JP4904184B2 - 学習支援装置、学習支援方法およびそのプログラム - Google Patents

Description

本発明は、学習支援装置、学習支援方法およびそのプログラムに関し、特にＷｅｂベースの学習システムにおいて、学習対象文の主題に沿った穴埋め問題を自動生成する学習支援装置、学習支援方法およびそのプログラムに関する。

電子化された教材を用いて学習を行うシステムには、ＷＢＴ（Web Based Training：ＷＥＢベースの学習）システムおよびｅラーニングシステムがある。ＷＢＴシステムとは、インターネットやＷＷＷの技術を利用して教育を行なうシステム、あるいはそのような教育 を行なうためのシステムを指すこともある。ＷＢＴシステムによれば、学習者は場所を選ばず自分のペースに合わせて学習を進めることができるという利点があり、今日広く利用されている。

ＷＥＢベースの学習システムでは、使用する教材の良否が学習の効率を決定付ける。従来、教材の作成は人手に頼っており、多大なコストが掛かり、学習内容の習熟度、理解度の確認程度のテスト問題であっても、人手によって作成する必要があった。従来、入力された学習対象文を解析し学習者の理解度を計る穴埋め問題を作成する作業は人手に頼っていた。この人手による作業を自動化し省力化する学習支援装置が提案されている。

特許文献１に開示の学習支援装置は、入力された学習対象文を解析して、文字列を元に、予め指定された品詞情報を持った単語を抽出し、抽出された単語の部分を空欄に置換え自動的に穴埋め問題を作成する装置である。

特開平６−９５５８３号公報（明細書の［請求項１］、段落番号［０００２］〜［０００６］および図面の［図１］参照）。

しかしながら、上記特許文献１に開示の学習支援装置は、固定の品詞情報を元に穴埋め部分を判別するため、その学習対象文の主題と外れた重要でない部分を穴埋め部分にする場合が多く、学習効果の高い穴埋め問題を作成することができないという問題がある。

本発明は、上記問題を解決するためになされたものであり、学習対象文の主題に沿った重要な部分を穴埋め部分にする学習効果の高い穴埋め問題を作成することができる学習支援装置、学習支援方法およびそのプログラムを提供することを目的とする。

上記目的を達成する本発明による学習支援装置は、複数の文書を読取り、各文書をそれぞれ形態素解析し自立語を取出す手段と、前記複数の文書に含まれる第１の文書から取り出した各自立語について、前記第１の文書における出現頻度が前記複数の文書に含まれる他の文書における出現頻度と比較してどの程度大きいかを示す値を算出する手段と、算出した前記値が所定のしきい値を超える自立語を選択する手段と、選択された前記自立語を空欄にした前記第１の文書を出力する手段と、を備えることを特徴とする。

上記目的を達成する本発明による学習支援方法は、コンピュータに、前記複数の文書を読取り、各文書をそれぞれ形態素解析し自立語を取出すステップと、前記複数の文書に含まれる第１の文書から取り出した各自立語について、前記第１の文書における出現頻度が前記複数の文書に含まれる他の文書における出現頻度と比較してどの程度大きいかを示す値を算出するステップと、前記値が所定のしきい値を超える自立語を選択するステップと、選択された前記自立語を空欄にした前記第１の文書を出力するステップと、を実行させることを特徴とする。

上記目的を達成する本発明による学習支援プログラムは、コンピュータに、前記複数の文書を読取り、各文書をそれぞれ形態素解析し自立語を取出すステップと、前記複数の文書に含まれる第１の文書から取り出した各自立語について、前記第１の文書における出現頻度が前記複数の文書に含まれる他の文書における出現頻度と比較してどの程度大きいかを示す値を算出するステップと、前記値が所定のしきい値を超える自立語を選択するステップと、選択された前記自立語を空欄にした前記第１の文書を出力するステップと、を実行させることを特徴とする。

本発明によれば、入力した文書を自立語に分類したキーワードのリストに加え、そのキーワードの重み（重要度）を用いてどのキーワードを文書中の穴埋め部分とするかを決定するので、入力された学習対象の文書の主題に沿った、重要な部分を穴埋め部分にした穴埋め問題が作成できる。

