| メール | matsui.takashi.ga@u.tsukuba.ac.jp |
|---|
| 名前 | 松井 崇 |
|---|
| 所属（教員組織）※学生は指導教員の所属を選択 /Affiliation (Faculty/Organization) | 体育系/Faculty of Health and Sport Sciences |
|---|
| 専門分野/ Research Field | 筑波大学 体育系（スポーツ神経生物学／運動生理・生化学）で、eスポーツに伴う脳疲労とスポーツ観戦時の社会的つながり（生理同期）を、心拍・瞳孔・ホルモン等の生体時系列と心理・行動指標の統合により推定・可視化し、運動・栄養・休養・絆・環境の5要素によるコンディショニングを通じて、現代人の頭脳パフォーマンスと健康の両立を支援する研究開発を行っている。 |
|---|
| 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 | 准教授 |
|---|
| 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を活用してみたい、今後活用により研究加速を考えている/I would like to use AI and am considering accelerating my research through its use in the future. |
|---|
| 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. | マルチモーダル生体・行動データで不可視な脳疲労と社会的つながりを推定・可視化するAI：eスポーツとスポーツ観戦を舞台に |
|---|
| 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. | 脳疲労や孤独は主観に依存し客観視しにくい。それらの客観指標として脳活動があるが、大がかりな装置が必要で社会実装できない。期待されるのは心拍、瞳孔、姿勢、体温、表情などの生理・行動指標だが、単一指標では個人差・状況差が大きく、再現性ある定量化が難しい。そこで、生体時系列データと心理・行動指標、競技／観戦の文脈情報を統合し、見えない脳疲労と社会的つながるを推定・可視化できる汎用的なAIモデルを確立したい。 |
|---|
| 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が特に有効な部分：心拍・瞳孔などの生体時系列はノイズや欠損が多く、指標間の関係も非線形である。AIにより、マルチモーダル時系列の統合（特徴抽出・欠損補完・個人差の吸収）を行い、脳疲労／社会的つながりを潜在状態として推定・可視化できる。さらに、介入（休憩・飲料・運動など）の効果を条件別に比較し、効く状況・個人特性の探索も可能になる。
2）分野へのインパクト：これまで主観や単一指標に依存しがちだったコンディショニング研究を、状態推定にもとづく再現性の高い枠組みに拡張できる。eスポーツや観戦といった実環境で、頭脳パフォーマンスと健康の両立を支援する評価・介入設計の基盤（共通指標・データ仕様・ベースラインモデル）を提供できる。 |
|---|
| 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. |
|---|
| 3-5 ご自身の研究活動にAIを導入・活用するときの課題があれば教えてください。支援構築の参考にします。（複数選択可）If you have any challenges or concerns regarding the introduction or use of AI in your own research activities, please let us know. | データ整理・前処理が大変そう Data organization and preprocessing seem difficult and time-consuming.;相談できる相手がいない/AI専門研究者への伝手がない I do not have anyone to consult with / I have no connections to AI specialist researchers.;研究データはあるが、AIに使えるかわからない I have research data, but I am not sure whether it can be used for AI applications.;どこからはじめればよいかわからない/AIで「何ができるのか」わからない I do not know where to start.I do not understand what AI can actually do.;データや構想は稚拙ながらあるが、AIは既存サービス（OpenAI、Google、Metaなど）を活用するだけで、自分の研究に特化したAIの構築に関する知識や能力が不足している。; |
|---|
| 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? | データは既に取得済み、取得途中・公開データ・パブリックデータを活用予定 / The data have already been collected. The data are currently being collected, or we plan to use existing open or public datasets. |
|---|
| 4-1 今後AI活用したい（これまでAI活用した）研究データについて取得先や収集手法について可能な範囲で教えてください。 Please describe, to the extent possible, the sources and collection methods of the research data that you would like to use (or have us... | 大学内の倫理審査・同意取得のもと、(1) eスポーツプレーヤー（若年成人〜競技者）を対象に実験室または実地環境で、長時間プレー課題や認知課題を実施し、生体計測（心拍・瞳孔など）と心理・行動指標を同時収集している。(2) スポーツ観戦者（会場内の集団）を対象に、観戦中の心拍等の生体時系列、観戦体験の質問紙、イベント文脈情報を収集している。 |
|---|
