JP7423111B1 - 学習材生成システム、学習材生成方法、及び学習材生成プログラム - Google Patents
学習材生成システム、学習材生成方法、及び学習材生成プログラム Download PDFInfo
- Publication number
- JP7423111B1 JP7423111B1 JP2023125005A JP2023125005A JP7423111B1 JP 7423111 B1 JP7423111 B1 JP 7423111B1 JP 2023125005 A JP2023125005 A JP 2023125005A JP 2023125005 A JP2023125005 A JP 2023125005A JP 7423111 B1 JP7423111 B1 JP 7423111B1
- Authority
- JP
- Japan
- Prior art keywords
- query
- theme
- learning material
- generated
- generation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000463 material Substances 0.000 title claims abstract description 382
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims description 30
- 238000010586 diagram Methods 0.000 abstract description 11
- 238000004891 communication Methods 0.000 description 33
- 238000012545 processing Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012797 qualification Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- KNMAVSAGTYIFJF-UHFFFAOYSA-N 1-[2-[(2-hydroxy-3-phenoxypropyl)amino]ethylamino]-3-phenoxypropan-2-ol;dihydrochloride Chemical compound Cl.Cl.C=1C=CC=CC=1OCC(O)CNCCNCC(O)COC1=CC=CC=C1 KNMAVSAGTYIFJF-UHFFFAOYSA-N 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】学習材の作成効率の向上を図ることができる学習材生成システム、学習材生成方法、及び学習材生成プログラムを提供する。【解決手段】学習材生成システムは、設問及び解答の組合せからなる学習材の生成要求と、その生成テーマと、を含むクエリＤ１を取得するクエリ取得部と、クエリ取得部により取得されたクエリＤ１が実行されたとき、大規模言語モデル７１が予め記憶されたデータベース７を参照した上で生成テーマに基づいて学習材を生成する学習材生成部と、を備えることを特徴とする。クエリ取得部は、学習材の生成要求と、生成テーマと設問の目次とを一組とする複数のデータセットＤ２と、を含むクエリＤ１を取得してもよく、学習材生成部は、複数のデータセットＤ２に基づいて目次に対応する複数の学習材を生成してもよい。【選択図】図５
Description
この発明は、大規模言語モデルを用いて教育用の学習材を生成するための学習材生成システム、学習材生成方法、及び学習材生成プログラムに関する。
現在、ＡＩ（人工知能）を活用したテキストの自動生成について研究されている。特に、大量のテキストデータを学習した自然言語処理モデルを用いることで、例えば入力されたテキストを分類したり、入力されたテキストから感情を分析したり、入力されたテキストを要約したり、入力された質問に対する応答内容を生成したりすることができる。
特許文献１には、自然言語処理モデルを用いて自然言語の質問とその質問に対する回答（ＱＡ）を生成するシステムが開示されている。
特許文献１に開示された生成システムによれば、自然言語処理モデルを用いて、原因又は結果を表す第１句を使用した自然言語の質問を生成するとともに、候補テキストから候補第２句を抽出し、最も高い確率を有する候補第２句を、第１句との因果関係を持つものとして選択することで、質問と回答の組合せを生成することができる。しかしながら、特許文献１に開示された生成システムでは、例えば特定分野の教育を目的とした、設問と解答の組合せからなる学習材の生成については開示されていない。
そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、学習材の作成効率の向上を図ることができる学習材生成システム、学習材生成方法、及び学習材生成プログラムを提供することにある。
第１発明における学習材生成システムは、設問及び解答の組合せからなる学習材の生成要求と、その生成テーマの生成要求と、その分類テーマと、を含むクエリを取得するクエリ取得部と、前記クエリ取得部により取得された前記クエリが実行されたとき、大規模言語モデルが予め記憶されたデータベースを参照した上で前記分類テーマに基づいて新たに取得した前記生成テーマに基づいて前記学習材を生成する学習材生成部と、を備えることを特徴とする。
第２発明における学習材生成システムは、設問及び解答の組合せからなる学習材の生成要求と、その生成テーマと、を含むクエリを取得するクエリ取得部と、前記クエリ取得部により取得された前記クエリに含まれる前記生成テーマを、前記生成テーマと前記生成テーマに関連する１以上の関連生成テーマとが予め紐づけられたデータベースを参照した上で、一の前記関連生成テーマに変換するクエリ変換部と、前記クエリ取得部により取得された前記クエリが実行されたとき、大規模言語モデルが予め記憶されたデータベースを参照した上で前記クエリ変換部により変換された前記関連生成テーマに基づいて前記学習材を生成する学習材生成部と、を備えることを特徴とする。
