研究室で取り組んでいる研究と、これまでの研究を紹介します。
日本語のプログラミング質問応答データを分析し、学習者がつまずきやすい話題や質問内容の傾向を明らかにする研究です。teratailから収集したPython関連の質問48,083件を対象に、形態素解析、キーワード抽出、クラスタリング、トピックモデルを適用しました。得られた知見を、将来的なローカル環境で動作する学習支援用対話モデルの設計につなげます。
グループ議論での停滞を検知し、個人思考とグループ思考を切り替えながら
理解不足を解消する支援を行う研究です。
独自の観戦方針に基づいて意見を示すAI観戦パートナーを設計します。AIの意見の示し方が、観戦の楽しさや観戦相手としての印象に与える影響を検証します。
生成AIやSNSから得た情報を十分に検証せず、受け入れてしまうことが問題となっています。本研究では、異なる立場のAI同士が議論する「AI Debate」に着目し、対立する主張や根拠を提示することが、人間の情報評価や情報探索行動に与える影響を調査しています。
プレイヤーの操作とAIの操作を混ぜ合わせ、AIの割合をなめらかに変えられる操作支援を作っています。ゲームを遊ぶAIは、操作の記録がないふつうのプレイ動画から学ぶため、ゲームの内部データを必要としません。
犬や猫のように、人間と情緒的なふれあいを行うロボットを「コンパニオンロボット」と呼びます。近年彼らは、企業のオフィスにも導入されているため、精神的な疲労だけでなく、仕事や学習で必要となる注意機能へ与える影響について検討します。
会議では参加者ごとに理解度が異なるにもかかわらず、「今さら聞きにくい」といった理由で理解不足が表明されず、認識のズレが放置されがちです。本研究では、内容を教えるのではなく「分からない人がいる」という事実だけを匿名で共有する軽量な支援に着目し、会議資料のページ単位で理解不足を表明できるシステムの設計と評価に取り組んでいます。
プログラミング学習では試行錯誤が不可欠ですが、苦戦が続くと学習意欲の低下や挫折につながる懸念があります。本研究では、成長マインドセットに着目し、日常的な開発環境上で学習者の試行錯誤の過程を支える支援システムの設計と評価に取り組んでいます。
Webサイトの第一印象は一瞬で定まり、それが後のそのサイトの体験に深く影響します。この原理を機械学習などの不確定なものではなく定量的に評価を行うことで審美性を数値で表現できることを目指しています。