채용 마케팅 파트너 회사, Ltd MATSUO 실험실 및 IGPI 비즈니스 분석 및 인텔리전스 (BAI)

수학 및 수학을 사용하여 4 학년 초등학생 분석 3 학년 중학교 학생들에 대한 분석

"적응 학습 (학습 프로세스 최적화)", 최근 교육 및 인공 지능을위한 뜨거운 주제였던 채용 마케팅 파트너는 도쿄 대학교 Matsuo Laboratory와 공동 연구를 수행하고 있으며, 인공 지능 연구 및 IGPI 비즈니스 분석 및 인텔리전스 (BAI)의 주요 전문가, 그리고 이제는 30%의 성공을 거두었습니다 Studysapuri의 놀이터

우리는 최신 기계 학습 분석 "딥 러닝"을 사용하여 Studysapuri에서 놀이터 비디오의 학습 로그를 분석하고 개선했으며, 5 학년의 수학에서 90%의 순응으로 해결할 수없는 수학 문제의 약 30%를 추측 할 수있었습니다

이시기에 대한 분석 목표는 Studysapuri 초등학교 학교 과정에서 4 학년에서 3 학년까지의 3 학년까지의 학생들을위한 산술 및 수학이었습니다 80%의 정확도로 분석을 수행했습니다 5 학년에서 해결할 수없는 모든 문제의 304%는 90% 정확도를 예측 한 반면 6 학년 학생들은 271%의 문제를 88% 예측했습니다

딥 러닝에서의 깊은 지식 추적은이 분석에 사용되었으며, 놀이터의 비디오 시청 및 질문 답변을위한 학습 로그 외에도 Studysapuri에 축적 된 많은 양의 학습 로그를 사용하여 분석을 수행했습니다

우리는 "해결할 수없는 놀이터quot;를 예측하면 학습 과정과 시간의 효율성을 향상시키는 데 기여할뿐만 아니라 학습자의 동기 부여를 유지하고 효율적인 재 배우기에 크게 기여할 것이라고 생각합니다

우리는 특별히 임명 된 부교수 Matsuo Yutaka 및 Matsuo Laboratory와의 공동 연구를 통해 Studysapuri의 적응 놀이터 연구 및 놀이터 효율성 및 최적화 개발에 대해 계속 노력할 것입니다

각 학년의 정확도 및 적용 범위

*1 정확도
데이터 분석의 결과로 "해결할 수없는 놀이터quot;확률은 실제로 "해결할 수없는 놀이터quot;입니다 축적 된 데이터는 모델을 모델 생성 데이터 및 예측 데이터로 나누는 데 사용되며 모델 생성 데이터를 사용하여 데이터 분석을 수행하며 방법은 예측 데이터 내에서 "해결되지 않은 놀이터quot;를 예측하는 데 사용됩니다
*2 적용 범위
데이터 분석의 결과로 계산 된 실제 "해결되지 않은 놀이터quot;의 백분율은 실제 "해결되지 않은 놀이터quot;에서 도출 될 수있었습니다 실제로, 해결할 수없는 10 가지 질문이 있다면, 결과가 3 개의 결과 인 경우 데이터 분석에 의해 예측 된 결과는 30%입니다

공동 작업자에서

도쿄 대학교의 특별 부교수 Matsuo Yutaka의 의견
해결할 수없는 문제를 예측하는 것은 검토하고 걸림돌을 제대로 보여주는 기본 기술입니다 Studysapuri와 AI 기술의 방대한 양의 데이터를 조합함으로써 이러한 수준의 정확성과 적용 범위를 달성 할 수있었습니다

5605_5988

도쿄 대학교 Matsuo 실험실 Nasuno Kaoru의 의견
먼저, 우리는 해결할 수없는 문제를 예측하는 시스템을 개발했습니다 (학생들이 걸려 넘어지는 곳) 앞으로, 우리는 각 과목으로 확장 하고이 걸림돌 예측 메커니즘을 기반으로 최적의 놀이터 경로와 일정을 제안하는 시스템을 개발할 계획입니다

연구 내용 및 공동 연구 개요

■이 연구 내용
・ 대상 : Studysapuri 초등학교 과정/주니어 고등학교 과정
・ 학년 : 4 학년에서 3 학년 ~ 3 학년
・ 로그 수 : 약 3600,000
・ 분석 데이터 기간 : 2015 년 4 월 ~ 2016 년 3 월 (1 년)

■ 협력 연구 요약
・ 목적 : 적응 놀이터 실현을 목표로 한 AI 및 빅 데이터 분석 연구
・ 시작 날짜 : 2014 년 4 월 1 일

이 문제에 대한 문의

/support/form/