第２発明における学習材生成システムは、設問及び解答の組合せからなる学習材の生成要求と、その生成テーマと、を含むクエリを取得するクエリ取得部と、前記クエリ取得部により取得された前記クエリに含まれる前記生成テーマを、前記生成テーマと前記生成テーマに関連する１以上の関連生成テーマとが予め紐づけられたデータベースを参照した上で、一の前記関連生成テーマに変換するクエリ変換部と、前記クエリ取得部により取得された前記クエリが実行されたとき、大規模言語モデルが予め記憶されたデータベースを参照した上で前記クエリ変換部により変換された前記関連生成テーマに基づいて前記学習材を生成する学習材生成部と、を備えることを特徴とする。
第３発明における学習材生成システムは、第１発明又は第２発明において、前記クエリ取得部は、前記学習材の生成要求と、前記生成テーマと前記設問の目次とを一組とする複数のデータセットと、を含む前記クエリを取得し、前記学習材生成部は、前記クエリ取得部により取得された複数の前記データセットに基づいて前記目次に対応する複数の前記学習材を生成することを特徴とする。
第４発明における学習材生成システムは、第３発明において、前記クエリ取得部は、前記生成テーマ及び前記目次のうち少なくとも何れかが既存の学習材データから抽出された前記データセットを含む前記クエリを取得することを特徴とする。
第５発明における学習材生成方法は、設問及び解答の組合せからなる学習材の生成要求と、その生成テーマの生成要求と、その分類テーマと、を含むクエリを取得するクエリ取得ステップと、前記クエリ取得ステップにより取得された前記クエリを実行し、大規模言語モデルが予め記憶されたデータベースを参照した上で前記分類テーマに基づいて新たに取得した前記生成テーマに基づいて前記学習材を生成する学習材生成ステップと、を有することを特徴とする。
第６発明における学習材生成方法は、設問及び解答の組合せからなる学習材の生成要求と、その生成テーマと、を含むクエリを取得するクエリ取得ステップと、前記クエリ取得ステップにより取得された前記クエリに含まれる前記生成テーマを、前記生成テーマと前記生成テーマに関連する１以上の関連生成テーマとが予め紐づけられたデータベースを参照した上で、一の前記関連生成テーマに変換するクエリ変換ステップと、前記クエリ取得ステップにより取得された前記クエリを実行し、大規模言語モデルが予め記憶されたデータベースを参照した上で前記クエリ変換ステップにより変換された前記関連生成テーマに基づいて前記学習材を生成する学習材生成ステップと、を有することを特徴とする。
第６発明における学習材生成方法は、設問及び解答の組合せからなる学習材の生成要求と、その生成テーマと、を含むクエリを取得するクエリ取得ステップと、前記クエリ取得ステップにより取得された前記クエリに含まれる前記生成テーマを、前記生成テーマと前記生成テーマに関連する１以上の関連生成テーマとが予め紐づけられたデータベースを参照した上で、一の前記関連生成テーマに変換するクエリ変換ステップと、前記クエリ取得ステップにより取得された前記クエリを実行し、大規模言語モデルが予め記憶されたデータベースを参照した上で前記クエリ変換ステップにより変換された前記関連生成テーマに基づいて前記学習材を生成する学習材生成ステップと、を有することを特徴とする。
第７発明における学習材生成プログラムは、設問及び解答の組合せからなる学習材の生成要求と、その生成テーマの生成要求と、その分類テーマと、を含むクエリを取得するクエリ取得ステップと、前記クエリ取得ステップにより取得された前記クエリを実行し、大規模言語モデルが予め記憶されたデータベースを参照した上で前記分類テーマに基づいて新たに取得した前記生成テーマに基づいて前記学習材を生成する学習材生成ステップと、をコンピュータに実行させることを特徴とする。
第８発明における学習材生成プログラムは、設問及び解答の組合せからなる学習材の生成要求と、その生成テーマと、を含むクエリを取得するクエリ取得ステップと、前記クエリ取得ステップにより取得された前記クエリに含まれる前記生成テーマを、前記生成テーマと前記生成テーマに関連する１以上の関連生成テーマとが予め紐づけられたデータベースを参照した上で、一の前記関連生成テーマに変換するクエリ変換ステップと、前記クエリ取得ステップにより取得された前記クエリを実行し、大規模言語モデルが予め記憶されたデータベースを参照した上で前記クエリ変換ステップにより変換された前記関連生成テーマに基づいて前記学習材を生成する学習材生成ステップと、をコンピュータに実行させることを特徴とする。
第８発明における学習材生成プログラムは、設問及び解答の組合せからなる学習材の生成要求と、その生成テーマと、を含むクエリを取得するクエリ取得ステップと、前記クエリ取得ステップにより取得された前記クエリに含まれる前記生成テーマを、前記生成テーマと前記生成テーマに関連する１以上の関連生成テーマとが予め紐づけられたデータベースを参照した上で、一の前記関連生成テーマに変換するクエリ変換ステップと、前記クエリ取得ステップにより取得された前記クエリを実行し、大規模言語モデルが予め記憶されたデータベースを参照した上で前記クエリ変換ステップにより変換された前記関連生成テーマに基づいて前記学習材を生成する学習材生成ステップと、をコンピュータに実行させることを特徴とする。
第１発明、第３発明及び第４発明によれば、大規模言語モデルが予め記憶されたデータベースを参照した上で取得されたクエリに含まれる生成テーマに基づいて学習材を生成する学習材生成部を備える。このため、大規模言語モデルにより生成テーマに関する学習材を自動生成することができる。これにより、学習材の作成効率の向上を図ることができる。また、学習材生成部は、大規模言語モデルが予め記憶されたデータベースを参照した上で分類テーマに基づいて新たに取得した生成テーマに基づいて学習材を生成する。このため、大規模言語モデルにより分類テーマに関する生成テーマを自動生成することができる。これにより、学習材の作成効率のさらなる向上を図ることができる。また、生成テーマについて学習材ごとに選定する必要がないため、学習材の専門知識が乏しいユーザでも学習材を自動生成することができる。これにより、学習材の作成に関する作業性の向上を図ることができる。
