| 研究課題/領域番号 |
23K12821
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分09070:教育工学関連
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
柳浦 猛 筑波大学, 図書館情報メディア系, 准教授 (90902289)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2025年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2024年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2023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 | algorithmic fairness / early warning system / calibration / predictive analytics / higher education / SHAP / ラーニングアナリティクス / IR / 公正なアルゴリズム |
|---|
| 研究開始時の研究の概要 |
１年目に、シャップ手法を用いて、個別最適化されたアルゴリズムの研究開発を行う。また国内外学会に積極的に参加し、最新の研究開発状況を把握する。２年目には１年目の開発活動で得た知見を国内外で開催されるLA関連国際学会や海外論文で先行発表し、コミュニティからのフィードバックを得つつ、モデルのメカニズムの探索・改善作業を行なっていく。そして３年目にはこれらの結果を論文にまとめ、海外ジャーナルへ投稿する。
|
| 研究実績の概要 |
多くの大学は、AIを活用した早期警告システム（EWS）を使って、学生が最初の学期に入るとすぐにサポートを提供している。しかし、特にデータ収集能力が限られている教育機関では、学生の大学生活の初期にEWSアルゴリズムを導入する場合、その公平性に関して懸念が生じる。この公平性に関する懸念を実証的に解決するために、我々は、日本の都市部の私立大学において、入学時に多くの大学で一般的に収集される人口統計学的データと入学前の学業データにのみ依存して、最初の学期のGPA予測アルゴリズムを開発した。そして、この予測モデルがリスクのある学生グループとリスクの低い学生グループの間で公平であるかを評価した。また、入学後3週間以内に収集された33の新規の非学業スキルデータを使用することで、モデルが改善されるかどうかも検証した。分析の結果、アットリスクグループの予測能力は、マジョリティグループの予測能力よりも低く、アカデミックスキル以外のデータを追加することで、モデルの予測能力は若干向上したが、モデルの公平性は向上しなかった。我々の研究は、入学前のデータだけに頼ったEWSの早期導入は、本当に支援を必要とする学生を見落とす可能性があり、アットリスクの学生に不利になる可能性があることを示唆している。本研究はJournal of Educational Data Mining に掲載された（2023, Vol 15 No.3, p1-25)
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究の最大目標は高等教育の学生支援という文脈における公平なアルゴリズムの構築であり、その目的において、アルゴリズムの公平性が達成されていない可能性があるという知見は、学術研究上重要な発見だと言える。また、本研究はSHAPの応用手法を開発という点に焦点をおいているが、論文中でSHAPがどのように使用できるかを示すことができたという点で、SHAPの理解を深めることができたという点でも学びが多かった。
|
| 今後の研究の推進方策 |
今後の研究課題としては、昨年度の研究で明らかになったアルゴリズムの偏見をどのようにして乗り越えることができるのか、という点にある。特にその中でSHAPがどのように活用できるのかに関してさらに研究を進めてまいりたい。
|
