メディア学部の寺澤です。昨日の記事に引き続き、2020年度開始当初の新入生サポートについて書きたいと思います。前回は学生の手元にノートPCが届き、セットアップが途中まで終わって、教員とメールのやり取りや学内サービスの利用ができる状態になる第1段階までの話でした。今回はそのあとの第2段階として授業開始までに行ったことを紹介します。

第2段階でもいくつかのソフトのインストールや設定などがあり、教員が積極的にメール等でサポートするようにしました。教員だけでは手に負えない事態に備え、教員同士で助け合ったり、在校生によるサポートチームを編成してサポートを引き継いだりする仕組みも整えました。一方、新入生にとっては大学のことはわからないことだらけです。授業はどうやって受けたらいいのか、特にオンラインではどうすればいいのか、学部のカリキュラムはどうなっていて、いつ頃どんな科目を履修すればよいのか、学生生活ではどんなことに気を付けなければならないか、また、卒業後に向けた準備はどのように進めるのか、など、いろいろあります。

通常は、入学直後、授業が始まる前に新入生ガイダンスがあり、そこでこれらの説明が行われますが、2020年度はそれも対面では実施できず、新入生ガイダンスのWebサイトが用意され、そこで説明音声付きのPowerPoint資料が公開されたのみでした。Zoom等を利用したリアルタイムなガイダンスを行わなかったのは、通信環境やノートPCの準備が追い付かず、ガイダンスに参加できない学生が不利にならないようにじっくり何度も見返す（聞く）ことができるようにするためです。動画ではないのでデータ量も小さくできました。また、授業を受けるのに最低限必要なPC操作のための講習会も実施できないので、オンラインで自習するための資料や環境を用意しました。

そして、これらの支援を前回も書いたフレッシャーズゼミ（FS）の単位で行いました。メディア学部では、新入生への教員からのコンタクトをできるだけ早く始めたかったので、他の学部とは違って、学生の手元にノートPCや資料が届く前からコンタクトを始めました。それらの送付先を学務課で収集した際に、個人的なメールアドレスも収集してもらい、それを用いていち早くコンタクトを始めたのです。やがてPCや資料が届いたことが確認できるとPCセットアップのサポートをFS単位で行い、大学付与のアカウントでメールのやり取りや学内システムにアクセスできるようになって以降は、そちらのアドレスに切り替えてサポートを継続しました。各自の受講環境（ネット環境）の調査も行いました。

続きを読む "遠隔授業と新入生対応　～2020年度を振り返って～（2）"

皆さん、こんにちは。メディア学部の寺澤です。

あと1ヶ月と10日で2020年度も終わりです。2020年度はオンライン授業の年でした。メディア学部では、教員の組織として「遠隔授業ワーキンググループ（WG）」を設置し、オンライン授業に関するあらゆることについて検討して実施してきました。もちろん全学的な取り組みの一部を担う側面もありましたが、学部独自の対応についても多くのことを行ってきました。年度末を迎えるにあたり、現在WGでは2020年度を振り返った報告書の作成を始めています。私も最初からかかわってきましたので報告書の一部を書いているところですが、担当部分のダイジェスト版を今日と明日の2回に分けて書きたいと思います。2020年度の新入生を迎えるにあたり、どのような準備を行ったのか紹介したいと思います。

今回は新入生のPCのセットアップについてです。ご存じの通り、新型コロナウィルスの感染が拡大し、3月ころから卒業式や入学式の中止の報道が増えました。東京工科大学も2019年度の卒業式、2020年度の入学式は中止されました。4月には緊急事態宣言も出て、ほとんどの大学は対面での授業が困難な状況となりました。そこで、各大学では急遽、オンライン授業の準備を進め、新学期をスタートさせたわけです。メディア学部では新年度最初の4月1日の会議をZoomで行いました。授業開始が延期され、様々なことが未定の状況で個々の教員がオンライン授業の準備を手探りで始めました。冒頭に書いたWGが組織され活動がスタートしたのは4月の半ばです。やることがたくさんある中で、最も緊急度が高く重要と考えられたのが新入生対応でした。

東京工科大学では、授業や大学の各種サービスを利用したり、自宅での学修やレポート作成等に使うため、新入生にはノートPCを用意（購入）してもらいます。自分で選んで用意してもらってもいいのですが、適切な機種がわからない人向けに、推奨するノートPCを選定して学内のブックセンターで販売しています。毎年、大多数の新入生が入学前にこの推奨ノートPCの購入申し込みをします。ノートPCは入学式の前後の時期にキャンパスで引き渡し、その際に授業で活用していくための各種のセットアップを行います。また、授業開始前に簡単な講習会も実施しています。2020年度はこれらが対面では実施できなくなってしまいました。そこで、推奨ノートPCの購入者にはPCを送ることになりました。とはいえ、従来のようなセットアップの対面サポートもできない状況でPCを受け取っても、PCに詳しくない新入生にとっては、それを使えるようにし、遠隔授業の開始に備えるというのは難しいことです。そこで、学部単位ではなく大学全体として対応することとなり、私を含むメディア学部の遠隔授業WGの一部メンバもその体制作りに加わることになりました。

続きを読む "遠隔授業と新入生対応　～2020年度を振り返って～（1）"

メディア学部の三上です．

先日，三上・兼松研究室の本年度の卒業研究最終発表会が実施されました．
今年はCOVID-19の影響で，ZOOMを用いた遠隔での開催となりました．今年は16名の学部4年生の最終発表と，早期一貫プログラムの3名の学生の中間発表，3年生17名による創成課題の発表があり，朝から夕方までの長丁場でした．

例年，会場には1年生から3年生も参加して総勢100名を超える発表会場になっていました．今年も遠隔とはいえ最大で150名近い学生が参加していました．

研究の内容は・・・実はこれから多くの学生が学会発表をしますので，あまり明らかにできません．でもとりあえずタイトルだけはということで下記のような研究があることだけ紹介しておきます．

＜卒業研究最終発表題目一覧＞

ホラーゲームにおける馴化回避のための動的サプライズ演出制御システムの提案
モバイルアプリのアバター髪型におけるウェーブ・カール編集システム
音声感情解析AI を用いた声の演技における感情表現の自主練習支援
キャラクタの状態に関連したフォントの動的変化表現
VRでの画面占有を考慮した文字入力高速化の研究
ゲーミフィケーションを利用したゲームアイデア発想訓練システムの提案
温度刺激を活用した被弾感覚提示デバイス の開発
建築様式を考慮した神社のプロシージャル生成
アニメーション作品における変身シーンの演出設計支援
CG映像制作における手描きアニメーション投影方法を考慮した消失点の操作法の提案
シルエット分析に基づく巨人キャラクターの制作支援手法
プレイヤーのリアクションの音響的特徴量に基づく動的難易度調整
アクティビティ再現を考慮した公共空間計画におけるVR支援システム に関する研究
反復するマルチストーリーにおける強制ザッピングに関する研究
VR空間内におけるハンドトラッキングを用いた対戦型カードゲームシステムの提案
プレイ状況を考慮したHUD の自動調整手法に関する研究

＜卒業研究中間発表題目一覧＞

セルアニメ風3DCGアニメーションの編集支援システム
Twitter分析に基づくソーシャルゲームのサービス終了に対する評価
競技自転車ゲームにおける体重移動を考慮したインタラクションの提案

 

学会発表が終わりましたら，その報告と合わせて学生たちの研究を紹介していこうと思います．

 

文責：三上浩司

つい最近のことですが、内閣府の第5回統合イノベーション推進会議において「AI戦略2019」という大きな政策ビジョンが示されました。その中の教育分野では、すべての国民が数理・データサイエンス・AIに関する知識や技術を育むことが謳われています。下図は、その全体的なスキームです（※ 出典：AI戦略（有識者提案）及び人間中心のAI社会原則（案）について，平成31年3月）。　

義務教育から段階的に進むわけですが、大学に大きなミッションが課せられていることがわかります。文系・理系を問うていないところが、今後の教育実践での大きな課題と言えるでしょう。その昔、“読み・書き・そろばん”というフレーズがありました。レベルこそ違いますが、“数理・データサイエンス・AI”はそのような現代版の基礎的素養と位置付けられるということです

ここからは、データサイエンスに絞って話をします。データサイエンスとは、その名の通りデータを扱う科学のことで、確率論や統計学、情報科学などを用いて、社会に溢れるデータを適切に捉え、その分析を行ったりします。ビッグデータ時代に入り、一気に注目されるようになりました。データサイエンスの専門家のことを指すデータサイエンティストという言葉も生まれています。また、最近では、データサイエンス学部を開設する大学も現れてきました。