第２発明～第４発明によれば、大規模言語モデルが予め記憶されたデータベースを参照した上で取得されたクエリに含まれる生成テーマに基づいて学習材を生成する学習材生成部を備える。このため、大規模言語モデルにより生成テーマに関する学習材を自動生成することができる。これにより、学習材の作成効率の向上を図ることができる。また、取得されたクエリに含まれる生成テーマを、一の関連生成テーマに変換するクエリ変換部をさらに備える。このため、大規模言語モデルにより同一の生成テーマから異なる内容の学習材を自動生成することができる。これにより、作成する学習材の利便性の向上を図ることができる。
第２発明～第４発明によれば、大規模言語モデルが予め記憶されたデータベースを参照した上で取得されたクエリに含まれる生成テーマに基づいて学習材を生成する学習材生成部を備える。このため、大規模言語モデルにより生成テーマに関する学習材を自動生成することができる。これにより、学習材の作成効率の向上を図ることができる。また、取得されたクエリに含まれる生成テーマを、一の関連生成テーマに変換するクエリ変換部をさらに備える。このため、大規模言語モデルにより同一の生成テーマから異なる内容の学習材を自動生成することができる。これにより、作成する学習材の利便性の向上を図ることができる。
特に、第３発明によれば、クエリ取得部は、学習材の生成要求と、生成テーマと目次とを一組とする複数のデータセットと、を含むクエリを取得し、学習材生成部は、取得された複数のデータセットに基づいて学習材を複数生成する。このため、大規模言語モデルにより生成テーマに関する学習材を目次に応じて自動生成することができる。これにより、複数の学習材を含む問題集の作成効率の向上を図ることができる。
特に、第４発明によれば、クエリ取得部は、生成テーマ及び目次のうち少なくとも何れかが既存の学習材データから抽出されたデータセットを含むクエリを取得する。このため、クエリの作成に係る作業を省略することができる。これにより、学習材の作成効率のさらなる向上を図ることができる。また、既存の学習材に基づいた学習材を生成することができる。これにより、学習材の品質向上を図ることができる。
第５発明～第６発明によれば、大規模言語モデルが予め記憶されたデータベースを参照した上で取得されたクエリに含まれる生成テーマに基づいて学習材を生成する学習材生成ステップを有する。このため、大規模言語モデルにより生成テーマに関する学習材を自動生成することができる。これにより、学習材の作成効率の向上を図ることができる。
第７発明～第８発明によれば、大規模言語モデルが予め記憶されたデータベースを参照した上で取得されたクエリに含まれる生成テーマに基づいて学習材を生成する学習材生成ステップをコンピュータに実行させる。このため、大規模言語モデルにより生成テーマに関する学習材を自動生成することができる。これにより、学習材の作成効率の向上を図ることができる。
以下、図面を参照しながら、本発明の実施形態としての学習材生成システム１００、学習材生成方法、及び学習材生成プログラムの一例について詳細に説明をする。なお、各図における構成は、説明のため模式的に記載されており、例えば各構成の大きさや、構成毎における大きさの対比等については、図とは異なってもよい。
（第１実施形態：学習材生成システム１００）
図１～図３を参照して、本実施形態における学習材生成システム１００の構成の一例を説明する。
図１～図３を参照して、本実施形態における学習材生成システム１００の構成の一例を説明する。
学習材生成システム１００は、例えば図１に示すように、ユーザ端末１と、サーバ２と、通信網９と、を備える。学習材生成システム１００は、ユーザ端末１を介してユーザＵの入力を受け付けることにより、予め記憶された大規模言語モデルを記憶するデータベースに対して実行するクエリを取得する。その後、学習材生成システム１００は、取得したクエリを実行することで、大規模言語モデルに基づく学習材を自動生成することができる。
ユーザＵとは、例えば学習材生成システム１００を用いて生成した学習材を、教育の対象である回答ユーザに出題するユーザを指す。ユーザＵは、回答ユーザに対して自動生成した学習材を提供することで、回答ユーザに対する教育活動の効率化を図ることができる。また、ユーザＵは、例えば回答ユーザであってもよい。すなわち、ユーザＵは、学習材生成システム１００を用いて生成した学習材を自身で回答することで、自習の効率化を図ることができる。
学習材とは、設問及び解答の組合せからなる、回答ユーザの知識を問うテストを指し、記述式問題、択一式問題、組合せ問題等の出題形式を含む。また、学習材は、回答ユーザに対して視覚情報又は聴覚情報として出力されるあらゆる教材を含む。学習材の一例としては、学習材生成システム１００により生成された学習材データ、当該学習材データに基づいてディスプレイに表示される画像及び映像、当該学習材データに基づいてホログラムディスプレイを介して表示される３次元画像及び３次元映像、当該学習材データに基づいて印刷される印刷物、当該学習材データに基づいて音響機器を介して再生される音声等を含む。
なお、本実施形態では、大規模言語モデルを記憶するデータベースがサーバ２に保存され、学習材生成システム１００がサーバ２において学習材を生成する構成を例にとり説明するが、これに限定されない。学習材生成システム１００は、ユーザ端末１に大規模言語モデルを記憶するデータベースが保存され、ユーザ端末１において学習材を生成してもよく、この場合サーバ２を備えなくてもよい。
＜ユーザ端末１＞
ユーザ端末１は、学習材の自動生成を制御する端末である。ユーザ端末１は、ユーザＵが操作する端末である。ユーザ端末１は、通信網９を介してサーバ２と通信接続される。
ユーザ端末１は、学習材の自動生成を制御する端末である。ユーザ端末１は、ユーザＵが操作する端末である。ユーザ端末１は、通信網９を介してサーバ２と通信接続される。
ユーザ端末１は、例えば図２（ａ）に示すように、筐体１０と、ＣＰＵ（Central Processing Unit）１０１と、ＲＯＭ（Read Only Memory）１０２と、ＲＡＭ（Random Access Memory）１０３と、保存部１０４と、Ｉ／Ｆ１０５～１０７とを備える。各構成１０１～１０７は、内部バス１１０により接続される。ユーザ端末１として、例えばラップトップ（ノート）ＰＣ、デスクトップＰＣ、タブレット型端末、スマートフォン等の公知の電子機器が用いられる。
