| 研究課題/領域番号 |
21K12166
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分62030:学習支援システム関連
|
|---|
| 研究機関 | 近畿大学 |
|---|
研究代表者 |
田中 一基 近畿大学, 工学部, 教授 (60351657)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 動作認識 / カメラキャリブレーション / 体育 / LMS / 画像補正 / QRコード / AR / DNN / エッジ画像 / 体育LMS / 実技評価 / 電子ルーブリック / 画像認識 / ディープ・ラーニング |
|---|
| 研究開始時の研究の概要 |
体育の学習管理システム（LMS）が普及する見通しは不透明である．実技評価は主に目視で行われるため，デジタル化の難しさが要因の１つと考えられる．本研究は，体育の実技の動作を画像認識する技術を開発する．次に，実技の到達度を設定する電子ルーブリックと画像認識により，動作の自動評価を行う技術を開発する．この自動評価機能を持つ簡易LMSを開発し，学校での実験評価によって，本技術が体育LMSを推進する要素技術になるのかを明らかにする．
|
| 研究実績の概要 |
研究目的は動作の自動評価技術に基づく体育LMSの実用性を明らかにすることであり，2022年度の目標は，前年度から取り組んだ「多人数の学習者の同時動作認識技術」を実用化することである．当初の計画は，小・中学校の体育現場で動作データを収集し，既存の動作認識用DNN（Deep Neural Network）を体育動作の認識用に再訓練することであった．しかし新型コロナウィルスのためデータ収集の機会が無く，代替手段として，研究代表者が所属する大学の運動部員（空手道部と硬式野球部）の協力で収集した動作データによるDNNモデルの開発を行い，その結果，体育LMSのための自動評価に応用可能であることを確認した．また，この取り組みの中で，学習者のIDを表すQRコードを識別するための新規的な画像補正技術を開発した．つまり，多人数の学習者を同時撮影した映像から学習者ごとの動作評価を行うためには各々の氏名を識別する必要があるので，体操服に装着したQRコードを画像認識する手法を用いており，QRコードが変形しても認識するための画像補正技術である．開発した画像補正技術は，Stacked Hourglass と呼ばれるDNNモデルを応用しており，変形QRコード画像をフラットな形状の画像に変換することができる．変形QRコードの補正についての研究は数多くなされているが，本研究で開発したDNNの補正能力は，2022年までの他の研究の中でトップクラスである．この成果は，IOP Publishingの論文誌に採録された．
また，2021年度の研究成果である「画像認識のためのカメラキャリブレーション技術」をARに応用した結果の論文が，電子情報通信学会の英文論文誌等で採録されている．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
当初の計画では2023年度は簡易LMSの評価を行う予定であったが，まだLMSの開発段階である．
|
| 今後の研究の推進方策 |
LMSのベースとなる「多人数の学習者の同時動作認識技術」は実用レベルになったので，システム開発を2023年度前半に終えて，後半にLMSの評価実験を行う．これには，研究代表者が所属する大学の運動部員（空手道部と硬式野球部）および大学の体育科目担当教員の協力を得ることになっている．
|
