Kitamoto Takuya

オンライン学習が急速に普及する中、ビデオ教材は教育分野において重要なツールとなっている。しかし、ビデオ制作には時間とコストがかかり、高品質なコンテンツを作成・更新することが難しいという課題が存在する。本論文は、これらの課題に焦点を当て、新しいアプローチを提案する。本論文ではHTML5を活用した新しい教材作成システムを紹介し、その特徴を解説する。この教材システムはスライドショー形式を採用し、静止画、解説、音声合成を組み合わせることにより。教材の修正を容易にしている。またブラウザ上で動作するので、さまざまなデバイスからアクセス可能である。これにより、ビデオ教材の制作・提供における効率性と柔軟性の向上が期待できる。本論文のシステムは、オンライン学習の未来に向けた教育技術の発展に貢献し、教育分野の変革に寄与する新たなアプローチを提供することを目指している。

現在、様々な機械学習手法が考案され、比較的簡単に使うことができるようになっている。前回の研究［1］では、手の動作識別やそれを利用したカーソルの動きについて、深層学習を用いて学習回数が少なく高精度に識別する手法を用いたが、本研究ではその他の機械学習手法ではどうなのかを調査する。一つ一つ機械学習の手法を試していくのは、時間がかかるため、かなりの部分を自動化し、複数のモデルを比較できるPyCaretというPythonのライブラリを用いて実験を行う。PyCaretは、環境によってインストールに少し時間がかかることもあるが、それ以上に自動化によって受ける恩恵は大きい。PyCaretを使い、性能が高いモデルを探索し、それを使って 3動作識別を行うことで、遅延が少なく正確なカーソル操作を目指す。本手法では動作識別のたびに再学習が必要となるが、比較的シンプルな構成でコストも低いことから、筋電義手への応用に有用ではないかと考えられる。また、今回も前回の研究［1］を引き継ぎ、Arduino Uno R3 やMyoWare筋電センサといった安価で、手軽に実験できる機器を用いる。

近年の計算機の性能向上やフレームワークの発展により、深層学習が手軽に行えるようになってきた。従来、計算コストの問題や数値化するのが難しかった事象でも、高い精度で回帰や分類などが行えるようになってきている。本稿では、筋電位に注目し手の動作の識別について、深層学習で分類する。実験初期段階では手動で分類していたが、現段階では精度に問題はあるが、リアルタイムで分類することも可能となった。データ取得方法として、ワンボードマイコンの一種であるArduino Unoと簡易筋電センサーのMyo Ware筋電センサーを用いる。 このように、生体信号の一つである筋電位を用いて動作する義手を筋電義手と言い、多方面に渡る応用が期待される分野の一つである。また、筋電位を詳しく理解することによって心拍、脳波、脈拍などの他の信号の理解の助けになると考えられる。

近年、数式処理の研究分野で注目されているQuantifier Eliminationは応用範囲が広く、様々な分野への応用が可能と言われている。実際、国立情報学研究所が中心となって実施された「ロボットは東大に入れるか」というプロジェクトでは、数学の問題解法にQuantifier Eliminationが活用され、その有効性が確認された。プログラミング教育が必修の小・中学校・高等学校ではIT技術の活用が求められており、小・中学校・高等学校の教員を目指す学生がこのQuantifier Eliminationについて学ぶことは意義が大きいと考えられる。そこで教員を目指す学生の授業の一部において、数学の大学入試問題をQuantifier Eliminationを用いて解くことにより命題論理の演習を実施したので、その経過と結果を報告する。