| Project/Area Number |
19K03011
|
|---|
| 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 | Nippon Institute of Technology |
|---|
Principal Investigator |
粂野 文洋 日本工業大学, 先進工学部, 教授 (50442512)
|
|---|
| Project Period (FY) |
2019-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2020: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2019: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
|
|---|
| Keywords | Project Based Learning / ソフトウェアエンジニアリング / リスク分析・予測 / マルチエージェントシミュレーション / 機械学習 / IoT / PoC / 深層学習 / 社会実装PBL / リスク分析手法 / リスク分析 / 社会実装教育 / PBL |
|---|
| Outline of Research at the Start |
担当教員や学生以外のステークホルダからシステム開発の要請を受け，その開発・提供および保守を演習テーマとする形態のPBL（本研究ではこれを社会実装型PBLと呼ぶ）は，開発実務に近い体験による教育効果が期待できる．一方，第三者からの要請を受け，開発した成果を提供することから，他の形態のPBLと比較して様々な高いリスクが存在する．そのため，演習の実施には，教育上かつプロジェクト上のリスク管理が非常に重要となる．そこで，本研究では，従来のリスク管理手法や推論技術，予測技術を発展させ，社会実装型PBLに適用できる新たなリスク分析手法の確立を目指す．
|
| Outline of Annual Research Achievements |
本研究は社会実装型PBL（担当教員や学生以外のステークホルダが抱えているITに関わる課題を解決し，実際に利用してもらうことを前提としたシステムを開発する形態のPBL）を対象としたリスク分析手法を提案することを目的としている．過去のPBL演習によって蓄積された様々なデータから，分析対象となるチームのプロジェクトで発生しうるリスクの識別および予測を行う手法を確立することを目指すものである．
2019年(本研究の初年度)には，深層学習を中心とした機械学習の適用可能性を分析すべく，機械学習応用の文献調査を行った．その結果はサーベイ論文として国際ジャーナル(IOS Press Intelligent Decision Technologies)に掲載されている．
2020年から2021年でマルチエージェントシミュレーションに基づくリスク分析手法の研究開発を行い，マルチエージェントモデルによって学生のプロジェクトをモデル化し，リスクを予測する手法を考案した．
2022年では考案したリスク予測手法の妥当性を検証する分析を行った．これらの結果をソフトウェア工学に関する国際会議JCKBSE2022（International Joint Conference on Knowledge-Based Software Engineering）に投稿し，発表を行った．
2023年にはIoTとAIを利用したPoC(Proof of Concept:概念実証)をいくつか実施した．いずれも学外のステークホルダの依頼や提案によるものである．その成果の一部を論文としてまとめ，来年度開催予定のソフトウェア工学に関する国際会議に投稿中である．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
ソフトウェア開発現場におけるリスク分析を系統的に実施する手法として，シミュレーションを行う研究が多く行われている．しかしながら，これらの研究は企業におけるソフトウェア開発（プロフェッショナルな構成員による開発プロジェクト）を対象としており， 知識やスキル，学習能力，意欲などで発展途上の学生を構成員とするプロジェクトには適用が難しい．
本研究が対象とする社会実装PBLで考慮すべきリスクは様々であり，開発内容にも依存している．そこでまずは内容に依存しない共通のリスクとして，スケジュール遅延や作業負荷の偏りのリスクをマルチエージェントモデルによって予測手法を考案した．繰り返し行った実験の結果，作業分担の方法の違いがスケジュール遅延や作業負荷の偏りのリスクに関係している可能性があることがわかった．さらに実際の演習でも同様の傾向があることが明らかとなった．
さらにこれまでの研究によって明らかになった課題，すなわち，IoTや機械学習のような日々進化しつつある技術の適用評価を行うPoCとしての社会実装型PBLの進め方やリスク管理を明らかにすべく，学外のステークホルダの依頼や提案によるPoCプロジェクトをいくつか実施した．そこで得られた経験により，こうしたタイプの社会実装型PBLの進め方やリスク管理に関する知見が蓄積されている．
|
| Strategy for Future Research Activity |
これまでに開発したシミュレーションモデルはスケジュール遅延や作業負荷の偏りのリスクを対象としたものであり，ソフトウェア開発プロセスに固有の特性を取り入れていない．したがって，ソフトウェア開発以外のPBLにも本手法を適用できる一方，より忠実にモデリングをおこなうためには，固有の特性を取り入れることが必要となる．
一方，実際の演習では，メンバーのスキル不足や依頼元からの要求の理解不足による失敗リスクが顕在化したケースが発生した．こうしたリスクはソフトウェア開発の特性により踏み込んだ要因で発生するものであるが，シミュレーションモデルだけでなく，構成員（学習者）の知識やスキルに関するデータや過去に実施された演習のデータなど，データをより積極的に活用・分析し，リスクを識別，予測するアプローチも検討する必要がある．
また，今年度に得られたPoCが中心となる社会実装型PBLの進め方やリスク管理に関する知見を，手法として整理する予定である．
さらに高大連携の一環として近隣の工業高校と合同で社会実装型PBLを開始している．学外の教育機関も巻き込んだ実施体制では，連携先の工業高校におけるリスクにも配慮する必要がある．工業高校と大学では設備や受講者の特性などに様々な違いが存在するため，新たなリスクが発生する可能性もある．こうしたリスクについても情報を収集し，そのリスク管理手法をまとめることも取り組む予定である．
|