東京工科大学の対応としては、八王子4学部において、現行カリキュラムより1年次に「データサイエンス入門」という必修科目を設けました。データの種類や見方に始まり、そのデータを管理・加工・処理・分析するための基本スキルを習得することをねらいとしています。また、データ収集のための社会調査の手法などについても学びます。AI戦略2019の中では、実は、人文社会系の素養や芸術感覚の重要性も指摘されています。メディア学部は文理芸融合の学部です。その意味では、データサイエンスのリテラシーの習得がしやすい環境にあると言えるでしょう。

以上

文責： メディア学部 松永

（2021.02.07）

 

皆さんは、情報爆発という言葉を聞いたことがあるでしょうか？ これは、インターネットが日本で普及し始めた1990年代に浸透していった概念です。当時、ネット上の情報は増加の一途を辿り、IT（情報技術）で管理・制御できるのかという問題意識のもとに登場してきたものです。しかし、一抹の不安を覚えつつも、当時の最前線のIT研究者が課題に果敢に取り組み、現在のICT（情報通信技術）社会に結び付けました。

そして、今となっては、爆発的に増加する情報を資源の宝庫として捉えるビッグデータという考え方が出てきています。ビッグデータの解析には高性能のコンピュータが欠かせませんが、日本が誇る世界第一位のスーパーコンピュータ「富岳」は希望の光です。昨今では、新型コロナウィルスの飛沫シミュレーションで、その性能の高さを実感できましたね。

しかしながら、富岳に限らず、コンピュータでビッグデータに臨むには、元データが備える情報の意味を熟知し、それに対する分析手法・処理に精通しているデータサイエンスの専門家が必要です。次回は、そのデータサイエンスという研究分野と、その担い手の教育に関する話をしたいと思います。

以上

文責： メディア学部 松永

（2021.02.06）

統計学には、いくつかの流派があります。俗称ですが、フィッシャー派、ネイマン-ピアソン派、…などです。ベイズについても彼の理論を支持する人は多くいて、ベイズ派と呼ばれたりします。ベイズ理論の魅力は、結果から原因を探るという思想にあります。昨日はわかりやすい例として、確率におけるベイズの定理を紹介しました。

ベイズは実は、フィッシャーやネイマン・ピアソンよりも早くに統計の研究に取り組んでいました。しかしながら、皆さんが高校数学で学んだ統計は、後出のピアソン・ネイマン理論です。ベイズ理論が脚光を浴びるようになったのは、20世紀に入ってからと言えるでしょう。これは意思決定論の浸透とも大いに関係します。過去に学び、次なる策を講じる際にベイズ理論／ベイズ統計は有用です。

現代社会は、急速なICTの進展のもと、ネット上にデータ情報が溢れています。そのような情報を扱うデータサイエンスという学問分野も誕生しました。このデータサイエンスは、昨今流行りのAIとも大いに関係しています。膨大なデータは、コンピュータによる原因探索や予測、判定や意思決定にも結び付きます。例えば、フェイクニュースやスパムメールの発生源を、様々なデータの連鎖をもとに探ることが可能になります。また、経済や経営においては、過去に学んでシステマティックに将来予測・展望を描くことが可能になります。こうしたところに、ベイズ統計は陰ながら活かされています。現在、新型コロナウィルスの感染メカニズムの解明が試みられていますが、十分なデータが集まればそれもベイズ統計により進展することでしょう。

さて、〝ベイズ統計学的″あるいは〝ベイズ主義的″という意味のベイジアン（Bayesian）という表現があります（英語的な形容詞句をカタカナに変換したにすぎませんが…）。この表現を用いた代表的なものに、ベイジアンネットワークがあります。不確実性推論に基づく、現実世界のネットワーク構築を扱う研究分野です。数学的には、グラフ構造をもつ確率モデルの一つと言えるでしょう。詳細には触れませんが、関心のある方は調べてみてください。

以上

文責： メディア学部 松永

（2021.02.05）

皆さんは、ベイズの定理というのを聞いたことがあるでしょうか？ 高校数学で習う条件付き確率とも大いに関係している概念です。このベイズというのは、18世紀に活躍したイギリスの数学者トーマス・ベイズ（Thomas Bayes）のことです。結果から過去に遡って原因を探るという考え方が、ベイズ研究の基本指針でした。そこから生まれたのがベイズの定理であり、さらにそれがベイズ統計の確立に結び付いていきました。本日は、比較的理解しやすいベイズの定理について話をします。

