[論文レビュー] ML-Quest: A Game for Introducing Machine Learning Concepts to K-12 Students

Shruti Priya, Shubhankar Bhadra+1 more|arXiv (Cornell University)|Jul 13, 2021

Educational Games and Gamification被引用数 12

ひとこと要約

本論文では、K-12の生徒がインタラクティブで物語中心のゲームプレイを通じて、教師による講義や教科書など従来の方法では理解が難しい抽象的な機械学習の概念——教師あり学習、勾配降下法、K近傍法（KNN）分類——を学べる3D教育用ビデオゲーム「ML-Quest」を紹介する。技術受容モデル（TAM）を用いた23名の高校生を対象とした評価では、70％の学生がゲームがインタラクティブで学習に役立つと回答し、機械学習の入門としての魅力的で低負荷な導入手段としての可能性を示している。

ABSTRACT

Today, Machine Learning (ML) is of a great importance to society due to the availability of huge data and high computational resources. This ultimately led to the introduction of ML concepts at multiple levels of education including K-12 students to promote computational thinking. However, teaching these concepts to K-12 through traditional methodologies such as video lectures and books is challenging. Many studies in the literature have reported that using interactive environments such as games to teach computational thinking and programming improves retention capacity and motivation among students. Therefore, introducing ML concepts using a game might enhance students' understanding of the subject and motivate them to learn further. However, we are not aware of any existing game which explicitly focuses on introducing ML concepts to students using game play. Hence, in this paper, we propose ML-Quest, a 3D video game to provide conceptual overview of three ML concepts: Supervised Learning, Gradient Descent and K-Nearest Neighbor (KNN) Classification. The crux of the game is to introduce the definition and working of these concepts, which we call conceptual overview, in a simulated scenario without overwhelming students with the intricacies of ML. The game has been predominantly evaluated for its usefulness and player experience using the Technology Acceptance Model (TAM) model with the help of 23 higher-secondary school students. The survey result shows that around 70% of the participants either agree or strongly agree that the ML-Quest is quite interactive and useful in introducing them to ML concepts.

研究の動機と目的

• 従来の講義や教科書などの方法では、K-12の生徒に対して抽象的すぎる機械学習の概念を効果的に伝えることが難しく、関心を維持できなかったり、概念的理解が得られなかったりするという課題に対処すること。
• 数学的複雑さや専門用語の多さに圧倒されずに、機械学習の概念を紹介できる教育ツールのギャップを埋めること。
• 実際のK-12学習環境において、学生のモチベーション、有用性の認識、使用のしやすさの向上にゲームがどれほど効果的かを評価すること。
• スケーラブルでインタラクティブなゲームベースの学習ツールを開発し、早期の計算的思考を育み、将来的なAIや機械学習への関与を準備すること。

提案手法

• ゲームは、3つの明確に分かれた3Dレベルで構成されており、それぞれが1つの主要な機械学習概念に対応している：教師あり学習、勾配降下法、K近傍法（KNN）分類。
• 各レベルでは、物語中心のクエストを通じて、機械学習のプロセスを模倣する直感的でゲーム的なメカニクスを使って課題を解決する。
• スキャフォールディング技法を用いて、各機械学習概念の論理を段階的に明らかにすることで、事前の知識がなくてもメンタルモデルを構築できるように支援する。
• ヒント、説明ボード、会話メッセージが各レベルの進行をガイドし、実際の機械学習概念は各レベルの終了時に定義され、ゲームプレイにマッピングされる。
• ゲームの有効性は、技術受容モデル（TAM）を用いて評価され、23名の高校生を対象に、有用性の認識、使用のしやすさ、使用意図、正答率を測定するアンケートが実施された。
• 参加者からのフィードバックをもとに、移動速度、ゲーム要素の可視性、説明の明確さなどの調整を繰り返し改善した。

実験結果

リサーチクエスチョン

• RQ1 ML-Questは、技術的または数学的説明に依存せずに、K-12の生徒に対して機械学習の基本的概念をどれほど効果的に導入できるか。
• RQ2 生徒たちは、ゲームの有用性、使用のしやすさ、学習への関与度をどのように認識しているか。
• RQ3 ゲームベースの学習は、従来の教育方法と比較して、生徒のモチベーションおよび機械学習の概念的理解にどのような影響を与えるか。
• RQ4 機械学習の概念を、概念の正確性を保ちつつ、魅力的なゲームメカニクスに抽象化するにはどうすればよいか。
• RQ5 ユーザーが学習体験およびゲームの使いやすさを向上させるために、どのようなデザイン改善を提案しているか。

主な発見

• 23名の調査対象高校生のうち70％が、ML-Questがインタラクティブで機械学習の学習に役立つと回答した。
• ゲームは使いやすく有用であると認識され、TAMに基づく指標で高いスコアを記録しており、教育現場への導入の可能性が非常に高いことが示された。
• 参加者たちは、物語中心のゲームプレイと概念の段階的明らかにされ方が、機械学習アルゴリズムの動作方法をより明確に理解する手助けになったと報告した。
• フィードバックでは、プレイヤーの移動が速すぎる、見えない弾が発射されるといった、具体的な使いやすさの問題が指摘され、改善の余地があるとされた。
• 多くの学生がモバイルベースのゲームを好む傾向を示しており、今後の開発においてモバイルプラットフォームのサポートを優先すべきであると示唆された。
• ゲームプレイを通じて、教師あり学習、勾配降下法、K近傍法（KNN）分類という3つの主要な機械学習の概念が、事前の機械学習知識がなくても成功裏に導入された。