| 研究課題/領域番号 |
16K01134
|
|---|
| 研究機関 | 東京工科大学 |
|---|
研究代表者 |
安藤 公彦 東京工科大学, 片柳研究所, 講師 (00551863)
|
|---|
| 研究分担者 |
柴田 千尋 東京工科大学, コンピュータサイエンス学部, 講師 (00633299)
田胡 和哉 東京工科大学, コンピュータサイエンス学部, 教授 (10188229)
稲葉 竹俊 東京工科大学, 教養学環, 教授 (10386766)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2020-03-31
|
| キーワード | Institutional Research / Learning Analytics / 人工知能 |
|---|
| 研究実績の概要 |
先進教育支援センター設立とそこへの学内異動のため、部屋の移動とそれに伴い各種データへの安全なアクセスを可能とするための開発環境の移動を行った。ネットワーク及びサーバー環境構築のためのVMおよびDockerの構築を行った。これにより、各種サーバーのフレキシブルな運用と、テスト環境から本番環境へのスムーズな移行が可能となった。
アンケート等の学生の統計情報を、学生の成績等や学部・学年を元に自由に閲覧できるWebサイトを構築した。これにより教員は自由に学生の統計情報を学部や学年・成績等で比較が可能となった。これらができるようになったことで、要注意学生が特定のグループ内でどのような位置に存在しているのかを明らかにできる。
Moodle上の課題として学生が動画をアップロード可能にするためのシステムとして、GoogleDriveにファイルをアップロードできるMoodleモジュールを作成した。動画をアップロードできることで、より詳細なユーザ特性の分析が可能になると考えられるが、それらの人工知能による分類の作成には動画の分析という現在までの研究とは異なる手法が必要であり、その開発が必要となる。
学生の会話データが分析には重要であると考え、Moodleで構築した協調学習システムに人工知能による分析機能の追加と、会話がスムーズに行えるようにLineとの連携アプリの開発を行った。また、人工知能については、Chainerによる状況特化型の分類器だけでなく、IBMのWatsonを用いた汎用的な分類器の試作を行った。これらはどちらかだけでなく、その併用が望ましいことが実験により明らかになった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
組織改編が１年遅れたため。またそれに従い開発環境移行が１年遅れたため、各種データの取得環境が構築できず、研究の進行が遅れた。
|
| 今後の研究の推進方策 |
自作のChainerによる分析だけでなく、IBM Watsonとも併用し、学内のデータに特化した分析だけでなく、汎用的な分類器の結果を踏まえた学生の分析を行う。また、協調学習時の会話データの活用に重きを置き、数量的データだけでなく質的なデータをディープラーニングで分類分析し、より細やかな解析を可能にすることを目指す。また、大量の会話データサンプルを取得するため、人力による会話生成および、それらのデータの分類、コンピュータによる深層学習を行う。
|
| 次年度使用額が生じた理由 |
組織改編が１年遅れたため、研究環境の構築ができず、研究が予定通りに進行せず、研究を１年延長したため。
31年度は深層学習用サーバーの購入および、人力による会話データ生成、分類とそのシステム構築に予算を利用する。
|
