Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
項目応答理論を用いた 演習問題出題システム
Search
Makoto Ikami
June 17, 2023
Technology
1
440
項目応答理論を用いた 演習問題出題システム
大学の研究で「項目応答理論を用いた 演習問題出題システム」を作成しました。
その研究を行った背景やシステムを実際に利用ったデータやアンケートから調査を行った結果をまとめたスライドです。
Makoto Ikami
June 17, 2023
Tweet
Share
More Decks by Makoto Ikami
See All by Makoto Ikami
弊社の紹介と自社プロダクトについて!技術スタックも公開! #phpcon_okinawa
mako5656
1
27
その条件分岐って本当に必要?コードを綺麗に書くために #phpkansai
mako5656
2
1.6k
PHPの基本を楽しく学ぶ!PHP独自の「なぜ?」に迫る #phpcon_okinawa
mako5656
2
1.6k
オブジェクト指向に基づいた ユニットテストのメリット#PHPerKaigi2023
mako5656
1
670
Other Decks in Technology
See All in Technology
20241120_JAWS_東京_ランチタイムLT#17_AWS認定全冠の先へ
tsumita
2
240
ノーコードデータ分析ツールで体験する時系列データ分析超入門
negi111111
0
410
ISUCONに強くなるかもしれない日々の過ごしかた/Findy ISUCON 2024-11-14
fujiwara3
8
870
スクラムチームを立ち上げる〜チーム開発で得られたもの・得られなかったもの〜
ohnoeight
2
350
Lambdaと地方とコミュニティ
miu_crescent
2
370
Lexical Analysis
shigashiyama
1
150
これまでの計測・開発・デプロイ方法全部見せます! / Findy ISUCON 2024-11-14
tohutohu
3
370
サイバーセキュリティと認知バイアス:対策の隙を埋める心理学的アプローチ
shumei_ito
0
380
安心してください、日本語使えますよ―Ubuntu日本語Remix提供休止に寄せて― 2024-11-17
nobutomurata
1
990
Adopting Jetpack Compose in Your Existing Project - GDG DevFest Bangkok 2024
akexorcist
0
100
Platform Engineering for Software Developers and Architects
syntasso
1
510
TypeScriptの次なる大進化なるか!? 条件型を返り値とする関数の型推論
uhyo
2
1.6k
Featured
See All Featured
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
44
2.2k
How to Think Like a Performance Engineer
csswizardry
20
1.1k
YesSQL, Process and Tooling at Scale
rocio
169
14k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
28
2k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
93
16k
For a Future-Friendly Web
brad_frost
175
9.4k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
28
9.1k
Faster Mobile Websites
deanohume
305
30k
The Invisible Side of Design
smashingmag
298
50k
Build your cross-platform service in a week with App Engine
jlugia
229
18k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
27
840
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
44
6.8k
Transcript
項目応答理論を用いた 演習問題出題システム
背景 • 近年学校教育におけるスマートフォンやタブレット端 末上でのデジタル教材の利用が増加 • アメリカでは州単位で導入が検討されており、2016年4月 時点で約80%の学校がデジタル教科書を使用している[1] • 日本の文部科学省の有識者会議 •