| 4-2 以下を参考にデータの種類等を可能な範囲で教えてください。 観測データ / 実験データ / 測定データ 画像 / 音声 / 動画 / テキスト / 時系列 数値シミュレーション結果 センサーデータ 行動データ / 社会調査・アンケートデータ （横断的にデータ取得/縦断的：一人物に複数点） 文献データ / デジタルアーカイブ その他 Please descr... | ・実験データ／測定データ：eスポーツ課題・観戦課題における生体計測＋心理・行動評価
・時系列データ／センサーデータ：心拍・HRV、瞳孔径（眼計測）、表情、表面体温、（可能な範囲で）姿勢、呼吸、皮膚電気など
・行動データ：認知課題成績（反応時間、正答率、抑制制御等）、ゲーム内パフォーマンス指標（ログ化可能な範囲）
・社会調査・アンケート：疲労感、楽しさ、空腹感、気分、社会的つながり等（横断／一部縦断）
その他（文脈データ）：時間帯、試合展開、座席配置、環境条件（照明等）など |
|---|
| 4-3 その他、保有している研究データについて、取得先や取得手法について可能な範囲で教えてください。 In addition to the above, please describe, to the extent possible, the sources and collection methods of any other research data you possess. | 上記に加え、デジタル活動と健康に関する横断調査（例：睡眠・生活習慣・プレー時間帯など）や、姿勢・短時間運動・飲料等の介入実験で取得した生体・心理・行動データを保有している。 |
|---|
| 4-4 下記を参考に、データの種類等を可能な範囲で教えてください。 観測データ / 実験データ / 測定データ 画像 / 音声 / 動画 / テキスト / 時系列 数値シミュレーション結果 センサーデータ 行動データ / 社会調査・アンケートデータ （横断的にデータ取得/縦断的：一人物に複数点） 文献データ / デジタルアーカイブ その他 Please descr... | ・観測データ／社会調査・アンケート：生活習慣、睡眠、プレー習慣、主観指標
・実験データ／測定データ：介入（姿勢、短時間運動、飲料、休憩等）×生体・行動評価
・時系列／センサーデータ：心拍、瞳孔、表情、表面体温等 |
|---|
| 4-5 データの基本情報（サンプル数、説明変数、目的変数）について教えてください。Please provide basic information about the data, such as the number of samples, explanatory variables (independent variables), and target variables (depend... | ・サンプル数：研究ごとに異なるが、介入・実験系は概ね10-20名規模、調査系は百名規模。時系列は「被験者×セッション×時間窓（例：1秒〜数十秒）」として多数サンプル化される。
・説明変数（例）：心拍指標、瞳孔径指標、（可能な範囲で）ホルモン値、認知課題成績、主観疲労・気分、熟練度、睡眠、時間帯、試合展開等の文脈変数。
・目的変数（例）：脳疲労（主観＋客観の統合指標）、実行機能低下、パフォーマンス変化、社会的つながり指標、生理同期指標（個人間結合）など。 |
|---|
| 4-6 これまでデータへ適応した解析手法や統計手法・モデル等があれば教えてください。Please describe any analytical methods, statistical techniques, or models that have been applied to the data so far, if applicable. | 前処理（フィルタリング、アーチファクト除去、欠損処理）に加え、心拍や瞳孔指標の特徴量抽出、個人間の生理同期（相関・コヒーレンス・位相同期等）の推定を行ってきた。統計は反復測定ANOVA、線形／一般化線形モデル、混合効果モデル、回帰（交互作用・共変量調整）、相関、相互相関、媒介分析等の枠組みを状況に応じて使用している。 |
|---|
| 4-7 データの信頼性について次の点を記述してください。例）・測定精度/誤差範囲/ノイズがあればその特徴、もしくは、専門家によるアノテーションが必要かどうか Please describe the reliability of the data, addressing the following points as appropriate. Examples: Measurement a... | ・ノイズ特性：心拍は体動・装着状態・通信欠損の影響、瞳孔は瞬目・視線逸脱・照明変化の影響を受けやすい。ホルモン等は採取条件・保存・測定誤差の影響がある。
・対策：品質指標（信号品質、欠損率等）を付与し、アーチファクト区間の除外や補正を行う。
・アノテーション：基本は自動検出で対応可能だが、境界事例や行動イベント（例：プレー中の特定局面）のラベリングは、専門家の確認が有効な場合がある。 |
|---|
| 4-8 データの偏りについて次の点を記述してください。例・属性の偏りがあればどんなものか/サンプルサイズの偏りがあればどんなものか/データの揺らぎがあればどんなものか Please describe any biases present in the data, addressing the following points as appropriate. Examples: Types... | 若年成人や特定の競技経験者に偏りやすく、性別・年齢・熟練度・生活習慣（睡眠等）の分布が均一でない可能性がある。実験室／実地の差、時間帯（深夜帯等）、競技タイトルや試合展開による揺らぎも大きい。さらに、センサ不調により欠損が特定条件に偏る（体動が多さやモニターとの距離で欠損増など）可能性がある。 |
|---|
| 4-9 データの構造・複雑性について以下から教えてください。（複数選択可） Please indicate the structure and complexity of the data by selecting from the options below. (Multiple answers allowed) | 線形・非線形 Linear / Nonlinear;多変量性 Multivariate;階層構造 Hierarchical structure;時系列データ Time-series data;次元性 High dimensionality;マルチモーダル Multimodal; |
|---|