ID関連文献等一覧

論文（博士論文）[2021年度] に属する文献一覧 (4件)

• リンク カッティング美紀（2022）留学前研修の設計と評価モデルの構築．熊本大学大学院 社会文化科学教育部 教授システム学専攻 2021年度提出博士論文
  詳細はありません。
• リンク 市村由起（2022）Ten-Dimensions Model of MOOCs for Quality Design:Implications from the Instructional Design Principles （MOOCs コース設計の10要素モデル―インストラクショナルデザイン理論を基盤とした学習の質設計モデルの提案―）．熊本大学大学院 社会文化科学教育部 教授システム学専攻 2021年度提出博士論文
  詳細はありません。
• リンク 三井一希（2022）情報端末を活用した授業の実態調査に基づく小学校教師向け授業設計支援システムの開発．熊本大学大学院 社会文化科学教育部 教授システム学専攻 2021年度提出博士論文
  詳細はありません。
• リンク 長岡千香子（2021）“情報の入力しやすさ”に着目した学習者間のアイデア・学習リソースの共有を支援するシステムの開発および利活用モデルの構築．熊本大学大学院 社会文化科学教育部 教授システム学専攻 2021年度提出博士論文
  近年，高等教育機関ではLearning Management System（LMS）がICTツールとしてよく利用されている一方，Facebook や Twitter といった学外のSNS系商業サービスを利用した教育実践も行われている． しかしながら，商業サービスを利用する場合，LMS と比較して，「 SNS 系ではタイムライン形式を採用しているため，学習活動の状況を把握しにくい」や「学習活動に関するデータは商業サービス側で保管・管理されるので，削除され，再利用できないリスクがある」等の問題が発生する．また，単一の授業内で学習活動の内容に応じて LMS と商業サービスを使い分ける場合，学習成果物の管理がより困難となり，授業内で一貫したリフレクションは難しい． さらに，近年，ラーニングアナリティクスとして LMS 等の学習支援システム上の学習活動履歴を Learning Record Store （LRS）へ抽出・分析し，学習コンテンツの改良やドロップアウトしそうな学習者の予測につなげる取組がされている．しかしながら，商業サービスを利用した場合，学習活動履歴をLRS等へ抽出し，LMS上の学習活動と併せ て分析する等は困難である． そこで，本研究では，学習活動時に商業サービスを利用した際，商業サービス上の学習成果物を LMS へ保存・一覧表示ができ，LMS 上のユーザー名と一致させた上で，LRSへ学習活動履歴として抽出できることを目指した． 第１章では，本研究の全体像について述べた． 第２章では，高等教育機関でよく利用されているICTツールの特性について述べた． 第３章では，LMSと商業サービスの連携事例の一つとして，情報共有活動を支援する 機能「SharedPanel」の設計・開発について詳述した．本システムを利用することで，学習者が日常的に利用しているSNSのFacebookとTwitter，Email，Evernoteで入力した情報が自動的に収集され， Moodleのデータベースへ保存され，学習活動の画面上にカード形式で一覧表示することができる． 第４章では，Twitter，Email，Evernote，LINE上の学習活動履歴を，LMSであるMoodleのデータベースへ登録，LMS上のユーザー名と商業サービス上のユーザー名のマッチングをした上で，学習活動履歴を LRS へ抽出・分析するための規格である xAPI のStatement として LRS へ抽出するシステムを開発，また，システム内部をモジュール化 することで，誰でも新たな商業サービスを追加し，LRS へ抽出できるようにした． 第５章では，Zoom ミーティングへ参加した際の出席情報（入室時刻と退出時刻）および投票情報（ミーティング中に投票機能を用いて提示された質問に対する回答）が学習活動履歴として Moodle の標準ログに登録され，LRS へ抽出・分析するための規格である xAPI の Statement として LRS へ抽出される Moodle のプラグイン「 Zoom Log 」を開発した． 以上の研究から，本研究は次の点について，商業サービスを活用した学習環境を構築したと考えられる． 1. 多様な商業サービス上の学習活動に関する情報をLMSへ統合する基盤構築 FacebookやTwitter等の多様な商業サービス上の投稿等の情報をLMSであるMoodle で集約・保存・一覧表示できるようにすることで，学習活動にとって最適なICTツールを選択する一方，それらのデータを LMS で保存・アーカイブ化できる基盤を構築することができた． 2. 多様な商業サービス上の学習活動履歴をLRSへ抽出する基盤構築 Twitter や LINE 等，多様な商業サービス上の情報を Moodle へ集約し，Learning Record Store（以下，LRS）へ xAPI Statement として抽出できるようにすることで，商業サービス上の学習活動履歴をラーニングアナリティクスの対象データとするための基盤を構築することができた．また，新型コロナウイルス感染症（COVID-19）の蔓延に伴うオンライン授業へのニーズの急増によって爆発的にユーザー数が増えているZoomについても，同じく学習活動履歴をLRSへ抽出できるようにすることで，基盤としての有用性を高めた． 3. 開発した基盤システムのモジュール化・オープンソース化 開発したシステムについてモジュール化（内部構造の部品化）を進め，オープンソースプロジェクトとして公開することで，誰でも自身が行いたい学習活動にとって必要な商業サービスを追加開発できるようにした．これにより，より継続的な基盤としての安定性が確保された．