Topic outline

  • General

    • Outline

      In order to prevent as many irreversible accidents as possible by providing online safety education, we intend to develop an LMS that can provide active and proactive interactions with the users by enhancing the Moodle UI and features like the followings:
      • A Voice User Interface (VUI) enables learning through interactions by voice or sound, and starts to talk to learners from the LMS side via smart speakers.
      • A chatbot interface that enables learning by interactions through SNS that learners use on a daily basis. As with a VUI, interactions from the LMS can be started without any operation from learners.
      • An original Moodle Analytics model that enables proactive instructions and interventions for high risk of failure learners based on the prediction of the learner's behavior.
      • An engine that can estimate the mental state of a learner based on the learning logs and the user's biological information (such as brain waves and respiration) that enables adaption of the LMS behavior according to the estimated mental state.

    • これまでの研究活動

      Deep Neural Networkにより学習者の生体情報（脳波、呼吸など）から心的状態を推定する機構を構築し[1][2]、高い精度での心的状態推定の結果が得られている。また、ユーザにとって心理的により身近なUI（ユーザインターフェイス）として、Moodle上の小テスト受験やドキュメント検索ができる音声UIを開発し[3]、LINE Messaging API のアカウントリンク機構によりMoodle上のユーザ固有の情報を扱えるLINEチャットボットUIを開発した[4]。これによりユーザは、明示的にログインせずにMoodleを操作でき、プッシュ型での情報配信を受けることも可能となった。加えて、Moodleの標準機能「アナリティクス」用の独自の推定モデルと上述の心的状態の推定機構との連携が可能となるプラグインを開発[5]（下図）し、学習者行動の予測に基づくプロアクティブな（成績評価が確定する前に先回りしての）介入により、効果的な安全教育を可能とする仕組みを構築することができた。


      [1] Matsui Tatsunori, Tawatsuji Yoshimasa, Fang Siyuan and Uno Tatsuro, "Conceptualization of IMS that Estimates Learners’ Mental States from Learners’ Physiological Information UsingDeep Neural Network Algorithm", In Proceedings of Intelligent Tutoring Systems, 1(63-71), 2019[2] 松居辰則, 生体情報を用いた学習者の心的状態推定と学習支援の試み, 教育システム情報学会論文誌,36(76-83), 2019[3] Toshihiro Kita, Chikako Nagaoka,Naoshi Hiraoka and Martin Dougiamas, “Implementationof Voice User Interfaces to Enhance Users’ Activities on Moodle” In Proceedings of 2019 4th International Conference on Information Technology (InCIT), 1(104-107), 2019[4] T.Kita,C.Nagaoka, N.Hiraoka and T.Molnar, "Development of a Moodle UI Using LINE Chat for Casual Learning asa Part of a Learner Assistive LMS.", In Proceedings of 2020IEEE International Conference on Teaching, Assessment, and Learning forEngineering (TALE), 1(927-929), 2020[5] 喜多敏博, 松居辰則: 学習者の心的状態も加味したMoodleアナリティクスを用いたプロアクティブな学習者支援, 人工知能学会先進的学習科学と工学研究会資料92巻, 2021

  • Voice User Interface

  • Chatbot interface

    • linebot1.png

      LINEトーク画面でのMoodle小テスト受験

  • Moodle Analytics model

    • Learners' mental state estimation

      • affective1.jpg

    • Research achievements for this project

      • Implementation of Voice User Interfaces to Enhance Users’ Activities on Moodle URL

        T.Kita, C.Nagaoka, N.Hiraoka and M.Dougiamas, "Implementation of Voice User Interfaces to Enhance Users’ Activities on Moodle", 2019 4th International Conference on Information Technology (InCIT), 1, 104-107, doi: 10.1109/INCIT.2019.8912086 (査読有, 国際共著) (2019)

      • 生体情報を用いた学習者の心的状態推定と学習支援の試み URL

        松居辰則, "生体情報を用いた学習者の心的状態推定と学習支援の試み", 教育システム情報学会論文誌, 36, 76-83, doi: 10.14926/jsise.36.76  (2019)

      • Conceptualization of IMS that EstimaMental States from Learners’ Physiological Information Using Deeptes Learners’ Neural Network Algorithm URL

        Matsui Tatsunori, Tawatsuji Yoshimasa, Fang Siyuan, Uno Tatsuro, "Conceptualization of IMS that Estimates Learners’ Mental States from Learners’ Physiological Information Using Deep Neural Network Algorithm", Intelligent Tutoring Systems, 1, 63-71, doi: 10.1007/978-3-030-22244-4_9 (査読有) (2019)

      • Development of a Moodle UI Using LINE Chat for Casual Learning as a Part of a Learner Assistive LMS. URL

        Toshihiro Kita, Chikako Nagaoka, Naoshi Hiraoka, Tamas Molnar, "Development of a Moodle UI Using LINE Chat for Casual Learning as a Part of a Learner Assistive LMS.", 2020 IEEE International Conference on Teaching, Assessment, and Learning for Engineering (TALE), 1, 927-929, doi: 10.1109/TALE48869.2020.9368321 (査読有, 国際共著) (2020)

      • Explanation of emotion regulation mechanism of mindfulness using a brain function model URL

        Haruka Nakamura, Yoshimasa Tawatsuji, Siyuan Fang, Tatsunori Matsui, "Explanation of emotion regulation mechanism of mindfulness using a brain function model", Neural Networks, 138, 198-214, doi: 10.1016/j.neunet.2021.01.029 (査読有) (2021)

