Practical Evaluation of Effects of an Emotion-aware Conversational Agent in L2 Learning
| Project/Area Number |
22K18011
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 62030:Learning support system-related
|
|---|
| Research Institution | Kansai University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2023: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | 第二言語コミュニケーション / 会話シナリオ / 情動要因の支援 / 非言語コミュニケーション / 会話エージェント |
|---|
| Outline of Research at the Start |
日本では，外国人と交わる機会を日常的に有する学習者は少なく，第二言語(英語)を用いた会話に積極的に関わる意欲が培われにくい問題がある．研究代表者はこれまでの研究で，人の第二言語学びの文脈における情動支援を目的とした知的会話システムの設計及び開発に携わってきた．本研究課題では，研究代表者がこれまで開発を進めてきた情動的英会話シナリオ生成可能な基盤(オーサリング環境)を活用し，知的情動能力を備えた教育型英会話エージェント技術の教育現場への導入，英語学習への効果を解明することを目的とする.
|
| Outline of Annual Research Achievements |
本研究では，第二言語（L2）学習リソースの持続可能な普及を促進するための統合フレームワークの開発に挑戦している．本年度は，これまでの成果を基に，会話の内容及び学習者の情況に応じた動的な言語・非言語的会話戦略制御モジュールの洗練に取り組んだ．具体的には，学習者の習熟度（会話スキル、動機付けレベル）に応じて柔軟かつ頑健に応対できる適応的会話シナリオ生成の仕組みを実装し，提案システムの新規性およびL2学習支援への可能性を確認した．また，会話エージェントの言語・非言語会話戦略モデルの精緻化を行い，エージェントから学習者への情動の伝達促進及び会話タスクの遂行に関する知見を得た．インタラクションの更なる迫真性向上を図るために， 従来のアニメーション・エージェントでなく，CGながらリアルな人間と見まがう容姿を持 つバーチャルヒューマン(Virtual Human)技術を導入した．さらに，提案フレームワークに基づいて，大規模言語モデルを活用することで，あらゆるサービス関連の状況で容易に会話シナリオを作成できるインターフェースを実装した．このインターフェースの特徴としては，教育者が専門的な知識を必要とせずに，高品質な会話シナリオを効率的に作成できることである．本フレームワークは，教育者による学習リソース設計の中心に置き、柔軟性、協調性、使いやすさを維持しつつ、多数の学習者に対応可能なコスト効率の高いインテリジェントチュータリングシステムの開発につながる可能性がある．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の計画通りに会話オーサリング基盤の整備及び適応的会話シナリオ生成仕組みの洗練に取り組んだ．特に，大規模言語モデル（LLM）を活用することで，効果的な会話オーサリングインターフェースの設計を実現し，会話シナリオの作成を大幅に容易化することができた．これにより，適応的会話シナリオ生成仕組みの開発およびシステム評価を円滑に進めることが可能となった．また，バーチャルヒューマンエージェント技術を駆使して，非言語情動フィードバック提示仕組みを洗練したことで，システムインターフェイスの改善も実現した．
|
| Strategy for Future Research Activity |
これまで，本研究で提案した統合フレームワークおよび会話オーサリングインターフェースの有効性を更に検証するために，多様なL2学習者と教育者を対象とした大規模なケーススタディを実施する必要がある．また，LLMを活用した会話シナリオ生成の精度向上および適応性の強化に取り組み，学習者の習熟度や個人の特性に合わせたよりパーソナライズ化された学習体験の提供を目指す．さらに，提案システムを実際の教育現場に導入し，長期的な運用を通じてフレームワークの実用性を評価するとともに，教育者からのフィードバックを基にシステムの継続的な改善を図る．
|
Report
(2 results)
Research Products
(5 results)
