JPH03125179A - 学習者理解度診断処理方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔概要〕 ＣＡ　Ｉ　（Ｃｏｍｐｕｔｅｒ　Ａｓ５ｉｓｔｅｄ　Ｉ
ｎ５ｔｒｕｃｔｉｏｎ）や。

ＣＡ　Ｌ　（Ｃｏｍｐｕｔｅｒ　Ａｓ５ｉｓｔｅｄ　Ｌ
ｅａｒｎｉｎｇ）と呼ばれる計算機を利用して教育およ
び学習の手助けを行う学習支援システムにおける学習者
理解度診断処理方式に関し。

学習者の理解度の診断に柔軟性を持たせ、学習者に対し
て妥当な問題を提示できるようにすることを目的とし。

学習者の理解度を示す情報を、理解度の取り得る値の信
転度を示すメンバシップ関数により表現し記憶する理解
度記憶手段と、学習者の理解度の進捗状況に応じて、上
記メンバシップ関数の形状を、動的に変化させるメンバ
シップ関数の形状変更手段と１問題の実施に必要とされ
る理解度を。

上記メンバシップ関数により推論し、その理解度の信頼
度に応じて実施の可否を決定する推論診断手段とを備え
るように構成する。

〔産業上の利用分野〕

本発明は、ＣＡＩやＣＡＬと呼ばれる計算機を利用して
教育および学習の手助けを行う学習支援システムにおけ
る学習者理解度診断処理方式に関する。

計算機の応用分野が、近年ますます広がりつつあるが、
その中で、ＣＡＩやＣＡＬと呼ばれるシステムが実用化
され、著しい普及をみせている。

このような計算機を利用した学習では、学習者の知識、
経験、理解力に個人差があるため、各学習者にとって、
最も適切な学習が実施されるような技術が必要とされる
。

〔従来の技術〕

従来、計算機による学習支援システムにおいて。

学習者に提示する学習手段を選択する場合、いくつかの
学習者の応答を想定しておき、それぞれの応答に対する
次の学習手段を、あらかじめ決めておく方式が、−船釣
に用いられている。この方式では、学習手段すなわち解
説・問題・回答（応答）の組み合わせを実施し、その学
習結果を評価して１次の学習手段の選択を行う。

また、いくつかの学習手段の集合を、フレームとして管
理し、前のフレームの学習結果に対する評価が、ある基
準以上になった場合に２次のフレームの学習に移るよう
にした学習支援システムも。

従来、用いられている。

しかし、この方式の場合、フレームの流れが固定化され
ており、各学習者に適した学習手順の組み立てが困難で
あるとともに１例えば、−度学習した内容を忘れたため
、あるフレームだけを再履修するというようなケースの
対応に無理があるという問題がある。

この問題を解決するため１例えば、特願昭６３２９７５
０９号に提案されているようなシステムが考えられてい
る。このシステムでは、各学習者に適した学習手順を自
動的に組み立て、学習者の学習状況に応じて２学習者に
とって最も学習効果の大きい学習を実施できるようにす
るために。

総合的な診断処理に重点をおき、１つの応答から直接結
論を出すのではなく、過去の応答を考慮した学習者の習
熟状況、すなわち理解度を、学習者像として把握し、こ
の学習者像と、学習手段のグループに与えた学習条件お
よび学習目標との関係から１次に実施すべき学習手段の
グループを選択するようにしている。

以上のような従来の学習支援システムでは、学習者の理
解度の診断に、ファジィ理論で知られているようなメン
バシップ関数を導入し１診断に柔軟性を持たせるように
したものはなかった。

〔発明が解決しようとする課題〕

ＣＡＬを実施するにあたって問題となるのは。

ＣＡＬで提示される問題が、学習者に対して妥当である
かどうかである。通常、学習者が問題を解き、知識を得
ようとする場合１問題のレベルが学習者にとって多少難
しいか、多少筒車かの間にあるときが、最も能率的であ
る。しかし、ＣＡＬが。

学習者の理解度を、単純に直前に出された問題の回答だ
けで診断したならば２次に妥当でない問題を選択してし
まうことが頻繁に生じる。

特に、従来の方式では、学習者の理解度の把握に柔軟性
がないため、学習者の理解度の急激な変化に対応ができ
ず、ある項目の理解状況がわずかに及ばないだけで、先
の問題に進めなかったりまた。あまり学習効果の少ない
問題が繰り返し出題されてしまうことがあるという問題
があった。

