Microsoft PowerPoint - 法政大学-ogata.pptx

Transcription

1 教育データ分析の現状と課題 緒 広明

2 本 の内容 1. 紹介 2. ラーニングアナリティクス (LA) 研究の概要 3. 九州 学におけるLAの取り組み 4. 今後の課題 2

3 紹介 ( 学歴 ) 1988 年 3 徳島県 脇町 等学校卒業 1988 年 4 徳島 学 学部知能情報 学科 学 1992 年 3 同学科卒業 1992 年 4 徳島 学 学院 学研究科博 前期課程知能情報 学専攻 学 1994 年 3 同専攻修了 1994 年 4 徳島 学 学院 学研究科博 後期課程システム 学専攻進学 1995 年 3 同専攻退学 ( 助 として就職 ) 1998 年 5 博 ( 学 )( 徳島 学 ) 3

4 経歴 1995 年 4 徳島 学 助 学部知能情報 学科 1999 年 4 徳島 学 講師 同 2001 年 3 徳島 学 助教授 同 2001 年 9 国コロラド 学ボルダー校客員研究員 (2003 年 2 まで ) 2007 年 4 徳島 学 准教授 ( 職名と所属名変更 ) 学院ソシオテクノサイエンス研究部 2009 年 10 ( 独 ) 科学技術振興機構 JST さきがけ 兼任研究員 (2013 年 3 まで ) 2013 年 10 九州 学教授 基幹教育院 現在に る 4

5 これまでの研究の推移 扱う情報の量 2010 年 ラーニングアナリティクス 2005 年 u-learning Learning logs Awareness 2000 年 m-learning 1995 年 CSCL/CALL 1990 年 グループウェア 基盤情報技術 Database WWW Mobile UbiComp BigData 時間 5

6 ラーニングアナリティクスとは

7 Learning Analytics (LA) とは? 情報通信技術 (ICT) を用いて 教員や学生からどのような情報を獲得して どのように分析 フィードバックすればどのように学習 教育が促進されるか? を研究する分野 7

8 LA プロセス データ蓄積 統合 データ分析 可視化 予測 フィードバック 推薦 評価 改善 8

9 From hindsight to foresight Value What happened? Descriptive analysis Why did it happen? Diagnostic analysis Why is it happening? Real time analysis What will happen? Predictive analysis What should Ido? Prescriptive analysis Gartner. 成績予測教材推薦 リアルタイム分析 レスポンス グループ作成 援 予習達成度 活発度表 知識マップ表 Difficulty 9

10 海外の関連研究 MOOCs w/ LA in H. Ed. e Book in K12 w/o LA 10

11 我々の計画 等教育 ( 学等 ) 1 st stage: e Book & LA MOOCs In 欧 対 型講義 e Book In アジア 2 nd stage: e Learning & LA オンライン講義 初等中等教育 11

12 九州 学における LA の取り組み

13 2020 年 (4 年後 ) にデジタル教科書を全国の 中 校に導 する計画 ( 教育の情報化 ) 13

14 デジタル教科書の特徴 2020 年のデジタル教科書導 は 1~3が中 4と5はあまり考慮されていない 1Light and permanent 軽く 永続的に利 可能 2Searchable キーワード検索可能 3Interactive ページを拡 縮 映像 クイズ等 4Traceable 5Adaptive 学 の活動を記録 分析 学 の状況によって内容を変更可能 14

15 本研究の 的 デジタル教科書を 学に導 し その履歴データを中 として e-learningや学務情報等と統合することによって 教育ビッグデータを構築し 学習分析 (Learning Analytics) によって きめ細かな教育 学習のサポートを 指す 教育 学習ログの科学的分析による教育改 15

16 本取り組みの特徴 全学 PC 必携化と 速無線 LAN 環境の整備 PCを活 した授業設計を実施 ( 基幹教育 ) e-book/moodle/maharaを全学に導 してデータ取得し 分析ツールを提供 ( 世界初 ) LAを全学で実施するためのLAセンターを設置 ( 国内初 ) 3,000 万件以上の学習ログデータを蓄積 (2016 年 9 末 ) 16

17 ラーニングアナリティクス (LA) の全学展開の経緯 開始時 平成 25 年 (2013) 年 4 平成 26 年 (2014) 年 4 平成 26 年 (2014)10 平成 27 年 (2015)4 平成 27 年 10 平成 27 年 (2016)2 PC 必携化 (BYOD) 開始 基幹教育開始 基幹教育の情報系科 で LA 開始 全学基幹教育全科 で LA 開始 全学部 学院で LA 開始 LA センター設 17

