| 研究課題/領域番号 |
17K18075
|
|---|
| 研究機関 | 東京工科大学 |
|---|
研究代表者 |
長谷川 大 東京工科大学, メディア学部, 助教 (30633268)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| キーワード | ジェスチャ自動生成 / ディープニューラルネットワーク |
|---|
| 研究実績の概要 |
本研究は、学習者によって教材が生成されていく大規模オンライン学習環境の構築を目標として、人型のPedagogical Agent を介したインタラクティブな教育コンテンツを容易に作成・配信できるLearner Generated Massive Open Online Course (LG-MOOC) について考究する。
具体的な研究項目は、1) 教育理論にもとづくインタラクティブな教授シナリオを容易に記述可能なInstructional Design Markup Language (IDML) の開発、2) Deep Learning を用いたPedagogical Agent のジェスチャの自動生成手法の開発、3) LG-MOOC の実装と100 人規模の学習実験による有効性評価、の3つである。
初年度である平成29年度は、項目２に対応するデータセットの構築およびジェスチャの自動生成手法の開発を行った。作成したデータセットは、音声とモーションキャプチャによる動作データがペアになった合計192分のボリュームであった。このデータセットを用いてディープニューラルネットワークにより発話音声とジェスチャ動作の関係をモデル化し、ジェスチャの自動生成を試みた。生成されたジェスチャを、大学生30名による主観評価を行った結果、自動生成されたジェスチャは、ランダムなジェスチャよりも自然性が高いことが明らかになった。また、発話によっては、人間のおこなったジェスチャよりも自然性が高いと評価された。
|
| 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
初年度はIDMLの提案とライブラリ開発を行い、データセットの構築は次年度以降に着手する予定であった。しかし、研究代表者の異動に伴う設備利用条件の理由から、データセットの構築を前倒しすることになった。構築したデータセットからニューラルネットワークにより生成されるジェスチャは、予想以上に自然な表現を獲得しており、今後のPedagogical Agentへの応用が期待される。
|
| 今後の研究の推進方策 |
平成29年度に構築したデータセットは、規模がまだ十分でないと考えらえる。そのため、今後はより大規模なデータセットを作成し、ジェスチャ自動生成メカニズムの改良を行う。
|
| 次年度使用額が生じた理由 |
研究代表者の異動にともない、設備品の購入を次年度に変更した。繰越分の131,523円および請求額700,000は平成29年度に購入を見送ったNASの購入、および成果発表旅費、論文掲載料に使用する。
|
