シラバス参照／View Syllabus
|
シラバス参照／View Syllabus
|
| 科目一覧へ戻る／Return to the Course List | 2026/03/23 現在／As of 2026/03/23 |
|
開講科目名 ／Course |
情報特殊研究（情報処理論）(D)／INFORMATICS（INFORMATION PROCESSING） |
|---|---|
|
開講所属 ／Course Offered by |
大学院／ |
|
ターム?学期 ／Term?Semester |
2026年度／2026 Academic Year |
|
曜限 ／Day, Period |
水1／Wed 1 |
|
開講区分 ／semester offered |
通年／Yearlong |
|
単位数 ／Credits |
4.0 |
|
主担当教員 ／Main Instructor |
李 凱／LI Kai |
|
遠隔授業科目 ／Online Course |
－ |
|
授業の目的?内容 ／Course Objectives |
本コースは、マルチメディア技術、センシングネットワーク、IoT、教育工学などの融合領域における最先端技術を探求し、博士論文研究の基盤を構築することを目的とする。具体的に、複数の技術領域を統合した総合的な学際的研究能力の育成、IoT、AI/ML、マルチモーダルセンシングの先端技術の理解、技術を教育?学習環境に応用する方法論の開発、データ収集、分析、評価における厳密な研究方法論の確立、国際学術誌への投稿を視野に入れた論文執筆能力の向上を達成する。研究テーマの一例として、マルチメディア技術とセンシングの統合、IoTアーキテクチャと教育環境への実装、学習分析とマルチモーダルデータ解析、エッジAIと適応的学習システム、研究デザインと評価方法論、最新論文の批判的分析などテーマを通じて、自身の研究テーマを深化していく。 学位授与方針（DP）における「緻密な分析により、現実の社会もしくは組織が直面している諸問題に対し解決策を提案する能力。また、その解決策の効果を評価し、限界を明らかにする能力」を身に付けるためである。教育課程の編成?実施方針（CP）における「経営?情報分野における高度の研究能力」を養うための科目である |
||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
|
使用言語 ／Language used |
日本語＋外国語/Japanese+foreign_language | ||||||||||
|
採用している授業方法 ／Teaching methods used |
プレゼンテーション/Presentation 、 ディスカッション?ディベート/Discussion?Debate 、 実習/Practical_training 、 PBL（課題解決型学習）/Project-based-learning | ||||||||||
|
授業の形式?方法と履修上の注意 ／Teaching method and Attention the course |
講義形式ではなく、受講生の主体的な参加を重視したセミナー形式で実施する。関連論文の批判的分析と発表、討論、ハンズオン演習、データ分析、システム実装、最終的に国際学会の投稿を見据えて進めていく。本コースは教えられる場ではなく、自ら学び創造する場であり、教員はファシリテーターとして支援する。 | ||||||||||
|
事前?事後学修の内容 ／Before After Study |
事前学修として、主要学会、国際会議を調べ、自身の研究領域に関連する最新論文のサーベイと要約を作成する。時間の目安は120分以上。 事後学修として、自身の研究に適した技術、研究方法を選定し、研究を進めいく。時間の目安は120分以上。 |
||||||||||
|
評価方法 ／Evaluation |
課題への取り組み状況（50％）と提出された成果物の水準（50％）による。 | ||||||||||
|
テキスト1 ／Textbooks1 |
|
||||||||||
|
テキスト2 ／Textbooks2 |
|
||||||||||
|
テキスト3 ／Textbooks3 |
|
||||||||||
|
参考文献等1 ／References1 |
|
||||||||||
|
参考文献等2 ／References2 |
|
||||||||||
|
参考文献等3 ／References3 |
|
||||||||||
|
関連科目 ／Related Subjects |
|||||||||||
|
備考 ／Notes |
|||||||||||
|
到達目標 ／Learning Goal |
情報科学についての博士レベルの知識を修得し，コンピュータを高度に活用できるようにする． | ||||||||||
|
DPとの関連 ／Relation to DP |
| 回 ／Time |
授業計画（主題の設定） ／Class schedule |
授業の内容 ／Contents of class |
事前?事後学修の内容 ／Before After Study |
|---|---|---|---|
| 1 | イントロダクションと研究トレンドの概観 | マルチメディア?教育工学?IoT融合領域の研究枠組みを理解し、主要国際会議の最新の研究動向を把握する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 2 | IoTとセンシングネットワークの基盤技術 | IoTアーキテクチャの理論的基盤を理解し、研究プロジェクトに適用可能な技術スタックを設計する。自身の研究に適したセンシング技術を選定する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 3 | マルチモーダルセンシングと教育データ収集 | 複数のセンシング技術を統合したデータ収集手法を習得する。研究目的に応じた適切なセンサーを選択し、自身の研究におけるデータ収集草案を作成する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 4 | 学習分析(Learning Analytics)の理論と実践 | 学習分析の理論的フレームワークを理解し、予測モデルの構築、教育データマイニング手法を習得する | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 5 | エッジコンピューティングとリアルタイム処理 | エッジAIの概念と教育応用を理解し、TensorFlow Lite, ONNX Runtime等の軽量ML推論、リアルタイムフィードバックシステムを設計でき、エッジデバイスでの学習支援システムプロトタ | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 6 | 適応的学習システムとパーソナライゼーション | 適応的学習の理論とアルゴリズムを理解し、学習者モデリング手法を実装し、適応的学習アルゴリズムをデザインする。