ＣＰＵ１０１は、ユーザ端末１全体を制御する。ＲＯＭ１０２は、ＣＰＵ１０１の動作コードを格納する。ＲＡＭ１０３は、ＣＰＵ１０１の動作時に使用される作業領域である。保存部１０４は、ＲＯＭが格納するデータのバックアップ、データベースや学習対象データ等の各種情報が記憶される。保存部１０４として、例えばＨＤＤ（Hard Disk Drive）のほか、ＳＳＤ（Solid State Drive）等のデータ保存装置が用いられる。なお、例えばユーザ端末１は、図示しないＧＰＵ（Graphics Processing Unit）を有してもよい。
Ｉ／Ｆ１０５は、通信網９を介して、必要に応じてサーバ２との各種情報の送受信を行うためのインターフェースである。Ｉ／Ｆ１０６は、入力部１０８との情報の送受信を行うためのインターフェースである。入力部１０８として、例えばキーボードやマウス等が用いられ、ユーザＵは、入力部１０８を介して、各種情報を入力する。Ｉ／Ｆ１０７は、表示部１０９との各種情報の送受信を行うためのインターフェースである。表示部１０９は、保存部１０４に保存された各種情報、又は評価結果等を表示する。表示部１０９として、ディスプレイが用いられ、例えばタッチパネル式の場合、入力部１０８と一体に設けられる。
ユーザ端末１は、例えば図３に示すように、通信部１１と、記憶部１２と、クエリ取得部１３と、クエリ実行部１４と、学習材出力部１５と、を備える。なお、ユーザ端末１の各構成は、ＣＰＵ１０１が、ＲＡＭ１０３を作業領域として、ＲＯＭ１０２や保存部１０４等に記憶されたプログラムを実行することにより実現される。
＜通信部１１＞
通信部１１は、例えばサーバ２に情報を送信する。通信部１１は、例えばユーザ端末１の各構成により取得、生成又は記憶された情報を、通信網９を介してサーバ２に送信する。通信部１１は、例えばサーバ２により取得、生成又は記憶された情報を、通信網９を介して受信する。
通信部１１は、例えばサーバ２に情報を送信する。通信部１１は、例えばユーザ端末１の各構成により取得、生成又は記憶された情報を、通信網９を介してサーバ２に送信する。通信部１１は、例えばサーバ２により取得、生成又は記憶された情報を、通信網９を介して受信する。
＜記憶部１２＞
記憶部１２は、例えばユーザ端末１の各構成により取得又は生成された情報を、必要に応じて保存部１０４に保存されたデータベースに記憶させる。記憶部１２は、例えば保存部１０４に保存されたデータベースに記憶された各種情報を、必要に応じて取出す。
記憶部１２は、例えばユーザ端末１の各構成により取得又は生成された情報を、必要に応じて保存部１０４に保存されたデータベースに記憶させる。記憶部１２は、例えば保存部１０４に保存されたデータベースに記憶された各種情報を、必要に応じて取出す。
＜クエリ取得部１３＞
クエリ取得部１３は、大規模言語モデルに対して学習材の生成を要求するクエリ（クエリデータ）を取得する。クエリ取得部１３は、例えば入力部１０８を介してユーザＵの入力を受け付ける方法により、大規模言語モデルに対して学習材の生成を要求するクエリを取得する。
クエリ取得部１３は、大規模言語モデルに対して学習材の生成を要求するクエリ（クエリデータ）を取得する。クエリ取得部１３は、例えば入力部１０８を介してユーザＵの入力を受け付ける方法により、大規模言語モデルに対して学習材の生成を要求するクエリを取得する。
＜クエリ実行部１４＞
クエリ実行部１４は、学習材生成システム１００の各構成により取得又は生成されたクエリを実行する。クエリ実行部１４は、例えば大規模言語モデルが予め記憶されたデータベースに対して、クエリ取得部１３により取得されたクエリを実行する。
クエリ実行部１４は、学習材生成システム１００の各構成により取得又は生成されたクエリを実行する。クエリ実行部１４は、例えば大規模言語モデルが予め記憶されたデータベースに対して、クエリ取得部１３により取得されたクエリを実行する。
＜学習材出力部１５＞
学習材出力部１５は、学習材生成システム１００の各構成により生成された学習材を出力する。学習材出力部１５は、例えばサーバ２が有する後述の学習材生成部２３において生成された学習材を、サーバ２から通信網９を介して受信した上で出力する。
学習材出力部１５は、学習材生成システム１００の各構成により生成された学習材を出力する。学習材出力部１５は、例えばサーバ２が有する後述の学習材生成部２３において生成された学習材を、サーバ２から通信網９を介して受信した上で出力する。
学習材出力部１５は、例えば表示部１０９に学習材が表示されるように出力してもよい。学習材出力部１５は、例えば保存部１０４等に予め記憶された表示用のフォーマットを用いて、学習材の特徴をユーザＵが理解できる形式に変換した学習材を出力してもよい。
＜サーバ２＞
サーバ２は、例えば大規模言語モデルが予め記憶されたデータベースを記憶する。サーバ２は、例えば通信網９を介してユーザ端末１と通信接続される。サーバ２は、例えばユーザ端末１から通信網９を介して受信した処理要求に応じて、情報の生成、記憶、及び送受信を実行する。
サーバ２は、例えば大規模言語モデルが予め記憶されたデータベースを記憶する。サーバ２は、例えば通信網９を介してユーザ端末１と通信接続される。サーバ２は、例えばユーザ端末１から通信網９を介して受信した処理要求に応じて、情報の生成、記憶、及び送受信を実行する。
サーバ２は、例えば図２（ｂ）に示すように、筐体２０と、ＣＰＵ２０１と、ＲＯＭ２０２と、ＲＡＭ２０３と、保存部２０４と、Ｉ／Ｆ２０５とを備える。各構成２０１～２０５は、内部バス２１０により接続される。サーバ２として、例えばラップトップ（ノート）ＰＣ、デスクトップＰＣ等の公知の電子機器が用いられる。
ＣＰＵ２０１は、サーバ２全体を制御する。ＲＯＭ２０２は、ＣＰＵ２０１の動作コードを格納する。ＲＡＭ２０３は、ＣＰＵ２０１の動作時に使用される作業領域である。保存部２０４は、ＲＯＭが格納するデータのバックアップ、データベースや学習対象データ等の各種情報が記憶される。保存部２０４として、例えばＨＤＤのほか、ＳＳＤ等のデータ保存装置が用いられる。なお、例えばサーバ２は、図示しないＧＰＵを有してもよい。Ｉ／Ｆ２０５は、通信網９を介して、必要に応じてユーザ端末１との各種情報の送受信を行うためのインターフェースである。
