| 06 |
生徒それぞれに適度なレベルの問題を出題しますMonotonic VAEに基づいた個別最適な問題推薦手法 
|
|---|
| どんな研究 |
学校の授業ではクラスの生徒が同時に受講するため、全員が同じ教科書を利用します。一方で、個別学習は生徒一人一人に適した教材や問題を利用することが重要です。われわれは個別学習支援のため、多数の問題の中から個別最適な問題を選び、生徒に推薦する技術の研究を行っています。 |
|---|---|
| どこが凄い |
生徒が初見の問題に正解する確率を予測できます。この予測は、多数の生徒の問題に対する正誤／未解答データのみから、各生徒と問題の特徴を抽出するMonotonic VAE（Neural Networkの一種）により実現します。任意の予測正答率の問題を選出できるため、程よい難易度の問題推薦に役立ちます。 |
| めざす未来 |
評判の参考書、問題集でも生徒の学力レベルによっては易しすぎて得るものが少なかったり、難しすぎて意欲をそがれたりする可能性があります。大量の学習コンテンツの中から個別最適なものを推薦する技術により、どんな学力レベルの人にも効率的な学びを提供できる未来をめざします。 |
[1] T. Hattori, H. Sawada, S. Fujita, T. Kobayashi, K. Kamei, F. Naya, “Monotonic variational autoencoder based individually optimized problem recommender system,” in Comp. Proc. 13th International Learning Analytics and Knowledge Conference (LAK23), 2023.
[2] 服部正嗣, 澤田宏, 藤田早苗, 小林哲生, 亀井剛次, 納谷太, “Monotonic VAEに基づいた個別最適な問題推薦システム,” 第37回人工知能学会全国大会, 2023.
服部 正嗣（Takashi Hattori）
協創情報研究部 コミュニケーション発達研究グループ