| Project/Area Number |
19K02999
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 09070:Educational technology-related
|
|---|
| Research Institution | Shiga University |
|---|
Principal Investigator |
Ichikawa Osamu 滋賀大学, データサイエンス学系, 教授 (00821612)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
伊達 平和 滋賀大学, データサイエンス学系, 准教授 (70772812)
右田 正夫 滋賀大学, 教育学系, 教授 (70335157)
田中 宏子 滋賀大学, 教育学系, 教授 (00324559)
糸乗 前 滋賀大学, 教育学系, 教授 (90324558)
辻 延浩 滋賀大学, 教育学系, 教授 (00378431)
磯西 和夫 滋賀大学, 教育学系, 名誉教授 (50223061)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2020: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2019: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
|---|
| Keywords | 授業評価 / 授業活性度 / 音響イベント / 機械学習 / 授業内音声イベント / 深層学習 / ターンテーキング / マイクロフォンアレイ / 多チャンネル音声収録 / 音声イベント / ターンテイク / 音声データ / 可視化 |
|---|
| Outline of Research at the Start |
従来、「授業が活性化した状態」を客観的に計測する指標は存在しなかった。それを確立することを目指す。教師と生徒の発話のターンが良好であるか、生徒の発言が特定の生徒に偏っていないか、という情報をマイクロフォンアレイの技術により取得する。さらに、問いかけ発話や誉める言葉の抽出や教室内のざわつきの検知を併用することにより、授業の活性度の指標を道びく。従来研究にしばしば見られるような音声認識への過度の依存は避ける。滋賀大学教育学部附属中学校・小学校の協力を得て、実際の授業音声のデータを取得する。また、参観者や児童・生徒による授業評価、および教師の自己評価を参照データとすることで、指標の精度を評価する。
|
| Outline of Final Research Achievements |
In general, evaluating the quality of school teaching is a difficult task. The question of what constitutes good teaching varies widely from evaluator to evaluator, and evaluation is subjective. Therefore, we introduced a simplified metric called "class activity level" and worked to estimate it objectively using a machine learning model. This metric does not measure the quality of the class, but rather the turn-taking of speech between the teacher and the students, i.e., whether the class is interactive. We constructed a machine learning model to estimate this metric using only audio data recorded in the classroom. Although this metric is only one aspect of class evaluation, the advantage of this method is that it can automatically output an objective evaluation of the target class without human intervention.
|
| Academic Significance and Societal Importance of the Research Achievements |
教育の現場において、授業評価の方法は大きく2つに分けられる。ひとつは受講生に対してアンケートを行うものであり、もうひとつは他の講師などが授業を参観した上で評価を行うものである。しかし、これらは主観的な評価であり、評価者が変われば変化するという問題があった。
本研究では、授業評価の一部の側面に限定することになってしまうが、評価指標を算出する客観的な条件を定め数値化することが重要であるとの考えに立ち、「授業活性度」という定量的な指標を導入した。これを機械学習モデルによって客観的に算出する仕組みを構築した。
|
