ID=46165901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010215043A Expired - Fee Related JP5437211B2 (en) | 2010-09-27 | 2010-09-27 | E-learning system with problem extraction function considering question frequency and learner's weakness |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5437211B2 (en) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5973821B2 (en) * | 2012-07-17 | 2016-08-23 | リーズンホワイ株式会社 | Receipt analysis apparatus and receipt analysis program |
KR101895959B1 (en) * | 2017-05-19 | 2018-09-06 | (주)뤼이드 | Method, apparatus and computer program for interpreting analysis results of machine learning framework |
JP7100678B2 (en) * | 2020-05-18 | 2022-07-13 | 株式会社Z会 | Similar question device, similar question method, program |
JP7302643B2 (en) * | 2021-11-01 | 2023-07-04 | 大日本印刷株式会社 | LEARNING SUPPORT DEVICE, LEARNING RESULT OUTPUT METHOD AND PROGRAM |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2685681B2 (en) * | 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 | Learning support system |
JP4231570B2 (en) * | 1998-05-29 | 2009-03-04 | 株式会社メディア・ファイブ | Data processing device for learning |
JP2005062292A (en) * | 2003-08-08 | 2005-03-10 | Alpha Systems:Kk | Training system and method |
JP2005164965A (en) * | 2003-12-02 | 2005-06-23 | Nec Fielding Ltd | Method, system, server and program for evaluating level of understanding |
-
2010
- 2010-09-27 JP JP2010215043A patent/JP5437211B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2012068572A (en) | 2012-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luxton-Reilly et al. | Introductory programming: a systematic literature review | |
Lewis | Usability testing | |
McCarthy et al. | Academic and nursing aptitude and the NCLEX-RN in baccalaureate programs | |
CN110389969A (en) | The system and method for the learning Content of customization are provided | |
BR112021007166A2 (en) | method of analyzing a user on a service server | |
JP7052224B2 (en) | Learning support device, learning support system and program | |
JP5437211B2 (en) | E-learning system with problem extraction function considering question frequency and learner's weakness | |
Rupp | Designing, evaluating, and deploying automated scoring systems with validity in mind: Methodological design decisions | |
JP2002221893A (en) | Learning support system | |
JP6683906B1 (en) | Learning support system and learning support method | |
Toraman et al. | The Relationship between Effective Teacher Characteristics and Reasons for Choosing Teaching Profession (Development of an Effective Teacher Inventory) | |
Regehr et al. | The development of an online practice-based evaluation tool for social work | |
US20130004931A1 (en) | Computer-Implemented Systems and Methods for Determining Content Analysis Metrics for Constructed Responses | |
JP2017134184A (en) | Learning support system having continuous evaluation function of learner and teaching material | |
Thohir et al. | Evaluation of arabic learning outcomes using google form during school quarantine due to covid-19 pandemic | |
Keng | A comparison of the performance of testlet-based computer adaptive tests and multistage tests | |
JP6416425B1 (en) | Problem analysis system, method, and program | |
CN104573907B (en) | System and method for evaluating competence of a healthcare professional | |
Hoskins et al. | The design and implementation of the Carolina Automated Reading Evaluation for reading deficit screening | |
Payne et al. | Effect of a limited-enforcement intelligent tutoring system in dermatopathology on student errors, goals and solution paths | |
JP2008026583A (en) | Adaptive test system and its method | |
Vatutin et al. | Computational psychometric approach for assessing mathematical problem-solving skills | |
JP2001209297A (en) | Computer adaptive test device, computer adaptive test system, computer adaptive test method, and recording medium storing computer adaptive test program | |
Perez et al. | Implementation of a test constructor utilizing a calibrated item bank using 3PL-IRT model | |
Ebenbeck et al. | Simulating computerized adaptive testing in special education based on inclusive progress monitoring data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130125 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130910 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130913 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20131024 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131119 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131211 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5437211 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |