Publications

学術雑誌

■ 投稿中・投稿準備中

1. Yamaguchi, K. ... (). btsrpvb

2. Yamaguchi, K., Liu, Y., & Xu, G. (2024, March 22). Generalized Bayesian Method for Diagnostic Classification Models. https://doi.org/10.31234/osf.io/7pnv8

3. Yamaguchi, K. (2023, November 27). Bayesian Diagnostic Classification Models for a Partially Known Q-matrix. Retrieved from http://doi.org/10.31234/osf.io/8ufvm

4. Yamaguchi, K. (2023, August 3). A Short Introduction of the Widely Applicable Bayesian Information Criterion for Psychological Researchers. https://doi.org/10.31234/osf.io/n6x29

5. Ishii, Y., Yamaguchi, K., & Sakakibara, R. (2023, July 11). Vaccination behavior under uncertainty: A longitudinal study on factors associated with COVID-19 vaccination behavior in Japan with focus on the effect of close others’ vaccination behavior. https://doi.org/10.31234/osf.io/8cr53

6. Hijikata, K., Oka, M., Yamaguchi, K., & Okada, K. (2023, May 23). variationalDCM: An R package for variational Bayesian inference in diagnostic classification models. https://doi.org/10.31234/osf.io/f2sqd

■ 査読有り

1. 名越斉子・山口一大・石隈利紀（in press）.小中学生用教師評定日本語版マクロスキー実行機能尺度（J-MEFS）の妥当性検証. 心理学研究 

2. Madison, M. J., Wind, S. A., Maas, L., Yamaguchi, K., & Haab, S. (in press). A one-parameter diagnostic classification model with familiar properties. Journal of Educational Measurement. https://doi.org/10.1111/jedm.12390. [Preprint]

3. 山口 一大 (in press). 近年の診断分類モデルの推定法の展開. 統計数理. [Preprint]

4. 名越斉子・山口一大・飯利知恵子・石隈利紀（in press）. 小中学生用教師評定日本語版マクロスキー実行機能尺度（J-MEFS）の作成. 東京成徳大学心理学研究 

5. Yamaguchi, K., & Martinez, A. J. (2023). Variational Bayes inference for hidden Markov diagnostic classification models. British Journal of Mathematical and Statistical Psychology, 77(1), 55-79. https://doi.org/10.1111/bmsp.12308 [Preprint]

6. Yamaguchi, K. (2023). Bayesian analysis methods for two-level diagnosis classification models. Journal of Educational and Behavioral Statistics, 48(6), 773-809. https://doi.org/10.3102/10769986231173594 [Preprint]

7. 山口一大 (2023). 『教育心理学研究』におけるオープンサイエンスと統計的分析方法の現状 ―厳密なテストの観点からの考察― 教育心理学年報 62, 143-164. https://doi.org/10.5926/arepj.62.143 [Preprint]

8. 藤田和也・山口一大 (2023). Q学習モデルにおけるモデルリカバリ率の確認と改善 筑波大学心理学研究, 61. 53-61. https://tsukuba.repo.nii.ac.jp/record/2006366/files/TPR_61-53.pdf

9. Yamaguchi, K., & Fujita, K. (2023). Bayesian estimation of test engagement behavior models with response times.  Tsukuba psychological research, 61. 75-87. https://tsukuba.repo.nii.ac.jp/record/2006368/files/TPR_61-75.pdf  [Preprint]

10. Yamaguchi, K. (2023). On the boundary problems in diagnostic classification models. Behaviormetrika, 50, 399-429. https://doi.org/10.1007/s41237-022-00187-7 [Preprint]

11. Yamaguchi, K., & Zhang, J. (2023). Fully Gibbs sampling algorithms for Bayesian variable selection in latent regression models. Journal of Educational Measurement, 60(2), 202-234. https://doi.org/10.1111/jedm.12348 [Preprint]

