WEKO3
アイテム
生徒のメタ認知を促す学習環境：自己調整学習システムの電気科授業における活用事例
https://doi.org/10.15118/0002000414
https://doi.org/10.15118/00020004146a2e787a-8338-46fa-aa94-cbf78f0d3ff5
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
A562.pdf (9.1 MB)
|
|
|
|
A562_Abstract.pdf (582 KB)
|
|
| アイテムタイプ | 学位論文 / Thesis or Dissertation(1) | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2025-11-17 | |||||||||||
| タイトル | ||||||||||||
| タイトル | Learning Environment to Promote Student Metacognition : Self-Regulated Learning System for Electrical Class Use Case | |||||||||||
| 言語 | en | |||||||||||
| タイトル | ||||||||||||
| タイトル | 生徒のメタ認知を促す学習環境：自己調整学習システムの電気科授業における活用事例 | |||||||||||
| 言語 | ja | |||||||||||
| 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_db06 | |||||||||||
| 資源タイプ | doctoral thesis | |||||||||||
| ID登録 | ||||||||||||
| ID登録 | 10.15118/0002000414 | |||||||||||
| ID登録タイプ | JaLC | |||||||||||
| アクセス権 | ||||||||||||
| アクセス権 | open access | |||||||||||
| アクセス権URI | http://purl.org/coar/access_right/c_abf2 | |||||||||||
| 著者 |
ブーシャーパット, パンシー
× ブーシャーパット, パンシー
|
|||||||||||
| 抄録 | ||||||||||||
| 内容記述タイプ | Abstract | |||||||||||
| 内容記述 | 本論文は、教育研究と工学研究の複合領域的な取り組みである。特に人工知能（AI）と自己調整学習（SRL）に焦点を当てている。本研究では、まず、AIを教育研究に統合する際の課題について洗い出しを行い、従来の教育理論と技術進歩の間のギャップを浮き彫りにした。生徒の学習を促進するための様々なアプローチ、具体的にはゲームやデジタルツールを用いた生徒の行動と学習パターンの分析と検証を行った。ゲームをプレイする中での生徒たちの協働を観察した。ゲーム内の行動とアンケートの回答を比較することで、学習スタイルと問題解決傾向の分類を目指した。しかし、実際の教室での行動を捉えることの限界と、教科に基づく学習アプローチの多様性が課題として浮き彫りになった。また、学習の中で生徒自身が自身の特性などを意識して行動しているかというメタ認知についての重要性も認識した。 そこで，本研究は，自立学習スキルを育成するための枠組みとしてSRLへと方向転換した。具体的な学習環境として電気物理学の演習授業を対象とし、演習における実践的な活動と専門家の指導を用いて生徒の学習行動を評価した。機械学習技術を用いて学生のプロファイルを分類し、確立された教育心理学理論と整合する有望な結果を示した。 研究の最終段階では、デジタルツールからeラーニングプラットフォームへ移行することによってアプローチを洗練させ、よりスケーラブルで効率的なデータ収集を可能にした。機械学習によって分析された学習行動は、学習管理システム（LMS）やパーソナライズ学習アプリケーションに統合可能なSRLベースの学生プロファイルを生成するために活用される。本研究は、従来の心理学理論と現代のデジタル学習環境を結び付け、教育におけるAI活用のための構造化されたフレームワークを提示している。これは、AI主導の洞察を通じて、学生の学習成果を向上させることを目指す将来の研究の基盤となるとともに、教師、教育政策立案者、そしてテクノロジー開発者にとって実用的な示唆を提供します。 |
|||||||||||
| 言語 | ja | |||||||||||
| 抄録 | ||||||||||||
| 内容記述タイプ | Abstract | |||||||||||
| 内容記述 | This thesis explores the intersection of educational research and technology, particularly focusing on Artificial Intelligence (AI), metacognition, and Self-Regulated Learning (SRL). The study begins by addressing the challenges in integrating AI into educational research, highlighting the gap between traditional educational theories and technological advancements. The work investigates various approaches to enhance learning, including the use of games and digital tools to analyze student behavior and learning patterns. Initial efforts involved using questionnaires and game-based environments to explore learning styles and problem-solving tendencies. However, it became clear that questionnaire data did not reflect real classroom behavior, and games, though insightful, were impractical for curricular use. These issues led the research to embed behavior analysis directly into the learning process. Central to this transition was a deeper emphasis on metacognition—how learners monitor, reflect on, and regulate their thinking during tasks. Rather than relying on external tools detached from instruction, the study aimed to make metacognitive processes observable and instructive within authentic classroom settings. Metacognition and SRL were positioned not only as theoretical frameworks but also as practical guides for instructional design, enabling students to take ownership of their learning. To implement this, the research focused on an electrical physics course, using hands-on tasks and expert guidance to assess students' learning behavior in context. Machine learning techniques were applied to categorize student profiles, yielding results aligned with established educational psychology theories. In the final phase, the approach evolved by transitioning from isolated tools to an integrated e-learning platform, allowing for scalable and real-time data collection. The resulting learner profiles, grounded in SRL and metacognitive behavior, can be embedded into learning management systems (LMS) and adaptive learning applications. This research presents a structured framework for leveraging AI in education, linking psychological theory with digital environments. It provides a foundation for future studies aiming to improve learning outcomes through AI-driven insights, while offering practical implications for educators, policymakers, and developers focused on enhancing metacognitive growth and student agency. | |||||||||||
| 言語 | en | |||||||||||
| 学位授与機関 | ||||||||||||
| 学位授与機関識別子Scheme | kakenhi | |||||||||||
| 学位授与機関識別子 | 10103 | |||||||||||
| 学位授与機関名 | 室蘭工業大学 | |||||||||||
| 言語 | ja | |||||||||||
| 学位授与機関名 | Muroran Institute of Technology | |||||||||||
| 言語 | en | |||||||||||
| 学位名 | ||||||||||||
| 学位名 | 博士（工学） | |||||||||||
| 言語 | ja | |||||||||||
| 学位の種別 | ||||||||||||
| 言語 | ja | |||||||||||
| 値 | 課程博士 | |||||||||||
| 学位授与番号 | ||||||||||||
| 学位授与番号 | 甲第562号 | |||||||||||
| 報告番号 | ||||||||||||
| 言語 | ja | |||||||||||
| 値 | 甲第562号 | |||||||||||
| 学位記番号 | ||||||||||||
| 言語 | ja | |||||||||||
| 値 | 博甲第562号 | |||||||||||
| 研究科・専攻 | ||||||||||||
| 言語 | ja | |||||||||||
| 値 | 工学専攻 | |||||||||||
| 学位授与年月日 | ||||||||||||
| 学位授与年月日 | 2025-09-24 | |||||||||||
| 著者版フラグ | ||||||||||||
| 出版タイプ | VoR | |||||||||||
| 出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||||||||
