[論文レビュー] A mobile web for enhancing statistics and mathematics education

Jamie Lentin, Anna Helga Jónsdóttir+3 more|arXiv (Cornell University)|Jun 19, 2014

Statistics Education and Methodologies参考文献 7被引用数 3

ひとこと要約

本論文では、タブレットやスマートフォンでの適応学習を可能にする、モバイル最適化されたウェブアプリケーションを提示している。学生のパフォーマンスに基づいて質問の難易度や内容をパーソナライズする統計モデルを用い、1学期にわたり段階的に知識を向上させ、成績の成否と強く相関する。オンラインおよびオフライン両方の利用をサポートする。

ABSTRACT

A freely available educational application (a mobile website) is presented. This provides access to educational material and drilling on selected topics within mathematics and statistics with an emphasis on tablets and mobile phones. The application adapts to the student's performance, selecting from easy to difficult questions, or older material etc. These adaptations are based on statistical models and analyses of data from testing precursors of the system within several courses, from calculus and introductory statistics through multiple linear regression. The application can be used in both on-line and off-line modes. The behavior of the application is determined by parameters, the effects of which can be estimated statistically. Results presented include analyses of how the internal algorithms relate to passing a course and general incremental improvement in knowledge during a semester.

研究の動機と目的

• 統計学および数学における適応学習を支援する、モバイルファーストの教育プラットフォームを開発すること。
• 学生のパフォーマンスに基づいて質問の難易度と内容を調整することで、パーソナライズされた学習を可能にすること。
• 教育現場における広範なアクセスを実現するため、オンラインおよびオフライン両方の利用をサポートすること。
• 適応アルゴリズムが学生の知識習得および科目合格率に与える影響を評価すること。
• 形成的評価および補習に役立てる、データドリブンで統計的に裏付けられたシステムを提供すること。

提案手法

• アプリケーションは、学生の回答を分析する統計モデルを用い、パフォーマンスに応じて質問を動的に選択する。
• 個々の学習パターンに応じて、易しい内容から難しい内容へ、または過去の内容を再訪問する形でコンテンツを適応させる。
• システムの挙動は、統計分析を用いて推定される、設定可能なパラメータによって制御される。
• オンラインおよびオフラインの両モードで動作し、通信環境が不安定な環境での利用を保証する。
• 内部アルゴリズムは、微積分、統計、複数の線形回帰を含む、実際の授業から得たデータを用いて訓練および検証される。
• システムは学生の進捗を追跡し、そのデータを活用して質問選択およびコンテンツ配信を最適化する。

実験結果

リサーチクエスチョン

• RQ1 学生のパフォーマンスに基づく適応的質問選択は、統計学および数学分野における知識習得にどのように影響するか？
• RQ2 モバイルウェブプラットフォームの内部アルゴリズムは、科目合格率とどの程度相関しているか？
• RQ3 本システムは1学期にわたり、どのように段階的な知識向上をもたらしているか？
• RQ4 本プラットフォームはオンラインおよびオフライン環境の両方で、学習支援にどの程度効果的か？
• RQ5 学生行動の統計モデルは、知識習得を的確に予測し、学習進行を効果的に導くのに信頼できるか？

主な発見

• 適応型システムは、アルゴリズムの挙動と科目修了における学生の成功との間に、統計的に有意な相関を示した。
• 本プラットフォームを利用した学生は、1学期にわたり測定可能な段階的知識向上を示した。
• パフォーマンスに応じた質問難易度の調整が、静的コンテンツと比較して学習成果を向上させた。
• プラットフォームはオンラインおよびオフラインの両モードで効果的に機能し、多様な学習者へのアクセスを向上させた。
• 学生パフォーマンスの統計モデルは、知識習得の予測およびコンテンツ配信のガイドラインとして効果的であった。
• 実際の教育課程から得た複数のコースのテストデータを用いて、アプリケーションのパラメータが成功裏に推定された。