| 研究課題/領域番号 |
17K18075
|
|---|
| 研究機関 | 北海学園大学 |
|---|
研究代表者 |
長谷川 大 北海学園大学, 工学部, 准教授 (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。
令和元年度は、前年度に引き続き、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。前年度に開発したジェスチャフェーズの推定はF値0.837の精度であったが、これを用いてデータセット全体に対してジェスチャフェーズをアノテーションし、新たなデータセットによるジェスチャの自動生成を試みた。しかしながら、実験の結果、従来のデータセットと比較して精度や動作の滑らかさの向上は認められなかった。また、本データセットに対して、従来手法のリカレントネットワークをベースとした手法とは根本的に異なるアーキテクチャであるGANを適用した結果、動作の滑らかさの点で改善が認められた．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
ジェスチャ自動生成メカニズムの改良を目的として、データにアノテーションをすることでデータセットの改良を行ったが、自動生成されるジェスチャには予想された改善が認められなかった。しかしながら、自動生成手法で利用しているニューラルネットワークに根本的に異なるアーキテクチャであるGANを適用することで改善が認められたことから、手法には改善の余地があると考えられる。
|
| 今後の研究の推進方策 |
データ量の不足や、様々なニューラルネットワークによる自動生成手法の検討など、課題は多く残っている。しかしながら、本研究課題の最終年度では、初年度に予定していた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) の開発を行い、自動生成手法と統合することで、Learner Generated Massive Open Online Course (LG-MOOC) をWebアプリケーション化することを目標とする。
|
| 次年度使用額が生じた理由 |
成果発表をおこなったHCI研究会が北海道で開催されたため旅費を使用しなかったため。
|
