視線から洞察へ：対面型協調学習における注視行動を検出するためのスケーラブルなAIアプローチ

要旨: これまでの研究では、協調学習における注視行動を分析することで、学習者が自らの学習を省察するための教育的に意味のある情報を提供できる可能性が示されてきた。過去数十年にわたり、機械学習のアプローチが、動画データから注視行動を自動的に検出するために開発されてきた。しかしながら、これらのアプローチは学習のために大量のラベル付きデータを必要とすることが多いため、人手によるアノテーションが依然として必要である。加えて、研究者は、機械学習モデルの開発に用いられる学習データセットが教育的文脈で遭遇する状況の全範囲を包含できないことが多いことから、開発したモデルのクロスコンフィギュレーションに対する頑健性（ロバスト性）に疑問を投げかけてきた。これらの課題に対処するため、本研究では、人手によるアノテーションデータを必要とせずに、対面での協調学習の文脈において注視行動を自動検出するための、スケーラブルな人工知能アプローチを提案する。このアプローチでは、人物追跡に対して事前学習済みのYOLO11を用い、教育関連の物体検出にはテキストプロンプト機能を備えたYOLOE-26を用い、注視対象の予測にはGaze-LLEモデルを用いる。結果は、提案手法が動画データから学習者の注視行動を検出する際にF1スコア0.829を達成し、ノートパソコンに向けた注視および対話相手（仲間）に向けた注視で特に強い性能を示す一方で、他の注視対象では性能が弱いことを示している。さらに、他の教師あり機械学習アプローチと比較すると、本手法は複雑な文脈において優れており、かつより安定した性能を示し、より良いクロスコンフィギュレーション頑健性を裏付けている。また、現実世界の環境において学習者の協調学習を支援するための、このアプローチの示唆についても議論する。