学部後期課程
学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2024年4月22日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
最終更新日：2024年4月22日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
教育と言語処理
言語処理の基本的な技術を演習形式で学びながら、教育場面への応用やその課題について理解する。前半では、文字列処理・言語処理の要素技術について、個別に解説した上で、具体的な教育実践・教育研究を想定しながら、実際のテキストに対する分析を行う。後半では、教育場面における生成AIサービスの利用に関する最近の動向を概観した上で、基盤となる大規模言語モデルの仕組みや挙動を解説する。
本授業では、言語処理技術でできること・できないことを把握した上で、その応用について検討できるようになることが目標である。また、言語処理の技術的側面を扱いつつ、知識の伝達を可能にする記号・言語・文書のあり方とはどのようなものか、という基本的な問いに随時立ち戻りながら授業を進める。
本授業では、言語処理技術でできること・できないことを把握した上で、その応用について検討できるようになることが目標である。また、言語処理の技術的側面を扱いつつ、知識の伝達を可能にする記号・言語・文書のあり方とはどのようなものか、という基本的な問いに随時立ち戻りながら授業を進める。
時間割／共通科目コード
コース名
教員
学期
時限
09242311
FED-SS3303S1
教育と言語処理
宮田 玲
月曜4限
マイリストに追加
マイリストから削除
講義使用言語
日本語
単位
2
実務経験のある教員による授業科目
NO
他学部履修
可
開講所属
教育学部
授業計画
1 オリエンテーション
2 テキストの基本操作（文字エンコーディング、ファイル操作、正規表現）
3 テキストの整備（文書、コーパス、アノテーション、著作権）
4 文の解析（形態素解析、構文解析、意味解析）
5 概念の分析（固有表現抽出、専門用語抽出）
6 「難しさ」の測定（リーダビリティ指標、文書分類）
7 教育と生成AI（概要、事例、課題）
8 ニューラルネットワークの基礎（学習の仕組み、テキストのベクトル表現）
9 ニューラルネットワークの応用（Transformer、BERT、大規模言語モデル、生成AI）
10 特別支援教育とアシスティブテクノロジー
11 言語教育と機械翻訳
12 教育研究と言語処理
13 総合演習
以上はあくまで目安であり、参加者の関心・背景知識に応じて、適宜内容を組み替える。
授業の方法
講義と演習を組み合わせる。レジュメやベースとなるソースコードを配布する。
成績評価方法
授業参加、演習課題、レポートによって総合的に評価する。
教科書
使用しない。
参考書
授業中に指示する。
履修上の注意
授業ではプログラミング言語Pythonを使った演習を行う。基本的なコードはあらかじめ用意するため、プログラミング技術は前提としないが、授業では積極的に手を動かして、試行錯誤することが重要である。授業以外でもPythonの基礎を学んでおくと、より効果的に演習に取り組めるようになる。授業時はインターネットにつながるPCを持参すること。
