[論文レビュー] Recommendation in Personalised Peer-Learning Environments

Hassan Khosravi|arXiv (Cornell University)|Dec 3, 2017

Intelligent Tutoring Systems and Adaptive Learning参考文献 31被引用数 4

ひとこと要約

RiPPLE は、機械学習、クラウドソーシング、レコメンデーションシステムを活用して、スケール上でコンテンツとペア学習のサポートをパーソナライズするオープンソースで適応型の学習プラットフォームです。学生が複数選択式の問題を共同で作成でき、ベイジアン知識トレーシングを用いて知識状態を追跡し、個々のニーズ、利用可能時間、好みに基づいてカスタマイズされた問題とペア学習セッションを推薦します。

ABSTRACT

Recommendation in Personalised Peer Learning Environments (RiPPLE) is an adaptive, crowdsourced, web-based, student-facing, open-source platform that employs exemplary techniques from the fields of machine learning, crowdsourcing, learning analytics and recommender systems to provide personalised content and learning support at scale. RiPPLE presents students with a repository of tagged multiple-choice questions and provides instant feedback in response to student answers. The repository of the questions is created in partnership with the students through the use of crowdsourcing. RiPPLE uses students responses to the questions to approximate their knowledge states. Based on their knowledge state and learning needs, each student is recommended a set of personalised questions. For students that are interested in providing learning support, seeking learning support or finding study partners, RiPPLE recommends peer learning sessions based on their availability, knowledge state and preferences. This paper describes the RiPPLE interface and an implementation of that interface that has been built at the University of Queensland. The RiPPLE platform and a reference implementation are released as an open-source package under the Apache 2.0 license via GitHub.

研究の動機と目的

• 多様な大学環境におけるスケーラブルでパーソナライズされた学習の増大するニーズに対応すること。
• 学生がクラウドソーシングによる問題作成を通じて学習コンテンツの共同作成者としての役割を果たせるようにすること。
• 個々の知識状態に基づいて、リアルタイムでデータドリブンなフォーマティブな問題の推薦を実現すること。
• 利用可能時間と学習ニーズに基づいて、学習パートナーや支援セッションを推薦することで、相互的なペア学習を促進すること。
• ランク付き順位表やバッジといったゲーム化要素を活用して、パーソナライズされた学習環境における学生のモチベーションと関与度を高めること。

提案手法

• スリッピング、推測、個別化された事前知識を拡張したベイジアン知識トレーシング（BKT）を用いて、学生の知識状態をモデル化する。
• 学生の回答データを活用して習得度を推定し、フォーマティブな学習のための的確な複数選択式問題を推薦する。
• 利用可能時間、知識状態、好みに基づいて、支援を求めるか、支援を提供するかの両方の学生をマッチングするための逆方向推薦アルゴリズムを適用する。
• LTI準拠の学習管理システム（例：Moodle、Canvas、Blackboard）と統合し、コースへのシームレスな統合を実現する。
• Python/Django と React.js を使用した、クライアントおよびサーバーの独立したモジュラーでオープンソースのアーキテクチャを実装する。
• 環境に応じた設定とセキュアな認証を備えた、開発環境および本番環境でのデプロイをサポートする。

実験結果

リサーチクエスチョン

• RQ1 学生の回答データと知識トレーシングを活用して、ペア学習プラットフォームが効果的にコンテンツ推薦をパーソナライズできるか。
• RQ2 学生によるクラウドソーシングが、高等教育分野における学習コンテンツのスケーラビリティと関連性をどの程度向上できるか。
• RQ3 相互的なペア推薦システムを、補完的な学習ニーズと利用可能時間に基づいてどのように設計できるか。
• RQ4 ランク付き順位表やバッジといったゲーム化要素が、パーソナライズされた学習環境における学生の関与度に与える影響は何か。
• RQ5 オープンソースでスケーラブルなプラットフォームをどのようにアーキテクチャ設計することで、長期的な持続可能性と多様な大学の授業への統合を実現できるか。

主な発見

• RiPPLE は、クラウドソーシングを通じて、タグ付きの複数選択式問題のリポジトリを学生が共同で作成・管理することを可能にした。
• 拡張された BKT アルゴリズムを用いて、学生の知識状態を正確にモデル化し、的確なコンテンツ推薦を実現した。
• 利用可能時間、知識状態、学習好みに基づいて、効果的にペア学習セッションを推薦でき、相互的な学習を支援した。
• セキュアで設定可能な環境設定と LTI 統合を備えた、開発環境および本番環境でのデプロイが可能である。
• Apache 2.0 ライセンスでのオープンソース公開により、長期的な持続可能性が確保され、教員のメンテナンス負荷が低減し、複数の機関での拡張性が実現された。
• ランク付き順位表やバッジといったゲーム化要素が、学習プロセスにおける学生のモチベーション向上と継続的な関与度向上に寄与した。