| Project/Area Number |
24K05420
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 08020:Social welfare-related
|
|---|
| Research Institution | Niimi College |
|---|
Principal Investigator |
高橋 順一 新見公立大学, 健康科学部, 講師 (10854755)
|
|---|
| Project Period (FY) |
2024-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2026: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000)
Fiscal Year 2025: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2024: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
|
|---|
| Keywords | 児童養護施設 / well-being / 機械学習 / コンピテンシー |
|---|
| Outline of Research at the Start |
社会的養護における子どものwell-beingを予測・推定し、里親委託や児童養護施設への措置等についてのマッチングを補助する機械学習モデルの構築に資することをねらいに、児童養護施設の職員のコンピテンシー尺度（360度評価を含む）と、施設の全体評価や限界、課題、地域資源、施設や地域の特性（里親委託率を含む）から、入所児童のwell-being（総合得点と特性ごと）を推定する機械学習モデルを開発し、要因や変数重要度を実証的に明らかにする。
|
| Outline of Annual Research Achievements |
本研究の目的は、社会的養護における子どものwell-beingを予測・推定し、里親委託や児童養護施設への措置等についてのマッチングを補助する機械学習モデルの構築に資することをねらいに、児童養護施設の職員のコンピテンシー尺度（360度評価を含む）と、施設の全体評価や限界、課題、地域資源、施設や地域の特性（里親委託率を含む）から、入所児童のwell-being（総合得点と特性ごと）を推定する機械学習モデルを開発し、要因や変数重要度を実証的に明らかにすることである。
初年度は、社会的養護の学術的・実践的な専門家からの助言を得つつ、コンピテンシーや評価に関する文献レビューを実施した。コンピテンシーについては、様々な職種における探索的因子分析や確認的因子分析による構成概念妥当性や、クロンバックのα係数やω係数による信頼性について検討がなされた研究の蓄積がある。それらを参考に児童養護施設の職員におけるコンピテンシーを測定する項目案や演繹的な因子案について検討を進めた。機械学習に関する文献レビューでは、推定等するLabelについて不均衡なデータを学習する際の留意点について整理した。こども家庭福祉領域に限らず、機械学習アルゴリズムを用いて、識別・予測モデルを検討した研究では、Labelが不均衡である場合、精度評価指標としてMCCを用いることが肝要である。例えば、正解率とされるACCなどの指標では、Labelの少ない方のカテゴリを全く当てられない場合でも、ACCが90％等となる。検証データなどの情報をリークした学習などミスのあるPythonやRのコードが載せられている論文も散見された。これらに留意した研究が肝心である。第三者評価データのの活用については、法人・施設情報の入力の不均一さ、共通・内容評価基準項目の３件法における回答分布の偏り、一定程度の内部相関があることなどを明らかにした。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
初年度は、児童養護施設の職員のコンピテンシーや評価に関する文献レビューおよび社会的養護の学術的・実践的な専門家からの助言を得る予定であった。基本的には順調ではあったものの、特に機械学習などの急速な発展から、このレビューや児童養護施設の第三者評価データの活用についての検討に、想定よりも時間を要した。
機械学習の文献レビューについては、不均衡データにおける識別の際における適切な精度評価指標の選定や、学習過程における検証データ等の情報リークのミスの多い研究が機械学習領域において散見され、これに注意を払うことの重要性をまとめた。また、不均衡データの学習においては、データ数の確保が肝要となるため、量的調査の規模を拡大する必要があり、初年度のコストをできる限り削減せざるを得なくなった。
第三者評価データのの活用については、法人・施設情報の入力が統一されていない傾向や、文字・文章の入力箇所の多さ、共通評価基準45項目、内容評価基準23項目が、プログラム評価のロジックモデルにおけるインプットやアクティビティに該当する指標であり、アウトカム指標は公表されていないこと、各評価項目の３件法の結果における回答分布の偏り、一定程度の内部相関があることなどについて整理した。
これらに時間を要したため、調査票の準備などに少し遅れが生じている。
|
| Strategy for Future Research Activity |
今年度は、児童養護施設の職員を対象に量的調査（質問紙調査）を行い、機械学習アルゴリズムによる解析を行う。児童養護施設の職員のコンピテンシー尺度（360度評価を含む）や、施設の全体評価や限界、課題、地域資源、施設や地域の特性（里親委託率を含む）、入所児童のwell-being（総合得点と特性ごと）を含んだ調査票を作成し、調査を行う予定である。初年度に整理した第三者評価の共通評価基準45項目、内容評価基準23項目についても、可能な限り調査内容に含むまたは参考としたい。不均衡データとなると想定されるため、データ数の確保にも力を注ぐ必要がある。
|
