生成AIを用いた科目間の関連性および科目の位置付けに関する説明文生成手法

• Item type: SIG Technical Reports(1)
• 公開日: 2024-06-08
• タイトル: 生成AIを用いた科目間の関連性および科目の位置付けに関する説明文生成手法
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ET/CLE(2)
• 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: 九州大学大学院システム情報科学府
• 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: 九州大学情報基盤研究開発センター
• 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: 宗村, 隆世; 大久保, 文哉; 峰松, 翼; 谷口, 雄太; 島田, 敬士
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 高等教育において，学習者が興味・関心に基づいた学習を行うために，過去の履修状況を振り返りながら能動的に履修計画を立てることは重要である．これを実現するためには，過去に履修した科目と今後履修可能な科目の関連性といった科目横断的な情報が有用である．しかし，高等教育において一般的に提供されるシラバス情報とカリキュラム情報をもとに，科目横断的な内容把握をすることは労力を伴うという課題がある．先行研究では，科目間や科目とカリキュラムの関連性の可視化を行うシステムが提案されているが，関連性の強さや関連キーワードのみを可視化するため，具体的にどのような関連性があるかを学習者が把握することは困難である．そこで本研究では，生成 AI を用いて科目情報とカリキュラム情報をもとに科目間の関連性を分類し，科目間のつながりや科目のカリキュラムにおける位置付けの説明文を生成する手法を提案する．また，学習者を対象とした評価実験により，科目間の関連性の分類精度と説明文の評価を行った．結果として，科目間の関連性を 7 割程度の精度で分類できることが示された．さらに，生成された説明文が科目横断的な理解の促進や履修計画支援において有用である可能性が確認できた．
• 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 2024-CLE-43, 号 5, p. 1-8, 発行日 2024-06-08
• 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