| Project/Area Number |
23K28198
|
|---|
| Project/Area Number (Other) |
23H03508 (2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 62030:Learning support system-related
|
|---|
| Research Institution | The University of Aizu |
|---|
Principal Investigator |
渡部 有隆 会津大学, コンピュータ理工学部, 上級准教授 (30510408)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
森下 睦 日本電信電話株式会社NTTコミュニケーション科学基礎研究所, 協創情報研究部, 研究員 (50974721)
小田 悠介 奈良先端科学技術大学院大学, 先端科学技術研究科, 招へい助教 (70975094)
鈴木 潤 東北大学, データ駆動科学・AI教育研究センター, 教授 (80396150)
|
|---|
| Project Period (FY) |
2023-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥18,460,000 (Direct Cost: ¥14,200,000、Indirect Cost: ¥4,260,000)
Fiscal Year 2026: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2025: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2024: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2023: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000)
|
|---|
| Keywords | 学習支援システム |
|---|
| Outline of Research at the Start |
本研究では，どのようなコードレビュー活動が学習効果を最大化できるか？という問いに対する答えを探求する．具体的な方法として，オンラインジャッジシステムを主軸に，コードレビュー活動が可能なプログラミング学習支援環境を構築する．さらに，機械学習と自然言語処理技術を用いたコード精査AIモデルとリファクタリングAIモデルを本環境に統合し，レビュー活動を活性化させる．本環境を，学習支援システム兼データエコシステムの研究基盤として確立し，網羅的なデータ検証により，多角的な視点から効果的なコードレビュー活動の方法を探求する．
|
| Outline of Annual Research Achievements |
オンラインジャッジシステムにレビュー機能を実装し，研究基盤を構築した．まず，学習者が提出したソースコードに対してレビューをリクエストし，それを他者や生成AIがレビューし，そのフィードバッグに対して学習者が評価する仕組みを確立した．本基盤は，研究代表者が開発・運用するAizu Online Judgeを拡張することで実現した．具体的には，レビュー活動を行うユーザインタフェース，レビュー管理システム，データベース，それらを連携させるAPI を実装した．本基盤によって，学習者，レビューア，生成AIの活動から有益なデータを取得できるようになった．また，生成AIの性能を調査するために，様々なプロンプト手法・形態に対する言語モデルの堅牢性を調査した．具体的には，既存の代表的な大規模言語モデルを対象とし，問題文の様々な変更パタンに対するコード生成の精度を検証した．さらに，コードレビュー活動において重要な活動であるリファクタリングを生成AIで実施するためのプロンプト手法を開発した．具体的には，複雑さを軽減するリファクタリングにおいて，大規模言語モデルのIn-Context Learningに使われる例題の生成法の有効性を検証した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
予定通りにコードレビュー活動の基盤をオンラインジャッジシステムへ統合することができた．
|
| Strategy for Future Research Activity |
構築・整備されたコードレビューシステムをさらに拡張する．具体的には，複数の生成AIを搭載し，レビュー活動を活性化させるユーザインタフェースの改修やレビューオプションの生成を検討する．本レビューシステムが連携するオンラインジャッジシステムを，プログラミング関連の授業や公開講座等に導入し，学習者，レビューア，生成AIの活動からデータの収集を行う．また，レビュー活動の支援に有効なデバッグやリファクタリングに関するタスクを生成AIによって実施するためのプロンプト手法を開発する．具体的には，オンラインジャッジシステムの提出履歴と蓄積されたソースコードを活用し，編集距離を考慮したデバッグや複雑度を軽減するリファクタリングを支援するための，プロンプト手法を探求する．
|