12. 山口 一大（2022）.  項目反応理論モデルにおけるパラメタ推定法の展開 ーPsychometrika 誌を中心としてー. 日本テスト学会誌, 18(1), 103-131. https://doi.org/10.24690/jart.18.1_103 [Preprint]

13. Ishii Y., Sakakibara, R., Komoto Kubota, A., & Yamaguchi, K. (2022). Reconsidering the structure of the questionnaire for eudaimonic well-being using wide age-range Japanese adult sample: An exploratory analysis. BMC psychology, 10(1), 1-10.  https://doi.org/10.1186/s40359-021-00707-2

14. Yamaguchi, K., & Templin, J. (2022a). A Gibbs sampling algorithm with monotonicity constraints for diagnostic classification models. Journal of Classification. 39, 24–54.  https://doi.org/10.1007/s00357-021-09392-7 [Preprint] 

15. Yamaguchi, K., & Templin, J. (2022b). Direct estimation of diagnostic classification model attribute mastery profiles via a collapsed Gibbs sampling algorithm. Psychometrika, 87, 1390–1421.  https://doi.org/10.1007/s11336-022-09857-7 [Preprint]

16. Yamaguchi, K., & Templin, J. (2022c). Observed score reliability indices in diagnostic classification models. Behaviormetrika, 49, 47–68. https://doi.org/10.1007/s41237-021-00153-9 [Preprint]

17. Yamaguchi, K. (2020). Variational Bayesian inference for the multiple-choice DINA model. Behaviormetrika, 47, 159-187. https://doi.org/10.1007/s41237-020-00104-w  [Preprint] [OSF and Errata]

18. Yamaguchi, K., & Okada, K. (2020a) . Hybrid cognitive diagnostic model. Behaviormetrika. 47, 497–518  https://doi.org/10.1007/s41237-020-00111-x  [Preprint]

19. Yamaguchi, K., & Okada, K. (2020b). Variational Bayes inference for the DINA model. Journal of Educational and Behavioral Statistics.　45(5), 569–597.   https://doi.org/10.3102/1076998620911934  [Preprint] [OSF and Errata]

20. Yamaguchi, K., & Okada, K. (2020c) . Variational Bayes inference algorithm for the saturated diagnostic classification model. Psychometrika, 85(4), 973-995. https://doi.org/10.1007/s11336-020-09739-w [Preprint] [Supplemental]

21. 山口 一大 （2019）. DINAモデルの再定式化と推定アルゴリズムの直接的導出 日本テスト学会誌, 15(1), 21-43. https://doi.org/10.24690/jart.15.1_21  [Link] [Preprint]

22. 山口 一大 ・敷島 千鶴・星野 崇宏・繁桝 算男・赤林 英夫（2019）. 小学1年生から中学3年生を対象とした学力テストの垂直尺度化 心理学研究, 90(4), 408-418 doi: https://doi.org/10.4992/jjpsy.90.18221 [Link]

23. Yamaguchi, K., & Okada, K. (2018). Comparison among cognitive diagnostic models for the TIMSS 2007 fourth grade mathematics assessment. PLoS ONE, 13(2): e0188691. https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0188691   [Link]

24. 天井 響子・山口 一大 （2018）. 思春期の子どもが地域の居場所に持つニーズの多様性 およびその背景  思春期学, 36(2), 246-254.

25. 山口 一大 （2017）. 認知診断モデルにおけるQ行列の誤設定が診断精度に与える影響—認知の階層構造を考慮した場合の検討— 日本テスト学会誌, 13(1), 17-32. https://doi.org/10.24690/jart.13.1_17  [Preprint]

26. 山口 一大・岡田 謙介 （2017a）. TIMSS2007の日本人サンプルを用いた認知診断モデルと項目反応理論モデルの比較. 日本テスト学会誌 13(1), 1-16. https://doi.org/10.24690/jart.13.1_1  [Preprint]

27. 山口 一大・岡田 謙介 （2017b）. 近年の認知診断モデルの展開 行動計量学 44(2), 181-198. https://doi.org/10.2333/jbhmk.44.181 [Link][Preprint]

