AIBR プレミアム
拓海さん、最近部下が「教材をAIで自動判定できる」と言うのですが、正直ピンと来ません。何が変わるのですか。
素晴らしい着眼点ですね！簡単に言うと、教材の”読みやすさ”を機械が正しく判断できるようになると、学習者にぴったりの教材配分が自動化できるんですよ。
それは語彙の難しさを判定するのと何が違いますか。うちの現場だと単語の多さで判断してしまうことが多くて。
その通り、語彙だけでは不十分です。今回の研究は文法の単位、つまり”grammatical templates（GT、文法テンプレート）”に着目して、学習者が実際に困るポイントを機械で捉えられるようにしたんですよ。
これって要するに、教科書で先生が重点を置いて教える「文法の型」を機械が見つけるということですか。
まさにその通りです。大丈夫、一緒にやれば必ずできますよ。要点を三つにまとめると、まず教師が重視する文法単位を定義すること、次に解析で自動抽出すること、最後にそれを使って難易度を予測することです。
解析って高度な数学や膨大なデータが必要では。投資対効果の観点で心配なんです。
安心してください。複雑に見えても、今回は既存の文解析（dependency parse tree、依存構造解析木）を使って文法パターンを抽出しています。既存ツールを活用すれば初期コストを抑えられるんです。
それでどれだけ精度が上がるんですか。数字がないと現場は納得しません。
実験結果では、文法テンプレートを特徴量に加えると従来の指標より約7.4%精度が上がり、さらにたった5つの文法テンプレートだけでも87.7%の判定精度が得られました。つまり少ない情報でも高精度が期待できるんです。
なるほど。要するに、たくさんの単語を数えるよりも、学習者がつまずく文法の型を押さえた方が実務上効率が良いと。
その理解で合っていますよ。大事なのは、現場の教材選定や個別指導の優先順位を理屈に基づいて決められる点です。大丈夫、一緒に導入計画を立てれば必ず効果が出せるんです。
よし、ではまずは少人数で試験運用して成果を示すよう指示します。私の言葉で確認しますと、文法テンプレートを機械で抽出して難易度を判定すれば、教材配分の精度が上がり無駄な研修コストを減らせるということですね。
