2020 Fiscal Year Research-status Report
リアルタイムで達成動機の変化を捉える―帰属理論による発話分析手法の開発
| Project/Area Number |
20K20257
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
大橋 匠 東京工業大学, 環境・社会理工学院, 助教 (20824551)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 発話分析 / 帰属理論 / 福祉デバイス開発 / 高齢社会 |
|---|
| Outline of Annual Research Achievements |
虚弱な高齢者のQoL向上や介護者の負担低減の観点から、福祉デバイス開発への期待は高まる一方、高齢者への負担の大きさから、複数回ユーザーテストを実施するのが難しい。限られた機会から効率的に知見を引き出す方法が求められる。本研究では、これまで十分に活用されてこなかったユーザーテスト中の発話データに着目し、認知心理学の帰属理論を基盤とした発話分析法を開発し、リアルタイムにユーザーの達成動機の変化を推定することを目指す。
本年度は、帰属理論をリアルタイムな発話分析に応用する理論の構築に注力した。具体的には、高齢者による福祉デバイスのユーザーテストをケースとし、その際に取得した全ての発話データを帰属理論に基づく4つのカテゴリ（能力、努力、タスクの難しさ、運）に分類した。その分類の時間的遷移を追跡することで、ユーザーにとって特徴的な場面を簡便に抽出できる可能性を示した。特に、カテゴリが変化する場面を抽出することが、ユーザーの特徴的な体験を抽出することにつながることが示唆された。このように、膨大な発話データから特徴的な体験のみ抽出することが可能になれば、それをデバイス開発者側へ簡便にフィードバックできるようになり、短期間での福祉デバイス改善につながるだろう。。以上のように、本年度は、提案手法の福祉デバイス開発への応用可能性を示した。
以上の結果について、国際ジャーナル（オープンアクセス）に投稿し、採択された。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
発話分析の自動化に向けた精度の高い機械学習モデルの開発が遅れている。取得したデータに対して適切に前処理を施し、精度向上に向けて研究を推進したい。
また、新型コロナウイルス感染症拡大により、介護現場等におけるユーザーテスト実施が困難であったため他場面への適用は検討できなかった。次年度も一定期間はユーザーテストが難しいことが想定されるため、本提案手法の他場面への適用ではなく、既存の別手法との組み合わせについて検討していく。
|
| Strategy for Future Research Activity |
機械学習による発話分析の自動化に向けて、引き続きモデル精度の向上を目指す。また、本研究が提案する手法の一般化に向けて、Triangulationの観点から既存の測定装置（脳活動測定装置等）を組み合わせた実験デザインを検討する。
|
| Causes of Carryover |
新型コロナウイルス感染症拡大により、介護現場等におけるユーザーテスト実施が困難であったため。次年度も一定期間はユーザーテストが難しいことが想定されるため、本提案手法の他場面への適用ではなく、既存の別手法との組み合わせについて検討していく。
|
