学習所要時間のログ(その２）
前日、学習所要時間のログから、学習者の状態を推測する件を登校しましたが、
eラーニングの所要時間の分析
論文執筆者である、植野先生に直接話す機会がありましたので、要旨のみを掲載します。
曰く、学習時間のログから、学習者の状態を推測する機能を作成したが、管理者側での
活用がいまいちであった。
（たとえば、教材が難解で、なかなか学習効率のあがらない教材があっても、教師側から
こまめにサポートできなかったり、教材の作り直しなので作業を行いにくい。負担がかかる）
そこで、ログから得られた学習者の状態推定から、「あなたの合格率は30%です。」とか「学習回数の割りに学習時間が足りません」とかのコメントを発するエージェント機能を作成した結果、eラーニングのドロップアウト率が大幅に減少した。
ということです。
eラーニングの所要時間の分析
eラーニングにおける、学習所要時間を、ガンマ分析したりして平均値と比べたりすれば、こいつ真面目にやっとんのか？
とかそういう事が分かるらしいです。
●ガンマ分布によるeラーニング所要時間データのオンライン解析
論文、はじめと終わり以外は全然わかりあせんでした。
数学とか統計に詳しい人に是非聞いてみたいところであります。
ログからもいろいろ分かるんだね。という話。
演習問題作成システムのための領域知識作成支援について
おり３的解釈と要約。
eラーニングの環境は整ってきたけれども、コンテンツの作成は大変だ。だから、コンテンツ作成者を支援する仕組みを作ろう。
ドリル型の問題演習なら、何とかなりそうだ。特に、数や数式を問うものならば解法グラフを有向グラフ（グラフ理論 ）であらわせば
問題文や選択肢を表現できるぞ。と。このモデルを WDEOM と名づけた。
WDEOMは多種多様な演習問題を生成できる。これは、作成者の負担を減らし、学習者が解答を覆えてしまう問題も回避できる。
解法知識の取り出しについて、コンテンツ作成者の負担となっているので、ここは何とかせねばなるまい。
（グラフやらツリーやらを作成者が書かねばならない。下手すると、問題文いっぱい考えるよりも大変じゃなかろうか。
教科書データ読み取らせて自動生成とか、なにか考えなければいけないですね、確かに）
▼抄録
http://ci.nii.ac.jp/naid/110003179064/
社団法人電子情報通信学会 ISSN:09135685