研究紹介RESEACH
ホーム  >  研究紹介  >  研究詳細

ラーニングアナリティクス

LLMによるプログラムエラーの説明に基づく教材ページ推薦手法

本研究では、エラーを含んだソースコードを入力とし、そのエラーの解決に寄与するスライドページを推薦する手法を提案しています。大規模言語モデルを用いてエラー説明テキストを生成し、スライド教材の文字起こしとマッチングさせることで推薦ページを決定しています。評価実験においては、3つのマッチング手法を比較し、効果的なマッチング手法を明らかにしました。さらに、スライド教材の文字起こしの補足やモデルの変更によって精度が向上することを明らかにしました。
Photo

国内学会 (査読無し)

  1. 松本 大輝, 谷口 雄太, 大久保 文哉, 島田 敬士
    LLMによるプログラムエラーの説明に基づく教材ページ推薦手法
    第43回教育学習支援情報システム研究会 (CLE43), 2024.06
    BibTeX

生成AIを用いた科目間の関連性および科目の位置付けに関する説明文生成手法

高等教育において、学習者が興味・関心に基づいた学習を行うために、過去の履修状況を振り返りながら能動的に履修計画を立てることは重要です。これを実現するためには、過去に履修した科目と今後履修可能な科目の関連性といった科目横断的な情報が有用です。そこで本研究では、生成AIを用いてシラバスとカリキュラムマップをもとに科目間の関連性を分類し、科目間のつながりや科目のカリキュラムにおける位置付けの説明文を生成する手法を提案しました。結果として、7割程度の精度で科目間の関連性を分類でき、履修計画の参考となるような、科目間の関連性についての説明文が生成できることがわかりました。
Photo

国内学会 (査読無し)

  1. 宗村 隆世, 大久保 文哉, 峰松 翼, 谷口 雄太, 島田 敬士
    生成AIを用いた科目間の関連性および科目の位置付けに関する説明文生成手法
    第43回教育学習支援情報システム研究会 (CLE43), 2024.06
    BibTeX

拡張したシラバス文章による科目間およびトピック間類似度の計算

履修計画支援システムに必要な「シラバス文章を基にした科目同士の類似度計算」において，従来の計算手法では，シラバスに登録された文量の多寡によって，類似度が過小評価されるという問題があります．そこで，大規模言語モデルを用いてシラバス文章自体を拡張した後に，特徴量抽出，類似度計算を行う手法を提案します．これにより，元のシラバスには含まれない周辺情報の補完や，説明不足な文章に対する情報の拡充を実現します．アンケート調査の結果として，提案手法で計算された類似度は相対的な順位尺度としてはある程度の有効性が示されます．
Photo

国内学会 (査読無し)

  1. 尾崎 真大, 大久保 文哉, 峰松 翼, 島田 敬士
    生成AIを用いたシラバス情報の拡張と授業内トピック間類似度評価の検討
    第41回教育学習支援情報システム研究会 (CLE41), 2023.12
    BibTeX

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。
Photo

国際会議 (査読有)

  1. 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。
Photo

国際会議 (査読有)

  1. Yuma Miyazaki, Svabensky Valdemar, Yuta Taniguchi, Fumiya Okubo, Tsubasa Minematsu, Atsushi Shimada
    E2Vec: Feature Embedding with Temporal Information for Analyzing Student Actions in E-Book Systems
    The 17th International Conference on Educational Data Mining (EDM2024), 2024.07
    BibTeX

国内学会 (査読無し)

  1. 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。"
Photo

国内学会 (査読無し)

  1. 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。"
Photo

国際会議 (査読有)

  1. 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。
Photo

国際会議 (査読有)

  1. 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
  2. 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
  3. 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