＜サーバ通信部２１＞
サーバ通信部２１は、例えばユーザ端末１に情報を送信する。サーバ通信部２１は、例えばサーバ２の各構成により取得、生成又は記憶された情報を、通信網９を介してユーザ端末１に送信する。サーバ通信部２１は、例えばユーザ端末１により取得、生成又は記憶された情報を、通信網９を介して受信する。
サーバ通信部２１は、例えばユーザ端末１に情報を送信する。サーバ通信部２１は、例えばサーバ２の各構成により取得、生成又は記憶された情報を、通信網９を介してユーザ端末１に送信する。サーバ通信部２１は、例えばユーザ端末１により取得、生成又は記憶された情報を、通信網９を介して受信する。
＜サーバ記憶部２２＞
サーバ記憶部２２は、例えばサーバ２の各構成により取得又は生成された情報を、必要に応じて保存部２０４に保存されたデータベースに記憶させる。サーバ記憶部２２は、例えば保存部２０４に保存されたデータベースに記憶された各種情報を、必要に応じて取出す。
サーバ記憶部２２は、例えばサーバ２の各構成により取得又は生成された情報を、必要に応じて保存部２０４に保存されたデータベースに記憶させる。サーバ記憶部２２は、例えば保存部２０４に保存されたデータベースに記憶された各種情報を、必要に応じて取出す。
＜学習材生成部２３＞
学習材生成部２３は、例えばユーザ端末１からの学習材の生成要求に応じて、大規模言語モデルが記憶されたデータベースを参照した上で学習材を生成する。学習材生成部２３は、例えばクエリ実行部１４により実行されたクエリの要求内容に応じて学習材を生成する。
学習材生成部２３は、例えばユーザ端末１からの学習材の生成要求に応じて、大規模言語モデルが記憶されたデータベースを参照した上で学習材を生成する。学習材生成部２３は、例えばクエリ実行部１４により実行されたクエリの要求内容に応じて学習材を生成する。
＜通信網９＞
通信網９は、例えばユーザ端末１及びサーバ２が通信回路を介して接続されるインターネット網等である。通信網９は、いわゆる光ファイバ通信網で構成されてもよい。また、通信網９は、有線通信網のほか、無線通信網等の公知の通信技術で実現してもよい。
通信網９は、例えばユーザ端末１及びサーバ２が通信回路を介して接続されるインターネット網等である。通信網９は、いわゆる光ファイバ通信網で構成されてもよい。また、通信網９は、有線通信網のほか、無線通信網等の公知の通信技術で実現してもよい。
（第１実施形態：学習材生成システム１００の動作の一例）
次に、図４～図５を参照して、本実施形態における学習材生成方法として、学習材生成システム１００の動作の一例を説明する。学習材生成システム１００は、例えばユーザ端末１及びサーバ２内にインストールされた学習材生成プログラムを介して実行される。
次に、図４～図５を参照して、本実施形態における学習材生成方法として、学習材生成システム１００の動作の一例を説明する。学習材生成システム１００は、例えばユーザ端末１及びサーバ２内にインストールされた学習材生成プログラムを介して実行される。
学習材生成システム１００の動作は、例えば図４に示すように、クエリ取得ステップＳ１１と、学習材生成ステップＳ１２と、学習材出力ステップＳ１３と、を含む。なお、学習材生成システム１００の動作は、クエリ取得ステップＳ１１を複数回実施してもよく、学習材生成ステップＳ１２を複数回実施してもよい。
まず、本実施形態における、学習材生成システム１００の動作に伴う各種情報について説明する。学習材生成システム１００が扱う各種情報には、例えば図５（ａ）に示すように、クエリＤ１と、生成データＤ７１と、が含まれる。学習材生成システム１００は、予めデータベース７が保存される。
＜クエリＤ１＞
クエリＤ１は、後述の大規模言語モデル７１が記憶された後述のデータベース７に対する処理要求を含む情報である。クエリＤ１は、例えば学習材生成要求情報Ｄ１１と、生成テーマ情報Ｄ１２と、を含む。学習材生成要求情報Ｄ１１と生成テーマ情報Ｄ１２とは、例えば相互に紐づけられる。
クエリＤ１は、後述の大規模言語モデル７１が記憶された後述のデータベース７に対する処理要求を含む情報である。クエリＤ１は、例えば学習材生成要求情報Ｄ１１と、生成テーマ情報Ｄ１２と、を含む。学習材生成要求情報Ｄ１１と生成テーマ情報Ｄ１２とは、例えば相互に紐づけられる。
クエリＤ１は、例えば大規模言語モデル７１に対する処理の指示を含むプロンプトであり、ロールを指定するタグと、指示内容を指定する自然言語とで構成される。ロールと指示内容の組み合わせとしては、例えばロール「<system>あなたは優秀な日本史の講師です。」と、指示内容「<user>歴史能力検定の難しい問題を下記のフォーマットで１つ作成してください。［設問］［選択肢」［解答］［解説］」と、の組み合わせを含む文字列である。この組み合わせを含むクエリＤ１を実行することで、例えば日本史に関する設問、選択肢、解答及び解説を含む学習材を生成することができる。
また、指示内容については、複数の問題からなる問題集の生成指示を含んでもよく、問題集のタイトル、問題集の各章立て、問題集の各章の目標又は目的、問題集の各章に対するキーワード、各章の問題数、出力形式（ＨＴＭＬ形式など）を含んでもよい。
＜学習材生成要求情報Ｄ１１＞
学習材生成要求情報Ｄ１１は、処理要求のうち、学習材の生成要求を特定する情報である。学習材生成要求情報Ｄ１１は、例えばクエリＤ１の文字列の一部を構成する。学習材生成要求情報Ｄ１１は、例えば上述のプロンプト例文における「問題を」「作成してください。」が該当する。
学習材生成要求情報Ｄ１１は、処理要求のうち、学習材の生成要求を特定する情報である。学習材生成要求情報Ｄ１１は、例えばクエリＤ１の文字列の一部を構成する。学習材生成要求情報Ｄ１１は、例えば上述のプロンプト例文における「問題を」「作成してください。」が該当する。
＜生成テーマ情報Ｄ１２＞