昨今の市中で行われている新型コロナウィルスのPCR検査に関して、陽性・陰性という言葉をよく耳にしますね。これは検査結果の表現であり、陽性は感染している、陰性は感染していないということをそれぞれ意味します。さすがに、このことはご存じですよね。ちなみに、表立って出てくることはあまりないのですが、偽陽性や偽陰性という表現もあります。実際には感染していないのに感染という結果が出ることを偽陽性と言い、実際には感染しているのに感染してないという結果が出ることを偽陰性と言います。余事象の概念の基本であり、この先の話の理解の助けになるので、この偽○○という表現は押さえておきましょう。

さて、仮想の感染症Dを例として、ベイズの定理の具体的な適用イメージを記してみます。数式や代数表現をできるだけ避けて話を進めたいと思います。まず、母集団を仮に１万人とします。そして、ここに潜在的にD感染者が500人いるとしましょう。つまり、５%の人が真に感染しているという設定です（これを罹患（りかん）率と言います）。ここで、ある感染症D用の検査キットが、陽性を90%（偽陽性を10%）、陰性を80%（偽陰性を20%）の確率で検出するとします。この状況のもと、ある日の街頭で1000人を対象に検査を行ったところ、80人の陽性者が見つかりました。この街頭検査での陽性率は8%となるわけですが、この検査結果を母集団に照らし合わせた際、どのように解釈すべきでしょうか？

罹患率を真の値として考えれば、街頭の検査対象1000人中に感染者は50人いるということになります。そして、検査キットの精度により、理論上は45人（＝50人×0.9）が陽性、5人（＝50人×0.1）が偽陽性（陰性）となります。一方、非感染者でありうる950人に関しては、760人（＝950人×0.8）が陰性、190人（＝950人×0.2）が偽陰性（陽性）となります。したがって、母集団に照らし合わせると、陽性の的中率は（45+190）/10000＝2.35%となります。標本対象の陽性率8％と異なることに留意しましょう。

さて、なるべく複雑な数式や公式的なものを記さずにベイズの定理のエッセンスを記したのですが、それとなくベイズの逆発想の考え方に馴染めましたか？ 話が長くなったので、本日はここまでとしますが、明日はベイズ統計のさわりの話をしたいと思います。本日も宿題（Quiz）は無しです。

以上

文責： メディア学部 松永

（2021.02.04）

ここ2日間ほど、思いつくままに統計関連の話を綴ってきました。この流れで、向こう5日間も進めたいと思います。本日は2種類の統計の立場の話をしましょう。統計という概念そのものは、古くから世界各地に存在していました。社会を統制するためには、人口把握や耕地測量などは必要となります。しかし、統計が統計学という学問体系として整備されていったのは18～19世紀です。近代統計の父と呼ばれるケトレーや、フィッシャー、ネイマン、ピアソンなどがその先駆者と言えるでしょう。

統計には大きく２つの立場－記述統計と推測統計－があります。前者の記述統計は、母集団を対象とする分析スタイルです。すなわち、目の前のテーブルに対象に関するすべてのデータを並べ、そこから平均や分散・標準偏差などの各種統計指標を算出し、全体の傾向などを分析します。昨日話をした国勢調査は、日本国民全体（正確には、居住権のある外国籍の人を含みます）を母集団とする全数調査ですので、記述統計が適用できます。一方、後者の推測統計は、標本集団を対象とする推理スタイルです。サンプリングで得られた標本データに関する各種統計指標を算出した上で、母集団の傾向などを推測します。一定の信頼度（95%／99%）で推定を行ったり、その信頼度の裏返しである危険率（5%／1%）に基づく検定などを行います。昨今の新型コロナウィルス関連の情報は、推測統計に関係するものです。

明日は、上述した統計とは異なる統計概念の話をする予定です。本日は、宿題（Quiz）は無しとします。

以上

文責： メディア学部 松永

（2021.02.03）

 