28. 鈴木 雅之・豊田 哲也・山口 一大・孫 媛 (2015). 認知診断モデルによる学習診断の有用性の検討―教研式標準学力検査NRT「中学１年数学」への適用―. 日本テスト学会誌 11(1), 81-97. https://doi.org/10.24690/jart.11.1_81 [Link]

■ 査読なし

1. 山口 一大 （2018）.  認知診断モデルにおけるモデル選択の比較：シミュレーションによる小サンプル状況下での検証, 東京大学大学院教育学研究科附属学校教育高度化・効果検証センター 研究紀要 , 4, 34 - 45. [Link]

2. 石川 善樹・伊藤 寛武・植村 理・田端 紳・外山 理沙子・中室 牧子 … 山口 一大 （2017）.「子どもの能力を計測するための学力テストの現在と展望」―エビデンスに基づく教育政策に向けて― RIETI Policy Discussion Paper Series, 17-P-010 , 1-57. Available from: http://www.rieti.go.jp/jp/publications/summary/17030039.html (「1−3. 学力の「測定」を行う技術の発展」執筆)

■ ソフトウェア

1. Hijikata, K., Oka, M., Yamaguchi, K., and Okada, K. (2023). variationalDCM: Variational Bayesian Estimation for Diagnostic Classification Models. R package version 1.0.0, URL https://CRAN.R-project.org/package=variationalDCM 

国際会議における発表

■ 口頭発表 査読有り

1. ◯Okada, K., & Hijikata, K., Oka, M., & Yamaguchi, K. (2023 Augst). Variational Bayesian estimation in diagnostic classification models. The 6th International Conference on Econometrics and Statistics (EcoSta 2023) Tokyo, Japan.

2. ◯Yamaguchi, K. (2023 August). Recent developments in variational inference algorithms for restricted latent class models. The 6th International Conference on Econometrics and Statistics (EcoSta 2023) Tokyo, Japan.

3. ◯Yamaguchi, K., & Martinez, A. K. (2022 February). A variational Bayesian posterior approximation method for hidden Markov diagnosis classification models. The 11th Conference of The Asian Regional Section of the International Association for Statistical Computing. Online.

4. ◯Yamaguchi, K., & Martinez, A. K. (2021 July). A variational Bayes inference algorithm for longitudinal diagnostic classification models. The 86th Annual Meeting of the Psychometric Society. Online.

5. ◯Yamaguchi, K., & Okada, K. (2019 July). Variational Bayes inference for the cognitive diagnostic models. The 84th Annual Meeting of the Psychometric Society. Alameda, Santiago, SCL, Chile.

6. ◯Yamaguchi, K., & Okada, K. (2018 July). A hybrid cognitive diagnostic model. The 83rd Annual Meeting of the Psychometric Society. Manhattan, NY, USA. 

■ ポスター発表 査読有り

1. ◯Nakaya, K., Uesaka, Y., Kaminishi, H., Fukaya, T., Yamaguchi, K. (2019,  December). Practice on a workshop utilizing Web-based investigation system for teachers’ judgments on students’ performance. International Conference on Computers in Education. Kenting , Taiwan.

2. ◯Yamaguchi, K. & Okada, K. (2017 July). Comparison of generalized DINA family models with TIMSS 2007 data. International Meeting of the Psychometric Society. Zurich, Switzerland.  

3. ◯Uesaka, Y., Nakagawa, M., Yamaguchi, K., Kaminishi, H., Nakaya, K., & Fukaya, K. (2017 September). New mathematical model for analyzing accuracy of teachers’ predictions about student competencies. The European Association for Research on Learning and Instruction. Tampere, Finland. 

4. ◯Nakaya, K., Yamaguchi, K., Kaminishi, H., Fukaya, K. & Uesaka, Y. (2017 September). Development of web-based investigation system for teachers’ judgements on students’ performance. The European Association for Research on Learning and Instruction. Tampere, Finland. 