生成テーマ情報Ｄ１２は、学習材の生成要求に関するテーマを特定する情報である。生成テーマ情報Ｄ１２は、例えば学習材生成要求情報Ｄ１１により生成要求された学習材のテーマを特定する情報である。生成テーマ情報Ｄ１２は、例えばクエリＤ１の文字列の一部を構成する。生成テーマ情報Ｄ１２は、例えば生成する学習材の内容を特定するための、教科、資格や検定の名称、分野、時代、人物、出題形式、解答形式（選択肢の有無、解説の有無等）、問題数、難易度、学習指導要領に対応する学校制度上の初等教育、中等教育、高等教育等の教育分類等を特定する１以上の単語で構成される。生成テーマ情報Ｄ１２は、例えば上述のプロンプト例文における「歴史能力検定」「難しい」「下記のフォーマット」「１つ」「［設問］［選択肢」［解答］［解説］」が該当する。
生成テーマ情報Ｄ１２は、学習材の生成要求に関するテーマを特定する情報である。生成テーマ情報Ｄ１２は、例えば学習材生成要求情報Ｄ１１により生成要求された学習材のテーマを特定する情報である。生成テーマ情報Ｄ１２は、例えばクエリＤ１の文字列の一部を構成する。生成テーマ情報Ｄ１２は、例えば生成する学習材の内容を特定するための、教科、資格や検定の名称、分野、時代、人物、出題形式、解答形式（選択肢の有無、解説の有無等）、問題数、難易度、学習指導要領に対応する学校制度上の初等教育、中等教育、高等教育等の教育分類等を特定する１以上の単語で構成される。生成テーマ情報Ｄ１２は、例えば上述のプロンプト例文における「歴史能力検定」「難しい」「下記のフォーマット」「１つ」「［設問］［選択肢」［解答］［解説］」が該当する。
また、生成テーマ情報Ｄ１２は、例えば学習の最終目標（ゴール）を特定する１以上の単語でもよい。この場合において、生成テーマ情報Ｄ１２は、例えば「資格を受験する上での基礎知識を身につける」、「資格試験の頻出問題を網羅できる」、「反復的に学習することで躓きやすい科目の理解を深める」のような文字列である。
生成テーマ情報Ｄ１２は、例えば入力部１０８を介してユーザＵから入力される１以上の単語を用いてよい。また、学習材生成要求情報Ｄ１１は、例えばユーザ端末１に予め記憶された構文を用いてよい。すなわち、学習材生成システム１００は、ユーザＵが１以上の単語を入力するだけでクエリＤ１を取得し、学習材を生成することができる。この場合、クエリＤ１に関する専門知識が乏しいユーザＵでも学習材を自動生成することができる。これにより、学習材の作成に関する作業性の向上を図ることができる。
＜生成データＤ７１＞
生成データＤ７１は、クエリＤ１に基づいて生成されるデータを示す。生成データＤ７１は、学習材の内容を示す１以上のデータを含み、例えば学習材データＤ７１１を含む。
生成データＤ７１は、クエリＤ１に基づいて生成されるデータを示す。生成データＤ７１は、学習材の内容を示す１以上のデータを含み、例えば学習材データＤ７１１を含む。
学習材データＤ７１１は、生成テーマ情報Ｄ１２に含まれる生成テーマに関する学習材の内容を示し、設問及び解答の組合せからなる。なお、学習材データＤ７１１の設問及び解答の文字数は、大規模言語モデル７１が任意に決めてもよい。また、学習材データＤ７１１は、解答に関する解説をさらに含んでもよい。この場合において、解説は、大規模言語モデル７１により解答とともに生成されてよい。
生成テーマ情報Ｄ１２に対応する学習材データＤ７１１の一例は、例えば［表１］に示すとおりである。
学習材データＤ７１１は、分類１のとおり、生成テーマが単語「歴史」を含むとき、生成テーマ「歴史」に関する設問「太閤検地を実施したのは誰ですか？」と、その設問の解答「豊臣秀吉」との組合せからなる一問一答式の学習材でもよい。
学習材データＤ７１１は、分類２のとおり、生成テーマが単語「安土桃山時代」を含むとき、すなわち「歴史」の下位概念であるとき、生成テーマ「歴史」に関する設問と同様の設問「太閤検地を実施したのは誰ですか？」と、その設問の解答「豊臣秀吉」との組合せからなる一問一答式の学習材でもよい。
学習材データＤ７１１は、分類３のとおり、生成テーマが単語「豊臣秀吉」を含むとき、その生成テーマを解答とした上で生成される、設問「太閤検地を実施したのは誰ですか？」と、その設問の解答「豊臣秀吉」との組合せからなる一問一答式の学習材でもよい。
学習材データＤ７１１は、分類４のとおり、生成テーマが単語「中学生社会」を含むとき、学習指導要領等の外部データベースを参照した上で生成される、設問「太閤検地を実施したのは誰ですか？」と、その設問の解答「豊臣秀吉」との組合せからなる一問一答式の学習材でもよい。
学習材データＤ７１１は、分類５のとおり、生成テーマが単語「安土桃山時代」と単語「一問一答式問題」とを含むとき、出題形式の前提を一問一答式問題とした上で生成される、生成テーマ「安土桃山時代」に関する設問「太閤検地を実施したのは誰ですか？」と、その設問の解答「豊臣秀吉」との組合せからなる一問一答式の学習材でもよい。
学習材データＤ７１１は、分類６のとおり、生成テーマが単語「歴史」と単語「基礎」とを含むとき、学習指導要領等の外部データベースの他、基礎・応用、易しい・難しい等の難易度と生成テーマとが紐づけられたデータベース等を参照した上で生成される、設問「太閤検地を実施したのは誰ですか？」と、その設問の解答「豊臣秀吉」との組合せからなる一問一答式の学習材でもよい。
学習材データＤ７１１は、分類７のとおり、生成テーマが単語「歴史」と単語「応用」とを含むとき、分類６の説明と同様のデータベース等を参照した上で生成される、設問「太閤検地で確立した農民支配の原則を何と言いますか？」と、その設問の解答「一地一作人の原則」との組合せからなる一問一答式の学習材でもよい。
学習材データＤ７１１は、分類８のとおり、生成テーマが単語「安土桃山時代」と単語「選択式問題」とを含むとき、出題形式の前提を選択式問題とした上で生成される、生成テーマ「安土桃山時代」に関する設問「太閤検地を実施したのは誰ですか？ １．織田信長 ２．豊臣秀吉 ３．徳川家康」と、その設問の解答「２」との組合せからなる選択式の学習材でもよい。
学習材データＤ７１１は、分類９のとおり、生成テーマが単語「安土桃山時代」と単語「組合せ問題」とを含むとき、出題形式の前提を組合せ問題とした上で生成される、生成テーマ「安土桃山時代」に関する設問「豊臣秀吉が実施したのはどれですか。 １．太閤検地 ２．刀狩 ３．楽市楽座」と、その設問の解答「１と２」との組合せからなる組合せ式の学習材でもよい。
＜データベース７＞