      • 喜多敏博, 松居辰則, "Moodleアナリティクスの学習者支援機能とその拡張可能性", 人工知能学会第91回先進的学習科学と工学研究会 (2021)

        喜多敏博, "自然言語処理ツールの教育応用（Google Colab で Google NL API と Ginza を試す）", 日本教育工学会 SIG-12 第3回研究会 (2021)

        喜多敏博, "Moodleアナリティクスを用いた学習者状況の推定", 日本教育工学会 SIG-12 第2回研究会 (2020)

        喜多敏博, "CNNでの深層学習による画像認識の応用", 日本教育工学会 SIG-12 第1回研究会 (2020)

        喜多敏博, 松居辰則, 北村光司, 富田賢吾, 苑田裕樹, "教育で防ぎ得た重大事故を防ぐ能動的LMSを軸とする安全教育システムの実現にむけて", 日本教育工学会2020年春季全国大会自主企画セッション (2020)

        喜多敏博, 長岡千香子, 平岡斉士, "OSSを用いたMoodleの音声UI構築の試み -Moodleと連携するMycroftスキルの開発", 人工知能学会全国大会(Web) (2020)

        喜多敏博,長岡千香子,平岡斉士, "Chatbot形式での小テスト受験や学習者向け通知を実現するLINEトークを利用したMoodle用UIの開発", 日本教育工学会2020年春季全国大会 (2020)

        喜多敏博, 長岡千香子, 平岡斉士, "LMSでのユーザ活動を活性化させる一手段としての音声ユーザインターフェイス", 2019年度人工知能学会全国大会(第33回) (2019)

        喜多敏博,長岡千香子,平岡斉士, "安全教育での利用を目的とした音声ユーザインターフェイスによるLMS機能強化", 日本教育工学会第35回全国大会（名古屋国際会議場）発表論文集 (2019)

      • 中村遥佳, 田和辻可昌, 松居辰則, 中村誠, 木村浩一, 藤澤久典, "最大流量問題によるマインドフルネス状態の実現に寄与する脳内の情報伝播経路の解明の試み", 2021年3月3日@オンライン, 信学技報, vol.120, no.403, NC2020-50, pp.41-46 (2021)

        中村遥佳, 田和辻可昌, 松居辰則, 中村誠, 木村浩一, 藤澤久典, "マインドフルネス状態のネットワーク最適化問題としての定式化とデジタルアニーラを用いた重要脳領域の同定の試み", 2022年1月22日@オンライン, 信学技報, vol.120, no.331, NC2020-37, pp.29-33 (2021)

        中村遥佳, 田和辻可昌, 松居辰則, 中村誠, 木村浩一, 藤澤久典, "マインドフルネス状態の実現に寄与する脳内情報伝搬経路のデジタルアニーラを用いた同定の試み", 2021年電子情報通信学会 (2021)

        中村遥佳, 田和辻可昌, 松居辰則, "脳機能モデルによる訓練の段階を考慮したマインドフルネス時の感情制御メカニズムの説明", 第34回人工知能学会全国大会 (2020)

        中村遥佳, 田和辻可昌, 松居辰則, "脳機能モデルに基づくマインドフルネスの移行訓練の効果の説明", 第22回日本感性工学会全国大会2020年9月10日@オンライン (2020)

        山本悠太, 小島一晃, 松居辰則, "e-learning学習者の感情状態の時系列変化と学習継続に関する心理状態の関係モデルの構築", 2020年度教育システム情報学会学生研究発表会 (2021)

        古澤嘉久, 田和辻可昌, 松居辰則, "生体情報を用いた学習者の心的状態推定モデルにおけるラベリングコスト削減の試み", 2020年度教育システム情報学会学生研究発表会 (2021)

        古澤嘉久, 田和辻可昌, 松居辰則, "生体情報による学習者個人の心的状態推定モデルの精度評価/解釈とラベリングコスト低減に関する実験的検討", 人工知能学会第91回先進的学習科学と工学研究会 (2021)

        古澤嘉久, 田和辻可昌, 松居辰則, "オンデマンド授業視聴時の学習者個人の心的状態推定モデルの構築とその解釈の試み", 第34回人工知能学会全国大会 (2020)

        古澤嘉久, 田和辻可昌, 松居辰則, "生体情報による個人に対応した機械学習モデルを作成するにあたって注意するべきこと", 第22回日本感性工学会全国大会 (2020)

        古澤嘉久, 田和辻可昌, 松居辰則, "生体情報を用いた学習者の心的状態推定モデル作成に対する教師なしドメイン適応によるラベリングコスト低減の試み", 電子情報通信学会技術研究報告;教育工学 (2020)

        古澤嘉久,田和辻可昌,松居辰則, "時系列情報を考慮したオンデマンド授業視聴時の学習者の心的状態推定モデルの提案", 第87回先進的学習科学と工学研究会 (2019)

        古澤嘉久,田和辻可昌,松居辰則, "学習者の心的状態を推定する機械学習器の解釈可能性を志向した分析的アプローチの提案", 第44回教育システム情報学会全国大会 (2019)

        古澤嘉久,田和辻可昌,松居辰則, "学習者の心的状態推定モデルが獲得した潜在的分類観点と判断根拠抽出の試み", 第86回先進的学習科学と工学研究会 (2019)

    • Related miscellaneous research achievements

    • 対外発表のオンライン資料