| 研究課題/領域番号 |
19K20420
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分62030:学習支援システム関連
|
|---|
| 研究機関 | 福井大学 |
|---|
研究代表者 |
長谷川 達人 福井大学, 学術研究院工学系部門, 准教授 (10736862)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 行動認識 / 学習支援 / 深層学習 / アンサンブル学習 / 学習効率 / m-Learning / 転移学習 / 確信度推定 / 学習支援システム / コンテキストアウェアネス / m-learning |
|---|
| 研究開始時の研究の概要 |
本研究では，mobile-learningだからこそ実現できる最新の学習支援システムを実現する．特に常日頃から持ち運ばれるデバイスであると言う強みを活かし，次の3機能の実現を目指す．(1)学習者の学習状況と周囲の状況を同時に観測し記録する．(2)学習効率や学習着手率が向上する復習タイミングの推定を実現する．(3)個人差を考慮し，学習者に個人適応する推定を実現する．
|
| 研究成果の概要 |
本研究では，個人適応型のインテリジェントな自主学習支援基盤の開発を行った．主要な研究成果は以下の2点である．1つは，ユーザの行動を正確に認識する技術開発を行ったこと，もう1つは，ユーザの行動に基づいて最適な学習タイミングを明らかにしたことである．前者では，深層学習モデルを行動認識に特化させた複数のアイデアにより，高精度な行動認識モデルを複数確立している．後者では，静止して学習を行うよりも，トレッドミルのように集中できる状況だが歩行していると言った環境で学習する方が，学習効率が高いことを明らかにしている．
|
| 研究成果の学術的意義や社会的意義 |
本研究で開発した，行動認識技術と，学習支援に向けた新たな知見は様々な面で今後の応用が期待できる．まず，行動認識技術は学習支援のみならず，Society5.0の実現に向けたフィジカル空間の認識手法としての利活用が見込める．例えば，行動のログを自動で記録したり，ユーザの行動に応じて様々な情報提供を行うインタラクティブシステムの開発への応用が見込める．また，学習効果に対する知見は，今後革新的な学習支援システムを実現する際のエビデンスとして活用可能である．暗記学習を行う際にトレッドミルやエクササイズバイクを活用することで，容易に学習効果を高める効果が期待できる．
|
