オンライン講義における学習者のエンゲージメントを推定する手法の検証

チーム

HasegawaLab_Engagement_Group

学校名

北陸先端科学技術大学院大学

代表者名

ZHENG Xianwen

概要

オンライン学習では、インタラクションやフィードバックの減少により、学習者のエンゲージメントを把握することは容易ではない。エンゲージメント推定においては、ラベル付けされた動画データセットの不均衡問題が不可避な課題となっている。本研究では、動画データに対するオーバーサンプリング手法として「スキップ移動平均」を提案する。これにより、オンライン学習における学習者の低エンゲージメント検出の実現を目指す。

支援対象

1.支援している活動：インターネット学習

2.学習内容：学び方, その他 学習者のエンゲージメントを支援

3.支援の意図：メタ認知の促進, 教材・教育方法の改善

4.学習規模：インターネット上無制限

研究の斬新さ、独創的な点

提案する動画データに対するオーバーサンプリング手法「スキップ移動平均」は、既存の時系列データのオーバーサンプリングにおいて生じる、データの真正性の喪失やノイズの導入といった問題を改善するものである。本手法は、各種類や条件の動画データに適用可能であり、計算コストの低減にも寄与する。さらに、本手法は、オンライン学習における学習者のエンゲージメント推定の精度向上にも効果があることが示唆された。

研究が与える影響

学習・教育効果：指導者が学習者のエンゲージメントを把握し、それに応じた支援を行うことで、学習目標の達成を支援する。
学習・教育効率：学習者のエンゲージメントを維持することで、ドロップアウト率の低減につながる。
変革：従来の視覚的な観察や一括的な指導に依存せず、学習者個々の状態に基づくデータ駆動型の支援が可能になり、より個別最適化された教育実践への移行を促す。

研究の社会的価値

応用（転用）可能性：本手法は、面接、対話的活動、運動と医療モニタリングなど、教育以外のさまざまな場面にも応用可能である。
実用可能性：計算コストが低く、学習者に負担をかけずに導入できるため、実装環境が比較的簡易である。