| 研究課題/領域番号 |
13558012
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
中山 実 東京工業大学, 教育工学開発センター, 助教授 (40221460)
|
|---|
| 研究分担者 |
青柳 貴洋 東京工業大学, 教育工学開発センター, 助手 (10302944)
室田 真男 東京工業大学, 大学院・社会理工学研究科, 助教授 (30222342)
西方 敦博 東京工業大学, 教育工学開発センター, 助教授 (60260535)
清水 康敬 国立教育政策研究所, 教育研究情報センター, センター長 (10016561)
|
|---|
| キーワード | 学習情報 / web情報 / 文書分類 / ベクトル空間法 / 自己組織化マップ / ニューラルネット / 画像 / 顔 |
|---|
| 研究概要 |
本研究は、授業で使われる教科書を分析し、必要とする学習情報をインターネット上から容易に抽出し、分類できるシステムを開発することを目的としている。さらに、学習情報としての画像情報の扱いについて検討した。本研究で得られた成果を以下にまとめる。
本研究では、学習指導要領の情報を基にしてweb情報を教科分類する手法として、ベクトル空間法、自己組織化マッブ多層パーセプトロンを検討した。これら3種の教科分類の性能を、教科が既知の指導案403をテストデータとして分類し、その性能を再現率と精度およびF1尺度によって比較した。その結果、多層パーセプトロンによる方法がほとんどの教科で再現率が高いことがわかった。また、精度については、教科によって3つの方法によってそれぞれ最大値が得られることがわかった。F1尺度値においてはMLPによる性能が最も高かった。ただし、分類に用いる特徴ベクトルの次元数は、教科に依存することがわかった.
また、特徴ベクトルの次元数に基づく分類結果を総合的に用いる、システム混合の方法を検討した。具体的には、ベクトル空間法、ニューラルネットによる分類で、教科に対する分類の指標をそれぞれの出力値を比較して、より出力値の高い教科に分類する方法でシステム混合を行なった。この方法で、先と同様の評価データを用いて、性能評価を行なった。その結果、一部の教科では、システム混合によってより高い性能を示した。その他、システム混合に関する知見を得た。
さらに、画像も分析に加えるために、顔画像を取り上げ、画像の画素情報を特徴情報として、サポートベクタマシン(SVM)を用いて、個人識別する方法を検討した。
|
