メタ認知に基づく適応的学習支援
学習者が実際に何を理解しているかだけでなく、自分の理解状態をどれだけ正確に認識できているかを捉え、学習支援に活用する手法を研究しています。自由記述の学習振り返りとテスト結果を統合し、LLMと異種グラフニューラルネットワークを用いて学習者の知識認識を推定することで、過信や自信不足などの状態を捉え、知識不足と自己認識のずれに応じた個別フィードバックの実現を目指しています。
研究内容
ラーニングアナリティクス
連合学習によるAt-risk学生の早期予測
複数の教育機関が学生データを直接共有せずに協調学習できる連合学習と、学生間の相対的な差分特徴を組み合わせ、学業不振リスクを予測する手法を研究しています。予測結果から支援の優先度を示すリスクランキングを生成し、プライバシーを保護しながら早期支援につなげることを目指しています。
協調的問題解決スキルの認識
学習者同士の対話データから、協調的問題解決に必要な複数のスキルを自動的に認識する技術を研究しています。発話者の役割や発話の交替など、対話の構造を考慮した言語モデルを用いることで、協働学習の分析や学習支援につなげることを目指しています。
時系列予測
連続血糖値の時系列予測
時系列データから将来の状態を高精度に予測する深層学習モデルを研究しています。GluTANNでは、Transformerに独自の注意機構を導入し、連続血糖値の予測精度を維持しながら予測の不確実性を低減することを目指しています。
Mambaによる時系列予測
時系列データに含まれる複雑な非線形依存関係をより効果的に捉えるため、Mambaを拡張した予測モデルを研究しています。負のフィードバック機構を導入することで、長期的な依存関係と非線形な変化を捉え、高精度な時系列予測につなげることを目指しています。