Positive/Negative判定
世の中には、文章がポジティブな内容なのか、ネガティブな内容なのかを判定するAIもいろいろと提供されています。というわけで、今回は4つのAIを試してみました。
1)IBM Watson Natural Language Understanding
2)Google Cloud Natural Language
3)Amazon Comprehend
4)KOTOHA 感情分析
このうち、4)は100文字までしか対応していませんので、没。なので、1)~3)をいろんな文章で試しました。
2)と3)はPositive/Negative/Neutral/Mixedを判定できるようになっています。3)はそのまま出て来ますし、2)もあとでいろいろと処理すると3)と同じ様な形式にできます。
問題は1)。PositiveかNegativeかしか出て来ません。その代わり、「喜・怒・哀・嫌悪・恐怖」の感情5要素を判定できるようになっています。ただし、英語のみですけど…
ですので、使いどころが難しいです。とりあえず日本語で感情分析ができないのであれば、今のところ、Amazon Comprehendが一番使い勝手が良さそうです。
今月の累計歩数:7,076歩
今日の体重:73.2kg
ハードディスクを試す Part.2
LANDISKにUSBハードディスクを接続し、DIGAからアクセスさせることに成功しました。ただ問題も発覚。
DIGAからLANDISKへのダビングを試みるも、ダビング10のうちの1回がコピーされる形になりました。また、LANDISK本体にしかコピーができず、外付けUSBハードディスクへのコピーは不可能のようです。うーん、思ってたんと違う…
仕方が無いので他の方法を探してみると、WindowsにUniversal Media Serverというソフトをインストールして使うという方法を行っている人たちを発見。ちょうどASUSのK55Vが遊んでいるので、これにインストールすることを検討中。明日、ちょっと試してみよう。
今月の累計歩数:82,358歩
今日の体重:74.1kg
ハードディスクを試す
えーと、新しく送られてきたものを試した結果、パソコンに繋げる分には良くても、Blu-rayデッキにはダメだということがわかりました。仕方が無いので、パソコンで使います。
それは良いとして、Blu-rayデッキにUSB HDDを繋げた運用にはいろいろと問題点があることが発覚しましたので、NASをDLNAサーバーにして、DTCP-IP経由で送るしか無いということが判明。今あるNASをアップグレードし、Blu-rayに繋げていたHDDを移設。とりあえずフォーマットまでは終わりましたので、明日、実際にネットワーク・ダビングが可能かどうか、そしてそれがどの様に見えるのかなどを調べる予定です。
今月の累計歩数:81,636歩
今日の体重:74.4kg
Surfaceがっ!
なんとなく膨れてきているような気がするなぁ…と思っていたのですが。
やっぱりバッテリーが膨れていました。そしてそれがSurface Pro4の画面を押し上げ、画面が波打ってしまっています。
これだと、さすがに怖くて触れません。ネットで調べると、2年以上使っていると発生するものらしい。でもまぁさすがに困りますので、明日、修理に持って行こうと思います。さっさと直ったら良いなぁ…
今月の歩数:141,688歩
今日の体重:72.6kg
リモートデスクトップが繋がらない
リモートデスクトップでWindows10Proに繋ごうとしているのですが、設定をいくら変えても繋がらない。というか、パスワードではじかれてしまいます。
うーん…アクセス許可を行い、アクセスするユーザーも設定したし、プライベートネットワークに設定したのに、それでも繋がらない。これは何だろうなぁ…よくわからん。明日も試してみるか。
今月の歩数:86,366歩
今日の体重:72.5kg
教育ログデータの考え方 その2
昨日に引き続き、時間データの取得について考える。
時間について取得すべきなのは、「アクセスの時間」であるのは間違いない。だが、これをもう少し細かく見る必要がある。
例えば学習するための動画を表示するページにアクセスされた場合、アクセスされた時刻、そのページに滞在した時間という2つの時間に関係するデータを取得できる。