本発明によれば、全く未知の文書（テキスト）、例えばＷＥＢ上のページを学習対象のテキストとしてリアルタイムに適用し、テキスト中の記載において重要キーワードを目隠した穴埋め問題をリアルタイムに作成し出力することにより、毎回異なる穴埋め問題をリアルタイムに作成し、教材化することができ、紙ベースのテキストに対するＷＥＢベースのテキストの差別化ができる。

図１は本発明の学習支援装置のブロック構成図である。図１全体に示す本発明の学習支援装置１はサーバであり、不図示の学習者側のパーソナルコンピュータＰＣと通信可能に接続され学習者との間でＷｅｂベースの学習を行う装置である。学習支援装置１は、相互にバスライン１０を介して接続されるＣＰＵ１１、マウスやキーボード等の入力装置１２、メモリ１３、ハードディスク１４、ディスプレイ１５および学習者側のＰＣと通信する通信ユニット１６を有する。

ハードディスク１４には、学習対象の文書を格納する問題作成用テキストファイル群１４１、文書を自立語（名詞、代名詞、動詞、形容詞、形容動詞、副詞、接続詞および感動詞）に分けるために用いる形態素解析辞書ファイル１４２および本発明により作成した穴埋め問題を格納する穴埋め問題ファイル群１４３が格納される。

学習対象となる複数の文書から穴埋め問題を作成する学習支援装置１は、学習者のＰＣから通信ユニット１６を介して穴埋め問題作成対象となる主文書を含む複数の文書の入力を受け、問題作成テキストファイル群１４１に格納するかまたは直接メモリ１３に書込み、次いで、形態素解析辞書ファイル１４２を用いて各文書をそれぞれ形態素解析し自立語を取出す手段と、各文書をそれぞれ解析し自立語の重要度を算出する手段と、各文書における自立語の重要度の中から少なくとも一つの自立語を選択する手段と、主文書の文中に出現する選択された自立語を所定数だけ空欄にして穴埋め問題ファイル群１４３に格納するかまたは直接メモリ１３に書込み、通信ユニット１６を介して学習者のＰＣに出力する手段とを備える。

図２は教材の主文書の記載内容を上段に表示し取出された重要キーワードを下段に表示するディスプレイ画面２０の具体例を示す図であり、図３は教材の従文書の記載内容を上段に表示し取出された重要キーワードを下段に表示するディスプレイ画面３０の具体例を示す図である。図２および図３に示す文書は、法律入門の教材に関するものであり、学習者のＰＣから学習支援装置１に入力される。主文書は知的財産権に関し、従文書は独占禁止法に関する。各文書はそれぞれ別の記載内容を有する。以下、各文書中に………で示す部分は、記載内容を省略していることを示す。

図２および図３に示すディスプレイ画面は、各文書を形態素解析して取出した自立語のうち名詞を抜き出した結果、すなわちキーワードと、各キーワードの重み（重要度）の算出結果と、算出したキーワードの重要度の中から選択した重要度の高い重要キーワードとを示す。

重みは、主文書および従文書に出現するキーワード（ここでは名詞）に対して、tf/idf値など統計処理で一般に用いられる重み付けを算出して求めたものである。

図４は図２に示す学習対象となる文書を上段に表示し、本発明により作成した穴埋め問題を下段に表示するディスプレイ画面４０の具体例を示す図である。図４の下段に表示する穴埋め問題の文書は、図２に示す文書に対し重み付け算出処理で得られた重要キーワードを空欄Ａ、Ｂ、ＣおよびＤとして作成した穴埋め問題の文書である。図４の下段に表示する穴埋め問題の文書から、主文書の主題に沿ったキーワードが穴埋め問題の文書中の空欄に当てられていることが分かる。

図５は本発明の学習支援装置の処理を示すフローチャートである。図５を用いて、学習支援装置により、学習対象となる複数の文書から穴埋め問題を作成する処理を以下に説明する。

