九州大学 大学院システム情報科学研究院 情報知能工学部門 イメージ・メディア理解研究室
研究紹介RESEACH
ラーニングアナリティクス
Tabnetに基づくオンライン学習パフォーマンスの説明可能な成績予測モデル
本研究では、Tabnetを用いて学習行動パターンを抽出し、学習プロセスを理解する試みを行っています。異なるコースのデータを分析し、予測モデルの有効性を検証しています。得られた結果から、Tabnetが学習行動パターンの理解や成績予測に有用であることが示されました。
これにより、教育の質の向上と学生の学習支援の可能性が示されています。
これにより、教育の質の向上と学生の学習支援の可能性が示されています。
国際会議 (査読有)
- Shuaileng Yuan, Sukrit Leelaluk, Cheng Tang, Li Chen, Fumiya Okubo, Atsushi Shimada
A Deep learning Grade Prediction Model of Online Learning Performance Based on knowledge learning representation
The 6th Workshop on Predicting Performance Based on the Analysis of Reading Behavior (LAK24 Data Challenge), 2024.03
BibTeX
教育データの分散表現生成手法の提案とAt-risk学生検知への応用
本研究では、自然言語処理分野で用いられる特徴表現手法を利用して、学生がデジタル教材に行った学習操作間の前後関係や時間間隔といった情報を保持した分散表現の生成手法「E2Vec」を提案しています。
また、E2Vec によって生成した学習者特徴表現をAt-risk 学生検知に適用、表現能力の検証を行っています。
また、E2Vec によって生成した学習者特徴表現をAt-risk 学生検知に適用、表現能力の検証を行っています。
国内学会 (査読無し)
- 宮崎 佑馬, 峰松 翼, 谷口 雄太, 大久保 文哉, 島田 敬士
教育データの分散表現生成手法の提案とAt-risk学生検知への応用
第40回教育学習支援情報システム研究発表会 (CLE40), 2023.06
BibTeX
視線情報による高解像度な学習ログの生成システムの開発
"教育現場に展開が広がっているデジタル教科書システムに収集される学習者のログには、ページ遷移を記録するクリックストリームログや理解度状況ボタンがあり、これらには時間と空間の解像度の低さが課題となっています。
本研究では、学習者の視線情報を利用したHLL（High-resolution learning log）を開発し、高い時間・空間分解能を持つ学習ログを実現しています。"
本研究では、学習者の視線情報を利用したHLL（High-resolution learning log）を開発し、高い時間・空間分解能を持つ学習ログを実現しています。"
国内学会 (査読無し)
- 後藤 健, 峰松 翼, 谷口 雄太, 大久保 文哉, 島田 敬士
視線情報による高解像度な学習ログの生成システムの開発
第40回教育学習支援情報システム研究発表会 (CLE40), 2023.06
BibTeX
生成AIを用いた教育データ分析
"この研究の目的は、生成型AIを使用して教育データを分析する可能性を探ることです。2つの大規模言語モデル（LLM） であるGPT-4とtext-davinci-003の性能を、異なるタイプの分析に関して比較しています。また、初心者のデータサイエンティストに有益な分析の考察を得るために、LangChainというフレームワークをLLMと統合しました。さらに、教育データを前処理するOpenLAライブラリを用いて分析を行う際の影響も研究しています。
結果として、OpenLAによって前処理されたデータを使用すると、GPT-4が最良の分析を提供することや、学生の成績を予測する際に読書時間と学生の電子教科書における活動が重要であることを示しています。"
結果として、OpenLAによって前処理されたデータを使用すると、GPT-4が最良の分析を提供することや、学生の成績を予測する際に読書時間と学生の電子教科書における活動が重要であることを示しています。"
国際会議 (査読有)
- Abdul Berr, Sukrit Leelaluk, Cheng Tang, Li Chen, Fumiya Okubo, Atsushi Shimada
Educational Data Analysis using Generative AI
The 6th Workshop on Predicting Performance Based on the Analysis of Reading Behavior (LAK24 Data Challenge), 2024.03
BibTeX
ニューラルネットワークモデルによる学生の成績予測強化
学生の成績予測は、学習教育システムから学生の活動データを収集し、データ分析するための予測モデルを生成し、学生の学習レベルを予測します。指導者は、その予測モデルから得られる予測結果を用いて、リスクのある学生を早期に発見・発見することができます。
しかし実際には、講義計画の違いから共通に利用できる予測モデルの生成は難しく、また、学生の活動データが少ないことから初期段階での予測精度が低いことが課題となっています。
そこで本研究では、人工ニューラルネットワークの手法を用いて汎用性の高いモデルを生成し、予測を通じて重要な特徴を探り、タイムリーな介入を行うための早期予測を改善することを目指しています。
しかし実際には、講義計画の違いから共通に利用できる予測モデルの生成は難しく、また、学生の活動データが少ないことから初期段階での予測精度が低いことが課題となっています。
そこで本研究では、人工ニューラルネットワークの手法を用いて汎用性の高いモデルを生成し、予測を通じて重要な特徴を探り、タイムリーな介入を行うための早期予測を改善することを目指しています。
国際会議 (査読有)
- Sukrit Leelaluk, Tsubasa Minematsu, Yuta Taniguchi, Fumiya Okubo, Takayoshi Yamashita, Atsushi Shimada
LSTM with Attention Mechanism for Students’ Performance Prediction Based on Reading Behavior
The 5th Workshop on Predicting Performance Based on the Analysis of Reading Behavior (LAK23 Data Challenge), 2023.03
BibTeX - Sukrit Leelaluk, Tsubasa Minematsu, Yuta Taniguchi, Fumiya Okubo, Takayoshi Yamashita, Atsushi Shimada
Scaled-Dot Product Attention for Early Detection of At-Risk Students
IEEE International Conference on Teaching, Assessment and Learning for Engineering (TALE2022), pp.316-322, 2022.12
BibTeX - Sukrit Leelaluk, Tsubasa Minematsu, Yuta Taniguchi, Fumiya Okubo, Atsushi Shimada
Predicting student performance based on Lecture Materials data using Neural Network Models
The 4th Workshop on Predicting Performance Based on the Analysis of Reading Behavior (LAK22 Data Challenge), 2022.03
BibTeX