これが確認テストなどを行う出題画面だとさらに情報は増える。アクセスされた時刻は先ほどと変わらない。だが、テストの場合、解答するのにかかった時間、そしてその後、解説を読んだ時間の2つの時間を取ることができるようになる。問題を何秒で解いているのかを見れば、真面目に考えたのかどうかを判断できるようになる。また解説を読んだ時間も取っていれば、真面目に取り組んでいるかどうかの判断をよりやりやすくなる。真面目に取り組むのであれば、間違えた問題は解説を丁寧に読むはずだからだ。
これらの時間については、たまたま席を外していたために長時間学習しているように見えているだけではないかという疑問も生じる。だが、全ての問題で席を外すことはないため、その個人の解いた全問題を平均すると、学習傾向を知ることができる。
同じ理由で、問題毎の解答時間も全学習者の平均を取れば、解答時間と正答率との比較も可能となる。これらの情報をしっかりと取ることで、様々な解析が可能となるのだ。
今月の歩数:109,825歩
今日の体重:73.0kg
教育ログデータの考え方 その1
今日から何回かに分けて、eラーニングで学習したときに取っておくべき学習ログデータと、その使い方を解説していこうと思う。まずは何故データが必要かについて説明する。
学習データを取るのは、学生・生徒・児童の成績を伸ばすことが目的である。現在の達成度を測定し、一定の学習を行った後に達成度がどの様に変化したのかを測定する。その差分をもって、次のどの様な指導を行えば良いのかを考えるのだ。
一般的には学力テストを行うことで達成度評価を行うわけだが、ペーパーテストで行うと様々な情報が抜け落ちるため、誤った情報を受け取ることになる。例えば次のような例を考えよう。これはとある2人の成績である。
氏名 | 宿題1回目 | 宿題2回目 | 宿題3回目 | 宿題4回目 | 学力テスト |
Aさん | 60 | 70 | 50 | 60 | 60 |
Bさん | 60 | 70 | 60 | 60 | 40 |
AさんとBさんの宿題の成績を見る限り、1回目、2回目、4回目は同じ成績を取っている。3回目だけAさんはBさんより成績が悪い。もしここまでの成績を見たならば、Aさんは3回目の単元が苦手だと判断するかも知れない。もしかしたらたまたま集中力を欠いていたのかも知れないし、じっくりと取り組む時間が無かったのかも知れない。つまり、成績からだけだと何もわからない。
一方、学力テストを見ると、AさんよりもBさんの方が成績が悪い。もしかしたらテスト当日の体調が悪かったのかも知れない。ヤマが外れたのかも知れない。これもテストの成績だけからは何もわからない。これはペーパーテストの限界なのだ。
だがもしeラーニングでしっかりと解答時間を取っていたらどうだろう。宿題3回目でAさんが悪い成績だったのが、時間が足りなかったのか、時間が十分あったにもかかわらず成績が悪かったのかの判別ができる様になる。
逆に、もしかしたらBさんはAさんの1.5倍もの時間を宿題にかけていたらどうだろう。Aさんの1.5倍の時間をかけることで、Bさんはなんとか同じ成績を取っていた可能性がある。だから制限時間がある学力テストではAさんよりも成績が悪いのかも知れない。
つまり、デジタル化によって様々な情報を取れば取るほど、AさんとBさんの成績がなぜこの点数なのかを詳細に把握できるようになるのだ。成績の要素を割り出すことができれば、おのずと必要な指導方針が決まる。だから学習ログデータは事細かに取らないといけないのである。
今月の歩数:109,236歩
今日の体重:73.5kg
moodle+TAO+LearningLocker
まぁ、こういう組み合わせのシステムを導入しようと画策中です。とりあえず、Linuxのシステムをどっかに立てないといかんですね。面倒ではあるけど、サーバー一台借りるかなぁ…ホントは使ってない適当なパソコンに環境構築するのが良いんだけど。
今月の歩数:25,938歩
今日の体重:未計測
WordPressマルチサイト構築
これからなのですが、ちょっとWordpressのマルチサイトを構築しようとしています。これで、少しサイトの管理が楽になると良いのですが。
というわけで、明日にはこれをやる予定。ちょっとはマシになるかなぁ。
今月の歩数:125,982歩
今日の体重:72.5kg
1609にしてみた
昨日の晩、ようやくWindows10のアップデートを強行しました。なかなか落ちてこなかった1609に、強制的に更新をかけたのです。
まぁ、おかげでATOKの設定をやり直さないといけなかったり、ほかにももろもろの再設定がありましたが、概ね問題なく移行できました。そして過去には出ていたという不具合も、特になさそう。さて、残りのPCもアップデートかけるか。
今月の歩数:74,615歩
今日の体重:72.4kg