イベント企画
トップコンファレンスセッション4-2
教育学習支援
9月2日(水) 9:30-12:00
第5イベント会場
座長　西岡千文（京大）
座長補佐　鹿内菜穂（亜細亜大）
9:30-9:50 講演(1) 【タイトル邦題】 学習活動分析に基づく学習者のコース割り当て最適化
島田　敬士（九州大学）
【原発表の書誌情報】 Shimada, A., Mouri, K., Taniguchi, Y., Ogata, H., Taniguchi, R., Konomi, S.: Optimizing Assignment of Students to Courses based on Learning Activity Analytics, 12th International Conference on Educational Data Mining(2019).
【概要】 授業内外における学習活動ログから、各学習者の学習活動ならびに教師の授業方法を数値化する手法を開発し、学習活動と授業方法の最適マッチング問題を、教室規模の制約下で成績を最大化する問題として定式化した。本手法を用いてコース編成（学生のコース割り当て）を行えば、機械的に学生をコースに割り当てるよりも高い教育効果が得られることをシミュレーションにより確認した。
【略歴】 2002年九州大学工学部電気情報工学科飛び級のため退学。2004年九州大学大学院システム情報科学府修士課程修了。2007年同大学大学院システム情報科学府博士後期課程修了。博士（工学）。2007年4月より九州大学大学院システム情報科学研究院助教。2013年10月より同大学基幹教育院准教授。2017年4月より同大学大学院システム情報科学研究院准教授、2019年10月より教授、現在に至る。その間、JSTさきがけ研究者兼任（2015年10月～2019年3月）。ラーニングアナリティクス、パターン認識、メディア処理、画像処理に関する研究に従事。2019年IPSJ/IEEE-CS Young Computer Researcher Award、令和2年度科学技術分野の文部科学大臣表彰若手科学者賞などを受賞。
9:50-10:10 講演(2) 【タイトル邦題】 評価者バイアスを考慮した項目反応モデルに教師ありLDAを組み込んだライティング能力の高精度な測定手法
宇都　雅輝（電気通信大学 大学院情報理工学研究科 助教）
【原発表の書誌情報】 Uto, M.: Rater-effect IRT model integrating supervised LDA for accurate measurement of essay writing ability, Proc. of the International Conference on Artificial Intelligence in Education (AIED), Lecture Notes in Computer Science, vol 11625, pp 494-506 (2019).
【概要】 本論文では、記述・論述式試験で収集される採点データと回答文データから受験者のライティング能力を高精度に推定することを目指し、評価者バイアスを考慮した項目反応モデルと教師ありトピックモデルを統合した新たな数理モデルを提案する。記述・論述式試験では評価者の特性差や少数性を要因とする能力測定精度の低さが問題視されてきたが、提案技術では、採点データから評価者バイアスの影響を取り除きつつ回答文の内容も加味して受験者の能力を推定することでこの問題を解決している。
【略歴】 2013年電気通信大学大学院情報システム学研究科博士後期課程修了。博士（工学）。長岡技術科学大学特任助教を経て、2015年に電気通信大学助教に着任、現在に至る。ベイズ統計、人工知能、機械学習、自然言語処理、教育測定などの研究に従事。日本行動計量学会 肥田野直・水野欽司賞（奨励賞）(2019)、人工知能学会 研究会優秀賞(2019)、NLP若手の会 萌芽研究賞(2019)、日本テスト学会 大会発表賞(2018/2016/2014)、教育システム情報学会 全国大会発表奨励賞(2018/2014)など受賞。
10:10-10:30 講演(3) 【タイトル邦題】 最大クリーク問題を用いた等質適応型テスト
宮澤　芳光（大学入試センター 研究開発部試験評価解析研究部門 助教）
【原発表の書誌情報】 Ueno, M., Miyazawa, Y.: Uniform adaptive testing using maximum clique algorithm, Proc. Artificial Intelligence in Education (AIED), pp. 482-493 (2019)
【概要】 適応型テストは、受検者の能力を効率的に推定するため、解答履歴から逐次的に能力を推定し、情報量が高い項目を選択するComputer Based Testingの項目選択手法である。従来の適応型テストでは、高い情報量を持つ項目が過度に選択され、受検者への項目内容の暴露につながり、テストの信頼性の低下となりうる。本研究では、最大クリーク問題を用いてアイテムバンクを等質グループに分割し、この等質グループから情報量が最大の項目を選択するアルゴリズムを提案する。本稿では、シミュレーションや実データを用いた実験を通して本手法の有効性を示す。
【略歴】 2014年電気通信大学大学院情報システム学研究科博士後期課程修了。博士（工学）、長岡技術科学大学、東京学芸大学を経て、2019年より大学入試センター助教に着任。eテスティング、eラーニングの研究に従事。
10:30-10:50 講演(4) 【タイトル邦題】 協調学習における相互理解促進のための概念マップ相互再構成法
林　雄介（広島大学 大学院先進理工系科学研究科 准教授）
【原発表の書誌情報】 Wunnasri, W., Pairai, J., Hayashi, Y. and Hirashima, T. Reciprocal Kit-Building of Concept Map to Share Each Other's Understanding as Preparation for Collaboration, Proc. of Artificial Intelligence and Education (AIED), pp.599-612 (2018).
