新入生の事前知識の違いによる コンピュータリテラシ学習効果の分析

Slides:



Advertisements
Similar presentations
M2B システム (Moodle/Mahara/BookLooper) の使い方. パスワード:<自分のパスワード> SSO-KID (数字10桁)は学生証の裏に パスワードを忘れた場合は、 から「パスワードを忘れた」を選択.
Advertisements

パーソナライズドウェブページに よる 学生レポートシステムの開発 小濱隆司 斎藤博人 中村尚五 東京電機大学 情報環境学部 2004年電子情報通信学会総合大会.
分散分析と誤差の制御 実験結果からできるだけ多くの情報を取り出すために 分散分析を利用する 主効果の大きさ 交互作用の大きさ 誤差の大きさ 採用した因子の効果の有無 の検定には,誤差の大きさ と比較するので誤差を小さ くできれば分散分析での検 出力が高まる どのようにしたら誤差を小さくできるか?
『わかりやすいパターン認 識』 第 5 章 特徴の評価とベイズ誤り確率 5.4 ベイズ誤り確率と最近傍決定則 発表日: 5 月 23 日(金) 発表者:時田 陽一.
QUIZLETの活用による 語彙学習の習慣化を促す試み(の失敗例) 名古屋学院大学 国際文化学部 講師 工藤 泰三 1.
摂南大学理工学部における 数学教育と EMaT への取組み 東武大、小林俊公、中津了勇、島田伸一、寺本惠昭、友枝 恭子 ( 摂南大学理工学部 基礎理工学機構 ) 日本工学教育協会 第 63 回年次大会 2015 年 9 月 4 日 ( 金 ) 9:30-9:45.
スマートフォン ~新学内システムで広げる 輪 IN 大学 ~ 明治大学経営学部経営学科 中西ゼミナール D班 佐孝 雅也 鶴岡 雄太 布施 駿 吉野 はる香 パクランウン.
1 項目反応理論によるテストの作成 東京工業大学 大学院社会理工学研究科 前川 眞一.
JENZABAR IMS 製品紹介資料 講義支援のための新世代 ラーニング・プラットフォーム 目次 製品概要 講義支援システムの機能一覧
基礎セミナーA あなたが起業すると考えよう
エンジニアのためのリテラシー 学生番号順に着席する (クラスa) 1 列 12 人で 前 方
寺尾 敦 青山学院大学社会情報学部 atsushi [at] si.aoyama.ac.jp
グラフィカル多変量解析 ----目で見る共分散構造分析----
プログラミング入門 ガイダンス.
SPSS操作入門 よい卒業研究をめざして 橋本明浩.
日本語教育学臨地研究 香港大学 派遣期間:2006年9月15日~29日
インターネットで楽しく学ぼう! 「みて、きいて、わかる 画像処理」 「画像」の基礎知識 マイクロソフト株式会社.
データ解析 静岡大学工学部 安藤和敏
富山国際大学 現代社会学部 新2年生 2010年度前期 オリエンテーション
Pattern Recognition and Machine Learning 1.5 決定理論
大学の授業の値段 国語教育講座主任 野浪正隆.
寺尾 敦 青山学院大学社会情報学部 atsushi [at] si.aoyama.ac.jp
第37回日本看護研究学会学術集会 シンポジウムII 20011/8/8(月)(デブの日)14:40~16:40 中山和弘(聖路加看護大学)
情報リテラシ教育におけるWebCTの利用
このPowerPointファイルは、 情報処理演習用に作った フィクションです。
流れ(3時間分) 1 ちらばりは必要か? 2 分散・標準偏差の意味 3 計算演習(例題と問題) 4 実験1(きれいな山型の性質を知ろう)
因子分析や3相因子分析による分析の問題点を整理する 狩野裕+原田章(行動工学講座)
「データ学習アルゴリズム」 第2章 学習と統計的推測 報告者 佐々木 稔 2003年5月21日 2.1 データと学習
経済情報処理ガイダンス 神奈川大学 経済学部.
2010年度 コンピュータリテラシー クラス:  B1 講義日: 前学期 月曜日7時限.
ベイズ基準によるHSMM音声合成の評価 ◎橋本佳,南角吉彦,徳田恵一 (名工大).
ワークショップ ユーザーとメーカーの公開相談会
図書館と 情報スキルアップ教育 ―情報検索講習会報告と今後の展望―.
平成28年度 編入生ガイダンス (14235編入生用).
寺尾 敦 青山学院大学社会情報学部 atsushi [at] si.aoyama.ac.jp
データベース設計 データベース設計 第0回 オリエンテーション 坂口利裕.
主体的学習を支援するWebCTの利用 情報センター 菊沢正裕.
達成度判定分科会.
GDPに反映される教育の成果について 減少していく教育の産出について考える
PCAからICAへ? 狩野裕+清水昌平 (大阪大学人間科学部) 日本行動計量学会:東京大学 平成12年10月.
モデルの適用範囲 モデルの適用領域 Applicability Domain (AD)
データ解析 静岡大学工学部 安藤和敏
新入生ガイダンス-情報科目 総合情報基盤センター 准教授 永井孝幸.
平成19年度「特色ある大学教育支援プログラム」(特色GP)
交換留学説明会 2018年春(2月)派遣 授業料 今回派遣対象 奨学金 単位認定について
有意差の検定法の 調査と適用 1DS05179Y 江藤 隆 1DS05184W 川島紀子 指導教員 高木先生.
再討論 狩野裕 (大阪大学人間科学部).
院内の回復期リハ病棟間の成果比較  -予後因子(入院時年齢・FIM・発症後日数)の階層化による測定法を用いて-
ex-8. 平均と標準偏差 (Excel 実習シリーズ)
コードクローン分類の詳細化に基づく 集約パターンの提案と評価
デジタルアーカイブ専攻 コア・カリキュラム構成の設定と学習内容・行動目標 デジタル・アーキビスト の養成 育成する人物像 入学前課題
第4章 識別部の設計 4-5 識別部の最適化 発表日:2003年5月16日 発表者:時田 陽一
第3章 線形回帰モデル 修士1年 山田 孝太郎.
「アルゴリズムとプログラム」 結果を統計的に正しく判断 三学期 第7回 袖高の生徒ってどうよ調査(3)
学部新入生オリエンテーション 大阪大学における初年次共通教育 「学び方を学ぶ」    ための 1年ないし1年半 全学教育推進機構長 下田 正.
ベイズ最適化 Bayesian Optimization BO
シミュレーション論 Ⅱ 第1回.
クロス表とχ2検定.
クロスバリデーションを用いた ベイズ基準によるHMM音声合成
岩手県立大学 ソフトウェア情報学部 教育情報システム学講座 4年 ;継田 優子
松山大学学生意識調査 ~一般基礎演習と経済基礎演習は必要なのか~
福井県立大学 菊沢 正裕 大教室授業における グループ学習の効用 福井県立大学 菊沢 正裕
小標本に関する平均の推定と検定 標本が小さい場合,標本分散から母分散を推定するときの不確実さを加味したt分布を用いて,推定や検定を行う
SCS研修 高等教育に学ぶ障害者への 配慮と学習支援
ex-8. 平均と標準偏差 (Excel を演習で学ぶシリーズ)
■:朝型生活者全体との差が+10ポイント以上 ■:朝型生活者全体との差が-10ポイント以上 赤枠:各層の最高スコア項目
森 裕一(岡山理科大学) 山本義郎(岡山大学自然科学研究科) 渡谷真吾,尾高好政(倉敷芸術科学大学) 垂水共之,田中 豊(岡山大学)
日本の大学における Critical Thinking 調査・研究
専門英語2004.
転移学習 Transfer learning
Presentation transcript:

