...

ICT を活用した英語教育フレームワークの構築

by user

on
Category: Documents
8

views

Report

Comments

Transcript

ICT を活用した英語教育フレームワークの構築
ICT を 活 用 し た 英 語 教 育 フ レ ー ム ワ ー ク の 構 築
住 政二郎・流通科学大学
トーマス シャロー・流通科学大学
中川 典子・流通科学大学
濱田 真由美・流通科学大学
藤岡 千伊奈・流通科学大学
山本 勝巳・流通科学大学
〒651-2188 神戸市西区学園西町 3-1
078-796-4074・[email protected]
1.はじめに
本実践の目的は,(1)語彙・文法の側面から学生
の英語基礎力を養成し,(2)ICT を活用して 2 年間
を一貫した英語教育フレームワークを構築すること
である。入試制度の柔軟化に伴い,多様な英語力を
持つ学生が入学するようになった。学生の中には基
礎的な語彙・文法が未定着な学生も在籍する。また,
高等教育機関における英語力の養成は急務の課題で
あり,各大学は対応を迫られている。こうしたこと
を背景に,本学では 2013 年 4 月より,入学時のプレ
イスメント・テストから 2 年後の到達度テストまで
一貫した英語教育フレームを構築し,語彙・文法の
側面から英語基礎力の養成を計ることにした。
2.テストとレベル判定確率モデルの開発
プレイスメント・テストは 2004 年から 2012 年ま
での本学の入試過去問題を電子化し,語彙・文法セ
クションの問題項目(約 1,000 問)を正答率順に並
べて 100 問を抜粋して開発した。語彙・文法セクシ
ョンの問題項目は,語彙・文法レベルを統制して作
成されており,その性格上,本学の求める語彙・文
法力の指標といえる。語彙・文法セクションを利用
した理由は,プレイスメント・テストの目的が入学
者を 3 つのレベルに大まかに分類することであり,
ハイステイクス・テストのような精度が不要である
ことと,文法的知識は英語力の基礎的な貢献的技能
(contributory skills)と考えられるからである。
テストの結果のレベル判定には,ナイーブベイズ
分類の手法を使った。ナイーブベイズ分類とは確率
モデルに基づきデータを分類する手法である。身近
なところでは迷惑メールの分類に利用されている。
この手法をプレイスメント・テストの結果に応用す
ることで簡便にクラス判定を行うことができる。ま
た,訓練と学習を繰り返すことによって教育機関独
自の分類ルールを構築することができる。プレイス
メント・テストの結果を上級・中級・総合の 3 つに
分類する確率モデルは,ベイズの定理を展開するこ
とで得られる。
公益社団法人 私立大学情報教育協会
平成25年度 教育改革ICT戦略大会
P (H1 |D) > P (H2 |D) > P (H3 |D)
P (H1 |D) < P (H2 |D) > P (H3 |D)
P (H1 |D) < P (H2 |D) < P (H3 |D)
… (1)
… (2)
… (3)
式(1)は上級,式(2)は中級,および式(3)は総合クラ
スの確率モデルを表す。H 1 は上級,H 2 は中級,およ
び H 3 は総合クラスの事前確率を表す。ここでの事前
確率とは,あるテストを各レベルの学生が受験した
場合に正解する確率を表す。事前確率の設定は,各
レベルのクラス比,テスト実施側の期待値,および
テストの難易度などを考慮して主観的に設定できる。
学生の状況や教育現場のニーズに応じて主観を確率
モデルに反映できる点がベイズ定理の特徴である。D
は各テスト項目の正答率を表す(D: D 1 , D 2 , … D n )。
プレイスメント・テストの実施に先んじて,本学
の全学部生 1,489 名を対象に同じテストを使った予
備テストを行った(α = .799)。この結果から上級・
中級・総合レベルに属する学生の正答率をテスト項
目ごとに算出した。この確率値をナイーブベイズ分
類で利用する確率モデルの各テスト項目(D: D 1 , D 2 ,
… D n )の尤度として設定した。各テスト項目はラッ
シュモデルを用いて分析し,ミスフィットのテスト
項目には検討を加えた。また,クラス編成に合わせ
て事前確率(H: H 1 ,H 2 ,H 3 )を設定し確率モデルを
構築した。構築された確率モデルを予備テストの結
果に適用し,既存学生の所属レベルとの一致度を検
証した結果は 68.33%であり,構築された確率モデル
に基づくナイーブベイズ分類の実用性が確認された。
3.プレイスメント・テストの実施
開発されたテストを使い,英語専修の入学生 653
