Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
習熟度尺度におけるレベル分割点の決定―統計的シミュレーションを用いて
Search
Yuichiro Kobayashi
December 20, 2014
Research
0
500
習熟度尺度におけるレベル分割点の決定―統計的シミュレーションを用いて
外国語教育メディア学会関西支部メソドロジー研究部会 2014年度第3回研究会 (2014年12月20日、沖縄県青年会館)
Yuichiro Kobayashi
December 20, 2014
Tweet
Share
More Decks by Yuichiro Kobayashi
See All by Yuichiro Kobayashi
コーパス分析における特徴語抽出手法の比較ー機械学習モデルの特性と注意点
langstat
1
320
学習者コーパス研究におけるマルチレベル順序ロジットモデルの活用
langstat
2
270
この脅迫状を書いたのは誰か? コンピュータが明らかにする「文章の指紋」
langstat
0
820
J-POPの歌詞から見る社会 計量テキスト分析入門
langstat
2
1.5k
Rによる成績データ分析入門
langstat
0
1.4k
機械学習と学習者コーパスに基づく自動採点システムの改良
langstat
0
690
英語教育研究のためのテキスト分析入門
langstat
0
420
パターン認識と自然言語処理の技術を用いたライティング自動評価の試み
langstat
1
1.3k
Other Decks in Research
See All in Research
ゼロからわかるリザバーコンピューティング
kurotaky
1
280
方策の長期性能に対する効率的なオフライン評価・学習 (Long-term Off-Policy Evaluation and Learning)
usaito
PRO
1
110
眠眠ガチャ:ガチャを活用した睡眠意欲向上アプリの開発 / EC71inui
yumulab
0
120
FMP L3 Year 1 Project Proposal
haiinya
0
150
Target trial emulationの概要
shuntaros
2
1.1k
Experiments on ROP Attack with Various Instruction Set Architectures
yumulab
0
320
F0に基づいて伸縮された画像文字からの音声合成 [ASJ2024春]
nehi0615
0
120
[Human-AI Decision Making勉強会] 説明の更新はユーザにどのような影響をもたらすか
okoso
1
150
音声処理ツールキットESPnetの現在と未来
kanbayashi1125
2
520
Julia Tokyo #11 トーク: 「Juliaで歩く自動微分」
abap34
1
1.3k
Ground Metric Learning with applications in genomics
gpeyre
0
350
Generative Spoken Dialogue Language Modeling [対話論文読み会@電通大]
yuta0306
1
130
Featured
See All Featured
Typedesign – Prime Four
