WEKO3
アイテム
{"_buckets": {"deposit": "d1dcd849-c5f6-4983-836e-2ef69ea8456f"}, "_deposit": {"created_by": 13, "id": "10266", "owners": [13], "pid": {"revision_id": 0, "type": "depid", "value": "10266"}, "status": "published"}, "_oai": {"id": "oai:uec.repo.nii.ac.jp:00010266", "sets": ["285"]}, "author_link": ["27250"], "control_number": "10266", "item_10006_alternative_title_1": {"attribute_name": "その他(別言語等)のタイトル", "attribute_value_mlt": [{"subitem_alternative_title": "アダプティブラーニングのためのヒントを組み込んだDeep-IRT", "subitem_alternative_title_language": "ja"}]}, "item_10006_date_granted_11": {"attribute_name": "学位授与年月日", "attribute_value_mlt": [{"subitem_dategranted": "2022-03-24"}]}, "item_10006_degree_grantor_9": {"attribute_name": "学位授与機関", "attribute_value_mlt": [{"subitem_degreegrantor": [{"subitem_degreegrantor_name": "電気通信大学"}]}]}, "item_10006_degree_name_8": {"attribute_name": "学位名", "attribute_value_mlt": [{"subitem_degreename": "修士"}]}, "item_10006_description_10": {"attribute_name": "学位授与年度", "attribute_value_mlt": [{"subitem_description": "2021", "subitem_description_type": "Other"}]}, "item_10006_description_7": {"attribute_name": "抄録", "attribute_value_mlt": [{"subitem_description": "近年、教育の現場では、機械学習を用いて学習履歴データから学習者の能力成長を把握し、個々の学習者に適切なヒントを提供するアダプティブラーニングが注目されている。学習者に最適なヒントを提供するためには、学習者が誤答した際に、各ヒントを提供した場合の正答確率を正確に推定する必要がある。最新の研究では、深層学習モデルと項目反応理論を組み合わせたDeep-IRT手法が開発されており、学習履歴データから課題の難易度と学習者の多次元のスキルに対する能力変化を推定できるようになってきた。しかし、既存のDeep-IRT手法では、課題に依存したヒントの提供しか想定しておらず、能力変化を考慮した最適ヒントは提案されていない。本論文ではDeep-IRTモデルをアダプティブラーニングに適用できるようにするために、学習者が項目に正答するまでに必要とする最適なヒントを予測する新たなモデルを提案する。評価実験では実データを用いて学習者が課題に正答するために必要とするヒントを予測し、実際のデータと比較して提案手法の有効性を示す。", "subitem_description_type": "Abstract"}]}, "item_10006_text_22": {"attribute_name": "専攻", "attribute_value_mlt": [{"subitem_text_value": "情報理工学研究科"}, {"subitem_text_value": "情報・ネットワーク工学専攻"}]}, "item_10006_version_type_18": {"attribute_name": "著者版フラグ", "attribute_value_mlt": [{"subitem_version_resource": "http://purl.org/coar/version/c_ab4af688f83e57aa", "subitem_version_type": "AM"}]}, "item_creator": {"attribute_name": "著者", "attribute_type": "creator", "attribute_value_mlt": [{"creatorNames": [{"creatorName": "BIAN, NING", "creatorNameLang": "en"}], "nameIdentifiers": [{"nameIdentifier": "27250", "nameIdentifierScheme": "WEKO"}]}]}, "item_files": {"attribute_name": "ファイル情報", "attribute_type": "file", "attribute_value_mlt": [{"accessrole": "open_date", "date": [{"dateType": "Available", "dateValue": "2022-05-25"}], "displaytype": "detail", "download_preview_message": "", "file_order": 0, "filename": "1931129.pdf", "filesize": [{"value": "773.1 