青木 真吾

あおき しんご

青木 真吾 Shingo Aoki

情報学部 知的情報システム学科 准教授
出身:埼玉県 (熊谷西高等学校)
s.aoki.sm@it-hiroshima.ac.jp

「他教科はダメだけど、数学だけは抜群に得意」という生徒を、適切に評価するには?

中学や高校には語学や数学、社会など主要5教科と言われるものがありますね。どの教科も均等に良い成績を上げるのが理想だけど、なかなかそうはいきません。「数学の成績は誰よりもいいけれど他教科はダメ」「理系科目は得意だけど、文系科目はニガテ」という人もいるでしょう。生徒の得意・不得意まで見据えた上で、能力を適切に評価できる方法はないものでしょうか? そうした問題を解決するための数式モデル構築に取り組んでいるのが、青木先生です。

テストの点を合計して平均するだけでは、生徒の個性が見えてこない。

5人の生徒に、数学と英語のテストをやってもらって学力を測る場合、従来はテストの点を合計し、2で割って出した平均で評価することが大半でした。しかし「数学80点・英語20点」「数学10点・英語90点」「数学50点・英語50点」の人は全員「平均50点」で、同評価になってしまいます。これで正しい評価と言えるでしょうか?
そこで、縦軸を「数学のテスト結果」、横軸を「英語のテスト結果」として、5人分のテスト結果を配置したグラフを作成。グラフの原点から一番遠くにある点同士を直線で結びます。この結んだ線を『効率的フロンティア』と呼び、効率的フロンティア上にある生徒の結果は全て100点と考えます。フロンティア内側の点は、フロンティアからどれだけ離れているか、によって配点していくのです。
このやり方なら、「数学は得意だけど英語はニガテ」といった人の個性をきちんととらえた評価ができます。もちろん、生徒の人数や科目数が増えても、同様の方法で評価可能。
これを『包絡分析法(DEA)』と言います。DEAを行うための数式モデルづくりが、私の研究テーマの一つです。

グラフの外側の線を結んで『効率的フロンティア』を形成し、従来型でない評価を行う。

包絡分析法を用いれば、部活やボランティア活動に対する適切な評価も可能。

目的を達成しようとする時、様々な情報を使って問題を定量的にとらえ、科学的に解決策を見出す『オペレーションズ・リサーチ』という考え方があります。元は戦争で相手に勝つために始まった分野ですが、今では企業が経営判断を下す際などに応用されています。
私の研究するDEAもオペレーションズ・リサーチの手法の一つ。企業を評価する場合、売上や利益を注目するのが一般的ですが、「製品の質が優れている」「営業力がある」といった企業の強みは、売上だけではわかりません。また、大学や病院など公共性の高い組織の実力は、学生数や売上などだけでは判断できないものです。私は、そういった『個性』や『独自性』などを考慮した上で結果を判断するためのモデルを作っていきたいんです。
前項の例では数学と英語のテストを取り上げましたが、生徒の能力はこれだけではありません。例えば部活は、ボランティア活動は、クラスにおける協調性やリーダーシップは...なども、生徒の個性を構成する要素。DEAの手法を用いれば、これらも取り入れて評価するモデルが構築できるのです。

学会発表で、「ベストプレゼンテーションアワード」も受賞。

様々な情報に光をあて、活用することで、世の中に役立つ評価モデルを構築。

DEAとは違った手法として、ベイズの定理を基とした『逆確率』にも取り組んでいます。逆確率は、「5回に1回は帽子を忘れてくる人が、A、B、Cの3つの家を順に訪ね、帰宅後、帽子を忘れたことに気づいた。この場合、Bの家で帽子を忘れた確率は?」といった問題を解くことに応用されます。「帽子を忘れた」という結果から、「どの家で忘れたか?」という原因を確率的に推測するわけです。この手法はいろんな分野で実際に使われていて、迷惑メールの振り分けや、検索エンジンにおける検索ワードのヒット数向上にも貢献しています。
DEAや逆関数の研究から生まれた数式モデルをベースに、最終的にはアプリケーションとして世の中に広く提供できれば...といったことも考えています。適切なモデルが生まれても、数式のままでは一般の人に馴染みにくい。アプリという形で提供し、ボタン一つで評価ができるようになると、使いやすいでしょう。
これまであまり重視されなかった様々な情報に光をあてることで、企業の経営判断を始め、公共機関や学校評価、学生の能力評価など、幅広い領域に役立つモデルを確立したいですね。

ゼミには、情報分析に関心のある学生が大勢集まっている。

ゼミ取材 こぼれ話
先生が以前、実際に行った研究に「ナースコールの原因を推測する」というものがあります。病院で「ナースコールのあった時間」と、「患者がコールした理由」という情報を収集して分析。これにより、ナースコールのあった時間から、なぜ患者がコールしているかを予測するわけです。「看護師に限らず誰でも、他人からわけもわからず呼び出されるのは、ストレスを感じるもの。あらかじめ原因が予測できれば心構えが生まれるので、ストレスが軽減されるのです」。これも『逆確率』の手法を応用したもの。世の中の様々な事象に適用可能な先生の研究は、いろんな問題の解決に貢献しそうです。