hannesfritz
36
2.1k
Designing Experiences People Love
moore
136
23k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
186
16k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
124
32k
WebSockets: Embracing the real-time Web
robhawkes
59
7k
Being A Developer After 40
akosma
56
580k
Unsuck your backbone
ammeep
662
57k
4 Signs Your Business is Dying
shpigford
175
21k
What the flash - Photography Introduction
edds
64
11k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
119
38k
Making Projects Easy
brettharned
108
5.5k
Why You Should Never Use an ORM
jnunemaker
PRO
50
8.6k
Transcript
খྛ༤Ұ ʢຊֶज़ৼڵձɾ໋ཱؗେֶʣ ϝιυϩδʔݚڀ෦ձୈճݚڀձ ݄ʢʣԭೄݝ੨ձؗ
ࣗݾհ • ؆୯ͳܦྺ – ຊֶज़ৼڵձಛผݚڀһ%$ – ത࢜ʢݴޠจԽֶʣʢେࡕେֶʣ – ຊֶज़ৼڵձಛผݚڀһ1%
– ະఆ • ݚڀςʔϚ – ֶशऀίʔύεݚڀ – ϝλஊඪࣝ – ࣗಈ࠾ – FUD
ࣗಈ࠾ • ֶशऀͷशख़Λ౷ܭతʹ༧ଌ – આ໌มʢ༧ଌʹ༻͍Δख͕͔Γʣݴޠతಛ – తมʢ༧ଌ͢Δରʣशख़ େྔͷ࡞จσʔλ ʢίʔύεʣ
ࣗಈ࠾ϓϩάϥϜ ʢ౷ܭతྨثʣ ֶशऀͷ࡞จ ʢੳରʣ शख़ʹΑͬͯස͕ҟͳΔ ݴޠతಛʢઆ໌มʣΛಛఆ ίʔύε͔ΒಘΒΕͨใΛ༻͍ͯɺ ະͷ࡞จͷशख़ʢతมʣΛఆ
ࣗಈ࠾ʹ͓͚Δ • આ໌มΛԿʹ͢Δ͔ʁ – ਓؒͷ࠾ऀͱಉ͡ߏ֓೦ʹج͖ͮ͘ ɹɹɹɹɹˣ –
ਓؒඞͣࣗࣗ͠ͷ࠾ج४ʢධՁ߲ͱɺ ͦͷॏΈ͚ʣΛཧղ͍ͯ͠Δ༁Ͱͳ͍ FH "UUBMJ ɹɹɹɹɹˣ – ͱΓ͋͑ͣɺධՁ߲ʢͷީิʣͱͳΔݴޠతಛΛ ʢՄೳͳݶΓʣཏతʹ༻ ɹɹɹɹɹˣ – ݸʑͷධՁ߲ͷॏཁΛ౷ܭతʹಛఆ ʢਓؒͷߏ֓೦Λ౷ܭతʹ࠶ݱʣ খྛ
ࣗಈ࠾ʹ͓͚Δ • తมΛԿʹ͢Δ͔ʁ – ௨ৗɺطଘͷशख़ईʢFH $&'3ͷϨϕϧʣ ɹɹɹɹɹˣ
– Ͳͷई͕शख़ͷଌఆʹ࠷ద͍ͯ͠Δͷ͔ʁ – ͲͷΑ͏ʹशख़ͷईΛઃఆ͢Δ͔ʁ ɹɹɹɹɹˣ – शख़ʢϨϕϧʣΛ૿͢ͱɺଌఆޡ্͕ࠩঢ – शख़ʢϨϕϧʣΛݮΒ͢ͱɺใྔ͕Լ ɹɹɹɹɹˣ – ςεςΟϯάʹ͓͚Δशख़ईͷᮢͷ
ᮢͷઃఆ • ݴޠशख़ͷई – ֶशऀͷύϑΥʔϚϯε͕ͲͷϨϕϧʹ͋Δ͔Λஅ ͢ΔͨΊʹ༻ – शख़͕θϩͷϨϕϧ͔ΒޠऀͱಉఔͷϨϕ ϧ·ͰΛؚΉ
%BWJFT FUBM ɹɹɹˣ – Կஈ֊ͷϨϕϧ͕ద͔ʁ – ϨϕϧΛ۠͢ΔᮢΛͲͷΑ͏ʹ໌֬ʹ͢Δ͔ʁ – ईΛͲͷΑ͏ʹද͢ͷ͔ʁ ɹɹɹˣ – ͦͷईͷઃܭࢥ༻తͱີʹؔΘΔͷ
• Ϩϕϧͷ૿Ճ – ྫ͑ɺ$&'3ͷ߹ɺˠˠͱ૿Ճ – $&'3Λ֦ுͨ͠$&'3+Ͱɺ ɹɹˣ • ଌఆޡࠩͷӨڹ
