2016 Fiscal Year Research-status Report
大規模かつ多様な学習データを活用した知的協調スクリプト実行システムの開発と評価
Project/Area Number |
26350289
|
Research Institution | Tokyo University of Technology |
Principal Investigator |
稲葉 竹俊 東京工科大学, 教養学環, 教授 (10386766)
|
Co-Investigator(Kenkyū-buntansha) |
安藤 公彦 東京工科大学, 片柳研究所, 助教 (00551863)
松永 信介 東京工科大学, メディア学部, 准教授 (60318871)
|
Project Period (FY) |
2014-04-01 – 2018-03-31
|
Keywords | CSCL / 協調スクリプト / コーディング / 学習データ / ディープラーニング |
Outline of Annual Research Achievements |
本研究の目的は、コンピュータ支援協調学習の足場掛けの手法の一つである強調スクリプト(collaborative script)の実行支援システムを学内のクラウドに構築し、グループの特性や学習状況に応じて動的にスクリプトを最適化する知的機能や柔軟なグループ生成機能を実装し、その有効性を検証することである。具体的には以下のような取り組み課題を中心に研究を遂行している。 1.大規模なチャットデータの言語分析技法の探求:支援システムから取得されるビッグデータであるチャットデータにコーディングを付与することで協調活動のプロセスの定量的かつ定性的分析を行う。2.モデル化手法の探求:リアルタイムでの学習状況のモニタリングおよび適応的な支援の実現のため学習状況をモデル化する。 平成28年度は、上記1.のコーディングのためのスピーチアクトに依拠したコーディングスキマを作成し、過去3年間で取得されたチャットデータに手動でコーディングを行った。このコード付きデータの一部をディープラーニングの学習データとして使用し、残りのデータをテストデータとしてディープラーニングによる自動コーディングの精度を機械学習のベースラインとなるアルゴリズム( Naive Bayes, Support Vector Machines )による自動的なコーディングの精度と比較した。その結果、今回開発したディープラーニングによる自動コーディングがベースラインに対してより高い精度を有することを明らかにすることができた。なお、この成果については、2017年3月に国際会議(eLmL2017)で発表を行った。上記2.については、現在、ディープラーニングによるチャットデータの自動コーディング機能を支援システムに実装し、リアルタイムでの協調プロセスのモニタリングの実現を目指している。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
平成28年度の研究計画では、チャットデータのディープラーニング技術による自動コーディングの実装が一つの大きな目標であり、これについては、その実現の基盤となる技法を確立することができた。今後は、このコーディングデータから学習状況やグループ特性のモデル化を行うことが今後の研究の課題となる。
|
Strategy for Future Research Activity |
平成29年度の目標は以下の2つである。 1.国際会議で現在までの成果、特にディープラーニング技術による自動コーディング技法の詳細とその精度について発表を行う。 2.スピーチアクトに依拠したコーディングスキマより、より的確に協調学習状況を把握可能なスキマを検討する。
|
Causes of Carryover |
平成28年度は8月と12月に論文を2つの国際会議に投稿することを目標としていた。12月に投稿した論文は受理され、eLmL2017で発表を行うことができた。しかし、8月の投稿のために準備していたディープラーニング用テストデータの加工作業が遅れたことで、十分な成果を得られず、ICCE2016に投稿を行うことができなかった。
|
Expenditure Plan for Carryover Budget |
平成29年度に平成28年度までの研究成果についてEdMedia2017等の国際会議で投稿・発表を行う予定であり、旅費、投稿費、学会参加費等で使用の予定である。
|