[論文レビュー] Visual Analytics of Student Learning Behaviors on K-12 Mathematics E-learning Platforms

Meng Xia, Huan Wei+5 more|arXiv (Cornell University)|Sep 7, 2019

Online Learning and Analytics参考文献 4被引用数 8

ひとこと要約

本論文では、K-12の学生が数学eラーニングプラットフォームで問題を解く際の問題解決行動を分析するために、マウス操作ログとインタラクションヒートマップを活用するビジュアルアナリティクスシステムを提示する。相関分析、ヒートマップ、遷移マップを組み合わせることで、学習パターンを明らかにし、誤った問題設計の特定や、加法的思考と減法的思考の戦略の区別が可能となり、教育者が学習教材を最適化し、学生の認知プロセスをより深く理解できるようになる。

ABSTRACT

With increasing popularity in online learning, a surge of E-learning platforms have emerged to facilitate education opportunities for k-12 (from kindergarten to 12th grade) students and with this, a wealth of information on their learning logs are getting recorded. However, it remains unclear how to make use of these detailed learning behavior data to improve the design of learning materials and gain deeper insight into students' thinking and learning styles. In this work, we propose a visual analytics system to analyze student learning behaviors on a K-12 mathematics E-learning platform. It supports both correlation analysis between different attributes and a detailed visualization of user mouse-movement logs. Our case studies on a real dataset show that our system can better guide the design of learning resources (e.g., math questions) and facilitate quick interpretation of students' problem-solving and learning styles.

研究の動機と目的

• K-12の数学eラーニングプラットフォームにおいて、豊富なログ記録データが存在するにもかかわらず、詳細な問題解決プロセスの分析が不足しているというギャップを埋める。
• 教育者が、難易度レベルの誤標記などの問題設計上の欠陥を、データドリブンなインサイトを用いて特定できるように支援する。
• インタラクションログのビジュアルエクスプロレーションを通じて、加法的思考と減法的思考といった明確な学生の思考パターンを特定する。
• 教育者に、学力の高い学生と低い学生の両方のレベルで、全体像の概要と詳細な行動分析を可能にし、教育戦略や学習リソースの最適化を図る。

提案手法

• 本システムは4つのビジュアライゼーションビューを統合している：問題のパフォーマンス概要、インタラクション強度のヒートマップ、連続するマウス移動の遷移マップ、および領域の注目（ROIs）を定義するためのコントロールパネル。
• マウス操作ログから抽出されたROIsは、パイチャートとして可視化され、弧の厚さと色がインタラクション頻度と時間的順序を示す。
• マウス移動ストリームを処理してROIs間の遷移パターンを特定し、段階的な問題解決の流れを明らかにする。
• 質問の難易度ラベルと実際の学生平均スコアとの間に相関分析を実施し、認識された難易度と実際の難易度のずれを検出する。
• ヒートマップは空間的なインタラクション密度を可視化し、学生が問題解決中に注目する領域を強調表示する。
• 本システムは、高得点と低得点の学生間の比較分析を可能としており、遷移マップを用いて手順的差異を推定する。

実験結果

リサーチクエスチョン

• RQ1 K-12の数学eラーニングプラットフォームから得られる詳細なマウス操作ログを、どのようにビジュアライズすれば学生の問題解決戦略を明らかにできるか？
• RQ2 質問の難易度ラベルと実際の学生パフォーマンスとの相関度はどの程度で、ずれをどのように検出できるか？
• RQ3 インタラクションログのビジュアライズによって、加法的思考や減法的思考といった明確な思考パターンを特定できるか？
• RQ4 正解を導いた学生と誤答を導いた学生の間で、インタラクションの順序にどのような違いが見られるか？
• RQ5 ビジュアルアナリティクス技術は、教育者が学習教材設計の欠陥を特定し、それに応じた指導をカスタマイズするのを支援できるか？

主な発見

• デザイナーが「簡単」とラベル付けした質問のうち、一部は平均スコアが低く、難易度ラベルの再評価が求められることが判明した。
• 多くの学生が、赤いドットを左から右へ水平に移動させる「加法的」思考戦略を用いていた。
• 正解を出した学生は、遷移マップにおいて右から左へと解法空間を探索する傾向を示したのに対し、誤答を出した学生は逆のパターンを示した。
• 特に正解が1つだけの問題において、ヒートマップだけでは特定できない段階的な問題解決手順が、遷移マップによって明確に可視化された。
• 空間的・時間的クラスタリングを用いて、マウス操作のインタラクションから「加法的」と「減法的」の2つの明確な認知戦略を同定した。
• 相関分析とビジュアルエクスプロレーションの統合により、問題のある学習教材の迅速な特定と教育者にとっての実行可能なインサイトの提供が可能になった。