[論文レビュー] Expediting Support for Social Learning with Behavior Modeling

Yohan Jo, Gaurav Singh Tomar+3 more|arXiv (Cornell University)|May 10, 2016

Online Learning and Analytics参考文献 21被引用数 8

ひとこと要約

本論文は、データインfra構築、行動モデリング、干渉の3段階パイプラインを提案し、オンライン教育における社会的学習の支援を加速する。著者らは、ロールモデルの質の代理指標として目標設定行動をモデル化し、資格を持つ目標設定者とやり取りする学生は、より長期間コースに残留し、実践的活動により多く参加し、過去の内容をより頻繁に復習する傾向にあることを示している。その結果、的確なロールモデル推薦を通じて学習成果を向上させる社会的レコメンデーションシステムの構築に成功した。

ABSTRACT

An important research problem for Educational Data Mining is to expedite the cycle of data leading to the analysis of student learning processes and the improvement of support for those processes. For this goal in the context of social interaction in learning, we propose a three-part pipeline that includes data infrastructure, learning process analysis with behavior modeling, and intervention for support. We also describe an application of the pipeline to data from a social learning platform to investigate appropriate goal-setting behavior as a qualification of role models. Students following appropriate goal setters persisted longer in the course, showed increased engagement in hands-on course activities, and were more likely to review previously covered materials as they continued through the course. To foster this beneficial social interaction among students, we propose a social recommender system and show potential for assisting students in interacting with qualified goal setters as role models. We discuss how this generalizable pipeline can be adapted for other support needs in online learning settings.

研究の動機と目的

• 教育的データマイニングにおけるデータ収集と実行可能なインサイトの間のサイクル時間を短縮すること。
• 特に適切な目標設定行動を含む、有益な社会的学習行動を特定し、効果的なロールモデルの指標とする。
• タイムリーでデータドリブンな干渉を可能にするパイプラインの開発。
• 資格を持つ目標設定者とやり取りする影響が、学生のコース残留率および参加度に与える影響を評価すること。
• 行動モデリングに基づいて、高品質なロールモデルと学生を結ぶ社会的レコメンデーションシステムの設計および実証。

提案手法

• パイプラインは、ソーシャルラーニングプラットフォームからの学生の相互作用ログを収集・構造化するスケーラブルなデータインフラから始まる。
• 行動モデリングを用いて、時間的および相互作用パターンをシグナルとして用い、適切な目標設定行動を示す学生を同定する。
• 目標の明確さ、一貫性、およびコースのマイルストーンとの整合性といった特徴に基づき、『資格を持つ』目標設定者を区別する分類モデルを訓練する。
• 協調フィルタリングおよび行動類似度メトリクスを用いて、学生にこれらの資格を持つロールモデルとのやり取りをパーソナライズして推薦する。
• 縦断的分析を通じて、大規模オンラインコースの実世界データを用いてパイプラインを評価する。
• 干渉は、高品質なロールモデルとの相互作用を促進する社会的レコメンデーションシステムを通じて実施され、肯定的な学習行動の強化を目的としている。

実験結果

リサーチクエスチョン

• RQ1 どのようにして学生の目標設定行動をモデリングすることで、ソーシャルラーニング環境における効果的なロールモデルを特定できるか？
• RQ2 資格を持つ目標設定者とやり取りすることは、オンラインコースにおける学生の残留率および参加度にどのような影響を与えるか？
• RQ3 行動ベースの社会的レコメンデーションシステムは、学生に有益な社会的相互作用を促すことに成功するか？
• RQ4 提案されたパイプラインは、教育現場におけるデータ収集と実行可能な支援との間の時間をどの程度短縮できるか？
• RQ5 行動モデリングは、オンライン教育における社会的学習支援の質と効果をどの程度向上できるか？

主な発見

• 資格を持つ目標設定者とやり取りした学生は、そうでない学生と比較して、著しく高いコース残留率を示した。
• 資格を持つ目標設定者に従った学生は、実践的コース活動への参加度が著しく向上した。
• これらの学生は、進行に伴い以前にカバーした教材をより頻繁に復習する傾向にあり、より深い学習と記憶の維持を示している。
• 行動モデリングパイプラインは、目標設定パターンとコース進行に基づき、高品質なロールモデルを効果的に同定した。
• 社会的レコメンデーションシステムは、有益な社会的相互作用を学生に導く可能性を示し、学習成果の向上に寄与した。