本発明は上記問題点の解決を図り、学習者の理解度の診
断に柔軟性を持たせ、学習者に対して妥当な問題を提示
できるようにすることを目的としている。

（課題を解決するための手段） 第１図は本発明の構成例を示す。

第１図において、１０は中央処理装置（ＣＰＵ）および
メモリ等からなる計算機、１１はデイスプレィ、１２は
キーボードやマウス等の人力装置、１３は総合的な診断
を行い次に提示する問題を含む指導項目を選択する診断
処理部、１４はメンバシップ関数により理解度を推論す
る推論診断手段、１５はデイスプレィ１１および入力装
置１２を介して学習者と接し指導項目を実施する学習処
理部３１６は学習結果を評価する評価処理部。

１７はメンバシップ関数の形状を変更する形状変更手段
、１Ｂは主記憶装置や外部記憶装置等の記憶装置、１９
は理解度記憶手段、２０はメンバシップ関数、２１は問
題（指導項目）の実施条件を記憶する問題の実施条件記
憶手段、２２は学習条件、２３は学習目標を表す。

診断処理部１３は、理解度記憶手段１９が記憶する学習
者の習熟状況を示す理解度をもとに１問題の実施条件記
憶手段２１が記憶する学習条件を満たすものを選択する
とともに、さらに学習目標２３により、学習効果の大き
い問題（解説・問題・回答およびそれらのグループを含
む）を選択しその診断結果を学習処理部１５に通知する
。

学習処理部１５は、マンマシンインタフェースを持ち１
診断処理部１３によって選択された問題の解説・出題な
どを行い、学習者の回答を入力する処理を行う。

評価処理部１６は、学習者が入力した回答による学習結
果を評価し、学習目標２３に基づいて。

その目標への到達度に応じた学習者の理解度を求め、そ
れをもとに、理解度記憶手段１９が記憶する理解度を示
す情報を更新する。

本発明では、特に、この理解度記憶手段１９に記憶する
学習者の理解度を示す情報を、理解度の取り得る値の信
頼度を示すメンバシップ関数２０により表現するように
している。

メンバシップ関数２０は、ファジィ理論で知られている
ように、各値のとる確からしさを示す関数である。

診断処理部１３における推論診断手段１４は。

学習者の理解度が２問題の実施に必要とされる学習条件
２２を満足するかどうかを決定する際に。

理解度を示すメンバシップ関数２０により、理解度の信
頼度（確からしさ）を推論し、その信頼度に応じて、実
施の可否を決定する。

評価処理部１６における形状変更手段１７は。

学習結果の評価によって、学習者の理解度を示す情報を
更新するにあたって、メンバシップ関数２０の形状を、
学習者の理解度の進捗状況に応じて。

動的に変化させる０例えば、理解度が以前に比べて向上
している場合には、メンバシップ関数２０の形状を、“
高々この程度の理解度”といった内容の表現に近づける
ようにし、理解度が以前に比べて、退化している場合に
は、メンバシップ関数２０の形状を、″少なくともこの
程度の理解度”といった内容の表現に近づけるようにす
る。

これにより、学習者の理解度を、単一の値で管理する場
合に比べて、柔軟な診断ができるようになる。

〔作用〕

本発明は、学習者の理解度を、ある値における確からし
さを示すメンバシップ関数２０で表現することと、その
形状を、学習者の理解度の進捗状況に応じて、変化させ
ていく点に、大きな特徴がある。

理解度の表現を、従来のように、単一の確定値で管理す
る場合には、前提知識として要求される理解度に関する
学習条件２２の値が１例えば６で。

学習者の現在の理解度が、６未満である場合、その問題
は選択されないことになる。すなわち、学習者の現在の
理解度が、°０であっても、６に近い５であっても、す
べて同じ扱いになる。

これに対し８本発明のように、理解度の表現にメンバシ
ップ関数２０を用いることにより１例えば理解度が６で
ある信頼度は０．７５．理解度が５である信頼度は、０
．８というような扱いが可能になり、学習条件２２の値
が１例えば６で、学習者の現在の理解度の標準値が、６
未満であるような場合であっても、その理解度の信頼度
によっては。