データベース７は、学習材生成システム１００に予め保存されるデータの集合体である。データベース７は、例えばサーバ２が有する保存部２０４に予め保存される。データベース７は、予め大規模言語モデル７１が記憶される。
データベース７は、学習材生成システム１００に予め保存されるデータの集合体である。データベース７は、例えばサーバ２が有する保存部２０４に予め保存される。データベース７は、予め大規模言語モデル７１が記憶される。
＜大規模言語モデル７１＞
大規模言語モデル７１は、学習材生成システム１００が学習材を自動生成するために用いられる自然言語処理モデルの一種である。大規模言語モデル７１は、大量のテキストデータを用いて予め機械学習された公知の大規模言語モデル（ＬＬＭ：Large Language Model）である。
大規模言語モデル７１は、学習材生成システム１００が学習材を自動生成するために用いられる自然言語処理モデルの一種である。大規模言語モデル７１は、大量のテキストデータを用いて予め機械学習された公知の大規模言語モデル（ＬＬＭ：Large Language Model）である。
大規模言語モデル７１として、具体的には「ＧＰＴ（Generative Pre-trained Transformer）（登録商標）」に関連するＧＰＴ－３、ＧＰＴ－３．５又はＧＰＴ－４、「ＢＥＲＴ(Bidirectional Encoder Representations from Transformers)」、「ＬａＭＤＡ（Language Model for Dialogue Applications）」、「ＰａＬＭ（Scaling Language Modeling with Pathways）」、「ＬＬａＭＡ（Large Language Model Meta AI）」等が用いられてもよい。
次に、本実施形態における学習材生成システム１００の動作の詳細について説明する。
＜事前準備＞
ユーザＵは、学習材生成システム１００を動作させる前に、大規模言語モデル７１が記憶されたデータベース７がサーバ２に保存されていることを確認する。
ユーザＵは、学習材生成システム１００を動作させる前に、大規模言語モデル７１が記憶されたデータベース７がサーバ２に保存されていることを確認する。
＜クエリ取得ステップＳ１１＞
クエリ取得ステップＳ１１において、クエリ取得部１３は、入力部１０８を介してユーザＵからの入力を受け付けて、学習材生成要求情報Ｄ１１と、生成テーマ情報Ｄ１２と、を含むクエリＤ１を取得する。
クエリ取得ステップＳ１１において、クエリ取得部１３は、入力部１０８を介してユーザＵからの入力を受け付けて、学習材生成要求情報Ｄ１１と、生成テーマ情報Ｄ１２と、を含むクエリＤ１を取得する。
＜学習材生成ステップＳ１２＞
学習材生成ステップＳ１２において、クエリ実行部１４は、クエリ取得ステップＳ１１により取得されたクエリＤ１（学習材生成要求情報Ｄ１１に基づく生成要求）を、データベース７に対して実行する。クエリ実行部１４は、クエリ取得部１３がクエリＤ１を取得したときに、取得したクエリＤ１を自動的に実行してもよく、ユーザＵからの入力に従ってクエリＤ１を実行してもよい。クエリ実行部１４は、学習材生成ステップＳ１２とは区別されるクエリ実行ステップとして、学習材生成ステップＳ１２の前に別途実施されてもよい。
学習材生成ステップＳ１２において、クエリ実行部１４は、クエリ取得ステップＳ１１により取得されたクエリＤ１（学習材生成要求情報Ｄ１１に基づく生成要求）を、データベース７に対して実行する。クエリ実行部１４は、クエリ取得部１３がクエリＤ１を取得したときに、取得したクエリＤ１を自動的に実行してもよく、ユーザＵからの入力に従ってクエリＤ１を実行してもよい。クエリ実行部１４は、学習材生成ステップＳ１２とは区別されるクエリ実行ステップとして、学習材生成ステップＳ１２の前に別途実施されてもよい。
クエリＤ１がデータベース７に対して実行されたとき、学習材生成部２３は、データベース７を参照した上で生成テーマ情報Ｄ１２に含まれる生成テーマに基づいて、学習材データＤ７１１を含む生成データＤ７１を生成する。この場合、大規模言語モデル７１により生成テーマ（生成テーマ情報Ｄ１２）に関する学習材（学習材データＤ７１１）を自動生成することができる。これにより、学習材の作成効率の向上を図ることができる。また、クエリＤ１の取得及び実行さえできれば、ユーザＵは既存の学習材を用意しなくとも学習材生成システム１００に生成データＤ７１を生成させることができる。これにより、学習材の作成に関するユーザＵの作業性向上を図ることができる。
＜学習材出力ステップＳ１３＞
学習材出力ステップＳ１３において、学習材出力部１５は、例えば学習材生成部２３が生成した生成データＤ７１をユーザ端末１が通信網９を介して受信したとき、表示部１０９等を介してユーザＵに対して出力する。
学習材出力ステップＳ１３において、学習材出力部１５は、例えば学習材生成部２３が生成した生成データＤ７１をユーザ端末１が通信網９を介して受信したとき、表示部１０９等を介してユーザＵに対して出力する。
上述した各ステップを実施し、本実施形態における学習材生成システム１００の動作は終了する。なお、学習材生成システム１００では、例えば上述した各ステップを繰り返し実施してもよい。
（第１実施形態：学習材生成システム１００の動作の変形例）
＜クエリＤ１＞
クエリＤ１は、例えば図５（ｂ）に示すように、目次情報Ｄ１３をさらに含んでもよい。クエリＤ１は、１以上の目次情報Ｄ１３を含む。
＜クエリＤ１＞
クエリＤ１は、例えば図５（ｂ）に示すように、目次情報Ｄ１３をさらに含んでもよい。クエリＤ１は、１以上の目次情報Ｄ１３を含む。
＜目次情報Ｄ１３＞
目次情報Ｄ１３は、生成する学習材に含まれる設問の目次を特定する情報である。ここで、目次とは、学習材生成システム１００が生成する各学習材の問題数、順序、章立て（章、節、項などを含む）、章立てごとの問題数、章立てごとのタイトル等を特定する。
目次情報Ｄ１３は、生成する学習材に含まれる設問の目次を特定する情報である。ここで、目次とは、学習材生成システム１００が生成する各学習材の問題数、順序、章立て（章、節、項などを含む）、章立てごとの問題数、章立てごとのタイトル等を特定する。