2020年度から「デジタル教科書」を全国の小中高校で使え るようにするとの中間報告をまとめた[2] 1 [1] [2] Digital Content Goes to School: Trends in K-12 Classroom E-Learning. http://www.ascd.org/ASCD/pdf/siteASCD/misc/DigitalContentTrendsReport.pdf.より参照 文部科学省.http://www.mext.go.jp/a_menu/other/1411332.htm.より参照
背景 • 日本でも学生・生徒が授業をタブレット端末で受ける 時代が来るのもそう遠くない • 授業の全てを完全にデジタル化 Web上で演習問題の出題および 評価システムの開発 2
Web上での演習出題システム • メリット • 学生は適切な難易度の演習問題を受けることができる • 教師は多数の作業から解放 • 演習問題の作成 •
解答用紙にマークをつけて採点 3
目的 • 自動生成された演習問題の出題および受験者の 能力推定を行う教育システムの開発 • 先行研究で小野ら[3]が演習問題の出題および受験 者の能力推定を行う教育システムの実装および実験 • 大学理工系学部:微分方程式 Webアプリとしての実装および実験
4 小野,小中. 電気学会論文誌C2018年138巻5号,pp.627-634 [3]
目次 1. 項目応答理論での能力推定 2. Webアプリでの実装 3. 試用実験 5
目次 1. 項目応答理論での能力推定 2. Webアプリでの実装 3. 試用実験 6
項目応答理論での能力推定 • 学生に適切な難易度の問題を受けられるシステムを 実現するために項目応答理論を用いる • テスト理論の1つ • 学生の能力と問題の難易度を推定 7
ロジスティックモデル • 受験者の能力と問題の項目特性からその問題に対する正 答確率を求めるモデル • 3パラメータロジスティックモデル(3PLM) 8
逐次推定法 • 正誤から能力推定値を更新する方法として逐次推 定法を利用 9 問題 1 2 3 4
1 0 1 0 0 1 0.5 1.5 問題数
目次 1. 項目応答理論での能力推定 2. Webアプリでの実装 3. 試用実験 10
Webアプリでの実装 • 自動生成した問題はパラメータや数式の記述などの組としてサ ーバーにデータベースとして蓄積 • サーバーから受験者の能力に適切な難易度の問題を出題 • 問題の正誤から受験者の能力を推定しデータベースに蓄積 11
12
Webアプリでの実装 • 仕様 • 2階微分方程式の計算問題で択一式 • 利用者の能力に近い難易度の演習問題の出題 • 折れ線グラフで自分の能力値を確認できる •
過去に解いた問題を確認できる 13
出題形式 斉次形 非斉次形 • 2階微分方程式の計算問題で択一式 14 • 5問を1セット 難易度:★☆☆☆☆
問題の種類 15 微分方程式 斉次形 非斉次形 極が実数のみ 極が複素数のみ 右辺に多項式を含む 右辺に指数関数を含む 右辺に三角関数を含む
利用者の能力と問題の難易度 16 -2.0 -0.4 1.2 3.05 4 6 ★6 ★5
★4 ★3 ★2 ★1 ★0 項目難易度
利用者の能力と問題の難易度 17 斉次系で極が実数のみ (例) 右辺が多項式を含む (例) -0.4 1.2 ★1 ★2
★3 ★3の問題×2, ★2の問題×3 ★2の問題×5 ★2の問題×4, ★1の問題×1 ★2の問題×3, ★1の問題×2 ★3の問題×1, ★2の問題×4 ・・・ 右辺が指数を含む (例) ・・ 項目難易度 能力値 利用者の能力値0
出題の流れ 18 1.データベースから利用者の能力値を取得 2.利用者の能力値から出題される問題を選定 3.正誤結果から利用者の能力値が更新 • 利用者の能力に近い難易度の演習問題の出題
目次 1. 項目応答理論での能力推定 2. Webアプリでの実装 3. 試用実験 19
試用実験 • 名城大学情報工学科の「応用解析」受講者の78名 • 実験目的や調査項目を説明した後実際にシステムを使用 してもらいアンケート調査 • 条件 • 試用実験全体で60分間
• 5問1セットを7分 • 3セット以上 20
アンケート調査 21 70% • 質問1: 受講者の能力に応じて適切な難易度を出題するシステムを導入 することにより受講者の能力は向上すると思いますか? • 質問2: 新しい演習問題を解答するにつれて自分の能力にあった難易
度の問題が提示されたと思いますか? 90%
アンケート調査 22 0 2 4 6 8 思う やや思う やや思わない
思わない 0.6 難易度の変化量 • 質問3: 新しい演習問題を解答するにつれて問題の難しさに変化を 感じましたか?
アンケート調査 23 難易度の変化 少ない 多い 感じた 6人(7.79%) 54人(70.13%) 感じない 6人(7.79%)
11人(14.29%) • 質問3: 新しい演習問題を解答するにつれて問題の難しさに 変化を感じましたか? 78%の人が一致
まとめ • 受験者の能力推定を伴う演習問題の自動出題シス テムをWebアプリとして実装および実験を行った • 多くの受講者は問題の難易度が調整されるシステムが受 講者の能力向上に寄与しそうであると期待している • 今後の課題 •
授業内1時間での制限がある状態で試用実験行ったため 長期間での調査が必要である 24