■ ポスター発表 査読なし

1. Harada, E. T., ◯Yamaguchi, K., Suto, S. (2012 April). Exploring age differences in the learning process using verbal-behavioral protocol analysis with a maze learning task. Cognitive Aging Conference 2012 (Learning Poster 17) in Atlanta, Atlanta, GA, USA. 

2. ◯Suto, S., Yamaguchi, K., Lin, P., Harada, E. T. (2012 April) Differences in the learning Process: A comparison on maze solving between age, gender, and time-of-day. Cognitive Aging Conference 2012 (Learning Poster 18) in Atlanta, GA, USA. 

国内学会・シンポジウムにおける発表

■ 口頭発表 査読あり

1. ◯山口 一大 （2016）. 認知診断モデルの解析のための支援スクリプトの作成 —Rを用いたMplus分析コードの自動生成関数の開発— 第24回情報知識学会年次大会（筑波大学）, 5月.

2. ◯原田 悦子・須藤 智・山口 一大 （2013）.「使うことの学習」過程を知る: GMLTによる加齢効果の実験室的検討, 日本認知科学会第30回大会（玉川大学）, O4-4, 9月.

■ 口頭発表 査読なし

1. 土方 啓一郎・岡 元紀・山口 一大・○岡田 謙介（2023）. 診断分類モデルの変分ベイズ推定のための R パッケージ 日本行動計量学会第51回大会（青山学院大学）, 8月.

2. ◯山口 一大（2023）. 診断分類モデルにおける一般化ベイズ法について  日本テスト学会第21回大会(オンライン), 8月.

3. ◯山口 一大 （2022）. 認知診断モデル基本の基. 日本テスト学会 第15回記念講演ワークショップ（アルカディア市ヶ谷（私学会館）, Online）, 3月 Power point and R code: https://osf.io/3nqey/

4. ◯山口 一大 ・Templin Jonathan (2021). A Collapsed Gibbs Sampling Algorithm for Diagnostic Classification Models. 日本行動計量学会第49回大会（杏林大学，Online）, 8月

5. 植阪 友理・中川 正宣・◯山口 一大 （2019）. 教師の実態把握力を表現する新たな指標―解析例とそれが意味することまで― 日本教育心理学会第61回総会（日本大学）， 9月. JE05.

6. ◯山口 一大・岡田 謙介（2019）. DINA型認知診断モデルにおける変分ベイズ推定について  北海道大学情報基盤センター萌芽型共同研究「大規模・複雑化データに対する解析手法の多面的研究」研究会（北海道大学 ）, 2月.

7. ◯山口 一大・岡田 謙介（2018）. DINAモデルにおける変分ベイズ推論 日本行動計量学会第46回大会（慶應義塾大学）, 9月.

8. ◯山口 一大・岡田 謙介 （2018）. アトリビュートの補償・非補償関係を統合した認知診断モデルの開発  日本テスト学会第16回大会（東京家政大学）, 8月.

9. 安藤 寿康・藤澤 啓子・野嵜 茉莉・◯山口 一大 （2018）. 幼児期から児童期にかけての精神機能と身体の発達に関する双生児法による考察 日本双生児研究学会第32回学術公演会（大阪大学）, 1月.

10. ◯山口 一大・岡田 謙介（2017）. DINA モデルにおける項目パラメタの Boundary Problem について  日本テスト学会第15回大会(東北大学), 8月.

11. ◯植阪 友理・深谷 達史・山口 一大・仲谷 佳恵・上西 秀和・中川 正宣 （2017）. 指導者は生徒の実態を正しく把握できているのか？ −実態把握力を解析する数理モデルの全国学力テストへの適用− 日本テスト学会第15回大会（東北大学）, 8月.

12. ◯上西 秀和・植阪 友理・山口 一大・中川 正宣 （2017）.  看護専門学校「情報科学」期末試験におけるWitsを用いた実態把握力の実践事例, 日本テスト学会第15回大会（東北大学）, 8月.

