Development of e-Learning System to Exercise Summarizing Essays
| Project/Area Number |
23K02645
|
|---|
| 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 | Osaka Sangyo University |
|---|
Principal Investigator |
平松 綾子 大阪産業大学, デザイン工学部, 教授 (70309178)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山崎 高弘 大阪産業大学, 工学部, 准教授 (90340611)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Fiscal Year 2025: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
|
|---|
| Keywords | e-learning システム / 小論文 / 要約問題 / 大規模言語モデル / 手書き文字認識 / 自動採点 / e-Learning / 日本語学習 |
|---|
| Outline of Research at the Start |
本研究では，日本語運用能力の向上を目的とした自己学習環境として，小論文問題，特に日本語文章要約問題を対象とした学習システムを開発する．学習者の解答を即時に採点しアドバイスを提示する機能と，より様々な分野の多くの問題を提供できるよう問題を自動で生成する機能を提供する．自動採点では，類似性を比較するために単なるキーワードの比較ではなく，要約解答文をグラフとして表現する．グラフとして表現することで，文章の部分的な類似性を抽出でき，正解例文ではなく改善すべき差分点をアドバイスとして提示できる．また，より実際的な日本語運用能力の練習を可能にするため，手書きによる解答の入力インタフェースを用意する．
|
| Outline of Annual Research Achievements |
日本語文章記述の練習として、小論文の要約問題を取り上げ、自己学習することが可能なe-learningシステムの開発を目指している。論述問題のe-learning システムでは、キーワードの有無による点数化のみで、日本語を記述する練習に必要なアドバイスなどは、実際の採点者によるものが多くリアルタイム性がない。また、より実際的な日本語運用能力の練習を可能にするため、手書きによる解答の入力インタフェースを考える．以上のことから、本システムの主要な機能は、(1)手書きによる解答を認識する機能、(2)記述した文章を即座に採点・評価し改善点などをフィードバックする機能、(3)数多くの問題に取り組めるよう教材コンテンツを自動で生成する機能である。
2023年度は主に、(1)の機能として、手書き入力の認識方法に関する手法について検討した。手書き文字の認識において、1 文字ずつごとの認識は、従来から存在する文字画像認識の機械学習モデルを利用することができる。ただし、文章として記述された文字集合の場合、文字の境界があいまいになり誤認識してしまう。この対策として、個々の文字への切り取り処理を行う。また、要約文であることから、出現する文字の種類を教師データから予測することで補正する手法を検討した。手書き入力として、縦書きの原稿用紙への記入を前提としていたが、より柔軟な手法にするため、横書き文章に対する精度を検証した。
(2)の機能のために、類似性を比較するために単なるキーワードの比較ではなく、要約解答文をグラフとして表現する手法を検討していた。本手法では大規模言語モデルを使用し、グラフの類似性を算出していた。しかしながら、生成AIの発展を考慮し、(3)の機能の実現も踏まえて、採点への生成AIの活用について検討を始めた。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
手書きによる解答を認識する機能について、提案した手法では未だ十分な認識精度が得られていない。課題文の活用や、言語モデルのフィッティングにより改善する方法を検討している。しかしながら、これらの補正では、誤字、文法的間違いまで補正してしまう問題が起こる可能性があり、補正の加減を検討する必要がある。また、手書きの特性である文字の大きさ、間隔のばらつきが大きいことや、スキャンした際に歪みにより、一文字の切り抜きの精度が良くないことがわかっている。今後、画像認識研究についての調査を行い、認識の補正の前に、画像の補正を行う方法を検討する必要がある。
記述した文章を即座に採点・評価し改善点などをフィードバックする機能では、要約解答文をグラフとして表現し、正解グラフとの比較により、採点、改善すべき箇所の指摘をする方法を検討中である。しかしながら、生成ＡＩが一般的に利用可能になり、学習においいて頻繁に利用されるようになった。本システムでも採点そのものを生成ＡＩを利用する方法も含め、その活用方法について検討する必要が出てきた。
|
| Strategy for Future Research Activity |
本システムの開発のためには、(1)手書きによる解答を認識する機能、(2)記述した文章を即座に採点・評価し改善点などをフィードバックする機能、(3)数多くの問題に取り組めるよう教材コンテンツを自動で生成する機能の実現が必要である。
(1)の機能については、解答画像のスキャン時の補正方法を中心に、大規模言語モデルを利用した予測補正方法の改善に努める。
(2)の機能では、生成AIの活用方法として、採点そのものに利用する方法、正解の様々なパターンの生成に利用する方法など検討中である。予備実験では、生成AIの採点結果と大規模言語モデルによる文章の類似度による採点結果では、生成AIの方がより人手に近い結果が得られた。しかし、大規模言語モデルによる類似度では、本システムで提案しているグラフを用いないため、今後グラフ表現による比較による採点と検証していく必要がある。また、採点において重要な要素として、点数だけでなく、改善へのアドバイス方法がある。生成AIではそのまま改善した文章の提示は可能であるが、学習者に文章推敲の機会を与えることを考えた場合、文章をそのまま提示することは相応しくない。アドバイスの提示方法について、今後検討していく必要がある。
(3)の機能の実現に向けて、Web検索系の生成AIを用いて、ニュース記事やコラムを課題文へと自動で作成する方法を検討する予定である。
|
Report
(1 results)
Research Products
(7 results)