ステップＳ１では、学習者により入力された穴埋め問題を作成する対象となる主文書を含む複数の文書を読取る。複数の文書のうち、図２に示す知的財産権に関する文書が主文書であり、図３に示す独占禁止法に関する文書が従文書である。

ステップＳ２では、各文書を形態素解析し自立語（キーワード）を取出す。より具体的には、文書を形態素解析(分かち書き)し、名詞または連語等の名詞相当語を抽出する。本実施形態では、キーワードとは文書を形態素解析して取出した全ての名詞に相当する語（ワード）を意味する。

ステップＳ３では、キーワードテーブルを参照する。キーワードテーブルはキーワードデータ、すなわち本実施形態では名詞のキーワードと各キーワードの重み、および各キーワードが重要キーワードであるか否かの判定値を格納するテーブルであり、このテーブルはディスプレイ１５の画面上に一覧表示することができる。

図６はキーワードテーブルを示す図であり、（Ａ）は図２に示す教材の主文書におけるキーワードテーブルを示す図であり、（Ｂ）は図３に示す教材の従文書（主文書の関連文書）におけるキーワードテーブルを示す図である。図６の（Ａ）および（Ｂ）に示す例では、キーワードの重みが６．０以上のキーワードを重要キーワードに設定されている。

キーワードテーブルの作成に際し、各文書（主文書と従文書）をそれぞれ解析しキーワードの重み（重要度）を算出する。より詳しくは、主文書と従文書とを比較し、主文書と従文書にそれぞれ出現する名詞に対し重みを示す尺度である情報利得(Information Gain)や tf-idf 値を計算する。情報利得や tf-idf 値は、他の文書には出現せずにその文書にだけ出現する語（キーワード）ほど大きい。tf-idf 値とは、キーワード抽出対象の文書から文書を代表するキーワードを抽出したときのキーワードの出現頻度を示す指標である。本実施形態では、一般的に用いられる tf-idf 値を算出して重要度を示す指標とする。

ステップＳ４では、主文書と従文書のそれぞれにおけるキーワードの重要度の中から少なくとも一つの重要キーワードを選択する。情報利得またはtf-idf 値の大きいキーワードを重要キーワードとみなす。

ステップＳ５では、主文書の文中に出現する選択された重要キーワードを所定数だけ空欄にして出力する。つまり、重要キーワードを目隠しして空欄とした穴埋め問題を出力する。重要キーワードの中から目隠しするキーワードを毎回ランダムに選択し、穴埋め問題を出力する毎に異なるキーワードが目隠しされるという方法も用いてもよい。また、単純な穴埋め式でなく、関連後辞書ファイルをハードディスクに格納しておき、キーワードの関連語を出力してキーワードとともに選択肢として提示する選択式の問題も作成も可能である。

（付記１）
学習対象となる複数の文書から穴埋め問題を作成する学習支援装置において、
穴埋め問題作成対象となる主文書を含む前記複数の文書を読取り、各文書をそれぞれ形態素解析し自立語を取出す手段と、
前記複数の文書のうち、前記主文書と従文書のそれぞれに出現する各自立語の出現頻度である重要度をそれぞれ算出する手段と、
前記主文書と従文書のそれぞれにおける前記自立語の重要度の中から少なくとも一つの自立語を選択する手段と、
前記主文書の文中に出現する選択された前記自立語を所定数だけ空欄にして出力する手段と、
を備えることを特徴とする学習支援装置。（１）

(付記２)
前記自立語は名詞である、
付記１に記載の学習支援装置。（２）
(付記３)
前記重要度は、前記各文書における前記自立語の出現頻度に比例する、
付記１または２に記載の学習支援装置。（３）
(付記４)
前記重要度は、 tf-idf 値である、
付記１乃至３の何れか一つに記載の学習支援装置。

