機械学習によるテキストデータの分析に基づく新たなFD・IRモデルの開発

点击翻译按钮获取中文摘要

本年度は、まず、これまで開発してきた授業評価アンケートのネガポジ判定のモデルが、どの程度その他の教育調査の自由記述のネガポジ判定に活用できるかについて検討した。授業評価アンケートは様々な教育活動上の観点を含んでいるため、授業が「よかったか」それとも「改善すべきか」を判定するためのモデルは、例えば、同様に様々な教育活動上の観点が回答される卒業生調査などの自由記述のネガポジ判定に活用できる可能性がある。実際の「卒業・修了生調査」の自由記述について、モデルによる判定の結果と人手による判定の結果を比較したところ、正解率84.6%、適合率(Precision)79.5%、再現率(Recall)85.3%と、ある程度高い値を示したことから、授業評価アンケートのネガポジ判定をその他の教育調査の自由記述の分析に応用できる可能性が示され、より広範囲なIRやFDの活動での活用を視野に入れることができた。本年度は次に、fastTextを用いた自由記述の自動分類の高速化に取り組んだ。従来のトピックモデルを用いた自由記述の自動分類は、分類する自由記述の件数が少ない場合でも、一定の分析時間がかかる特徴があり、今後分析件数が増えた場合にボトルネックとなる可能性を孕んでいた。また、結果を得るのに一定の時間がかかることが、気軽な分析を阻む心理的ハードルにもなり得ると思われた。そのため、分析速度向上を目的として、fastTextを用いた分析をシステムに組み込むことにした。fastTextは教師あり学習であるため、fastTextを用いて自由記述の分析を行うには、自由記述のカテゴリに関する大量の正解データが必要となる。本研究では、従来のトピックモデルによる分類で得られたトピックのラベルを正解データとして、fastTextに与えることで、最終的に一定の精度を保ったまま、分析を大幅に高速化することが可能となった。