18 九州 学 基幹教育とは? 18

19 基幹教育の特徴 平成 25 年 4 から全学 1 年 約 2,700 名を対象に開始 ら主体的 能動的に学ぶ アクティブラーナー の育成が 的 対話 内省 協働を通じて 学び 考え を学ぶ 全学出動態勢で授業を実施 学 全員 PC 必携化 (BYOD:Bring Your Own Devices) 19

20 どのようにして 学 が本当にアクティブに学習しているかどうか を知ることができるのか? Learning Analytics と教育ビッグデータの研究 授業中 授業外 20

21 M2B システムを いた教育改善の 援の概要 M2B( みつば ) 学習 援システム デジタル教材 ( スライドなど ) 授業設計 教材を e-book に登録 M2B2 を いて 学びの過程を記録 教育ビッグデータ eラーニング eポートフォリオ履修情報成績情報講義情報等 データドリブンな授業改善 15 動 成績予測 学習 援 教育改善 学び と 教え の分析 状態 学習活動量の推移分析 0 リアルタイム分析 1 授業回 14 分析レポート配信 アドバイザ データ分析ツール 21

22 紹介ビデオ 約 3 分 22

23 23

24 M2B( みつば ) 学習 援システムとは Moodle( ムードル ) : e-learning システム出席管理 レポート管理 掲 板 アンケートなど Mahara( マハラ ): e ポートフォリオシステム講義 誌の記録による振り返りと情報共有 BookLooper( ブックルーパー ): デジタル教科書配信システム講義スライドの共有と配信 学 登録数教員登録数 Moodle Mahara BookLooper 2015 年度前期 2015 年度後期 2016 年度前期 2,687 10, コース 866 誌 132 教材 19,293 10, コース 302 誌 95 教材 718 コース 89 コース 107 教材 (41 コース ) 24

25 ログの累計数 1 18 万件のログ 累計約 3000 万件 (2014 年 年 9 末まで ) 1800 万 1400 万 1000 万 約 1700 万件 約 1200 万件 600 万 200 万 2014 年度後期 2015 年度前期 2015 年度後期 2016 年度前期 BookLooper ログ件数 Moodle ログ件数 25

26 ログの種類 ログイン 出席状況 レポート提出 テスト アンケート 掲 板 など 26

27 教員 : ティーチングポートフォリオ ( 授業 誌 ) 振り返りによる教材改善 授業設計改善教員間の情報共有 学 : ラーニングポートフォリオ ( 授業 誌 ) ログの種類学 にとっては振り返り プランニング教員にとっては学 からのフィードバック ログイン 学 の 誌 教員の 誌 などの柔らかい情報 27

28 教員の 誌内容 ( 授業後 ) 練習問題はレポートにして 次の授業の開始までに Moodle にソースコードをアップロードしてもらうことにした 講義内容のメモ レポートの提出締切は スライド とスライド は れ替えた が良い 教材の改善 と の違いの説明を増やす必要がある 次年度は を含めた練習問題にした が良い 28

29 授業改善につながる学 のコメント 突然難しくなった印象を受けました 間に説明を追加 授業最後のほうがスピードが速かったのでしっかり復習したい 授業内時間配分の改善 相互のエントロピーがよくわかりませんでした ( 多数 ) 説明を詳しく改善 予習範囲を間違えていたみたいなので 次回から気を付けたい 予習範囲を明確に周知 29

30 30

31 e Book システムの特徴 教員が作成したスライドや教材 (PDF) を ( 主に ) 授業期間開始前にe Bookシステムに登録 e Book 教材は 全ての教員と学 が閲覧可能 e Book 教材は 教員が適宜アップデート ユーザはWindows/Mac/Android/iOSなどのアプリを利 して教材をダウンロードして閲覧 ユーザの閲覧ログがサーバーで共有 31

32 宇宙と地球の科学 32

33 Click Stream Data 33

34 BookLooper 操作ログ 率 2015 年 年 % 0.19% 13.71% 0.22% 0.03% 0.02% 20.39% 10.49% 53.93% ページめくりコンテンツOPEN キーワードブックマークマーカーメモ拡 縮 ジャンプ機能その他 (54%) (10%) 0.46% (14%) (1%) (20%) 34