問題の選択が行われるようになる。

ところで、ファジィ理論の応用分野では、メンバシップ
関数２０は、一般に二等辺三角形か、固定された三角形
状で使われることが多い。これは。

特定の性質のみを表現すればよいからであるが。

この場合、“高々”あるいは“少なくとも”という人間
的感覚が表現できない。理解度の進み具合によっては、
このような表現を利用したほうが。

より妥当な問題の選択が可能になる。

本発明では、メンバシップ関数２０の形状を。

理解度の進捗状況に応じて、“高々”とか“少なくとも
”とかいう感覚を表現できるように、自動的に変更する
ので１問題の妥当性を向上させることが可能になる。

〔実施例〕

第２図は本発明の一実施例処理フロー、第３図は本発明
の一実施例で用いるメンバシップ関数による理解度の表
現を説明する図、第４図は本発明の一実施例で採用する
データ構造の例、第５図は本発明の一実施例によるメン
バシップ関数の利用例を説明する図、第６図は本発明の
一実施例に係るメンバシップ関数の変更例を示す。

本発明を通用した学習支援システムの全体の処理の流れ
は１例えば第２図に示すようになる。以下の説明におけ
る■〜■は、第２図に示す処理■〜■に対応する。

■　学習者が、初めてＣＡＬを利用するとき、その学習
者の理解度は未知であるので、適当にアンケートを実施
した結果などにより、一応の理解度を初期設定する。こ
の段階では、学習者の理解度の推測に無理があるので、
ある程度の幅を持ったメンバシップ関数２０を設定し、
学習者の理解度に、より大きな可能性を与えておく。

■　学習項目ごとの学習条件と、メンバシップ関数２０
で表される理解度との関係から、実施可能な指導項目を
選択する。

■　次に、実施可能ない（つかの指導項目の中から、学
習項目ごとの学習目標と現在の理解度との差により、最
も実施する価値のある指導項目。

すなわち学習効果の大きい指導項目を選択する。

■　処理■で選択した指導項目に従って、あらかじめ記
憶している学習の素材により、解説・出題・回答または
これらのグループによる学習を実施する。

■　学習者の回答から、学習結果を評価する。そして、
理解度の標準値を変更するとともに、その理解度の確か
らしさを示すメンバシップ関数２０の形状を、旧理解度
と新理解度との比較に基づいて変更する。

あらかじめ決められた時間が経過したとか。

設定した目標に到達したとかいうような学習の終了条件
を判定し、終了条件が満足した場合には、学習を終了す
る。継続して学習を進める場合には、処理■へ戻り、新
しいメンバシップ関数２０をもとに、上記処理を繰り返
す。

次に１本実施例におけるメンバシップ関数２０による理
解度の表現について、第３図に従って。

具体的に説明する。

本実施例では、第３図（イ）に示すように、メンバシッ
プ関数２０の形状を、三角形の頂点から左右に分割して
、その幅を示す２つのパラメタａ。

ｂで表現する。２つのパラメタのａ、ｂの変化幅を、そ
れぞれ０−１５とすると、各４ビツトずつ。

計１バイトでまとめることができる。

これにより、理解度のある性質を、三角形の形状と位置
の変数で表現することができる。形状は。

底辺左端から頂点までの水平成分ａと、頂点から底辺右
端までの水平成分すで表現し１位置は、座標原点から水
平方向の三角形頂点までの距離Ｘで表現する。この位置
を示すχの値を、以下、理解度の標準値と呼ぶ。

以上の形状を表す２つのパラメタａ、ｂにより。

“高々この程度の理解度”とか“少なくともこの程度の
理解度”といった悪貨的な表現が可能になる。

第３図（ロ）は、“高々この程度の理解度”という理解
度の表現で、この場合、ｂの値が０またはそれに近い値
である。第３図（ハ）は、“少な（ともこの程度の理解
度”という理解度の表現で。

この場合、ａの値がＯまたはそれに近い値である。

このように、ａ、ｂのパラメタの調整により９片側が絶
壁状のメンバシップ関数２０を作ればよい。

診断処理では、このような理解状況のメンバシップ関数
２０による表現により９次のように学習者の理解度を推
論する。

第３図（ニ）に示す記号は、それぞれ次の意味を持つ。

Ｘ ａ、　　ｂ 推論値ｄ ：学習者の理解度の標準値 ：メンバシップ関数の形状を示す値 ：学習者の理解度の推論値 ：推論値ｄの信頼度 の信頼度ｐは１次式により求められる。

Ａ−ａｂｓ（ｄ　−ｘ　） 　８ ただし。

２ 二こで。

ｓｉｇｎは、括弧内の数値の符号をとる関数。

ａｂｓは、括弧内の数値の絶対値をとる関数である。

なお、上記の式は、ｄが、（Ｘ−ａ）からＸまでの間５
およびＸから（ｘ＋ｂ）までの間における信頼度ｐの値
を求めるものであり、この式が成り立つことは、第３図
（ニ）から明らかであろう。

