非構造学習データの構造化と生成AI統合による教育支援の高精度化
学習者の非構造データ（履修履歴、課題、行動ログ、音声、画像からなるマルチモダリティデータ）からのメタデータを抽出・構造化し、データベース化して生成AIと連携する教育支援モデルを提案する。学習履歴の時間関連性と構造性を活用し、精緻な前処理と統合によって、多様データの品質差やコスト増大といった課題克服を目指す。多次元データ分析技術と融合し、AIの文脈理解と応答精度を高め、個別最適化と拡張性に優れたシステム設計を実現する。
ビッグデータ分析とインタラクティブ可視化
ビッグデータ分析の研究は、センサーやIoT機器から得られる高次元かつ大量のデータを対象とし、その中に潜むパターンや異常を抽出することを目的とする。自己組織化マップやクラスタリングを組み合わせることで、複雑なデータ構造を視覚的に把握しやすくするビジュアル分析手法を研究する。この手法により、従来の分析では困難であったデータの構造的理解や異常検知が可能となり、リアルタイム監視やプロセス最適化に貢献する。ビッグデータ分析は、産業、医療、エネルギーなど多分野に応用可能であり、知的なデータ活用による意思決定の高度化を目指すものである。
マルチモーダルAIを活用したバリアフリー支援情報基盤の開発
移動制約者（障害者、高齢者、妊婦、外国人旅行者など）の移動時に発生する課題を解決するため、マルチモーダルAIを活用して高精度かつ実用的なバリアフリー支援システムの構築を目指すものである。画像・音声・気象・事故履歴・既存バリアフリーマップなど複数の情報源を統合し、危険因子や障害情報を予測・補完して、信頼性の高い支援情報をタイムリーに提供することにより、安全性と社会参加の促進を図る