35 九州 学で開発した LA ツールの紹介

36 授業36 教育 学習の 援の例 前 学習活動の活発度を可視化して評価授業中業後 利 履歴に基づくドロップアウト等の傾向の提 授 予習 復習の達成度の提 して適応的な講義 学 が理解しにくいところを提 して説明追加 授業中の学 の 動をリアルタイムに分析 利 履歴を いてグループ作りを 援 学 の学習履歴から 教材の改善点を提 など 利 履歴から成績を予測し 今後の学びを改善 教材を推薦して さらに学習を促進

37 From hindsight to foresight Value What happened? Descriptive analysis Why did it happen? Diagnostic analysis Why is it happening? Real time analysis What will happen? Predictive analysis What should Ido? Prescriptive analysis Gartner. 成績予測教材推薦 リアルタイム分析 レスポンス グループ作成 援 予習達成度 活発度表 知識マップ表 Difficulty 37

38 1 授業前のログの分析 38

39 デジタル教科書の閲覧ログの分析 予習の達成度 マーカー数等成果 5 授業内容を適応的に変更 ページの遷移を可視化 閲覧パターンから教材の改善点を提案 教材 A 教材 B 39

40 学 デジタル教科書の閲覧ログの可視化 Cubic Gantt Chart 3 次元で回転して分析 中村 岡 閲覧時間 スライドのページ数 教材のオントロジーの構築 成果 5 教材の知識概念構造と学 の概念構造のマッチング学 の背景知識を把握 王 40

41 アクティブラーナーダッシュボード 成果 5 アクティブラーナー尺度は Moodle Mahara BookLooperのログ情報から学習の活発度を計算 < 教員 > < 学 > 41

42 2 リアルタイム分析 ( 授業中 ) 42

43 リアルタイムのログ分析 講義についていけていない学 先々進んで学んでいる学 ページ閲覧状況に合わせて 講義の進 を変える ( 島 ) ージ時間ペ教員 学 43

44 リアルタイムで理解度に関するレスポンスボタンシステム 成果 5 学 が教える内容に対して その場で理解度を教員に伝える (1 分間 ) 学 のグループ作成 援 成果 5 閲覧履歴に基づく 動グループ構成 島 44

45 プログラミング演習の 援 成果 5 プログラミングエラーログを収集分析し リアルタイムで 援 45

46 3 授業後のログの分析 46

47 予習時間と成績の関係 予習したグループは 平均と べて成績がよい 成績の変動と閲覧時間の関係 成績が上がったグループは 他より閲覧時間が い 閲覧時間 中間 期末も成績がA 判定だった中間 期末も成績がB 判定だった中間 期末も成績がC D 判定だった中間 期末にA 判定に成績が上がった ( 例 :D A) 中間 期末にB C 判定に成績が上がった ( 例 :D B) 中間 期末にB 判定以下に成績が下がった ( 例 :A D) 全体の平均 BL 予習 復習 47

48 予習 復習の学習パターン成果 5 予習復習の学習パターン発 井 動を予測するルールを発 成果 6 初回 4 回の閲覧時間から最終成績を予測 4 回の閲覧時間 5 分以上の学 100% 成績が 80 点以上 4 回の閲覧時間 5 分未満の学 93.8% 成績が 80 点以下 48

49 最終成績の予測 成果 5 過去の学習ログから 状態遷移図を作成し 成績を予測 久保 デジタル教材の推薦 成果 5 学 の学習ログから 興味に応じたデジタル教材を推薦 推薦 京セラ丸善 49

50 予復習スライド要約 成果 5 3 分 5 分などの短時間に 動要約して 予復習に利 島 検索キーワードに関するワードクラウド 成果 5 学 が良く使う検索キーワードを可視化 50

51 LA を いた教育 学習の改善のモデル シラバス作成 教材作成 演習問題 レポート課題 試験問題等の作成 授業設計 シラバス確認 参考資料等の事前確認 授業前準備 教員 学 授業期間後のワークショップ 改善 ティーチングアドバイザー 学習ログ分析 教材改善提案 LA 主観や経験に依存しない 授業 授業改善 ログの蓄積 教育ビッグデータ e ポートフォリオ e ラーニングのログ e-book の閲覧ログなど 内省 改善 LA ラーニングアドバイザー 学習ログ分析 成績予測 51

