生成AIを用いたシラバス情報の拡張と授業内トピック間類似度評価の検討

• Item type: SIG Technical Reports(1)
• 公開日: 2023-11-25
• タイトル: 生成AIを用いたシラバス情報の拡張と授業内トピック間類似度評価の検討
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: CLE一般セッション(3)
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 九州大学工学部電気情報工学科
• 著者所属: 九州大学大学院システム情報科学研究院
• 著者所属: 九州大学データ駆動イノベーション推進本部
• 著者所属: 九州大学大学院システム情報科学研究院
• 著者名: 尾崎, 真大; 大久保, 文哉; 峰松, 翼; 島田, 敬士
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 大学において学生が能動的な学びや自身の学習の振り返りを効率よく行うためには，個別の科目の情報を細かく把握するだけでなく，関連する科目を横断的に把握することも重要である．しかし，一般的なシラバスシステムに登録されている情報は科目ごとに孤立していることが多く，科目横断的な情報把握が難しい．先行研究では，シラバスの文章を TF-IDF でベクトル化することで科目間類似度を計算するアプローチが提案されているが，この類似度はシラバスに登録された文量の多少により，過大/過小評価される恐れがある．また，より詳細な情報として科目間/科目内の「トピック間類似度」の計算を行う際に，シラバスに記載されている授業計画の情報が少なく，TF-IDF の算出に必要な単語を十分に抽出できない可能性がある．そこで，本研究では文章生成 AI を用いてシラバスの文章を拡張した後に類似度計算を行う手法を提案する．また，学習者に対するアンケートを用いて，提案手法で得られた類似度と学習者の期待する類似度の間の整合性を評価した．結果として，従来手法と比べると学習者の期待する類似度により近い値を計算できた．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12496725
• 書誌情報: 研究報告教育学習支援情報システム（CLE）; 巻 2023-CLE-41, 号 26, p. 1-8, 発行日 2023-11-25
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8620
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会