– ୡϨϕϧҎԼͷऀ͕ୡϨϕϧʹୡ͍ͯ͠Δͱஅ ͞ΕΔޡΓ GBMTFQPTJUJWF – ୡϨϕϧʹୡ͍ͯ͠Δऀ͕ୡϨϕϧҎԼͰ͋Δͱ அ͞ΕΔޡΓ GBMTFOFHBUJWF ɹɹɹˣ – ࡉԽ͞ΕͨϨϕϧͷ࠶౷߹͕ඞཁʹͳΔ͜ͱ
• શʹ٬؍తͳϨϕϧͷׂํ๏ – ଘࡏ͠ͳ͍ ;JFLZ1FSJF ɹɹɹɹɹˣ –
ͦΕͰՄೳͳݶΓ٬؍ੑΛߴΊΔඞཁ – Ϩϕϧ۠ͷج४ɺ౷ܭతͳੳ݁Ռʹج͍ܾͮͯ ఆ͞ΕΔ͜ͱ͕·͍͠ ɹɹɹɹɹˣ – ผੳ – ଟ࣍ݩई๏ – ߲Ԡཧ – FUD $&'3
ݚڀͷత • Ϩϕϧ۠ͷج४Λܾఆ͢ΔͨΊͷྔతσʔλ Λఏࣔ͢Δ͜ͱʢҙࢥܾఆࢧԉʣ • ߟྀ͞ΕΔϨϕϧ۠ͷج४ – Ϩϕϧఆͷਫ਼ʢଌఆޡࠩʣ –
Ϩϕϧ۠ͷྑ͞ʢใྔʣ
࣮ݧσʔλ • /*$5+-&$PSQVT ઘ΄͔ – 4UBOEBSE4QFBLJOH5FTU 445
Λडݧͨ͠ຊਓ ӳޠֶशऀ ਓͷൃσʔλʢॻ͖ى͜͠ʣ – ஈ֊ͷशख़ใ͕શͯͷֶशऀσʔλʹ༩
• 4UBOEBSE4QFBLJOH5FTU 445 – "$5'-01*ʹ४ڌ – शख़ͷఆɺ B
૯߹తλεΫͱػೳɺ C ςΩ ετλΠϓɺ D ਖ਼֬͞ɺ E ൃԻɺ F ྲྀெ͞ɺͷ ߲ʹؔ͢ΔධՁج४ʹج͍ͮͯߦΘΕΔ -FXJT – ઐͷࢼݧʹΑΔؒͷΠϯλϏϡʔΛԻ – ਓͷධՁ͕ݸผʹशख़Λఆ – ਓͷධՁͷධՁ͕͔Εͨ߹ɺਓͷධՁ ͕ఆ
• "$5'-01*ͱ445 – ʮຊਓͷӳޠֶशऀʹଟ͍தڃϨϕϧΛৄࡉʹଌ ఆͰ͖ΔΑ͏ʹʯϨϕϧΛࡉׂ͔͘ -FXJT ͜Ε΄Ͳࡉ͔͚͘Δ
͜ͱଥͳͷ͔ʁ ֶशऀ͕ଟ͘͢Δ ͜ͱΛཧ༝ʹɺϨϕϧ ۠ͷج४Λมߋ͢Δ ͜ͱଥͳͷ͔ʁ
• 445ͷධՁج४ʢҰ෦ʣ – ϨϕϧʮجຊతʹϨϕϧͱಉ༷ͰɺൃԻɺจ ๏ɺͦͷଞͷͰϨϕϧΑΓ༏Εͨ໘Λ࣌ંൃش͢ Δʯ – ϨϕϧʮجຊతʹϨϕϧͱಉ༷ͰɺൃԻɺจ ๏ɺͦͷଞͷͰϨϕϧΑΓ༏Εͨ໘Λ࣌ંൃش͢
Δʯʢ-FXJT ʣ ɹɹɹɹɹˣ – ͱ͋ΔݩΞϧΫͷਓʮਓͷධՁʹΑΔϨϕϧͷҰ கఔʯ – ͱ͋Δ445ࢼݧʮϨϕϧʹΑͬͯɺఆ͕͔ͳΓ ͍͠ʯ
࣮ݧख๏ • ϥϯμϜϑΥϨετ #SFJNBO – Ϩϕϧఆͷਫ਼ʢଌఆޡࠩʣ •
ใྔج४ "*$ʣ ,POJTIJ,JUBHBXB – Ϩϕϧ۠ͷྑ͞ – Ϩϕϧɺ࠷Ͱͭ • આ໌ม – #JCFS ͳͲʹجͮ͘छྨͷݴޠ߲ – ֶशऀݴޠͷੳʹ༗༻ FH খྛ΄͔
݁Ռͱߟ • Ϧάϧʔϐϯά݁Ռʢछྨʣ – "*$ɺখ͍͞΄ͲΑ͍ – "DDVSBDZɺߴ͍΄ͲΑ͍
• "*$ͱ"DDVSBDZͷؔ 8100000 8200000 8300000 8400000 8500000 8600000 8700000
0.6 0.7 0.8 0.9 1.0 AIC Accuracy 1-189 190-224 225-255
• ͲΕ͙Β͍ͷఆਫ਼ΛٻΊΔ͔ʁ
• Ϩϕϧ۠ͷมԽ Accuracy Proportion 0.0 0.2 0.4 0.6 0.8
1.0 -0.60 0.60+ 0.65+ 0.70+ 0.75+ 0.80+ 0.85+ 0.90+ 0.95+ 1|2 2|3 3|4 4|5 5|6 6|7 7|8 8|9
࣮ݧ݁Ռͷ·ͱΊ • Ұఆͷఆਫ਼Λ୲อ͢Δͱ͍͏؍Ͱ… – 445ͷϨϕϧʙʹؔͯ͠ɺࡉԽ͞Εա͍͗ͯΔ Մೳੑ – 445ͷϨϕϧʙʹؔͯ͠ɺͭͷϨϕϧʹ·ͱΊΔ ͱ͍͏ํੑ
