Shinichi Dohi

An Intelligent System for Modeling and Supporting Academic Educational Processes

University has a complicated system of course offerings, registration rules, and prerequisite courses, which should be matched to students’ dynamic learning needs, and desires. We address this problem by developing an Educational-Learning System called “Dynamic Storyboarding System”. Besides modeling learning processes, this system aims at evaluating and refining university curricula to reach an optimum of learning success in terms of best possible ac-cumulative grade point average (GPA). This is performed by applying Educational Data Mining (EDM) to former students curricula and their degree of success (GPA) and thus, uncovering golden didactic knowledge for successful education. It consists of mining a decision tree (DT) and applying it to curricula planned by current students. Students receive an estimation of the GPA they are likely to receive along with a recommendation to supplement a partial path to reach optimal success. Our approach includes individual learner profiles. The profiling concept initially uses the per-university educational history and is dynamically extended by the students’ university study results. The profiles are used by applying the EDM technology to students with profiles of a high similarity to the student under consideration. A feasibility study showed the usefulness of the system. The effect has been validated by cross-validation with about 200 students’ records. The mean of the difference between the original grade point average (GPA) and the estimated one was 0.43 with a standard deviation of 0.30.

Proposal and verification of bidirectional recommendation system for learning web digital texts

Recently, e-learning systems have begun to be used in companies and education institutions. The spread of e-learning is mainly due to development of the learning management system (LMS), which includes SCORM and WebCT. Therefore, the introduction of learning the web digital web digital texts have become much simpler. The increase of contents of the web digital texts has realized a wider range of learning. As a result, we are concerned that learners will be confused with selecting the best learning web digital texts. In our research, we are developing a bidirectional recommendation system that extracts the relationship among learning the web digital texts with historical logs and recommends an effective web digital text for learners. In this paper, we first discuss the design of the bidirectional recommendation system, and second, we show its evaluation results. Finally, we conclude that our recommendation system is useful for learners.

Devises of class for Introduction to Computer Programming Education in the School of Engineering Evening Division at the Department of Electrical and Electronic Engineering

工学教育(J.of JSEE), 62–3(2014) 1.はじめに 工学部第二部電気電子工学科のプログラミング入門 教育において,「コンピュータ基礎II」を開講してい る.2012年4月に東京神田キャンパスが東京千住キャ ンパスへ移転し,コンピュータ教室はクラウド端末に 置き換わる等,近代的な設備が数多く導入され,受講 者の学習環境は格段に向上した.しかし学習環境は改 善されたものの,受講者や教授内容が大きく変わるこ とは無く,受講者に合ったプログラミング入門教育が 欠かせない.これを実現するために,受講者のモチベ ーションの向上を目指した教授法(SIEM:ジーム)を 導入し継続的に実践している. 受講者は,プログラミング経験者(以下,経験者と 略)とプログラミング未経験者(以下,未経験者と略) が混在しており,授業では両方を満足させる必要があ る.これを実現する工夫として,教科書の例題を事前に 入力し,その実行結果が一致することを確認する反転 学習の要素を取り入れた教授を行っている.本論文で は2012年の受講者を対象に,この工夫が経験者と未経 験者に対してどの程度の効果があるのかを分析した. 2.「コンピュータ基礎II」の授業について 2.1 受講者の状況 受講者は,新入生,再履修者,社会人,他学部聴講 生,科目等履修生(本大学以外の者で授業科目を履修 希望する者)等,多様化している.授業は毎週火曜日 に開講し,2007年までは17:30~19:00に,2008年以 降は19:50~21:20に開講している.授業は教員が1 名の他に,原則として大学院生のTA(Teaching Assistant)が1名の計2名で担当する. 2.2 経験者と未経験者の推移 1回目の授業は受講者の様子を探るために,「プログ ラミング(言語問わず)はどの程度行えますか」の設 問を設け,「初めて」「習ったことがある」「日常的に プログラムを作っている」の三択でアンケート調査を 実施している.プログラミング経験とアンケート回答 者数の推移を図1と図2に示す.以下の説明では,未 経験者は「初めて」と回答した人,経験者は「習った ことがある」または「日常的にプログラムを作ってい る」と回答した人とする.2007年は経験者が未経験者 の割合を上回る特異な結果となった.この原因は2005 年から2007年にかけて受講者が減少し,相対的にプロ グラミング経験者の割合が高くなった事が考えられ る.2008年4月には,電気工学科と電子工学科が電気 電子工学科に改編され,その後の回答者数は,50名前 後を維持していることが伺える.2012年は,「初めて」 2014 年1月 30 日受付 ※1東京電機大学情報環境学部 工学部第二部電気電子工学科における プログラミング入門教育の教授の工夫

Continuous CS Analysis of Using the SIEM to Introduction to Computer Programming Education in the School of Engineering Evening Division at the Department of Electrical and Electronic Engineering

2.受講者のモチベーションに着目した教授法 2.1 分析対象となる授業 分析対象となる授業は,工学部二部電気電子工学科 の「コンピュータ基礎II」である.この授業は2単位 の選択科目である.プログラム言語はC言語を学び, 教科書は「新版 明解C言語入門編」を使っている. 受講者は50名から60名おり,新入生,再履修者,社会 人,他学部聴講生,科目等履修生(本大学以外の者で 授業科目を履修希望する者)等,多様化している.大 半の学生は,日中にアルバイトを含めた仕事に就いて おり,仕事が終わった後に授業へ参加する.したがっ てキャンパスに滞在するのは,夜の時間帯に集中する. 授業は毎週火曜日の19:50〜21:20に東京神田キャン パスで開講しており,専任の教員が1名,大学院生の TA(Teaching Assistant)が1名で担当する.二部は 2006年度から学費単位従量制を導入し,2008年4月に 電気科と電子工学科が電気電子工学科に改編された. 2012年4月からは,東京千住キャンパスに移転した. 2.2 SIEMについて SIEMは認知心理学に基づいた教授法であり,当初 は本学の情報環境学部で開発したものである.主な特 徴は,受講者のモチベーションのモニタリング,スモ ールステップ,ティームティーチング,即時フィード バック等が挙げられる.受講者のモチベーションの測 定は,ARCSモデルの4つの枠組み(注意因子,関連 性因子,自信因子,満足因子)に基づき,独自の評価 項目を追加して開発したSIEMアセスメント尺度を使 う.開発した尺度を表1に示す.この尺度は,教授 者や教授内容に依存しないこと,モチベーションの要 因分析結果から授業改善策を提案できる特徴がある. 受講者のモチベーションは,各質問項目に対して受講 2012 年3月 29 日受付 ※1東京電機大学情報環境学部 SIEM による工学部二部電気電子工学科の プログラミング入門教育の継続的な CS 分析