kB"}], "format": "application/pdf", "future_date_message": "", "is_thumbnail": false, "licensetype": "license_free", "mimetype": "application/pdf", "size": 773100.0, "url": {"label": "1931129.pdf", "url": "https://uec.repo.nii.ac.jp/record/10266/files/1931129.pdf"}, "version_id": "d72237e0-a5db-4e76-ba4a-e89daaf46d61"}]}, "item_language": {"attribute_name": "言語", "attribute_value_mlt": [{"subitem_language": "eng"}]}, "item_resource_type": {"attribute_name": "資源タイプ", "attribute_value_mlt": [{"resourcetype": "thesis", "resourceuri": "http://purl.org/coar/resource_type/c_46ec"}]}, "item_title": "Deep-IRT incorportating hints in adaptive learning", "item_titles": {"attribute_name": "タイトル", "attribute_value_mlt": [{"subitem_title": "Deep-IRT incorportating hints in adaptive learning", "subitem_title_language": "en"}]}, "item_type_id": "10006", "owner": "13", "path": ["285"], "permalink_uri": "https://uec.repo.nii.ac.jp/records/10266", "pubdate": {"attribute_name": "PubDate", "attribute_value": "2022-05-25"}, "publish_date": "2022-05-25", "publish_status": "0", "recid": "10266", "relation": {}, "relation_version_is_last": true, "title": ["Deep-IRT incorportating hints in adaptive learning"], "weko_shared_id": -1}
Deep-IRT incorportating hints in adaptive learning
https://uec.repo.nii.ac.jp/records/10266
https://uec.repo.nii.ac.jp/records/102665e16839a-73b0-4f18-b243-ce2f070188cb
名前 / ファイル | ライセンス | アクション |
---|---|---|
1931129.pdf (773.1 kB)
|
|
Item type | 学位論文 / Thesis or Dissertation(1) | |||||
---|---|---|---|---|---|---|
公開日 | 2022-05-25 | |||||
タイトル | ||||||
言語 | en | |||||
タイトル | Deep-IRT incorportating hints in adaptive learning | |||||
言語 | ||||||
言語 | eng | |||||
資源タイプ | ||||||
資源タイプ識別子 | http://purl.org/coar/resource_type/c_46ec | |||||
資源タイプ | thesis | |||||
その他(別言語等)のタイトル | ||||||
その他のタイトル | アダプティブラーニングのためのヒントを組み込んだDeep-IRT | |||||
言語 | ja | |||||
著者 |
BIAN, NING
× BIAN, NING |
|||||
抄録 | ||||||
内容記述タイプ | Abstract | |||||
内容記述 | 近年、教育の現場では、機械学習を用いて学習履歴データから学習者の能力成長を把握し、個々の学習者に適切なヒントを提供するアダプティブラーニングが注目されている。学習者に最適なヒントを提供するためには、学習者が誤答した際に、各ヒントを提供した場合の正答確率を正確に推定する必要がある。最新の研究では、深層学習モデルと項目反応理論を組み合わせたDeep-IRT手法が開発されており、学習履歴データから課題の難易度と学習者の多次元のスキルに対する能力変化を推定できるようになってきた。しかし、既存のDeep-IRT手法では、課題に依存したヒントの提供しか想定しておらず、能力変化を考慮した最適ヒントは提案されていない。本論文ではDeep-IRTモデルをアダプティブラーニングに適用できるようにするために、学習者が項目に正答するまでに必要とする最適なヒントを予測する新たなモデルを提案する。評価実験では実データを用いて学習者が課題に正答するために必要とするヒントを予測し、実際のデータと比較して提案手法の有効性を示す。 | |||||
学位名 | ||||||
学位名 | 修士 | |||||
学位授与機関 | ||||||
学位授与機関名 | 電気通信大学 | |||||
学位授与年度 | ||||||
内容記述タイプ | Other | |||||
内容記述 | 2021 | |||||
学位授与年月日 | ||||||
学位授与年月日 | 2022-03-24 | |||||
著者版フラグ | ||||||
出版タイプ | AM | |||||
出版タイプResource | http://purl.org/coar/version/c_ab4af688f83e57aa | |||||
専攻 | ||||||
情報理工学研究科 | ||||||
専攻 | ||||||
情報・ネットワーク工学専攻 |