日本語機能表現解析技術
私たちの研究室では、複数の形態素から構成され，一つの機能語として働く表現である日本語機能表現について、入力文中の機能表現と特定と意味解析を行う技術の精度向上に取り組んでいます。
自動発注問題を題材としたIT人材育成教材 教育コースAiBiC Spiralの開発と実践
ビッグデータ処理、人工知能、クラウドの各技術を融合して社会の具体的な課題を解決できる人材の育成を目指して、スーパーマーケットにおける自動発注問題を課題として設定したPBLを設計・実装しました。システムを構成する各要素技術のみならず、チームでコンセンサスを得る方法やその難しさ、役割分担による開発、そのためのコミュニケーションなども経験できるようにしました。これまでに延べ236名を対象に実施し、アンケート結果等からその有用性を確認しました。
高度IT人材育成
近年、実践的な高度IT人材の育成を目的として、大学などの教育機関においてPBLを中心とした教育プログラムが広く実施されています。文部科学省のenPiT「成長分野を支える情報技術人材の育成拠点の形成」は、産学協働の実践教育ネットワークによって高度IT人材を育成する取り組みであり、我々はその取り組みの1つとして、ビッグデータ処理、人工知能、クラウドの各技術を融合して社会の具体的な課題を解決できる人材の育成を目指して、教育コースAiBiC Spiralを開発しました。
自動発注問題
クラウド技術の発展に伴い、様々な情報がビッグデータとして蓄積され、これらの情報に基づいて付加価値を生み出すAI技術の利活用が急速に広がっています。そこで、現実的な課題の1つとしてスーパーマーケットにおける自動発注問題を課題として設定し、PBLを中心としたカリキュラムを設計・実装しました。自動発注問題は、長期間に渡る小売の販売データ処理、データの解析、機械学習による予測モデル構築、それらを結合したプログラムの実装とクラウド上のサービス活用といった技術を必要とします。
この教育コースを実施するにあたり、実店舗における販売データに基づいた学習用データセットを用意するとともに、その販売データに基づいて店舗のシミュレーションを行う店舗シミュレータを設計・実装し、受講生によるチームが開発した自動発注システムの性能評価に用いました。
PBLを中心としたカリキュラム
実践的な高度IT人材の育成においては、もちろん技術の知識やそれを活用するスキルも重要ですが、それとともにチームで活動する経験も必要であると考えらます。チームにおいてコンセンサスを得る方法やその難しさ、役割分担による開発、そのためのコミュニケーションなどを経験することで、より実践的なスキルが身につくものと考えます。そこで、PBLの実施に先立ち、ビッグデータ、人工知能、クラウドの各技術の基礎知識を学ぶ講義・演習の他、ファシリテーションやプロジェクトマネジメントなどの演習を実施することで、チーム活動に必要なスキルの修得を目指します。
これらの基礎知識に基づき、自動発注のための意思決定システムをチームで構築するとともに、そこで得られた知見を最終成果発表会の場で他の学習者と共有します。
自己評価シートによる振り返り
チームでの活動を重視したPBLであることを意識させるため、自己評価シートによってPBLにおける1日の活動を振り返り、次の活動に活かします。
S1～S5は作業の計画性に関する質問です。チームとして活動するためには、計画に基づいてメンバーが作業を行うことが重要であり、また必要に応じて見直すというプロセスを認識させます。
S6～S7は情報共有に関する質問です。他のメンバーが何をしているかを把握しながら作業を進めることはチーム活動において重要です。
S8～S11は自分の活動に対する振り返りです。各自が能動的にチーム活動に参加することを促すためにこれらの項目を設定しています。
自己評価の結果は、チームごとに集計した結果をそのチームにフィードバックし、その後の計画に役立ててもらいます。
自己評価シート
S1. 作業を始める前に計画を立てましたか
S2. 計画では作業の成果物を具体的に定義できましたか
S3. 計画は必要なタイミングで見直すことができましたか
S4. 計画にそって開発を進めることができましたか
S5. 計画した目標は達成できましたか
S6. 振り返り時に他のメンバの作業内容に関して情報共有できましたか
S7. 議事録・実験ノートは適切に作成できましたか
S8. 自分はチームに何らかの貢献ができましたか
S9. 自分の作業はチームのコンセンサスを得て実施しましたか
S10. 自分の意見をチームに表明できましたか
S11. 特定のメンバに依存せずにチームとして活動できましたか
アンケート結果
2017～2020年度に、関西圏の大学（大阪大学、神戸大学、和歌山大学、大阪工業大学、京都産業大学、高知工科大学、甲南大学など）に在籍する延べ236名を対象に実施しました。
受講生に対するアンケートでは以下のような意見が得られています。
- 普段かかわりの少ない他大学の同期の知り合いが増えて非常に有益な時間だった
- チームで活動する中で、チームでプロジェクトを進める大変さとそれをうまく進めるための技術を経験することができた
- 今までの学習内容が異なる人たちとともに学習していくことで、自分の強みや弱みを自覚することができた
PROGによる受講前後の比較
教育の効果を客観的に測定するため、受講の前後においてPROGコンピテンシーテスト（株式会社リアセックによる，社会人として求められるジェネリックスキルを測定するための指標、7段階のレベルによる判定）を実施しました。実施年度によって有意差の見られる項目に違いはあるものの、複数の力について受講前後で有意差を確認しました。
論文
「自己評価と客観評価の変化に基づく実践的人材育成コースにおける質的教育効果の測定」(2021)『コンピュータソフトウェア』38(1)p.52-64.
「自動発注問題を題材とした実践的人材育成コースにおける授業改善」(2020)『コンピュータソフトウェア』37(1)p.19-30.
「自動発注問題を題材としたビッグデータ・AI技術に対する実践的人材育成コースの設計」(2017)『日本ソフトウェア科学会第34回大会論文集』34p.317-322.
研究シーズ・教員に対しての問合せや相談事項はこちら
技術相談申込フォーム