|
本年度においては，前年度と同様に講義の補佐的な役割としてチャットシステムを導入し，チャット上で議論された内容を可視化し，教員に効果的に提示する手法の考案を試みた．特に前年度の提案手法を改良するため，下記の（1）から（3）の処理の流れにそって，チャットシステム上での発言をトピックごとに区切り，トピック単位でキーワードを抽出した上で，トピック，キーワードそして発言者間の関係についての可視化を図った．
（1）チャットシステム上でのリアルタイムな議論から，話題（トピック）の切れ目を見つけ出す．そこで，前年度と同様に新たな発言がされる度に，新しいトピックの開始かどうかを分類器によって判定し，議論を複数個のトピックに分割する．前年度は分類器として，CL-CNN（Character Level Convolutional Neural Network）を用いたが，本年度は，まずBERT（Bidirectional Encoder Representations from Transformers）により発言の特徴を抽出した後，LSTM（Long Short-Term Memory），CNN，Transformerなどを用いて分類器を構築した．
（2）発言ごとにBERTにおけるアテンションの重みからキーワード候補（名詞）を抽出する．トピック中，出現回数の最も多いキーワード候補をトピックのキーワードとした．
（3）抽出したトピック，キーワードそして発言者間の関係をネットワーク図で図示することによって，チャット上の議論の進歩状況を可視化することができた．特に（1）において，分類器としてCNNを用いて，10件の議論の発言のログ（総発言数727件）を対象とした場合，Accuracyは88.6%，Precisionは72.9%，Recallは60.0%の精度が得られた．
|
