2023 Fiscal Year Annual Research Report
Identification of logical thinking ability from online handwritten data
| Project/Area Number |
20H04292
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
山名 早人 早稲田大学, 理工学術院, 教授 (40230502)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | オンライン手書きデータ / 論理的思考力 / ペンベーズドコンピューティング / データマイニング / ビッグデータ解析 |
|---|
| Outline of Annual Research Achievements |
本課題は「オンライン手書きデータを用いた論理的思考力の推定」を目指しており、思考過程の見える化を目標とした。2023年度は、2022年度に引き続き「数学幾何学問題」を対象として、被験者から得られるオンライン手書きデータ、視線データを収集し、論理的思考力の判別に取り組んだ。収集では、新たに大学生・大学院生39名（理系13名、文系26名）から、幾何問題9問に対する解答を得て以下の解析に利用した。
問題解答過程の解析については、 (1)図形領域への書き込みについて、昨年度までに完成させた「同一角を示す記号」「同一長辺を示す記号」「平行を示す記号」の自動判定の精度向上、(2)オンライン手書きデータのストロークを単位とした解析に加えて、図形以外に記載される証明文を対象としたOCRを利用した解析手法を提案し、問題解法分類の精度向上を行った。
まず、(1)の図形領域の書き込みについては、これまでのYOLOv4からYOLOv8へライブラリを更新すると共に、これまで判別できなかった①や②などの数字を丸で括った記号、四角、三角で括った記号の検出に対応させた。これらは、辺の長さの比を表現する書き込みである。記号検知精度については、昨年度の0.70～0.93の精度に対して0.70～0.96（mAP=0.87）と精度を向上させた。次に(2)については、幾何証明問題について「証明文から式と単語を抽出し特徴ベクトル（uni-gram）を生成することで新たな特徴量を追加した。以上の (1)及び(2)用いた問題解法分類（３種類の解法を持つ問題）を行い、昨年度までに達成した正解率0.71を0.92に向上させることに成功した。
以上から、図形の書き込みと証明文から得られる文字情報をもとに、被験者がどのような戦略（解法）により問題を解いたかを90%を超える正解率（解法が３種類の場合）で判定できるようになった。
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