13. ◯山口 一大・岡田 謙介（2017）. 認知診断モデルにおける項目パラメタの標準誤差 ―サンプルサイズとアトリビュート数に焦点を当てた検討―.  日本行動計量学会第45回大会（静岡大学）, 9月.

14. ◯山口 一大・岡田 謙介 (2017). TIMSSデータを用いた認知診断モデルの国際比較 統計数理研究所共同研究「複雑多変量データの解析法に関する研究」研究会（統計数理研究所）, 3月.

15. ◯高田 治樹・山口 一大 （2016）. ライフラインチャートが精神的健康に及ぼす影響―介入効果によるパターン分類ならびに性格特性との関連― 日本青年心理学会第24回大会（滋賀大学）, 11月.

16. ◯山口 一大・星野 崇宏 （2016）. 連続変数を含む補償的認知診断モデルの開発 日本テスト学会第14回大会（電気通信大学）, 9月.

17. ◯山口 一大 （2016）. 学習ログとテスト解答データの関連の検討：認知診断モデルを用いたアプローチ 日本行動計量学会第44回大会（札幌学院大学）, S-5-4, 9月. [pdf]

18. ◯山口 一大 （2016）. 認知診断モデルにおけるQ行列の推定方法―欠測がある場合の非負行列因子分解を用いたアプローチ―, 日本計算機統計学会第30回大会(ハートピア京都),  5月.

19. ◯山口 一大・植阪 友理・中川 正宣 （2016）. 教師の実態把握力αの推定と検定―実データへのアプリケーション― シンポジウム「教師の「実態把握力」はどのように量的に分析できるか─モデルの開発から実データの解析まで─」（東京大学）, 3月.

20. ◯山口 一大 (2015). 認知診断モデルを用いた個人の学習状態の分析の利点とその問題点 ―正確な診断を行うため必要なことはなにか― 日本行動計量学会第43回大会（首都大学東京）, SEO3-1-3, 9月.

21. ◯上西 秀和・植阪 友理・山口 一大・中川 正宣 （2015）. 教師の実態把握力を解析する数理モデルに関する考察―KL情報量との比較を中心に― 日本テスト学会第13回大会 （関西大学）, 9月.

22. ◯仲谷 佳恵・山口 一大・上西 秀和・植阪 友理・中川 正宣 （2015）. Webシステム"Wits"による教師の実態把握力の解析―算数学力・学習力診断テストCOMPASSを用いた検討―, 日本テスト学会第13回大会 （関西大学）, 9月.

23. ◯植阪 友理・仲谷 佳恵・山口 一大・上西 秀和・中川 正宣 （2015）. 教師の実態把握力を評価する新たな枠組みの提案―新たな数理モデルの開発とパラメータの意味― 日本テスト学会第13回大会 （関西大学）, 9月.

■ ポスター発表 査読あり

1. ◯山口 一大 （2016）. 認知診断モデルの解析のための支援スクリプトの作成 ―Rを用いたMplus分析コードの自動生成関数の開発― 第24回情報知識学会年次大会（筑波大学）, 5月.

2. ◯山口 一大 （2014）. 階層性を考慮したQ行列の誤設定が能力診断の精度に与える影響 第19回情報知識学フォーラム「教育とデータ：創造される知識とその利活用」（国立情報学研究所）,  12月.

■ ポスター発表 査読なし

1. ○名越斉子・山口 一大 ・飯利知恵子（2018）. 全人的実行機能モデルに基づく実行機能アセスメントの試み（1）―保護者用実行機能評定尺度のパイロット調査結果の検討― ， 日本LD学会第27回大会 （朱鷺メッセ 新潟コンベンションセンター ） ，11月．

2. ○名越斉子・山口 一大 ・飯利知恵子（2018）. 全人的実行機能モデルに基づく実行機能アセスメントの試み （2） ―教師用実行機能評定尺度のパイロット調査結果の検討―， 日本特殊教育学会第56回大会（大阪国際会議場（グランキューブ大阪）） ，9月．

3. ○山口 一大（2018）. DINAモデルの再定式化とEMアルゴリズムの直接的導出  日本教育心理学会第60回総会（慶應義塾大学）, 9月.

