| 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 (2024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 / Risk Prediction Model / Bias / Artificial Intelligence / Facial Recognition / Higher Education / Institutional Research / 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 |
今年度は二つの大学の学生データを用いてアルゴリズムの構築を行い、それぞれのアルゴリズムの検証を行なった。その結果明らかになったのは、同様のデータを用いたとしても、大学によってモデルの精度が異なることであった。また、お互いの大学でモデルを交換した際に、どこまで正確に予測できるのか、また、属性間差別をどの程度生み出すか、いわゆる転移学習の可能性に関して検証を行なった。また、その差別が生まれる要因に関して、SHAPを用いて検証した。その結果、大学間の転用はある程度は可能であることがわかった一方で、属性間の精度の差が存在することを確認した。現在その結果を論文にまとめ、海外雑誌へ投稿予定である。
また、本研究では、予測に活用できるデータが限られているためそもそもの予測精度が高くない、という課題も明らかになった。そこで新たなデータの可能性として、画像を使うことを本研究では検討し、そのための基礎研究を行なった。具体的には、AI画像分析には偏見の問題含めて、学生リスク予測モデルにおける実装に活用するためには様々な技術的な問題を乗り越える必要がある。そこで本研究では、そもそもAI画像分析にはどのような問題があり、それをどのように乗り越えるか、そして大学のIR活動へどのように活かせるのかを実証的に検討するために、日本の大学のホームページで一般公開されている画像を用いて、AI画像分析がどの程度信頼できる結果を導き出せるかの分析を行った。その論文はInnovative Higher Educationにおいて発表された。
|
| 現在までの達成度 |
現在までの達成度
1: 当初の計画以上に進展している
理由
本研究においては、毎年１本ずつ査読付き海外論文を発表できており、現在３本目もまもなく投稿できる段階に来ており、順調に成果を出すことができている。また、本研究が直面した課題の解決を模索する中で、高等教育におけるAI画像分析という新たな研究分野の開拓にもつながる研究を発表することができ、想定していた以上の結果を残すことができた。
|
| 今後の研究の推進方策 |
今年度は、学生リスクモデルの転移学習に関しての論文を一本海外雑誌に投稿する予定である。また、画像分析に関する基礎研究も、日本での結果がどの程度海外でも再現可能かに関する研究を行い、年度内に論文投稿を１もしくは２本予定している。
|
