@techreport{oai:ipsj.ixsq.nii.ac.jp:00241394,
 author = {奈田, 青葉 and 渡辺, 博芳 and 林, 宏樹},
 issue = {14},
 month = {Nov},
 note = {高等学校の「情報 I 」の科目において，授業の成果物として統計ポスターが作成されることがある．統計ポスターの評価には，データの活用の観点での評価と，情報デザインの観点での評価が必要である．近年，多くの分野において CNN を利用した画像識別が行われていることから，情報デザインの観点での評価は CNN によって自動化できるのではないかと考えた．本研究では CNN を利用した画像識別により，統計ポスターのデザインを自動的に評価する手法を検討した．「近接」「整列」「反復」「対比」「余白」「背景色」「色数」「色の組合せ」の 8 つの評価項目を設定し，562 枚のポスター画像を基準に従い二値分類し，MobileNetV2 の転移学習を用いて各評価項目ごとにモデルを作成した．その結果，視覚的に明確な基準を持つ項目では高い精度が得られ，モデルが比較的正確に学習できたが，複雑な基準を持つ項目では課題が残った．, In high school “Information I” classes, students sometimes create statistical posters as part of their coursework. Evaluating these posters requires assessment from both data utilization and information design perspectives. In recent years, Convolutional Neural Networks (CNNs) have been widely used for image recognition across various fields, leading to the consideration that information design evaluation could be automated using CNNs. This study explores a method for automatically evaluating statistical poster designs using CNN-based image recognition. Eight assessment criteria were defined: “proximity,” “alignment,” “repetition,” “contrast,” “margin,” “background color,” “number of colors,” and “color combinations.” A total of 562 poster images were binarily classified based on these criteria, and models were created for each assessment item using transfer learning with MobileNetV2. As a result, items with visually clear standards achieved high accuracy, indicating that the model was able to learn relatively accurately; however, challenges remain with assessment items involving more complex criteria.},
 title = {畳み込みニューラルネットワークMobileNetV2を用いた統計ポスターのデザイン自動評価に関する研究},
 year = {2024}
}