| Project/Area Number |
22K02731
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 09050:Tertiary education-related
|
|---|
| Research Institution | Kobe Tokiwa University |
|---|
Principal Investigator |
牛頭 哲宏 神戸常盤大学, 教育学部こども教育学科, 教授 (80709048)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
伴仲 謙欣 神戸常盤大学, 保健科学部, 講師 (50752119)
中田 康夫 神戸常盤大学, 保健科学部, 教授 (70295773)
高松 邦彦 東京科学大学, 企画本部, マネジメント教授 (80392017)
村上 勝彦 富士通株式会社(富士通研究所), その他部局等, 研究員 (30344055)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
|
|---|
| Keywords | 縮約学修データ / 解析 / 採点システム / 模範解答作成ツール / 縮約基盤型eラーニングAIシステム / ChatGPT / 縮約 / eラーニングAIシステム / 読解力・表現力の向上 |
|---|
| Outline of Research at the Start |
2022年から高等学校において新学習指導要領が年次進行で実施され、「実社会に必要な国語の知識や技能を身に付ける」ことを目的とするカリキュラムがスタートする。学習指導要領の完全実施によって児童、生徒の読解力や表現力の向上が図られ実社会や大学においてその力を発揮することとなる。しかし、読解力や表現力は、個人によって習熟度が異なるため、個々に応じた個別の指導が必要となる。
そこで本研究は、学生の読解力・表現力の向上を図るための情報学の機械学習(AI)と統
計を応用した「縮約基盤型eラーニングAIシステム」の構築を目指す。これにより、わが
国の大学生の読解力と表現力の向上に大きく寄与することが可能である。
|
| Outline of Annual Research Achievements |
2024年度は、前年度に収集・分析した学習データをもとに、縮約基盤型eラーニングAIシステムの実装と精度向上に重点を置いて研究を進めた。まず、対象学生は前年度と同様に400名規模にし、さらに多様な縮約データを収集した。これにより、上位・下位グループの特徴がより明確に抽出でき、縮約における読解力とキーワード抽出能力の差異について、統計的な裏付けを得ることができた。
開発中だった採点システムは、模範解答との比較精度をさらに高め、誤判定率を大幅に低減する改良を行った。現在では、縮約ルール違反を自動検出する機能も実装し、指導者の負担を軽減できる段階に達している。採点スピードと精度は、実践レベルで十分に運用可能な水準に到達した。
また、模範解答作成ツールについても開発を加速し、学生個別の読解傾向に応じたフィードバック機能を試験的に組み込んだ。これにより、指導者が手動で作成する模範解答に近いレベルの縮約テキストを、AIが自動生成できる可能性が高まった。
LLM（大規模言語モデル）を活用した実験も継続し、縮約ルールに基づく自動収束技術の検討に着手した。これらの成果により、縮約を通じた読解・記述力向上支援システムの実用化に向けて、大きな前進が見られた。
今後は、さらに異なる分野のテキスト（例：説明文、論説文）に適用範囲を広げるとともに、個別最適化された指導アルゴリズムの開発に取り組む予定である。最終目標として、縮約基盤型eラーニングAIシステムを広く普及させ、学生の読解・記述力育成に革新をもたらすことを目指している。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
1.研究の目的と目標が引き続き明確であるだけでなく、1年間の成果を通じて、達成すべき具体的な課題もより精緻に設定できている。そのため、方向性に迷うことなく、さらに精度の高いアプローチでスムーズに研究を推進できている。
2.当初の計画に基づき段階的に進めながら、収集データ数の増加やシステム改良といった進捗に応じて柔軟な見直しも適切に行っている。この段階的かつ柔軟な管理により、予期せぬ課題にも適応しながら、効率よく研究を進めることができている。
3.前年度に確保していたデータ・技術・資金に加え、新たな協力先や追加データの収集も進み、リソースが一層充実した。これにより、研究の停滞を防ぎ、安定的かつスピーディーな進行を実現している。
4.研究チーム内での役割分担と連携がさらに強化され、各メンバーの専門性がより高い水準で発揮される体制が整った。これにより、単なる作業分担を超えて、課題解決型のチームワークが実現し、研究全体の効率と質の向上に大きく寄与している。
|
| Strategy for Future Research Activity |
今後の研究では、これまでに収集したデータを基盤に、さらに対象範囲を拡大し、異なる分野（説明文、論説文など）における読解・記述能力を多角的に評価していく。これにより、学生の読解・記述力の特性やグループ間の違いを、より精緻かつ立体的に把握することを目指す。
分析結果に基づき、効果的な教育戦略や指導法の提案も進め、実際の教育現場への応用可能性を検討する。特に、読解力・記述力の可視化ツールとしての活用に焦点を当てる。
模範解答作成ツールについては、上位グループのデータ特徴量をより高度に統合し、指導者の作成した模範解答と照合する精度をさらに高める。個別の読解傾向に応じたフィードバック機能も実装し、よりパーソナライズされた縮約指導支援を可能とするシステムを構築する。
採点システムについても、アルゴリズムの最適化を図り、採点精度・速度の向上を継続する。さらに、模範解答作成ツールとのシームレスな連携を進め、生成されたテキストの質を自動評価できる仕組みの導入を検討する。これにより、迅速かつ正確な実力評価とフィードバックが可能となる。
最終的には、縮約基盤型eラーニングAIシステムとして、LLMや先端AI技術を組み込み、学生一人ひとりに最適化された学習プランを提供することを目指す。これにより、学生の自律的な学びを促進し、読解・記述力の持続的な成長を支援する教育基盤の構築を推進していく。
|