新入生の事前知識の違いによる コンピュータリテラシ学習効果の分析 福井県立大学 学術教養センター 菊沢 正裕・山川修・田中武之 kikusawa@fpu.ac.jp

目 的 入学時のIT基礎能力のばらつきは? 事前の基礎能力が大学のリテラシ演習によってどう変わるか? 目 的    入学時のIT基礎能力のばらつきは? 事前の基礎能力が大学のリテラシ演習によってどう変わるか? 事前の基礎能力とリテラシ演習の成績の関係は?  

測定項目 プレースメントテスト(1週目) アチーブメントテスト(終盤) IRTスコアの推定 → p-score / a-score リテラシ演習の成績 4課題(タイピング,ワープロ,PPT,HTML) 出席 教材閲覧回数

JSiSE2007 対象学生 クラス名 履修 登録数 分析 対象数 p-score (平均点) a-score (平均点) 経済A 34 30 515 579 経済B 37 32 361 562 生物A 38 35 533 613 生物B 43 40 391 571 計/平均 152 137 450 581 Q1 出席 Q2 シラバス  3択なのでカット

事前と事後の IRT-score分布 事前 事後

IRT-scoreの事前と事後の比較 事後 事前

因子分析のパターン行列 p-score a-score 変数 第1因子 第2因子 0.693 -0.158 0.655 0.180 成績 -0.033 0.703 閲覧回数 -0.004 0.553

事前の能力 vs 事後能力・成績 IT基礎能力 演習の成績

クラスタの特性(経済学部) クラスタ 学習者(人) 閲覧 出席 p-score a-score 成績 E1 14 127 37.8 483 回数 出席 (点) p-score a-score 成績 E1 14 127 37.8 483 640 92.4 E2 11 82 29.0 486 570 74.6 E3 37 136 37.0 402 544 88.5 B1 10 246 442 617 92.3 B2 16 137 34.9 585 656 85.5 B3 49 124 36.5 419 564

クラスタの特性(生物資源学部) クラスタ 学習者(人) 閲覧 出席 p-score a-score 成績 E1 14 127 37.8 回数 出席 (点) p-score a-score 成績 E1 14 127 37.8 483 640 92.4 E2 11 82 29.0 486 570 74.6 E3 37 136 37.0 402 544 88.5 B1 10 246 442 617 92.3 B2 16 137 34.9 585 656 85.5 B3 49 124 36.5 419 564

まとめ 事前の能力差は大きいが,学期末にはバラツキが小さくなる 事前能力の違いは,成績にあまり影響しない 事前能力が低い学習者は全般に学習効果が大 事前能力の高い学習者は,学習効果や成績が高いグループと低いグループに分かれる