(付記５)
学習対象となる複数の文書から穴埋め問題を作成する学習支援方法において、
穴埋め問題作成対象となる主文書を含む前記複数の文書を読取り、各文書をそれぞれ形態素解析し自立語を取出すステップと、
前記複数の文書のうち、前記主文書と従文書のそれぞれに出現する各自立語の出現頻度である重要度をそれぞれ算出するステップと、
前記主文書と従文書のそれぞれにおける前記自立語の重要度の中から少なくとも一つの自立語を選択するステップと、
前記主文書の文中に出現する選択された前記自立語を所定数だけ空欄にして出力するステップと、
を備えることを特徴とする学習支援方法。（４）

(付記６)
学習対象となる複数の文書から穴埋め問題を作成する学習支援装置に用いられるプログラムであって、
コンピュータに、
穴埋め問題作成対象となる主文書を含む前記複数の文書を読取り、各文書をそれぞれ形態素解析し自立語を取出すステップと、
前記複数の文書のうち、前記主文書と従文書のそれぞれに出現する各自立語の出現頻度である重要度をそれぞれ算出するステップと、
前記主文書と従文書のそれぞれにおける前記自立語の重要度の中から少なくとも一つの自立語を選択するステップと、
前記主文書の文中に出現する選択された前記自立語を所定数だけ空欄にして出力するステップと、
を実行させることを特徴とするプログラム。（５）

本発明の学習支援装置のブロック構成図である。 教材の主文書の記載内容を上段に表示し取出された重要キーワードを下段に表示するディスプレイ画面の具体例を示す図である。 教材の従文書の記載内容を上段に表示し取出された重要キーワードを下段に表示するディスプレイ画面の具体例を示す図である。 図２に示す学習対象となる文書を上段に表示し、本発明により作成した穴埋め問題を下段に表示するディスプレイ画面の具体例を示す図である。 本発明の学習支援装置の動作を示すフローチャートである。 キーワードテーブルを示す図であり、（Ａ）は図２に示す教材の主文書におけるキーワードテーブルを示す図であり、（Ｂ）は図３に示す教材の従文書におけるキーワードテーブルを示す図である。

符号の説明

１ 学習支援装置
１０ バスライン
１１ ＣＰＵ
１２ 入力装置
１３ メモリ
１４ ハードディスク
１５ ディスプレイ
１６ 通信ユニット
２０、３０、４０ ディスプレイ画面
１４１ 問題作成用テキストファイル群
１４２ 形態素解析辞書ファイル
１４３ 穴埋め問題ファイル群

Claims (4)

1. 複数の文書を読取り、各文書をそれぞれ形態素解析し自立語を取出す手段と、
   前記複数の文書に含まれる第１の文書から取り出した各自立語について、前記第１の文書における出現頻度が前記複数の文書に含まれる他の文書における出現頻度と比較してどの程度大きいかを示す値を算出する手段と、
   算出した前記値が所定のしきい値を超える自立語を選択する手段と
   選択された前記自立語を空欄にした前記第１の文書を出力する手段と、
   を備えることを特徴とする学習支援装置。
2. 前記自立語は名詞である、
   請求項１に記載の学習支援装置。
3. コンピュータに、
   複数の文書を読取り、各文書をそれぞれ形態素解析し自立語を取出すステップと、
   前記複数の文書に含まれる第１の文書から取り出した各自立語について、前記第１の文書における出現頻度が前記複数の文書に含まれる他の文書における出現頻度と比較してどの程度大きいかを示す値を算出するステップと、
   算出した前記値が所定のしきい値を超える自立語を選択するステップと、
   選択された前記自立語を空欄にした前記第１の文書を出力するステップと、
   を実行させることを特徴とする学習支援方法。
4. コンピュータに、
   複数の文書を読取り、各文書をそれぞれ形態素解析し自立語を取出すステップと、
   前記複数の文書に含まれる第１の文書から取り出した各自立語について、前記第１の文書における出現頻度が前記複数の文書に含まれる他の文書における出現頻度と比較してどの程度大きいかを示す値を算出するステップと、
   算出した前記値が所定のしきい値を超える自立語を選択するステップと、
   選択された前記自立語を空欄にした前記第１の文書を出力するステップと、
   を実行させることを特徴とする学習支援プログラム。

Images