| Project/Area Number |
22K13762
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 09070:Educational technology-related
|
|---|
| Research Institution | Musashino University (2023)
Tamagawa University (2022) |
|---|
Principal Investigator |
宮田 真宏 武蔵野大学, データサイエンス学部, 講師 (70858026)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2023: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2022: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
|---|
| Keywords | 人工知能の教育的応用 / 授業の振り返り / 教育の質 / 行動計測システムの開発 |
|---|
| Outline of Research at the Start |
本研究は，教育学にて重要視されている「教育の質」の中でも，教育現場での日々の授業や活動の「振り返りの質」に着目し，その評価の人工知能(AI)技術による支援を目指す．具体的には，授業中の子ども達の映像からAI技術により集団活動の内容や，個々の子どもの成長に関連する行動要素を抽出・分析し，その結果を教員にフィードバックして成長との関係を検証する事によりその有用性を評価する．これを縦断的に継続することで，振り返りに必要な行動要素の抽出とその質の評価指標をデータに基づき抽出し，より幅広い教員のエビデンスに基づく支援の可能性を検討する．
|
| Outline of Annual Research Achievements |
2022年度の研究により，教室空間を対象とした教員と生徒の行動センシングシステムの開発が完了した．さらに，授業映像をAI技術を用いて特徴量を抽出し，授業の中でも講義場面を対象に子どもたちの授業への参加状態は機械学習手法を用いて分類できる結果を得た．しかし，この手法は場面を限定することが前提となるため，教育現場への適用は難しいと言える．この問題を解決するためには，事前に場面分類をすることが重要であると言える．
2023年度は，既に得られている映像に対して顔認識AIを適用し，この結果を分析することによる授業場面（講義，個人作業，グループワークなど）の機械学習手法を用いた自動分類を試みた．結果，授業中の人物の顔の検出状態を分析することにより，授業場面の推定ができることを示す結果を得た．
さらに従来行われてきた教員養成段階における模擬授業を対象に，昨今話題の生成AIの活用することによる半自動的，かつ第三者目線での振り返り要素の抽出が可能か調査した．結果，教員養成段階の中でも初学者にとっては新たな視点が得られやすいということを示唆する結果を得た一方で，ある程度教育思想が固まってきている人物においては多少物足りないという結果を得た．
このように，2023年度は教員と生徒の実際の授業場面をAI技術を用いることによる自動的に分類できることを示す成果を得たと共に，広い意味での振り返りとして生成AIを用いた振り返りの可能性を検討した．
以上の成果は，日本教育工学会の大会など国内の学会で5回の発表を行い，国際会議ICAAI 2023にて発表した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2022年度の研究により機械学習手法を用いることにより生徒の授業参加のための行動特徴を抽出することができることを示唆する結果を得ていた．一方で，問題点として文政期手法を適用するためには授業内活動の分類を先に行うことの重要性が挙げられた．
この点については，今年度の成果として授業場面の分類の可能性を示唆する結果を得たため，多少活動方針の見直しは生じたが問題ない範囲内であると考える．それだけでなく当初の計画では，子どもたちの成長変数の抽出を試みることとしていた．今年度得られた成果は，生徒の成長に伴い結果が変化すると考えられるものであるため，このあたりを評価することで当初目的としていた成長変数との関係も見えてくると考える．
さらに，最終的なアウトプットの可能性として，生成AIを用いた振り返りの可能性についても検討を始めたため，より確実な教員へのフィードバックの可能性を検討することができたと考える．
|
| Strategy for Future Research Activity |
2023年度の成果を受けて以下のように今後の課題を考える．
（１）場面分類手法の評価方法の検討：複数台のカメラにて同時に検出されている人物の影響について調査する．
（２）場面分類手法の分類手法の確立：場面分類のための最適な機械学習手法の検討，およびパラメータについて検討する．
（３）場面分類場面の増加に伴う適用範囲の検討：2023年度の成果は1つのクラスの1つの授業に対してのみであったため，複数のクラスや，学年に適用することにより成長変数との関係について評価する．
（４）学生からのリフレクト情報を用いた振り返り手法の検討：振り返りは教員が授業の様子を単に振り返るだけでなく，学生の状況を適宜把握することが重要であると考える．そのため，授業期間内に学生からフィードバックを受けることにより，その結果を振り返りに活用する手法についても検討が必要であると考える．
|
