| メール | shin.eun.fw@u.tsukuba.ac.jp |
|---|
| 名前 | 申 貞恩 |
|---|
| 所属（教員組織）※学生は指導教員の所属を選択 /Affiliation (Faculty/Organization) | 人文社会系/Faculty of Humanities and Social Sciences |
|---|
| 専門分野/ Research Field | 外国語教育 |
|---|
| 以下の項目から選んでください。 Please select from the options below. | 教員・研究員/ Faculty Member / Researcher |
|---|
| 職位 Position | 助教 |
|---|
| 2－1研究へのAIの活用経験と意識（当てはまるものを選んでください）/Experience with and Perceptions of AI Utilization in Research | AIを活用して研究を実施したことがある/I have conducted research using AI. |
|---|
| 3-1 AI を活用することで推進したい（推進した）研究テーマを回答ください。（1テーマ40字程度）Please describe the research theme(s) you would like to promote (or have promoted) by utilizing AI. | Local LLMを用いた安全性・信頼性・汎言語生を有する生成AI作文評価システムの開発：日・韓・英・中の学習者作文を用いて |
|---|
| 3-2 AIを活用することで解決したい（解決した）学術的課題の概要を教えてください（分野外の専門家がわかるように。1テーマ100〜300字程度）Please provide an overview of the academic challenge(s) you would like to address (or have addressed) by utilizing AI. | 本研究は、生成AIの教育導入における三つの根本的課題を同時に解決します。
第一に、「再現性危機」です。 クラウド型LLMは評価が不安定で、同一作文の採点結果が変動し、学術データとして使用不可能でした。本研究は推論パラメータ固定・多重採点・統計集約により、生成AIでも信頼性のある自動評価を実現します。
第二に、「言語バイアス問題」です。 LLMの学習データは言語ごとに異なり、同一ルーブリックでも言語によって評価の厳しさが変わります。本研究は日・韓・英・中の並行コーパスで言語固有のバイアスを定量化し、言語間公平評価を実現します。
第三に、「倫理と技術の乖離」です。 個人情報保護や研究倫理の制約により、クラウド型LLM利用は実装困難でした。Local LLMによる教育実装枠組みは、技術革新と倫理的制約の両立を示唆し、責任あるAI教育の国際モデルを確立します。 |
|---|
| 3-3 以下内容がわかる場合は具体的に教えてください。１．研究テーマで AI が特に有効または改善ができる部分はどこ（何）でしょうか？２．AIを活用することによって、研究分野にどのようなインパクトをあたえられるでしょうか？If possible, please provide specific details on the following points: 1Which part(s) ... | 1. AIが特に有効または改善できる部分
（1）多面的・自動採点による採点負担の大幅削減
従来の人手採点は時間集約的であり、採点者間のばらつきが避けられませんが、LLMベースのシステムは、ルーブリックの複数観点（内容、構成、言語精度など）を同時に自動評価でき、採点時間を数分の一に短縮できます。これにより、教員はフィードバック改善やカリキュラム設計に時間を割けるようになります。
（2）個別フィードバック生成の質と効率性の向上
AIは学習者の誤りパターンを認識し、言語別・習熟度別の個別フィードバックを自動生成できます。従来の「正誤指摘」から「学習者の弱点に対応した具体的改善案提示」へと進化させることで、学習効果を高められます。
（3）言語間の評価一貫性確保
多言語LLMは言語ごとの学習データ量の差に起因するバイアスを、多重採点・統計集約により補正できます。これまで困難だった「言語横断的な公平評価」が実現可能になります。
（4）再現性・透明性の確立
推論パラメータを固定し、評価根拠（どのルーブリック項目でどの点数か）を明示することで、成績評価や研究データとしての信頼性が確保されます。
2. 研究分野へのインパクト
（1）教育実装の新しいモデルの提示
データ保護・再現性・言語間公平性を同時に満たすシステムの実現は、生成AIの教育導入における国際的なモデルケースとなります。特に個人情報保護が厳格な日本・EU圏での採用が広がる可能性があります。
（2）言語教育研究への方法論的革新
多言語比較研究における「評価の客観性」という根本的な課題を解決することで、言語横断的な習得パターン研究や言語間転移研究が新たなステージに進みます。第二言語習得研究の精密性が向上します。
（3）AI倫理・教育工学の融合
「安全性・信頼性・汎用性」という三要件の枠組みは、生成AI活用における倫理的設計に貢献します。
（4）多言語教育実践の展開
信頼できる自動評価システムが実現することで、言語教育のアクセシビリティが飛躍的に向上します。
（5）教育機関のAI導入促進
データ保護を前提としたLocal LLM実装は、個人情報保護方針が厳しい機関でも安心してAIを導入できるようになります。 |
|---|
| 3-4 現時点で AI for Science チャレンジ型に応募したいと思いますか？At this point, would you like to apply for the AI for Science Challenge–type program? | 応募したい I would like to apply. |
|---|
| 3-6 上記テーマのためのデータは既に取得済みですか？ Have the data for the above research theme already been collected? | 現在データはなく、これからデータを取得する予定（前向き研究）The data have not yet been collected, and we plan to collect them in the future (prospective research). |
|---|