4. ◯植阪 友理・中川 正宣・山口 一大・仲谷 佳恵・上西 秀和・深谷達史 （2017）. 教師は生徒の学習方略利用の実態を把握できているのか？ ―数理モデルを用いた教師の予測の正確性の分析― 日本教育心理学会第59回総会（名古屋大学）, PG19, 10月 [pdf]

5. ◯天井 響子・山口 一大 （2017）. 思春期の子どもが持つ「地域の居場所」に対するニーズの多様性とその背景 日本発達心理学会 第28回大会（広島大学）, P4-30, 3月

6. ◯原田 悦子・山口 一大・須藤 智 （2012）. 問題解決を介した潜在構造の学習 ―学習過程と認知的加齢の分析― 日本心理学会第76回大会（専修大学）, 3AMA13, 9月.

7. ◯須藤 智・山口 一大・小西 なつみ・Lin Polong・原田 悦子 （2012）. 問題解決型学習過程に対する年齢差・性差・概日リズムの影響 日本認知心理学会10回大会（岡山大学）, P4-15, 5月

賞罰

1. 2023年日本行動計量学会 林知己夫賞（優秀賞）（単独）[Link]

2. 2023年 An Outstanding Reviewer for 2022 for Journal of Educational and Behavioral Statistics [Link]

3. 2020年日本行動計量学会 肥田野直・水野欽司賞（奨励賞） （単独）[Link]

4. 2017年日本テスト学会大会発表賞（◯山口 一大・岡田 謙介. DINA モデルにおける項目パラメタの Boundary Problem について.  日本テスト学会第15回大会に対して）[Link]

5. 2015年日本テスト学会大会発表賞（◯植阪 友理・仲谷 佳恵・山口 一大・上西 秀和・中川 正宣. 教師の実態把握力を評価する新たな枠組みの提案―新たな数理モデルの開発とパラメータの意味― 日本テスト学会第13回大会（関西大学）, 2015年9月.に関連した3つの発表に対して）[Link]

学位論文

1. 山口 一大 （2018）.  認知診断モデルの理論的および経験的検討 東京大学大学院教育学研究科博士論文（指導教員：南風原朝和教授）[UTokyo Repository]

2. 山口 一大 （2015）.  認知診断モデルにおける能力・項目対応行列の誤設定が能力診断に与える影響 –能力の階層構造に着目した検討- 東京大学大学院教育学研究科修士論文（指導教員：南風原朝和教授）

3. 山口 一大（2013）. Groton迷路学習課題におけるエラーレス学習・エラーフル学習：学習過程の若年成人ー高齢者群間比較による検討 筑波大学心理学部卒業論文（指導教員：原田悦子教授）

その他

1. 平成29年度 東京大学入試追跡調査報告書【要点解説・拡張編】における「コラム」執筆

2. Web-based Investigation System for Teachers’ Judgments on Students’ Performance (Wits, 教師による生徒のパフォーマンス予測分析支援ツール)における推定プログラムの作成URL: http://wits.dokkyomed.ac.jp

3. 自主研究会「統計勉強会」主催（2013年〜2017年）

4. 自主研究会「R勉強会」主催（2014年〜2017年）

5. 自主研究会「すいすい統計研究会」主催（2021年～現在）

研究費・助成金等

1. 「科学研究費助成事業：基盤研究(B)」研究分担者（研究期間2024年4月～2027年3月），研究課題名『日本語母語英語学習者の文章読解における眼球運動データベースの構築と公開』，研究代表：名畑目 真吾，研究課題番号：23K25335，（6,890千円 (直接経費: 5,300千円、間接経費: 1,590千円)）[Link]