名の学生を対象にプレイスメント・テストを実施し
た(M = 37.31, SD = 11.45, α = .855)。そして,ナ
イーブベイズ分類を使いクラス分けを行った。また,
ナイーブベイズ分類を使って自動的にレベル判定す
る Moodle モジュールも開発した(図 1)。この結果,
これまで公式な標準テストを使い発生していた負担
を大幅に軽減できるようになった。
は,学年別,学部別,レベル別,クラス別,そして担
当者別に集計することができる。受験結果は,テスト
項目,教材,そして授業方針の見直しなどに活用する
ことを予定している。
図1. Moodle モジュールによるレベル判定
4.英語教育フレームワークの構築
プレイスメント・テストから,必修英語科目の提供
が終わる 2 年次の到達度テストまで,一貫した英語教
育フレームワークを構築するために,電子化した語
彙・文法セクションの入試過去問題(約 1,000 問)を再
利用した。まず,約 1,000 のテスト項目を入試過去問題
の正答率順に並べ替え,20 問ずつを 1 セットに分割し,
合計 48 セットの問題群を作成した。さらに,48 セット
の問題群を 12 セットずつに 4 分割し,セット 1 からセ
ット 12 までを「基礎問題」(正答率 99.1%–66.4%),セ
ット 13 からセット 24 までを「標準問題」(正答率
66.4%–52.7%),セット 25 からセット 36 までを「応用
問題」
(正答率 52.6%–39.5%),セット 37 からセット 48
までを「発展問題」
(正答率 39.5%–3.2%)とした。1 年
生前期の配当科目である英語Ⅰでは「基礎問題」に,1
年生後期の配当科目である英語Ⅱでは「標準問題」に,
2 年生前期の配当科目である英語Ⅲでは「応用問題」に,
そして,2 年生後期の配当科目の英語Ⅳでは「発展問題」
に授業時間を使って取り組むことにした。全学部のす
べての共通英語科目の毎回の授業で 20 分から 30 分間
問題に取り組み,翌週には前週分の問題の小テストを
行う授業サイクルをガイドラインとして定めた。
問題項目はすべて英語科が独自に運用する Moodle
(http://gengo2.umds.ac.jp/)に配置した。図 2 は,Moodle
に配置された基礎問題である。Moodle には,入試過去
問題の他に,語学研修プログラムの動画,独自に開発
した動画文法教材,外部リンクを利用した単語学習問
題,および多読用の動画などが提供されている。これ
らの教材は,インターネットに接続された端末であれ
ば学外からも利用することができる。
問題項目への取り組みの成果は,各学年の前期およ
び後期の最終授業(第 15 回目授業)でテストを行い測
ることになっている。2 年生の後期のテストは,到達度
テストの役割を果たす。到達度テストも入試過去問題
のアイテムバンクから作成されており,プレイスメン
ト・テストと等化されている。つまり,必修英語科目
を履修する学生は,プレイスメント・テストの受験を
含め,2 年間を通して在学中に合計で 5 回のテストを受
験し,語彙・文法力定着の伸長チェックを受けること
になる。すべてのテストは Moodle で行い,テスト結果
公益社団法人 私立大学情報教育協会
平成25年度 教育改革ICT戦略大会
図2. 基礎問題一覧
5.まとめ
入試制度の柔軟化に伴い,多様な英語力を持つ学生
が入学するようになった。一方,高等教育機関におけ
る英語力の養成は急務の課題であり,各大学は対応を
迫られている。大学における英語教育は,一方で外部
環境の変化を視野に入れつつ,他方で内部環境の変化
にも目を向ける必要がある。従来のような担当者任せ
の英語教育では,内外の環境変化には対応できない。
本実践では,学生の英語力の伸長を定期的に測定す
る問題項目を整備し,プレイスメント・テストから,
到達度テストまで,必修英語教育 2 年間を一貫した英
語教育体制を構築した。この結果,これまで客観的な
指標で観察することができなかった学生全体の英語力
の分布状況を把握することができるようになった。ま
た,この英語教育体制を構築することによって,入口
と出口の明確化と成長プロセスの構造化 1 を行い,より
システム的な英語教育が可能になった。今後は,電子
化された問題項目と経年的に更新される確率モデルを
活用して,学生一人ひとりの英語力と学習進捗状況に
対応して学習を支援する適合型学習支援システムの開
発を取り組む予定である。
謝辞
本研究は JSPS 科研費 25870967 の助成を受けたもので
す。
注
1. 鈴木克明 (2012) 大学における教育方法の改善・開発.
日本教育工学会論文誌, 36(3): 171–179
Fly UP