| Project/Area Number |
24K06322
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 09070:Educational technology-related
|
|---|
| Research Institution | Anan National College of Technology |
|---|
Principal Investigator |
太田 健吾 阿南工業高等専門学校, 創造技術工学科, 准教授 (80712801)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
西崎 博光 山梨大学, 大学院総合研究部, 教授 (40362082)
園田 昭彦 阿南工業高等専門学校, 創造技術工学科, 講師 (60781458)
|
|---|
| Project Period (FY) |
2024-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2026: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2025: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2024: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 大規模言語モデル / 大規模音声言語モデル / 教育コンテンツ / 音声認識 / 教材生成 |
|---|
| Outline of Research at the Start |
本研究では、学生・教員のフィードバックを大規模音声言語モデルの訓練に取り入れることで、教育効果を考慮しながら講義動画の要約や演習問題の生成を高精度に行う教材生成AIを実現し、教育現場における教材開発の効率化・高度化を推進する。講義動画とそれに対する学生・教員のフィードバックを含んだデータベースを構築し、このデータベースを用いて、教育効果を考慮しながら大規模言語モデルや大規模音声言語モデルを学習する手法について研究する。学習したモデルを用いて、講義動画の要約やテキスト教材の生成を行う教材生成AIを構築する。
|
| Outline of Annual Research Achievements |
本研究では、学生・教員のフィードバックを大規模音声言語モデルに組み込むことで、教育効果を考慮しながら講義動画の要約や演習問題の生成を行う教材生成AIの実現を目指している。2024年度は、以下の研究内容を実施した。
【研究内容1】講義動画などの教育向け音声コンテンツの内容を考慮した教材生成AIを実現するためには、専門用語などの専門性の高い分野特有の言語情報を認識できる音声言語モデルが重要である。そのために、音声言語モデルのうちの音響情報を表現する低次レイヤと、言語情報を表現する高次レイヤを交互に適応学習する手法、および、音声言語モデルの中間層から注意機構によって特徴表現を抽出する手法をそれぞれ提案した。これらの手法は学会講演音声や高齢者音声の音声認識タスクの評価実験において有効性が示唆されており、講義コンテンツの音声認識タスクにも転用可能であると考えられる。
【研究内容2】学生・教員のフィードバックを大規模音声言語モデルに組み込むための手法について検討した。具体例として、ユーモア生成における大喜利タスクを対象とし、人間のフィードバックをもとに、大規模言語モデルのファインチューニングに用いる訓練データをコサイン類似度に基づくルールによって自動選定することで、人間の評価の高い回答を生成できることを示した。この手法は教育効果の高い回答を生成するように大規模言語モデルをファインチューニングする際にも転用可能であると示唆される。
【研究内容3】教育効果に関する調査を開始するために、これまでに実施した講義コンテンツ等のデータベースを整備した。本データベースはYouTube等で実施したオンライン授業の動画や音声、OpenAI Whisperによる自動書き起こし、受講した学生の成績データ等を含んでおり、今後はこれらのデータを用いて教育効果の定量化や大規模音声言語モデルの最適化に取り組む予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
教育向け音声コンテンツに対応可能な音声言語モデルの構築に向けて、音響・言語の両レイヤを適応的に学習する新たな手法を提案し、既存音声認識タスクにおいてその有効性を確認できている。これにより、従来のモデルでは十分に対応できなかった専門性の高い講義音声に対しても、高精度な音声認識が可能となる見通しが得られ、本研究の基盤となる講義内容の理解精度向上に寄与している。
また、大規模言語モデルへの人間のフィードバックの組み込みについても、具体的なタスクを通じて有望なアプローチを示すことができており、教育効果を考慮したモデルチューニングの基盤を整備しつつある。これにより、単に情報を要約・生成するだけでなく、学習者にとって有益な出力となるようにモデルを最適化する手法の方向性について一定の見通しが得られ、教材生成AIの実用化に向けた足がかりとなっている。
さらに、講義コンテンツや学生成績データを含む実データのデータベース化も進めており、今後の検証や実装に必要な資源が着実に整備されつつある。これにより、教育コンテンツと学習成果を結びつけた形での評価や検証が可能となり、AIが生成する教材がどのように学習効果に結びつくかを分析・改善するための実験環境が整ってきている。
以上のように、技術的基盤、評価手法、データ資源のいずれの観点においても、当初の研究計画に沿って着実に進展が見られており、本研究の目的達成に向けた準備が順調に整いつつあることから、おおむね順調に進展していると考えられる。
|
| Strategy for Future Research Activity |
今後は、これまでに得られた技術的成果を本研究の具体的なタスクに適用し、実践的な評価と改善を進めていく。特に、教材生成AIにおける言語モデルの活用については、人間のフィードバックを取り入れたファインチューニング手法を、講義内容に基づく要約や演習問題の自動生成などの教育応用タスクに適用し、その有効性を検証する予定である。この過程では、学生の成績データや学習履歴といったプライバシー性の高い情報を活用する可能性があるため、ローカル環境で安全に運用可能な数Bから数十Bパラメータ規模の大規模言語モデル（例：Qwen3など）を用いて、精度・処理負荷・応答性等の観点から適切なモデル選定と評価を行う。可能であれば、実際の教育現場での試作や試用も視野に入れ、生成された教材の有効性や受容性について実地的な知見を蓄積していく。
あわせて、音声言語モデルに関しては、これまでに提案した低次・高次レイヤを交互に適応学習させる手法や中間層からの特徴抽出手法などを統合し、講義動画の要約を中心とした音声情報の高度な処理に取り組む。特に、専門的な語彙や発話の揺らぎが含まれる実講義データを用いたタスクにおいて、認識精度や要約の適切性を評価し、モデルの実用性を検証していく。これにより、教材生成AIの前段階として重要な講義音声理解の精度向上を図るとともに、要約結果がその後の言語モデルによる教材生成にどのような影響を与えるかについても検討を深める。
|
