本論文では，XAI（説明可能なAI）の代表的手法であるSHAP（SHapley Additive exPlanations）を，従来の「モデルの説明」目的ではなく，「学習時の補助特徴量」として再利用する手法を提案する．SHAP値は，各特徴量が予測結果に与える寄与度を定量化するものであるが，提案手法ではこれを既存データに付与し，再学習を行うことでモデルの性能向上を試みた．複数の公開データセットを用いた実験の結果，SHAP値を追加特徴量として利用したモデルは，追加せずに学習したモデルに比べて平均で約5％精度が向上した．この結果は，SHAP値が潜在的に有効な特徴表現を内包している可能性を示唆しており，説明可能性と性能向上を両立させる新たな方向性を提示するものである．
