近年、中国経済は「新常態」の発展段階にあり、三農問題は常に注目されている。本研究では、「新常態」が進む中で三農問題の解決策として、農村人口の割合が全国平均を上回り、農林牧漁業生産額で全国1位の山東省を対象に、観光消費の経済効果とその細分化による農産物消費が地域経済に与える影響を産業連関分析によって考察することを目的とする。中国の既存研究で、観光消費を分析する際に「買い物」の内訳などの詳細な消費内訳を把握する研究は限られている。また、中国では流通マージンが公表されず、産業構造の分析が主流で、経済波及効果の推計は少ない。特に、中国の省級行政区における観光消費が農林牧漁業に及ぼす経済波及効果についての研究はあまり見受けられない。 　本研究では、中国山東省における観光消費に関するアンケート調査を実施し、特に農産物消費を含む観光消費の内訳を把握した。そして、公開データを用いて商業マージン率と運輸マージン率を算出し、観光消費および農産物消費がもたらす経済効果を推計した。さらに、観光消費と住民消費の農産物消費による波及効果を分析した。また、山東省とほかの28省級行政区、中国全体との農林牧漁業消費の生産誘発額を比較した。 　その結果、山東省における観光客の観光消費および農産物消費が大きな経済波及効果をもたらし、農林牧漁業への影響が顕著であることが明らかとなった。さらに、山東省における観光客消費と地元住民消費による経済効果の影響は異なるものの、両者が共に重要な役割を果たしていることを確認した。また、山東省の農林牧漁業における生産誘発額が中国平均を下回ることも示された。 　分析結果から、三農問題を解決するためには、農産物の消費拡大の観点から農林牧漁業と観光の融合により観光客を誘致することが効果的な戦略であることがわかった。これにより地元市場および観光市場での消費者の認識が高まり、生産誘発額も向上することが期待される。

　総合的な学習の時間の話し合い場面における「協働」の質を高める方略は、教師の経験則に基づいて行われることが多く、暗黙知のままで留まりがちである。そこで本研究では、教師が総合的な学習の時間の話し合い場面における「協働」の質を高めるために必要なイメージと方略を獲得し、それらを実践につなぐために活用することを企図した授業づくり支援ツールを作成した。また、本ツールを用いた研修プログラムを受講した若手教師からの評価をもとにツールを改善するとともに、アンケート調査を通して、若手教師が、総合的な学習の時間に対する意識や総合的な学習の時間の話し合い場面における「協働」を具現化するためのイメージや方略をどのように変容させたかについて把握し、本ツールを活用する意義について分析した。その結果、本ツールは、若手教師にとって、目指すべき質の高い「協働」のイメージと方略を明確化・具体化し、授業づくりの困難さを軽減させるための指針となっていること、学級の話し合いの現状と進むべき方向性を把握し、授業改善へ向かう意欲を高める効果があることが確認できた。 　このことは、先行研究や先進実践をもとに導出した理論も踏まえながら、話し合い場面を設定する上での思考・判断の手がかりとなる理論や思考・判断の流れを詳細に顕在化し、若手教師に研修プログラムを通して授業づくり支援ツールとして提供した成果である。また、話し合い場面における「協働」や方略のイメージをもった上で話し合い場面を考案する流れを生み出すようにツールを提示した成果ともいえる。しかし、全研修プログラム終了時には、若手教師はツールをもとに実践を積み重ねている段階であり、「自信がある」という意識をもつまでには至らなかった。「自信がある」と言い切るまでには、ツールから得たイメージをもとにさらに実践し、子どもの姿が変わったという手応えを得る機会を積み重ねていく必要があるであろう。このことを踏まえ、授業づくり支援ツールの日常的活用や教員研修活用への可能性を吟味し直し、教師の授業力向上に寄与できる研究を推進したい。

This study explores the innovative applications of depth cameras combined with Graph Convolutional Networks (GCN) for action recognition in two critical domains: elderly care and smart education. We harness the capabilities of depth cameras to capture spatial and temporal features, alongside our robust GCN algorithm, to develop models capable of accurately recognizing and classifying human actions. In elderly care, our model is particularly focused on detecting and analyzing falls, which are crucial for enhancing care safety and supporting the independence of elderly individuals. Experimental results demonstrate that our depth camera-based action recognition model achieved an impressive average accuracy of 96.3% in fall detection within real-world scenarios, while also maintaining low rates of false positives and false negatives. In the realm of smart education, our depth camera-based model is specifically designed to recognize students’ hand-raising actions in real-time, which is crucial for comprehensively assessing student engagement in the class, and accordingly adjusting teaching strategies. Experimental results show that our model achieves an average accuracy of 89.7% in realworld scenarios, while maintaining low rates of false positives and false negatives. Overall, this study showcases the powerful potential of integrating depth cameras with GCNs for action recognition, significantly enhancing both the safety and efficiency of elderly care, as well as the interactivity and educational quality of smart education.