アウトプット型学習のための主張抽出とRAGに基づく訂正・補足情報の生成

概要
本研究では,議論の発話内容から話者の主張の抽出と,その主張の中に誤った情報が含まれている場合は訂正文を,不足情報がある場合は補足文の生成に取り組む.学生が行うアウトプット型学習を目的としたプレゼンテーションにおける発話には,誤った理解や不足した背景情報を含む主張が見られることがあり,これらは学生の学習の妨げの要因となる.提案システムでは,発表音声から大規模言語モデル(LLM)を用いて発表者および質問者の主張を抽出する.また,その後発表の根拠となる文書を外部データとした検索拡張生成(RAG)を用いて訂正文と補足文を生成する.実験のため,大学生または大学院生11名を対象に実施した論文紹介のプレゼンテーションを用いてデータを収集した.収集したデータに対して音声認識モデルの違いによる主張抽出精度の差と訂正文および補足文の生成精度を,適合率,再現率,F1値を用いて評価した.その結果,主張抽出の精度は音声認識の精度に影響されることを確認した.また,提案システムは主張抽出を行わない場合と比較して,訂正文および補足文の生成において,適合率,再現率,F1値のいずれも向上することを示した.
書誌情報
米村琉衣, 中井香那子, 山本岳洋: アウトプット型学習のための主張抽出とRAGに基づく訂正・補足情報の生成, 第18回データ工学と情報マネジメントに関するフォーラム(DEIM 2026), 3H-01, 2026年3月.