| Project/Area Number |
22K13761
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 09070:Educational technology-related
|
|---|
| Research Institution | Ibaraki University (2023)
Seikei University (2022) |
|---|
Principal Investigator |
川又 泰介 茨城大学, 情報戦略機構, 助教 (60881787)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2023: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | 筆記情報 / タブレットPC / デジタルペン / PCA / 移動平均 / 音声入力 / 学習評価 / 通信教育 / Webカメラ / VOD |
|---|
| Outline of Research at the Start |
近年のオンライン教育の急速な普及により，オンライン講義中における学習行動の把握が困難であるという課題が挙げられてきた．そこで本研究では，オンライン講義における学習データを取得し，学生が確かに学習していることを自動的に認証するシステムの開発を行う．そのために本研究では，講義中における教員の発話・板書等の行動と，Webカメラとデジタルペンから取得した学習者の正面画像・筆記情報の対応関係を分析し，講義内で採るべき学習行動を学習者が行っているかどうかを講義時間全域で評価することが可能な自動学習評価システムの開発を行う．
|
| Outline of Annual Research Achievements |
前年から引き続き，タブレットPCから取得した筆記情報から，学習者の筆跡のバイアスやバリアンスを追跡するモデルの構築に取り組んだ．実験計画の段階では，筆跡の個人モデルは時間に依存すると考えていたが，分析の結果では時間よりも，その学習者の手形状など身体的な特徴の方が影響が大きいということがわかった．
その他，本研究において取得可能な情報として学習者の発話にも着目した．音声入力機能を有するインタフェイスを開発し，取得した発話情報を分析した．分析はかなり基礎的なものであったが，学習者の状態を把握する上で必要な音素などに関する知見が得られた．
その他，動的コンテンツに対するユーザの反応を分析するための方法論を検討した．まず，マーケティングで用いられる販売状況の時系列データについて，類似する系列情報を階層的にクラスタリングする方法について検討した．次に，その方法論を発展させ，SNS上のニュースに対するリプライから特異な傾向を発見するための手法を開発した．
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
研究代表者が異動になったこともあり，実験計画が難航している．そのため，タブレットPCを用いた学習評価の構築については進行が遅れていると判断した．
|
| Strategy for Future Research Activity |
他大学との共同で，カメラからユーザの正面画像を取得する研究に取り組む予定である．特に，正面画像から視線を推定し，その情報を用いてユーザの状態を推定するモデルの開発を予定している．また，筆記情報についても過去のデータをとりまとめ，コンテンツや文字種が筆記情報にどのような影響を与えるのかについて分析を行い，結果を整理する予定である．
また，検討した階層的クラスタリング手法を活用し，学習者の特徴系列から有用な特徴を発見することを今後の目標としている．
|