52 分析レポート (BookLooper) 52

53 分析レポート (Mahara) 53

54 今後の課題 1. 教育クラウド情報基盤の構築と全国展開 2. 実践コミュニティの育成 54

55 現在の研究プロジェクトの概要 科学技術振興機構 (JST) さきがけ ラーニングログを いた協調学習情報基盤の開発 代表 : 緒 広明 ( 平成 年度 ) 情報通信研究機構 (NICT) 委託研究 教育ビッグデータの利活 アプリケーションの研究 実施責任者 : 緒 広明 ( 平成 年度 ) 科研費 基盤研究 (S) 教育ビッグデータを いた教育 学習 援のためのクラウド情報基盤の研究 代表 : 緒 広明 ( 平成 年度 ) フォーマル ( 講義内 ) 企業内教育 等教育 初等中等教育 シームレスな 援 インフォーマル ( 講義外 ) 学習 MOOCs 在宅学習 博物館海外留学 学習塾図書館 M2B システム (NICT) データ蓄積 分析技術 研究実績 SCROLL(JST さきがけ ) 学習ログの個 適応技術 55

56 教育 クラウドの全国展開 1 学際大規模情報基盤共同利用 共同研究拠点を利用した中核大学群における研究 2 全国の高等教育機関へ展開 設計 教育 クラウド 改善 実施 分析 データ蓄積 3 初等中等教育へ展開 3 企業内教育へ展開 教育ビッグデータの標準化 オープン化によってオープンサイエンスを促進 56

57 学術的な新規性 涯学習ログの表現 管理 分析 法等の研究 教育 学 情報 学 データ 学 教育データ科学 間 学 AI 教育学 理学 認知科学 脳科学 学習科学 テスト 観察や質問紙といった従来 法では えていなかった新たな現象 理論を構築 デジタル教科書や e-learning 等を いた 個 にとって最適な教育 学習 法を解明 個 に最適な教材 学習スタイルの提案 主体的な学びへの転換の解明 57

58 従来研究との 較 項 従来の研究本研究 ( 教育データ科学 ) 教材 / 教育改善教師の主観や経験が中 データ分析に基づく意思決定中 学 / 教員評価試験やアンケートが中 プロセスのデータ分析中 講義形式計画に従って実施データを基に適応的に実施 研究 法観察 質問紙 試験中 量の学習ログの分析中 58

59 期待される効果 多様性 個別性に対応した教育 2020 年にデジタル教科書を単に導 するだけでなく学習ログの有効活 により テーラーメイドな個別教育を実現 アジア諸国では 初等中等教育においてデジタル教科書を既に導 しかしログデータの蓄積や分析まではされておらず 本が きくリードできる可能性 全国規模で教育ビッグデータを構築デジタル教科書と同時に教育 クラウド情報基盤の全国展開により 本を世界 の教育情報化 国へ 本が導 予定の 2020 年はすぐそこであり 本研究の緊急性 エビデンスに基づく教育政策の提案と評価対 型講義に基づく教育ビッグデータの科学的な分析により 国全体の 教育の質保証と質向上 を い 国際競争 を向上 海外では e-learning や MOOCs 等を いたオンライン講義のログの分析が中 であり 本研究のように対 型講義を対象とした研究は 常に少ない 教育データ科学による教育関連分野の研究推進蓄積された教育ビッグデータの標準化 オープン化によって 教育データ科学を推進し 教育学 理学 認知 理学等の教育関連分野の研究を促進 59

60 実践コミュニティ作り

61 特に 事なこと 学習ログの蓄積 アダプティブなコンテンツに エビデンスやノウハウの共有 教員の研修 ( 実践コミュニティ作り ) 61

62 LA の研究を促進するために 研究コミュニティを作る 62

63 海外では EU LACE (Learning Analytics Community Exchange) 9 学が参加エビデンスやデータの共有 国 Unizin (11 学が参加 ) Digital Learning の学習効果の向上 例 :2009 年に 学した 52.9% の学 が 6 年以内に 学を卒業した 63

64 本でのコミュニティ構築の 的 LA に関する情報交換 システム ツール データ エビデンスの共有 これによって データやツールの標準化がボトムアップに提案 IMS 標準化 (Caliper) を参考に オープンデータのガイドラインなども提案 64

65 おわりに 教育の情報化が急速に進んでいる これまで 類が経験したことのない 量の教育データが蓄積されつつある 教育データ科学の研究 実践により 教育を抜本的に変える! 36 65

66 ご案内 LAK 2017 Canada 2 Workshops Organizer 2 Full papers 2 Posters 1 Demo LAK /5-9@Sydney 是 ご投稿 & ご参加下さい 66