習熟度推定モデルに基づくデジタル人材育成支援システムの開発

基于能力评价模型的数字化人力资源开发支撑系统开发

• 批准号: 22K12309
• 负责人: 山本 一幸
• 金额: $ 2.66万
• 依托单位: Ibaraki University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12309/
• 关键词: 機械学習; テキストマイニング; 情報リテラシー; 学習支援システム

本研究課題は、組織に特化したデータを学習データとした機械学習によるテキストマイニングを行い、特徴量を抽出し情報リテラシーに関する学習の習熟度を推定するモデルを開発することである。本研究課題の特徴として、組織に特化したデータとして、レポートや試験等の直接的なデータではなく、問い合わせ対応のデータ等の間接かつ時系列データから習熟度を推定することである。ここで問題となるのが一般的な機械学習の学習データと比べて組織に特化したデータは、データ量が少ない傾向にある。そのため開発したモデルの精度を高めるためには、学習データのクリーニングを適切に行い習熟度を推定するモデルからノイズを除去する必要があると考えられる。本研究課題では、メールでの問い合わせデータを主な学習データとすることから挨拶文や署名、引用返信等の情報は、情報リテラシーに関する学習の習熟度推定に直接的に影響しないデータノイズである。またメールデータは、文書の構造が問い合わせフォーム等と異なり質問者に依存しているため簡単にデータノイズをプログラムよる自動処理でクリーニングすることが難しい。2022年度は、習熟度推定のモデル開発を行うためにデータノイズを除去した学習データを生成する機械学習を用いたクリーニングモデルを開発した。一般に機械学習で使われている学習データでは、メールデータ内の要・不要データを分類することができないため、本モデルに最適化した学習データを作成した。作成した学習データを使ってクリーニングモデルを作成し、情報リテラシー学習の習熟度推定モデル作成のためのデータセットをデータノイズの定義方法の違いにより複数作成した。情報リテラシー習熟度推定モデルを開発する前に、これらのデータセットを使って習熟度推定モデルのモデル空間について評価が必要となる。

该研究主题是开发一种使用特定于组织的数据作为学习数据的模型，并提取数量并估算有关信息素养的学习能力。该研究主题的一个特征是估计从间接和时间序列数据（例如查询）的熟练程度，作为针对组织专门的数据，而不是直接数据，例如报告或测试。这里的问题在于，与一般机器学习数据相比，特定于组织的数据往往具有较少的数据。因此，为了提高开发模型的准确性，认为必须从正确清洁训练数据并估算熟练程度的模型中消除噪声。在本研究主题中，主要学习数据是电子邮件查询数据，因此，诸如问候，签名和报价回复之类的信息是数据噪声，不会直接影响有关信息素养的学习能力的估计。此外，与查询形式不同，邮件数据结构与查询表格不同，因此很难通过通过程序自动处理来轻松清洁数据噪声。在2022年，我们使用机器学习开发了一个清洁模型，该模型通过删除数据噪声生成学习数据，以开发一个模型以进行熟练度估算。由于通常在机器学习中使用的培训数据不允许在电子邮件数据中分类必要的和不必要的数据，因此创建了针对此模型进行优化的培训数据。使用创建的培训数据创建了一个清洁模型，并创建了多个数据集来创建用于信息素养学习的能力估算模型，具体取决于数据噪声的定义方法。在开发信息素养水平估计模型之前，这些数据集需要用于评估熟练度估计模型的模型空间。