【概要】 本研究では、協調学習における学習者間の相互理解の促進を目標として、学習者のペアにおいてそれぞれが自分の理解を概念マップに表し、それを分解したものを相互に再構成した上で議論する概念マップ相互再構成法を提案している。本手法を適用した実験から、互いに作成した概念マップを参照し合うより、相互に再構成した方が議論が活性化し、理解度の共有度が高まることが確認された。
【略歴】 2003年大阪大学院基礎工学研究科博士後期課程修了。北陸先端科学技術大学院大学知識科学研究科助手、大阪大学産業科学研究所特任助教（常勤）、名古屋大学情報基盤センター准教授を経て、 2012年より広島大学大学院工学研究科（2020年より大学院先進理工系科学研究科に改組）准教授。博士（工学）。オントロジー工学による知識のモデリング・体系化、知的教育システムへの応用に関する研究に従事。
10:50-11:10 講演(5) 【タイトル邦題】 知的メンタリングシステムにおける生体情報からの学習者の心的状態の推定手法
松居　辰則（早稲田大学 人間科学学術院 教授）
【原発表の書誌情報】 Tatsunori MATSUI, Yoshimasa TAWATSUJI, Siyuan Fang, Tatsuro UNO: Conceptualization of IMS that Estimates Learners’ Mental States from Learners’ Physiological Information Using Deep Neural Network Algorithm. In: Coy A., Hayashi Y., Chang M. (eds) Intelligent Tutoring Systems. ITS 2019. Lecture Notes in Computer Science, vol 11528. Springer, Cham (2019)
【概要】 知的メンタリングシステムにおける学習者の心的状態の推定可能性に関する実験的検討の報告を行う。特に、生体情報、教師発話等の多面的な情報から機械学習を用いて推定するためのモデルを紹介する。
【略歴】 1994年早稲田大学大学院理工学研究科数学専攻博士後期課程修了、博士（理学）。早稲田大学理工学部、東京学芸大学、電気通信大学大学院情報システム学研究科を経て、2004年早稲田大学人間科学学部（現、学術院）助教授、2007年より教授。知的学習支援システム、教育評価の数理モデル、学習者の心的状態の推定、Learning Analytics等の研究に従事。
11:10-11:30 講演(6) 【タイトル邦題】 異なる研究アプローチが従属変数の選択へ与える影響
松室　美紀（立命館大学）
【原発表の書誌情報】 Matsumuro, M., Miwa, K.: Model for Data Analysis Process and Its Relationship to the Hypothesis-Driven and Data-Driven Research Approaches. Proc. International Conference on Intelligent Tutoring Systems (ITS), pp. 123-132 (2019).
【概要】 本研究は、データ空間と仮説空間からなる、データ分析の過程を説明するモデルを提案する。モデルに基づき、特定の仮説に基づき分析を行う仮説駆動アプローチと、分析結果から仮説を構築するデータ駆動アプローチの過程を分析した。
【略歴】 2008年お茶の水女子大学文教育学部卒業。2013年名古屋大学大学院情報科学研究科博士後期課程 単位取得退学。博士（情報科学）。名古屋大学大学院情報学研究科心理・認知科学専攻研究員を経て、2018年より、立命館大学情報理工学部特任助教。推論、問題解決、機器使用時のユーザの認知プロセスに興味があり、認知アーキテクチャを用いた認知プロセスのシミュレーション、心理実験を用いた研究に従事。