研究課題/領域番号 |
22K02884
|
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09070:教育工学関連
|
研究機関 | 東京大学 |
研究代表者 |
池尻 良平 東京大学, 大学院情報学環・学際情報学府, 特任講師 (40711031)
|
研究分担者 |
澄川 靖信 拓殖大学, 工学部, 助教 (70756303)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2023年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2022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 | 教育工学 / 歴史教育 / 歴史学習 / AI / 学習支援システム / ICT |
研究開始時の研究の概要 |
歴史教育の先行研究では、「系統的な通史授業」と「現代と関連するテーマ学習」を両立させるカリキュラム編成が模索されているが、効果的なものは確立されていない。そこで本研究では「通史授業における各授業の内容や高校生の関心から、現代に接続させられる方法はどのようなものか」という問いに取り組んでいる。この問いに対し、本研究ではAIの技術を活用しながら、通史授業中の高校生の論述データをもとに、各授業と関連する現代のニュースを推薦することで、歴史と現代の関連性をリアルタイムに学習できるシステムを開発する。
|
研究実績の概要 |
2022年度は、歴史上の特定の時期にしか使われない時間的固有表現を非時間的固有表現に変換する手法を用いた、現代と過去の因果関係同士の類似度を算出する手法を開発した。 時間的固有表現の非時間的固有表現への変換については、TagMEを文章に適用して固有表現とそれらのWikipedia記事を取得し、固有表現が人、組織、出来事のどれかであれば時間的固有表現とみなし、固有表現が国であれば存続年数を解析して一定の年数以下であれば時間的固有表現とみなした。固有表現の種類については、TagMEの結果から得られるWikipedia記事のカテゴリを取得し、これらの字面にpeople, organization, event, countryが含まれるかを解析することで判定し、変換した。 本研究では、事前に用意した現代の因果関係の文章全てに上記の変換を実施した。また、学習者が過去の因果関係の文章を入力するたびに、上記の変換を行う。全ての文章に対する変換が完了した後、文章に対して形態素解析、ストップワードの除去、特徴ベクトルの作成といった、自然言語処理と機械学習の手法を適用した。また、本研究が対象とする因果関係同士の類似度を測定する手法を適用するために、特徴ベクトルを節、特徴ベクトル間の類似度を重みとする辺、とする二部グラフを構築し、最大重みマッチングを解く手法を適用する。これを全ての現代と過去の因果関係の組み合わせに対して適用することで最も類似する現代の因果関係を検索する。 これらの手法を実装し、実験した結果、本手法は従来の手法よりも精度が高いことも確認された。この研究結果は、国際会議HCII2023、および情報処理学会の全国大会で発表している。また、全国大会において学生奨励賞を受賞した。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
2022年度は、通史授業における歴史の因果関係の構造と類似している現代の因果関係を検索できる方法を実装できたことに加え、プロトタイプとしてWEBアプリも開発済みである。また、学習者の関心・信念を踏まえたアルゴリズムの検討・開発準備もできており、当初の計画以上に進展しているといえる。
|
今後の研究の推進方策 |
先行研究調査で導出した、歴史と学習者の関心・信念の関連性を促進するための機能を開発済みのアルゴリズムに追加する。これによって、現代と過去の因果関係同士の類似度に加え、学習者の関心も類似度に反映できるようにする。 また、高校生を対象に実際の授業でプロトタイプのWEBアプリを使用してもらい、効果検証を行う。その結果を踏まえ、アルゴリズムの詳細を修正する予定である。
|