データ処理とモデル訓練に関する研究
令和8年1月7日|p.2
左の本文を選ぶと、右側の官報原文画像で該当箇所を照合できます。
### 2.2.2 特征提取
特征提取是将文本数据转换为数值向量的过程。常用的方法包括词袋模型（Bag of Words）、TF-IDF 和 Word2Vec 等。这些方法可以帮助模型更好地理解文本的语义信息。
### 2.2.3 模型训练
模型训练是使用预处理后的数据和提取的特征来训练机器学习模型的过程。常见的模型包括朴素贝叶斯、支持向量机（SVM）和深度学习模型如卷积神经网络（CNN）和循环神经网络（RNN）。
### 2.2.4 模型评估
模型评估是通过测试集来评估模型性能的过程。常用的评估指标包括准确率、召回率、F1 分数和 ROC 曲线等。这些指标可以帮助我们了解模型的泛化能力和预测效果。
2.1 研究目的
本研究は、AI を活用した教育支援システムの開発を通じて、学習者の個別最適化された学習体験を提供することを目的とする。具体的には、以下の三つの主要な目標を設定する。
第一に、学習者の行動データと成績データを統合的に分析し、個々の学習スタイルや理解度を正確に把握するモデルを構築することである。これにより、従来の画一的な指導方法では対応が困難であった多様な学習ニーズに応えることが可能となる。
第二に、リアルタイムでのフィードバック機能を実装し、学習者が誤った理解をした際に即座に修正できる環境を整備することである。この機能は、特に数学や科学といった論理的思考が求められる分野において効果的であると期待される。
第三に、教師の業務負担軽減を図るための自動化ツールを開発することである。例えば、課題の自動採点システムや、クラス全体の学習進捗を可視化するダッシュボードなど、教育現場における実用性を重視した設計を行う。
2.2 研究方法
### 2.2.1 データ収集
本研究では、協力校から過去 3 年間の生徒の学習ログ（問題解答時間、正答率、再挑戦回数など）および定期試験の結果を取得する予定である。また、アンケート調査を通じて、生徒の学習意欲や自己効力感に関する定性的データも併せて収集する。