Transition Matrix Analysis Analyzing Students Use of Cognitive Resources in Physics

技術要約：物理学における学生の認知的リソースの遷移行列分析

問題提起
力学概念調査（Force Concept Inventory: FCI や、Determining and Interpreting Resistive Electric Circuit Concepts Test: DIRECT など）を用いた物理教育における従来の分析は、通常、教育的介入を評価するために、事前テストと事後テストのパフォーマンス・ゲイン（向上幅）に焦点を当てている。このアプローチは、データを正解／不正解の指標へと集約してしまうため、学生が選択した具体的な誤答の内容を覆い隠してしまう。その結果、学生の潜在的な知識構造の安定性、一貫性、および文脈依存性を明らかにすることができない。「誤概念（misconception）」の枠組みでは、学生の誤りは安定した代替理論であると見なすが、「リソース（resources）の枠組み」では、学生の知識は断片的であり、文脈に応じて一貫性のない形で活性化される微細な認知リソースから構成されていると仮定する。著者らは、正解のみに注目することは、これらの認知リソースの安定性を知る手がかりとなる不正解の選択肢を無視することになると主張している。

方法論
著者らは、概念調査のデータを分析するために、リソースの枠組みに基づいた**遷移行列分析（Transition Matrix Analysis: TMA）**を提案する。この手法は以下のステップで構成される：

1. リソース等価な質問の特定： 検証済みの調査から、質問のサブセットを選択する。これらの質問は、同じ基礎的な物理原理を共有していなければならないが、文脈は異なっていてもよい。極めて重要な点として、これらの質問における回答の選択肢の集合は、同一の認知リソースに対応している必要がある。
2. 選択肢のリソースへのマッピング： 各多肢選択式の選択肢を特定の認知リソースにマッピングする。本研究では、直流回路の電力に関する3つのDIRECTの質問（Q3, Q7, Q12）の選択肢を、以下の4つのリソースにマッピングした：
   • $S$: 科学的に生産的なリソース。
   • $R_1$: 定電流源リソース（回路構成に関わらず、電池が一定の電流を供給するという考え）。
   • $R_2$: 重ね合わせのリソース（電池が増えれば常に明るさや電力が増すという考え）。
   • $Null$: 非常に少数の学生のみが使用するリソース（ベクトルの完全性を維持するため）。
3. 状態ベクトルの構築： $m$ 個の質問に回答する学生 $k$ に対して、確率分布ベクトル $\vec{Q}_k$ を定義する。ここで、各要素 $\rho_i$ はリソース $i$ を活性化する確率を表す（$\rho_i = n_i/m$）。
4. 遷移行列の計算： 事前テスト（初期状態 $\vec{Q}_i$）から事後テスト（最終状態 $\vec{Q}_f$）へのリソース活性化の変化を、遷移行列 $T$ によってモデル化する。すなわち $\vec{Q}_f = T\vec{Q}_i$ である。行列要素 $T_{ij}$ は、事前テストにおいてリソース $j$ を使用した学生が、事後テストにおいてリソース $i$ へと切り替わる条件付き確率を表す。
5. 集計： 個々の学生の行列を平均してクラスレベルの遷移行列を生成し、これにより研究者はコホート全体における平均的なリソース活性化の推移を追跡できる。

実験的適用
この手法は、概念物理学コースに登録された $N=135$ 名の初等教育専攻の学生のデータに適用された。研究では、DIRECT調査を、個人セッションおよびグループセッションの両方での事前テストおよび事後テストとして実施し、これらを7週間の指導ユニットによって分離した。分析は、特に事前テストおよび事後テストの両方における、個人セッションとグループセッションの間の遷移に焦点を当てた。

主な結果
遷移行列の分析により、全体的なパフォーマンス・スコアからは明らかにならなかったいくつかの重要な洞察が得られた：

• 全体的なパフォーマンス vs. リソースの安定性： 対応のあるt検定は、事前テストから事後テストにかけてのクラス全体のスコアの有意な向上を示したが、TMAは、学生が必ずしも特定の概念（直流回路の電力）に関する理解を固めたわけではないことを明らかにした。
• グループワークの効果： 事前テストおよび事後テストの両方において、学生はグループセッション中に、科学的に生産的なリソース（$S$）から非生産的なリソース（$R_1$ および $R_2$）へと頻繁に移行した。
• 非生産的リソースの持続性： 遷移行列の対角要素（$T_{R1R1}$ および $T_{R2R2}$）は、学生が非生産的なリソースを高頻度で保持していることを示した。
• 悪化する傾向： t検定を用いて事前テストと事後テストの遷移行列を比較したところ、事後テストのグループセッションにおいて、学生は事前テストよりも非生産的なリソース（$R_1$ および $R_2$）を有意に多く保持しており、生産的なリソース（$S$）を保持する割合が有意に低下していることが示された。具体的には、$T_{SS}$ は有意に減少し、$T_{R1R1}$ および $T_{R2R2}$ は有意に増加した。
• 文脈依存性： データは、リソースの活性化が文脈依存的であるという見解を支持している。すなわち、学生はリソース等価な質問に対して一貫して正しい推論を適用できておらず、グループ内での相互作用が誤った推論を強化する場合があることが示された。

意義と主張
本論文は、遷移行列分析が、単なるゲイン分析よりも洗練された視点を提供し、認知リソース活性化のダイナミクスを露出できると主張している。

• 診断的価値： TMAは、全体的なテストのスコアが向上している場合でも、指導的介入やグループワークが生産的なリソースの定着に失敗していることを検出できる。本研究では、グループワークが直流回路の電力に関する非生産的なリソース（$R_1$ および $R_2$）を不当に強化してしまう可能性があることを浮き彫りにした。
• 概念実証： 本研究は、学習プロセスを記述するために数学的モデリング（特に遷移行列）を物理教育研究に適用するための概念実証として機能している。
• 今後の方向性： 著者らは、もしこのアプローチが有益であると証明されれば、専門家が既存の概念評価を再検討し、各選択肢に対応する基礎的な認知リソースを特定し、「リソース等価」な質問を意図的に設計することを促す動機付けになり得ると控えめに示唆している。
• 限界： 著者らは、DIRECT調査が元々誤概念の枠組みの下で開発されたものであるため、選択肢をリソースにマッピングすることは一つの仮定であると認めている。また、同じ選択肢を選ぶ異なる学生が同様のリソースを活性化しているという仮定には、インタビューなどの手法を通じたさらなる検証が必要であると述べている。