以上の式のように、学習者の理解度を予想し。

その信頼度によって、学習者の理解度に幅を持たせるこ
とが可能である。また、これは、左右に独立して幅を設
定できるので、゛高々”あるいは”少なくとも”という
感覚の表現も可能である。

第４図は１本実施例で扱う学習内容３０．理解度記憶手
段、１９の記憶情報、学習条件２２．学習目標２３の具
体的なデータ構造の例を示している。

これは、「プログラミング入門」の講座の例であり、「
入出力」、「変数」、「文字データ」。

・・・といった個々の学習内容が、学習項目になってい
る。

理解度記憶手段１９に記憶される学習者の理解度情報は
、各学習者ごとに存在し、第３図で説明したメンバシッ
プ関数２０の位置と形状を示す変数ｘ、ａ、ｂによる各
学習項目ごとの情報からなる。指導項目は９例えば講座
の第１章、第２章。

・・・といったものに相当すると考えてよい。

学習条件２２．学習目標２３は、学習項目と指導項目と
の関係を示すマトリックスとして表現され、その内容は
理解度を数値化したものになっている。

この例における学習条件２２は１次のような意味を持っ
ている。指導項目１１は、「入出力」の学習項目１の理
解度が２以上で、「変数」の学習項目２の理解度が３以
上の者を対象とした学習である。指導項目１２は、学習
項目１が４以上、学習項目２が５以上、学習項目４が２
以上、・・・の理解度を持つ学習者を対象とした学習で
ある。他の指導項目についても、同様に、必要な学習項
目に対応する理解度が受講の条件とされる。

この例における学習目標２３は１次のような意味を持つ
、指導項目１１の学習を行うことにより。

学習者の理解度の標準値は、学習項目ｌについて最大で
４．学習項目２について最大で６になり得る。指導項目
１２の学習を行うことにより、学習者の理解度は、学習
項目４について最大で８．学習項目６および学習項目７
について、それぞれ最大で４になり得る。他の指導項目
も同様である。

これらの問題（指導項目）の実施条件と、理解度記憶手
段１９に記憶している情報とにより１次に採用すべき指
導項目を選択する。

説明を簡単にするために、１つの学習項目だけを対象と
した場合について説明するが、複数の学習項目に拡張す
ることは容易である。

（ｉ）問題の実施条件が、学習者の理解度の標準値Ｘよ
りも大きい場合 メンバシップ関数２０の位置と形状を決めるＸ。

ａ、ｂは、理解度記憶手段１９に設定されており。

既知である。ある学習者に対して５理解度ｄ以上を必要
とする問題を実施するにあたり、その問題が、学習者に
対して妥当であるかを推論するとする。

学習者が持つ理解度がｄであるという信頼度ｐを、メン
バシップ関数２０に基づく上述の式により求める。そし
て、その信頼度ｐが、所定の闇値以上であるかどうかを
判定する。その閾値以上であれば、その学習者の真の理
解度はｄであるかもしれないと判断し２問題は妥当であ
ると結論する。

逆に、信頼度ｐが、閾値より小さければ、その学冒者の
理解度が、ｄである可能性は小さいと判断し９問題は妥
当でないと結論する。

（ｉｉ　）問題の実施条件が、学習者の理解度の標準値
Ｘよりも小さい場合 この場合、学習条件２２よりも、むしろ学習目標２３と
理解度との関係による指導項目の選択に。

メンバシップ関数２０が意味を持ってくる。すなわち、
学習目標２３が、学習者の理解度の標準値Ｘよりも小さ
い場合には１通常、学習しても無駄と解釈されるが９本
実施例によれば、メンバシップ関数２０により、学習者
の理解度に幅を持った解釈がなされるので、上記（ｉ）
で述べた場合と同様の処理により、妥当であると判断さ
れたならば、その指導項目の選択がなされる。

メンバシップ関数２０を利用しない場合と、メンバシッ
プ関数２０を利用した場合の違いについて、第５図に従
って説明する。

メンバシップ関数２０を利用しな・い場合というのは、
第５図（イ）に示すように、理解度が例えば５というよ
うな１つの確定値しか取り得ない場合に相当する。この
場合、学習条件が６であれば。

他の条件がすべて満足していても、その指導項目は選択
されない。

本実施例によるメンバシップ関数２０の利用によれば１
例えば第５図（ロ）に示すように、理解度の取り得る値
に幅があることになる。この例では、ｘ＝５．ａ＝２．
ｂ−４である。