• ࠓޙͷల։ – Ϩϕϧ۠ʹӨڹ͢Δݴޠ߲ͷಛఆ ɹFUD
ओཁࢀߟจݙ • "UUBMJ : 7BMJEJUZBOESFMJBCJMJUZPGBVUPNBUFEFTTBZTDPSJOH *O4IFSNJT . #VSTUFJO
+ &ET )BOECPPLPGBVUPNBUFEFTTBZ FWBMVBUJPO QQ /FX:PSL3PVUMFEHF • #JCFS % 7BSJBUJPOBDSPTTTQFFDIBOEXSJUJOH$BNCSJEHF $BNCSJEHF6OJWFSTJUZ1SFTT • #SFJNBO - 3BOEPNGPSFTUT.BDIJOF-FBSOJOH • %BWJFT " #SPXO " &MEFS $ )JMM , -VNMFZ 5 .D/BNBSB 5 %JDUJPOBSZPGMBOHVBHFUFTUJOH$BNCSJEHF$BNCSJEHF 6OJWFSTJUZ1SFTT • ઘֆඒɾݩਗ਼وɾҪࠤݪۉ ʰຊਓਓͷӳޠεϐʔΩ ϯάίʔύεʱ౦ژΞϧΫ • খྛ༤Ұ ʮػցֶशͱࣗવݴޠॲཧͷٕज़Λ༻͍ͨशख़ਪఆ ʕݱঢ়ͱ՝ʯʰ֎ࠃޠڭҭϝσΟΞֶձ -&5 ؔࢧ෦ϝιυϩδʔݚ ڀ෦ձใࠂूʱ • খྛ༤ҰɾѨ෦ਅཧࢠɾాਅ ʮॻ͖खͷशख़ͱޠ͕ୈ ݴޠϥΠςΟϯάʹ༩͑ΔӨڹʯʰਓจՊֶͱίϯϐϡʔλγϯϙδ ϜจूʕਓจՊֶͱίϯϐϡʔλͷ৽ͨͳύϥμΠϜʱQQ
• খྛ༤Ұɾాதল࡞ɾѨ෦ਅཧࢠ ʮใྔج४ʹجͮ͘शख़ ईͷ࠶ݕ౼ʯখࢁ༝لߐ ฤ ʰՊֶٕज़ίʔύεͷಛදݱੳͱ-35 ʹج͍ͮͨ$"5ͷ࡞ʱʢ౷ܭཧݚڀॴڞಉݚڀϦϙʔτ/Pʣ QQ
• ,POJTIJ 4 ,JUBHBXB ( *OGPSNBUJPODSJUFSJBBOETUBUJTUJDBM NPEFMJOH/FX:PSL4QSJOHFS • -FXJT . ʰӳޠΦʔϥϧɾίϛϡχέʔγϣϯߨ࠲ʮӳޠΛ ͬͯͰ͖Δ͜ͱʯΛޮతʹ૿͢ϲ݄ϓϩάϥϜʢ࣮ફίʔεʣʱ ౦ژΞϧΫ • ༝ل ฤ ʰ$"/%0Ϧετ࡞ɾ׆༻ӳޠ౸ୡࢦඪ $&'3+ΨΠυϒοΫʱ౦ژେमؗॻళ • ;JFLZ . 1FSJF . "QSJNFSPOTFUUJOHDVUTDPSFTPO UFTUTPGFEVDBUJPOBMBDIJFWFNFOU1SJODFUPO&EVDBUJPOBM5FTUJOH 4FSWJDF ɹ ຊൃදͷੳख๏ͱੳ݁Ռʹؔͯ͠ɺখྛɾాதɾѨ෦ ʹ ৄ͘͠ॻ͍ͯ͋Γ·͢ɻ IUUQMBOHTUBUIBUFOBCMPHDPNFOUSZ
͝ਗ਼ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠ 8100000 8200000 8300000 8400000 8500000 8600000 8700000 0.6
0.7 0.8 0.9 1.0 AIC Accuracy 1-189 190-224 225-255 Accuracy Proportion 0.0 0.2 0.4 0.6 0.8 1.0 -0.60 0.60+ 0.65+ 0.70+ 0.75+ 0.80+ 0.85+ 0.90+ 0.95+ 1|2 2|3 3|4 4|5 5|6 6|7 7|8 8|9 খྛ༤Ұʢ͜͠Ώ͏͍ͪΖ͏ʣ
[email protected]
! ϨϕϧͷมԽʹΑΔଌఆͷਫ਼ͱใྔͷมԽΛ౷ܭతʹγϛϡϨʔγϣϯ