前日のブログで、新型コロナウィルスの話題を取り上げました。街頭や一部施設内で行うPCR検査は標本調査と呼ばれるものです。いわゆる社会調査の多くは、このような標本（サンプル）を採取して行われる調査のことです。それに対して、対象者全員を調べるものを全数調査と言います。この全数調査は時間もコストも掛かるため、実施するのはかなり大変です。ただ、国や自治体が主導すると、法律などを盾に全数調査を実施しやすくなります。有名なものとしては国勢調査が挙げられます。この国勢調査は、総務省統計局が統計法に基づいて5年に1度行うもので、日本の人口や世帯数、居住形態、産業構造などを調べたりします。実は、ついこの間の令和2年（2020年）にも実施されたのですが、初回は大正9年（1920年）でしたので、100周年記念の調査でもあったのですね。さて、一つ前の平成27年（2015年）の調査結果は、次のサイトに掲載されています。

https://www.stat.go.jp/data/kokusei/2015/index.html

普段は官公庁のサイトを見ることがないかもしれませんが、選挙権のある若者として少し習慣づけた方がよいかもしれません。この資料には膨大な量のデータがありますので、興味のある所だけ見ればよいでしょう。

ちなみに、go.jpというドメインは、日本の政府機関等を表しています。外務省（Ministry of Foreign Affairs）であればmofa.go.jp、財務省（Ministry of Finance）であればmof.go.jpなどと定められています。各省庁の英訳を知っていれば、覚えるのはそれほど難しくないですね。ただ、文部科学省は少し厄介です。その英語の公式名称は、Ministry of Education, Culture, Sports, Science and Technologyです。したがって、外務省や財務省に倣うとMECSSTになるのですが、さすがに長すぎるので、似た発音になるMEXTとしてドメインをmext.go.jpと定めています。

さて、少し国勢調査の話からそれてしまいましたが、本日も多少関連がある簡単な宿題（Quiz）で締めたいと思います。

〔Quiz〕総務省統計局の英語の公式名称は何か? （これを調べると、統計局のドメインがstat.go.jpであることがそれとなく理解できます）

以上

文責： メディア学部 松永

（2021.02.02）

ここ一年ほど、新型コロナウイルスの話題が、ほぼ毎日のニュースや情報番組の冒頭のトピックとして取り上げられています。そして、そこには様々な数値データが出てきます。新規感染者数・重症者数・死亡者数などは、実調査に基づく統計データです。一方、PCR検査陽性率・病床使用率などは、その統計データに基づく確率データです。

この種の確率・統計データをきちんと眺める（目利きをする）ためには、標本集団の情報にも目を向ける必要があります。調査対象（ターゲット）は何人であるのか、どのような調査手法（街頭・電話・インターネット…）であるのか、などに関してです。

標本集団を生成する手法（サンプリング）の一つに、層別抽出法というものがあります。これは、被験者の性別や年齢などの各種属性を意図的に分散する公平・公正な手続きで、俯瞰的で極めて真正な手法です。早朝の公園で調査を行えば比較的ご高齢の方が中心になりますが、夜の繁華街で調査を行えば往々にして若者が中心になりがちです。同様に、昼時のスーパーでの調査では主婦が多くなる一方、昼時のオフィス街での調査ではサラリーマンが多いのは容易に想像がつきます。このような偏った被験者抽出は、調査目的を歪めることにつながります。その意味でも、調査目的・対象に見合う形での被験者の層別抽出は極めて重要となります。

ネットやSNSが日常の情報源の中心になりうる現代社会ですが、発信元はもとより、調査目的や調査対象、調査手法もきちんと確認しましょう。フェイクニュースやCG加工YouTubeなどに騙されないためにも非常に大切なことです。

さて、折角ですので、東京都の新型コロナウィルス関連の最新の情報

https://stopcovid19.metro.tokyo.lg.jp/

を、きちんと眺めてみてください。地方の方は、各自治体が設けている同様のサイトを参照する形で構いません。様々な確率・統計指標がありますね。推移グラフが添えられているので、個々の指標の意味はある程度理解できるものと思います。身近で重要な情報をしっかり押さえておきましょう。

最後になりますが、皆さんに調べて理解していただきたい宿題（Quiz）を課します。とくに解説は予定していませんが、皆さんが素養として知っておく価値のあるデータ情報です。

〔Quiz〕実効再生産数って何？　自分の住んでいる町（あるいは都道府県や日本全体）におけるその値は？

 

以上

文責： メディア学部 松永

（2021.02.01）