データサイエンス・AI教育におけるパターン表現処理の学習教材の開発

• Project/Area Number: 22K02931
• 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: Nishikyushu University
• Principal Investigator: 古賀 浩二 西九州大学, 健康栄養学部, 教授 (90295022)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2024: ¥130,000 (Direct Cost: ¥100,000、Indirect Cost: ¥30,000); Fiscal Year 2023: ¥130,000 (Direct Cost: ¥100,000、Indirect Cost: ¥30,000); Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
• Keywords: データサイエンス / フィルタリング / 表計算ソフトウェア / 学習教材 / AI

Outline of Research at the Start

大学でのデータサイエンスやAIの教育に関して、その利用に数理統計の知識を余り要しない基礎学修に関わる機能（例えば深層学習による機械学習など）を、学生が身近で操作可能なパーソナルコンピュータで一般的に流通している表計算ソフトウェアなどに、ユーザインタフェース（関数など）として実装し、簡単に利用可能とする。また、これらのインタフェースの利用を通して、学部や学科の専門科目におけるこれら機能の適応分野を開拓し、その簡単な適用事例を学習教材として作成し、学科や学部の専門教育に深く関連したデータサイエンス・AI教育の教材例としての効果の検証や適用範囲(分野)の開発を行う。

Outline of Annual Research Achievements

3年計画研究の2年度である。
○初年度購入した計算機による研究環境の構築及び実機を利用した研究を行っている。本年度は当初学会等への参加を予定しており、旅費を計上していたが、研究の遅れにより実施できずに2年度は終了した。
○本学でのDS(データサイエンス)やAIに関連した授業で取り扱う内容の中でも今回の研究に関連する状態推定、ニューラルネットワークをベースとした深層学習、クラスタリングなどのパターン学習の内、状態推定に関わる技術に的を絞って、それにかかわる理論や実装のメカニズムに関する調査・研究等を行っている。
また、これに関連してこれらの理論をベースにして、表計算ソフトウェアに実装するための関数やプログラムなど、関連した機能の選別を行っているが、状態推定に必要となる基礎的統計処理の抽出と、ベイズ統計を代表とする現代的な統計処理の利用を通して実装する状態遷移モデルと、状態遷移モデルが持つ不確実性を表現するための方法および、データの平滑化を行うためのフィルタリングの手法の中から、実際に本研究の対象として実装することで、非理工系の学生に対して、DSやAIに関する学習が深まり、その効果が期待できる機能や理論の調査・検討を行っている。
○表計算への実装は、これまでの検討で、関数などの機能を利用した方法で進めることとしているが、前述の通り、状態推定に関わり取り上げるべき理論や、実装する機能・インタフェースが決定できないでいるため、具体的な実装は滞っている。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

上記区分の原因としていくつか考えられる。
○初年度同様、現状本学で行っているDSやAIに関わる授業から、関連した応用例を取り出して、その根底にある情報処理や統計学などの数学に関わる基礎的な理論や技術を選別することに、当初想定していた以上に時間を割いているうえ、ある程度選別したベースとなる数学や情報処理に関わる技術を非理工系の学生に教材として提供する場合の内容や、表現方法に思いの他時間を要している。
○上記で選定した基礎的な数学やそれをベースにした比較的新しいDSやAIに関連した理論や技術の範囲が当初予定していたよりも広範囲で、理論や実装方法の修得並びに理解に思いのほか手間取っている。
○組織改編にともない新たに発生した授業の担当となったため、授業の準備や当該組織の学生募集などの対応で、多くの時間を必要とされ、更に従来からの授業および委員会活動など大学での業務に思った以上に時間を割いてしまい、研究への着手があまりできず、予定していた内容の多くを実施することができなかった。

Strategy for Future Research Activity

予定していた内容では、3年目は実際に教材の開発や応用分野の開拓、試作内容の確認などであるが、上記のように現段階では、まだ、機械学習やクラスタリング・状態遷移などの技術のうち、今回の研究で開発する予定の教材の対象となる技術の一部をやっと洗い出せた状態であり、本年度も引き続き(早急に)これらの技術や理論に対する理解を深め、実際に表計算などへの実装に展開していきたいと考えている。引き続き前述のように利用する技術や理論の理解及び表計算などへの応用を検討して、可能な限りに実際に開発すべきプログラムの形態などの検討も進めていきたいと考えている。