学習条件の値６に対して、その理解度の信頼度ｐを求め
ると、上述の式においてｄ＝６として。

Ａ＝４となり、ｐ＝　（４−１）／４＝０．７５になる
。すなわち、この学習者の理解度が６である確からしさ
は、０．７５となる。これと所定の闇値とを比較する。

閾値が１例えば０．７０であるとすると、理解度の信頼
度が、闇値以上であるので、その問題は、妥当であると
される。以上のように。

第５図（イ）に示す場合に比べて、柔軟な判断がなされ
る。

メンバシップ関数２０の形状は、第１図に示す形状変更
手段１７によって、逐次、変更される。

その変更例について、第６図に従って説明する。

学習者の旧理解度の標準値をＸ、学習者の新理解度の標
準値をＸとする。

■　（Ｘ−ｘ）＜Ｏの場合 この場合１次のように形状を定めるパラメタａ、ｂを変
更する。

ａ−＋ａ　＋　（Ｘ’　−ｘ　）　”　／　６ｂ→ｂ−
１ これは、見かけ上、理解度が進歩している場合である。

この変更により、第６図（イ）に示すように、メンバシ
ップ関数２０−１の形状は。

メンバシップ関数２０−２の形状に近づいていく、すな
わち、“高ｈ”という表現に近づく。

■　（Ｘ−ｘ）＞Ｏの場合 この場合１次のように形状を定めるパラメタａ、ｂを変
更する。

ａ→ａ−１ ｂ→ｂ＋（Ｘ−ｘ）”／に れは、理−解度が退化している場合である。

この変更により、第６図（ロ）に示すように。

メンバシップ関数２０−１の形状は、メンバシップ関数
２０−２の形状に近づいていく。すなわち、少なくとも
”という表現に近づく。

■　（Ｘ−ｘ）＝Ｏの場合 この場合２次のように形状を定めるパラメタａ、ｂを変
更する。

ａ→ａ−１ ｂ→ｂ−１ これは、理解度が同じ場合である。この変更により、第
６図（ハ）に示すように、メンバシップ関数２０−１の
形状は、メンバシップ関数２０−２の妻うに幅が狭いも
のに変化する。

〔発明の効果〕

以上説明したように５本発明によれば、学習者の理解度
に、メンバシップ関数を利用した理解状況を付加するこ
ビにより１人間的感覚を取り入れた診断が可能となり１
問題の選択に無理がなくなる。

また、解答欄ミスというような学習者の理解度の急激な
変化にも、柔軟な対応が可能となり、学習者に対する問
題の妥当性を向上させることが可能になる。

【図面の簡単な説明】

第１図は本発明の構成例。 第２図は本発明の一実施例処理フロー 第３図は本発明の一実施例で用いるメンバシップ関数に
よる理解度の表現を説明する図。 第４図は本発明の一実施例で採用するデータ構造の例。 第５図は本発明の一実施例によるメンバシップ関数の利
用例を説明する図。 第６図は本発明の一実施例に係るメンバシップ関数の変
更例を示す。 図中、１０は計算機、１１はデイスプレィ、１２は入力
装置、１３は診断処理部、１４は推論診断手段、１５は
学習処理部、１６は評価処理部。 １７は形状変更手段、１日は記憶装置、１９は理解度記
憶手段、２０はメンバシップ関数、２１は問題の実施条
件記憶手段、２２は学習条件、２３は学習目標を表す。 一実相例込埋フロー 第２図 本発明の構成例 第　１　図 （ニ） メンバシップ関数によるｙ！解濱の表現第　　３　図 （イ） メンバシノコ関数の利用例 第５図 （ロ） メンバシップ関蚊の液更例 第　６　図

Claims (1)

1. 【特許請求の範囲】 各学習項目ごとに、学習者の理解度と問題の実施条件と
   を比較し、次に学習すべき問題を選択する計算機を用い
   た学習支援システムにおいて、学習者の理解度を示す情
   報を、理解度の取り得る値の信頼度を示すメンバシップ
   関数により表現し記憶する理解度記憶手段（１９）と、 学習者の理解度の進捗状況に応じて、上記メンバシップ
   関数の形状を、動的に変化させるメンバシップ関数の形
   状変更手段（１７）と、 問題の実施に必要とされる理解度を、上記メンバシップ
   関数により推論し、その理解度の信頼度に応じて実施の
   可否を決定する推論診断手段（１４）とを備えたことを
   特徴とする学習者理解度診断処理方式。