[論文レビュー] What is Learning Analytics about? A Survey of Different Methods Used in 2013-2015

Mohammad Khalil, Martin Ebner|arXiv (Cornell University)|Jun 9, 2016

Online Learning and Analytics参考文献 35被引用数 22

ひとこと要約

本論文は2013年から2015年の学習分析研究手法を調査し、それらを7つの方法論的タイプに分類し、Google Scholarを用いた引用分析により最も引用の多い手法を特定している。倫理的課題を強調するとともに、学習分析分野の成長に伴うプライバシー懸念に対処し、今後の研究の基盤を提供する。

ABSTRACT

The area of Learning Analytics has developed enormously since the first International Conference on Learning Analytics and Knowledge (LAK) in 2011. It is a field that combines different disciplines such as computer science, statistics, psychology and pedagogy to achieve its intended objectives. The main goals illustrate in creating convenient interventions on learning as well as its environment and the final optimization about learning domain stakeholders. Because the field matures and is now adapted in diverse educational settings, we believe there is a pressing need to list its own research methods and specify its objectives and dilemmas. This paper surveys publications from Learning Analytics and Knowledge conference from 2013 to 2015 and lists the significant research areas in this sphere. We consider the method profile and classify them into seven different categories with a brief description on each. Furthermore, we show the most cited method categories using Google scholar. Finally, the authors raise the challenges and constraints that affect its ethical approach through the meta-analysis study. It is believed that this paper will help researchers to identify the common methods used in Learning Analytics, and it will assist by establishing a future forecast towards new research work taking into account the privacy and ethical issues of this strongly emerged field.

研究の動機と目的

• 2013年から2015年の間、学習分析で用いられた代表的な研究手法をマッピングおよび分類すること。
• Google Scholarを用いた引用分析により、分野内で最も頻繁に引用された方法論的カテゴリーを同定すること。
• 特に倫理的およびプライバシー関連の課題を含め、学習分析の核心的な目的と課題を明確にすること。
• 標準化された方法論的枠組みを構築し、分野における新たな動向を予測することで、今後の研究を支援すること。
• 研究者が学習分析研究に適切な技術を選定できるようガイドするため、方法論的プロファイルのメタアナリシスを提供すること。

提案手法

• 本研究は、2013年から2015年までの国際学習分析と知識会議（LAK）の出版物を系統的サーベイしている。
• 分析的アプローチおよび応用に基づき、研究手法を7つの明確なカテゴリーに分類している。
• Google Scholarを用いた引用分析により、最も影響力のある方法論的カテゴリーを特定している。
• 方法論的実践のメタアナリシスを通じて、学習分析における倫理的課題と制約を同定している。
• 分類フレームワークは、調査された論文における方法論的記述の主題的および技術的分析に基づいて構築されている。
• 本研究は、コンピュータサイエンス、統計学、心理学、教育学からインテグレーションを図ることで、方法論的プロファイルを定義している。

実験結果

リサーチクエスチョン

• RQ1 2013年から2015年の間、学習分析研究で支配的だった方法論的アプローチは何か？
• RQ2 学習分析文献において、最も頻繁に引用された方法論的カテゴリーは何か？
• RQ3 学習分析研究の方法論的プロファイルは、分野の多様性をどのように反映しているか？
• RQ4 現在の学習分析手法に関連して、最も一般的に見られる倫理的およびプライバシー関連の課題は何か？
• RQ5 標準化された方法論的分類は、今後の学習分析分野の研究およびイノベーションをどのように支援できるか？

主な発見

• 同定された7つの方法論的カテゴリーは、記述的分析、予測的分析、診断的分析、意思決定支援的分析、社会的ネットワーク分析、データマイニング、可視化技術である。
• 予測的分析とデータマイニングが、文献内で最も引用された方法論的カテゴリーとして浮き彫りになった。これは、これらが学習分析研究において中心的な役割を果たしていることを示している。
• 心理的および教育的理論を計算的手法と統合するアプローチが、調査された論文全体に共通するテーマとなっている。
• データプライバシーと同意の明示に関する倫理的懸念が、方法論的設計における主な制約として頻繁に言及された。
• 教育現場における意思決定支援とステークホルダー参加を支援するために、可視化技術が広く使用された。
• 本研究は、学習分析が多様な分野にまたがる分野であることを確認しており、方法論的アプローチがコンピュータサイエンス、統計学、教育科学からの貢献を反映している。