[論文レビュー] A Comprehensive Exploration of Personalized Learning in Smart Education: From Student Modeling to Personalized Recommendations

Siyu Wu, Yang Cao+5 more|arXiv (Cornell University)|Jan 15, 2024

Engineering Education and Technology被引用数 17

ひとこと要約

スマート教育におけるパーソナライズドラーニングに関する定義・理論・データ・学生モデリング・推奨アルゴリズム・評価手法・今後の方向性を総合的に統合した文献総説。

ABSTRACT

With the development of artificial intelligence, personalized learning has attracted much attention as an integral part of intelligent education. In recent years, countries and regions such as China, the United States, and the European Union have increasingly recognized the importance of personalized learning, emphasizing its potential to integrate large-scale education with individualized instruction effectively. This survey provides a comprehensive analysis of personalized learning by reviewing relevant studies published in major conferences and journals between January 2017 and April 2025. We examine its definition, objectives, and underlying educational theories, highlighting its pedagogical significance. Furthermore, we explore personalized learning from two key dimensions: student modeling and personalized recommendations. Student modeling is analyzed from both cognitive and non-cognitive perspectives, while recommendation approaches are categorized based on their specific objectives. Additionally, we investigate the interplay between these components and their role in enhancing personalized learning. Beyond theoretical and algorithmic insights, this survey reviews real-world applications, demonstrating personalized learning's effectiveness in educational practice. Finally, we discuss key challenges and future directions, offering a multidimensional perspective that bridges theory and practice.

研究の動機と目的

• コンテキストを跨ぐパーソナライズドラーニングの定義と目標を明確にする。
• 教育理論を概説し、それらがパーソナライズドラーニングにどのように影響を与えるかを整理する。
• パーソナライズドラーニングで用いられるデータソース・データセット・指標を検討する。
• 認知的および非認知的な学生モデリングと推奨アルゴリズムを検討する。
• 評価手法・プラットフォーム、および分野の将来課題について論じる。

提案手法

• データベース（Google Scholar、Ei Compendex、IEEE Xplore、CNKI）を横断する2016–2023年の系統的文献レビュー。
• 定義・目標・理論・データ・学生モデリング・推奨・評価・応用・課題など、主要概念の統合。
• 認知診断、学習スタイル、感情分析、行動分析をパーソナライズの理解へ統合。
• パーソナライズ学習におけるデータ駆動型アプローチ、学習分析、評価指標の分析。
• インテリジェント教育における実用ツール・プラットフォーム・将来の展望について討議。

実験結果

リサーチクエスチョン

• RQ1 文脈を超えたパーソナライズドラーニングの一般的な定義と目標は何か？
• RQ2 パーソナライズドラーニングを支える教育理論とデータソースは何か？
• RQ3 認知的・非認知的な学生モデリングと推奨アルゴリズムはパーソナライズ化にどう寄与するか？
• RQ4 パーソナライズドラーニングを評価するために用いられる評価手法と指標は何か？
• RQ5 インテリジェント教育におけるパーソナライズドラーニングの現状の課題と将来の方向性は何か？

主な発見

• - 本論文は教育理論・データ・アルゴリズム・実践を結びつけた、パーソナライズドラーニングの多次元的統合を提供する。
• - データ駆動型のパーソナライズドラーニングを支えるデータ応用と評価指標を説明している。
• - 認知的および非認知的な学生モデリングとパーソナライズ推奨技術を分析している。
• - 教育における実践的な影響・ツール・プラットフォーム・適用事例を論じる。
• - パーソナライズドラーニングをスマート教育で前進させる課題を特定し、将来の展望を示す。