2. 「科学研究費助成事業：基盤研究(B)」研究分担者（研究期間2024年4月～2028年3月），研究課題名『認知診断モデルを活用した授業改善の推進手法の構築と評価』，研究代表：光永 悠彦，研究課題番号：24K00485，（18,460千円 (直接経費: 14,200千円、間接経費: 4,260千円)）[Link]

3. 「科学研究費助成事業：基盤研究(A)」研究分担者（研究期間2023年4月～2027年3月），研究課題名『21世紀型の学力・学習力の測定と向上：新たな評価の開発からデジタルツールの活用まで』，研究代表：植阪 友理，研究課題番号：23H00065，（47,320千円 (直接経費: 36,400千円、間接経費: 10,920千円)）[Link]

4. 「科学研究費助成事業：基盤研究(B)」研究分担者（研究期間2023年4月～2027年3月），研究課題名『漢字の読みが困難な児童生徒の「漢字の読み処理」を評価できる認知診断テストの開発』，研究代表： 三盃 亜美，研究課題番号：23H00985，（18,200千円 (直接経費: 14,000千円、間接経費: 4,200千円)）[Link]

5. 「科学研究費助成事業：若手研究」研究代表者（研究期間2022年4月～2025年3月），研究課題名『テイラーメイド学習環境を実現する認知診断モデルの提案と適用』，研究課題番号：22K13810，（4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)）[Link]

6. 「科学研究費助成事業：基盤研究（B）」研究分担者（研究期間2021年4月～2025年3月），研究課題名『学習の躓きを診断し克服するための統計学的方法：デジタル問題集の基盤開発と実践』，研究代表：岡田 謙介，研究課題番号：21H00936，（14,430千円 (直接経費: 11,100千円、間接経費: 3,330千円)）[Link]

7. 「科学研究費助成事業：基盤研究（B）」研究分担者（研究期間2020年4月～2024年3月），研究課題名『算数・数学における「深い学び」を促進する授業実践・評価の統合的システムの開発』，研究代表：光永悠彦，研究課題番号：20H01720，（17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)）[Link]

8. 「科学研究費助成事業：基盤研究（A）」研究分担者（研究期間2019年4月〜2023年3月），研究課題名『学力テストをいかにして授業改善につなげるか：阻害要因の検討から学校での実践まで』，研究代表：植阪友理，研究課題番号：19H00616，（44,850千円 (直接経費: 34,500千円、間接経費: 10,350千円)）[Link]

9. 「科学研究費助成事業：基盤研究（B）」研究分担者（研究期間2018年4月〜2019年3月），研究課題名『教師の「みとり」に関する実証的研究と学校教育への展開』，研究代表：植阪友理，研究課題番号：15H02924，（16,640千円 (直接経費: 12,800千円、間接経費: 3,840千円)）[Link]

10. 「科学研究費助成事業：特別研究員奨励費」研究代表者（研究期間2018年4月〜2021年3月），研究課題名『情報端末を用いた認知診断・学習支援のためのテストモデルの開発と活用』，研究課題番号：18J01312，（3,640千円 (直接経費 : 2,800千円、間接経費 : 840千円）[Link]

11. 「東京大学：博士課程研究遂行協力制度」研究実施者（研究期間2017年9月〜2018年3月，研究課題名『認知診断モデルにおける現実的な状況での項目パラメタ推定の標準誤差について』，300千円）

12. 「学校教育高度化・効果検証センター若手研究者育成プロジェクト」個人研究実施者（研究期間2017年6月〜2018年３月，研究課題名『認知診断モデルにおけるモデル比較』，150千円）

13. 2017年度テスト学会池田・柳井スカラシップ （50千円）

14. 「東京大学：博士課程研究遂行協力制度」研究実施者（研究期間2015年8月〜2016年2月，研究課題名『認知診断テストにおける能力・項目対応行列の自動推定に関する研究』，300千円）  

15. 平成29年度（2017年度）「東京大学大学院国際学術研究支援制度」（300千円）