LLM搭載チャットボットの感情表現における文脈適合と感情粒度（High/Low）が信頼に与える影響を検証した。VADモデルに基づくRAGで粒度を制御し、3シナリオ×7条件の実験（N=175）を実施した。適合条件は不適合・中立より信頼が有意に高く（p

本研究は、イノベーションを導く「問い」の設計を体系化する発想法 R.I Methodを提案する。クラウドソーシングにより収集した回答から、人が革新的と認める理由を抽出し、問いとして再利用可能な発想パターンを導出した。結果、29の発想パターンならびに因果・加減・相対・等価の4種の思考デバイスが確認された。本手法は、創造的発想を問いの文法として形式化し、AIを用いた発想支援の基盤となる。

本研究では、算数文章題の作問を対象として、演習時に考慮すべき制約を明示したドメインモデルと、回答結果に基づいて学習者の各制約の考慮度を連続値として更新する更新式を組み合わせた学習者モデルを試験的に構築・提案する。本稿では実際の学習者の学習ログを用いたシミュレーションを通じて、提案モデルの基本的挙動、および成立可能性について初期的な分析を行う。

近年，パフォーマンス評価におけるハロー効果を考慮できる項目反応モデルが提案されている．先行研究では受検者由来および評価者由来のハロー効果を個別に扱ってきたが，実際には両者が同時に生じる可能性がある．また，従来手法ではハロー効果を二値的に表現しているが，実際にはその影響は連続的であると考えられる．本研究では，両要因に由来するハロー効果を同時に扱い，誘発度を連続的に表現可能な項目反応モデルを提案する．

esports大会の盛り上がりに伴い，FPSゲームのスキル向上が注目されている．しかし従来の動画教材は他者のプレイであり，自身がなぜその判断をしたかを振り返る学習には適さない．本研究では，学習者自身のプレイ映像を分析し熟達者の知識構造との差分を提示することで振り返りを促す手法を提案・実装した．評価実験の結果，自己プレイによる学習は他者プレイと比較して振り返りの具体性向上につながることが示唆された．

近年，シンギュラリティを想定したAIリスクが重要な研究課題となっているが，複数リスクの相互作用や時間的変化を統合的に扱った研究は十分でない．本研究では，システムダイナミクスを用いて複数のシンギュラリティ関連AIリスクをモデル化し，シミュレーション分析によりリスクの動態的特性と顕在化構造を明らかにする．

日本語学習者数の増加や，都合の良い時間帯に利用できる日本語教室の不足などの要因から，独学で日本語を学習できる環境を構築することは重要である．そこで，理解度をユーザーが指定できる協調学習者エージェント(CLA)や，理解度に基づき自動的にマッチングした学習者とロールプレイ学習ができる日本語学習支援システムを構築した．

学習者の知識状態を推定する認知診断モデルでは，各テスト項目がどのような知識や技能（アトリビュート）に関係するかを表すQ行列を必要とする．Q行列は正確に設計する必要があるが，潜在的な概念であるアトリビュートを事前に網羅的に列挙することは難しい．そこで本研究では，Q行列に列挙漏れのアトリビュートが複数あると仮定し，これをデータドリブンで推定できる新たな多次元項目反応モデルを提案する．

研究目的は、生成AIを活用して質問力と信頼関係構築スキルの向上を図ることである。方法は、上司の役割を持った生成AIとのコミュニケーションと、生成AIによるフィードバックを通して質問力と信頼関係構築スキルを向上させる。最終的に、生成AIを活用させて質問力だけでなく信頼関係も構築できるような対話を行えるようにする。

自律的な学習や研究活動といった明確なゴールの規定が難しい思考タスクでは，問題解決過程を制御するメタ認知の発揮が求められる．こうしたメタ認知活動で参照されるメタ認知知識について，活動文脈に立ち入ったメタ認知知識をモデル化できれば，組織でのメタ認知知識への合意・蓄積・活用や，思考タスクの知的支援などに活用できる可能性がある．本研究では，こうした思考タスク固有のメタ認知知識を表すオントロジーを検討する．

知識の理解や転移を評価する上で，学習者が問題を作成する作問課題は有用と考えられている．しかし作問は負荷が高く，一般教育では訓練が行われていないことから，必要な知識を学んだ学習者であっても失敗する可能性がある．本研究では，初学者にも可能であると考えられる，与えられた問題の解法を異なる状況に適用する形式の作問課題を，データベースの領域における学習到達度評価に適用する実践方法を検討した．

記述回答自動採点の研究では採点精度の向上が代表的な目標とされる．しかし，仮に理想的な自動採点モデルが実現できても，データセットに介在するノイズの影響で自動採点の精度は100%には至らない．本研究では，テスト理論のアプローチを用いて，理想的な自動採点モデルが達成可能な精度の上限および現実的な目標値を導出する．また，従来研究でしばしば利用される人間間一致に基づく参照値が悲観的目標であることも証明する．

算数文章題作問システムMonsakunにおける学習者の操作シーケンスを自己回帰的に生成するモデルを提案する。提案モデルは実データと同等の試行錯誤率30%を達成し、100%のCHECK完了率を実現した。

多肢選択問題における学習者の選択行動予測（Option Tracing）は，誤答傾向に基づくフィードバック生成の基盤となる．しかし，従来のKTを拡張するIDベースの手法では誤答の質的差異を捉えることができない．そこで本研究では，問題文および選択肢文の埋め込み表現を選択肢間の識別能力を高める形で導入したOTモデルを提案し，誤答識別精度の向上と，誤答の判断根拠を分析する枠組みの構築を目指す．

本研究は，大規模言語モデルを用いた小論文自動採点において，答案本文は参照可能だが得点ラベルが得られていない状況を想定し，採点対象の答案本文のみを用いたラベルなし継続事前学習が，Zero-shotで得点を予測する際の性能をどの程度改善するかを検証する．学習の進行に伴う性能の推移を分析し，指標が最大となる学習段階を算出し，適用がもたらしうる上限的効果を明らかにする．

本研究では，学習中の表情情報に着目し，OpenFace を用いて抽出した AU17（顎先挙上）および AU26（顎下制） を指標として，学習者が困難を感じている状態を推定し，問題解決を促すヒントを提示する学習支援システムを構築した．本システムにより，ICT 端末を用いた学習過程におけるつまずきに対して，リアルタイムに支援を行うことを可能とした．