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 7 | 中間研究発表会 | 研究課題を明確し、方法論の妥当性を検討し、予想される貢献を評価し、研究計画を改訂する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 8 | 深層学習とマルチメディア解析 | 教育文脈での深層学習応用を理解し、映像?音声解析の最新手法を習得する。自身の研究データへの深層学習適用可能性を検討する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 9 | ヒューマンコンピュータインタラクション(HCI)と教育工学 | HCIの理論とデザイン原則を教育に適用し、ユーザー中心、インタラクションデザインの評価方法を理解する。教育システムのユーザビリティを評価する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 10 | 協調学習環境とグループセンシング | CSCL理論を理解し、グループダイナミクスのセンシング手法を習得する。協調性の定量評価方法を分析する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 11 | 研究評価方法論と統計的推論 | 厳密な研究デザインを設計し、適切な統計手法を選択?適用し、結果の妥当性と信頼性を評価する | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 12 | 最新論文批判的分析セミナー | 国際学会の論文の批判的読解力を養い、研究の強みと弱みを体系的に評価する。方法論の限界と改善点を議論し、自身の研究との差異化ポイントを明確化する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 13 | 研究発表 | 研究倫理、データ管理、調査方法、分析方法、結果など報告し、改善点を検討する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 14 | 研究発表と総括 | 研究発表し、博士論文への接続点の明確化、学会投稿?論文投稿計画、今後の研究方向性を明確化する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 15 | 秋学期キックオフと研究プロジェクト設計 | 春学期の研究成果の振り返り、システムの設計書と詳細実装計画書を作成する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 16 | プロトタイプ開発I - データ収集基盤の構築 | センシング?データ収集システムのプロトタイプ実装を開始する。アーキテクチャの実装、センサー統合、データストレージ設計、リアルタイムデータ可視化を実装する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 17 | プロトタイプ開発II - 機械学習モデルの実装 | 研究課題に適した機械学習モデルを実装する。モデルの訓練?検証?テストプロセスを確立する。モデル性能の評価と改善を実施する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 18 | プロトタイプ開発III - ユーザーインタフェース実装 | UI/UX,レスポンシブデザインとマルチデバイスに対応する。ユーザビリティを評価する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 19 | システム統合とテスト | 各コンポーネントを統合し完全なシステムを構築する。包括的なテスト戦略を実装できる。システムの安定性とパフォーマンスを検証する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 20 | パイロットスタディの設計と倫理審査 | 小規模な予備実験を設計し、研究倫理審査を準備する。インフォームドコンセントと参加者保護、パイロットスタディ実施計画書の完成版を提出する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 21 | 中間発表 - システムデモンストレーション | 実装したシステムの実演を通じて進捗を共有し、技術的課題と解決策を議論する。本実験に向けた改善点を特定する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 22 | 本実験の実施I - データ収集開始 | 実験環境のセットアップと確認、参加者対応とデータ収集の実践、データ収集進捗の確認とモニタリングを実施する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 23 | 本実験の実施II - 定性データ収集と分析 | インタビュー、観察等の定性的手法を実践し、定量?定性データの統合分析を行う。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 24 | データ分析と結果の可視化 | 収集したデータの包括的分析を実施し、効果的な結果の可視化手法を開発する。発見事項を解釈し意味づける。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 25 | 学術論文執筆I - 構造と論理展開 | 学術論文の標準的構造を確立し、説得力のある論理展開を構築する。論文のドラフトを執筆する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 26 | 学術論文執筆II - 方法論と結果 | 再現可能な方法論、客観的事実の提示と図表の効果的使用、学術的誠実性を執筆する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 27 | 学術論文執筆III - 考察と完成 | 結果の解釈、研究の限界、将来の研究など記述し、論文全体を洗練させ投稿を準備する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |
| 28 | 最終発表会と研究成果の公開 | 研究成果を総括し、外部評価者による評価を経て、学会投稿?研究助成申請を計画する。 | 事前に関連論文を調査する。事後に自身の研究にどのように活用するかを検討する。 |