[4G1-GS-2j] 機械学習：要素技術

[4G1-GS-2j-04] 視線情報の傾向分析による特徴抽出

〇酒井 泰地¹、浦野 昌一¹ (1. 明治大学)

キーワード：視線情報、自己組織化マップ、クラスタリング

情報活用能力が必要となった近年、学校教育では初等教育から必修化されるプログラミングをはじめ、データサイエンスに関する多様な知識や技術を用いた学習をするようになる。しかし、現状は免許外教科担任が情報科目を担当することが多く、教育者不足が問題視されている。そのため、情報教育における教育者支援システムの重要性が高まっている。本研究では、教育現場で指導者が解答過程を見ながら指導を行うことから、問題解答結果のみではなく、問題の解答過程に着目したプログラミングの学習改善を目的とする。解答過程を分析する方法の一つとして、アイトラッカーを用いて計測したプログラミングの問題解答時の視線情報を用いる。
筆者らはこれまでの研究において、クラスタリングによる視線情報の分類を行い、注目領域を定めた。また、自己組織化マップによる可視化や特徴抽出を行ったのち、簡単な評価指標を設定して個人評価を行った。今回は、全体時間に対する注視時間をもとに、正答者と誤答者に共通して見られた解答過程の傾向を分析し、特徴抽出を行った。