目次情報Ｄ１３は、例えば一の目次情報Ｄ１３につき一の生成テーマ情報Ｄ１２が紐づけられて、一つのデータセットＤ２を構成する。このとき、各生成テーマ情報Ｄ１２に含まれる生成テーマに基づいて生成された各生成データＤ７１は、各生成テーマ情報Ｄ１２に紐づけられた各目次情報Ｄ１３に応じた目次が割り当てられる。
具体的には、目次情報Ｄ１３が学習材の問題数「２」を特定する情報を含むとき、生成データＤ７１は、生成テーマ情報Ｄ１２に含まれる生成テーマに基づいて、目次情報Ｄ１３が特定する問題数「２」に応じて２つ生成される。ここで、クエリＤ１に含まれるデータセットＤ２が一であっても、生成データＤ７１は目次情報Ｄ１３が特定する問題数に応じて複数生成されてもよい。
目次情報Ｄ１３が学習材の順序「１」「２」をそれぞれ特定する情報を含むとき、生成データＤ７１は、生成テーマ情報Ｄ１２に含まれる生成テーマに基づいて、目次情報Ｄ１３が特定する順序に応じて配置された上で２つ生成される。例えばクエリＤ１が、順序「１」を特定する目次情報Ｄ１３ａと生成テーマ「テーマＡ」を特定する生成テーマ情報Ｄ１２ａとが紐づけられたデータセットＤ２ａと、順序「２」を特定する目次情報Ｄ１３ａと生成テーマ「テーマＢ」を特定する生成テーマ情報Ｄ１２ａとが紐づけられたデータセットＤ２ｂと、を含むとき、「テーマＡ」に関する「設問１」の設問及び解答の組合せからなる学習材データＤ７１１と、「テーマＢ」に関する「設問２」の設問及び解答の組合せからなる学習材データＤ７１２と、を含む生成データＤ７１が生成される。
目次情報Ｄ１３が学習材の章立て「１章」「２章」をそれぞれ特定する情報を含むとき、生成データＤ７１は、上述の順序を特定する情報を含む場合と同様に、生成テーマ情報Ｄ１２に含まれる生成テーマに基づいて、目次情報Ｄ１３が特定する章立てに応じて配置された上で生成される。また、目次情報Ｄ１３が学習材の章立てと問題数との組合せ「１章 ２問」「２章 ３問」をそれぞれ特定する情報を含むとき、生成データＤ７１は、生成テーマ情報Ｄ１２に含まれる生成テーマに基づいて、目次情報Ｄ１３が特定する章立てと問題数との組合せに応じて配置された上で生成される。また、目次情報Ｄ１３が学習材の章立てのタイトルをそれぞれ特定する情報を含むとき、そのタイトルを各学習材データＤ７１２の一部に含め、設問とともに出力してもよい。
次に、本実施形態における学習材生成システム１００の動作の詳細について説明する。
＜クエリ取得ステップＳ１１＞
クエリ取得ステップＳ１１において、クエリ取得部１３は、例えば入力部１０８を介してユーザＵからの入力を受け付けて、学習材生成要求情報Ｄ１１と、生成テーマ情報Ｄ１２と目次情報Ｄ１３とを一組とする複数のデータセットＤ２を含むクエリＤ１を取得する。
クエリ取得ステップＳ１１において、クエリ取得部１３は、例えば入力部１０８を介してユーザＵからの入力を受け付けて、学習材生成要求情報Ｄ１１と、生成テーマ情報Ｄ１２と目次情報Ｄ１３とを一組とする複数のデータセットＤ２を含むクエリＤ１を取得する。
クエリ取得部１３は、ユーザＵから入力を受け付ける方法に代えて、又はその方法とともに、生成テーマ情報Ｄ１２及び目次情報Ｄ１３のうち少なくとも何れかが既存の学習材データから抽出されたデータセットＤ２を含むクエリＤ１を取得してもよい。
クエリ取得部１３は、例えばＴＦ－ＩＤＦ（Term Frequency - Inverse Document Frequency）、ＲＡＫＥ（Rapid Automatic Keyword Extractor）、ＹＡＫＥ（Yet Another Keyword Extractor）等を用いたフレーズ抽出が可能な公知のプログラム又はソフトウェアを用いて、既存の学習材データから抽出した情報を、生成テーマ情報Ｄ１２及び目次情報Ｄ１３のうち少なくとも何れかとして取得してもよい。具体的には、既存の学習材データの全部又は一部を文脈として与え、その文脈から名詞や固有の表現（出現頻度の低い表現等）を抽出して生成テーマ情報Ｄ１２として取得してもよい。また、既存の学習材データにおける章立てと問題数との組合せ例「１章 ２問」「２章 ３問」をそれぞれ抽出して目次情報Ｄ１３として取得してもよい。この場合、クエリＤ１の作成に係るユーザＵの作業を省略することができる。これにより、学習材の作成効率のさらなる向上を図ることができる。また、生成する学習材は、教材としての品質が教材とは無関係の文章よりも高い既存の学習材に基づいて生成される。これにより、学習材の品質向上を図ることができる。なお、これらのデータセットＤ２に基づいて生成される学習材データＤ７１１の設問及び解答の文字数は、抽出範囲として与えた既存の学習材データの文脈の文字数に基づいて大規模言語モデル７１が決めてもよい。
＜学習材生成ステップＳ１２＞
学習材生成ステップＳ１２において、クエリ取得ステップＳ１１により取得されたクエリＤ１がデータベース７に対して実行されたとき、学習材生成部２３は、データベース７を参照した上で複数のデータセットＤ２に含まれる生成テーマ情報Ｄ１２と目次情報Ｄ１３とに基づいて、目次情報Ｄ１３に対応する複数の学習材データＤ７１１、Ｄ７１２を含む生成データＤ７１を生成する。この場合、大規模言語モデル７１により生成テーマ（生成テーマ情報Ｄ１２）に関する複数の学習材（複数の学習材データＤ７１１、Ｄ７１２）を目次（目次情報Ｄ１３）に応じて自動生成することができる。これにより、複数の学習材を含む問題集の作成効率の向上を図ることができる。
学習材生成ステップＳ１２において、クエリ取得ステップＳ１１により取得されたクエリＤ１がデータベース７に対して実行されたとき、学習材生成部２３は、データベース７を参照した上で複数のデータセットＤ２に含まれる生成テーマ情報Ｄ１２と目次情報Ｄ１３とに基づいて、目次情報Ｄ１３に対応する複数の学習材データＤ７１１、Ｄ７１２を含む生成データＤ７１を生成する。この場合、大規模言語モデル７１により生成テーマ（生成テーマ情報Ｄ１２）に関する複数の学習材（複数の学習材データＤ７１１、Ｄ７１２）を目次（目次情報Ｄ１３）に応じて自動生成することができる。これにより、複数の学習材を含む問題集の作成効率の向上を図ることができる。
本実施形態によれば、大規模言語モデル７１が予め記憶されたデータベース７を参照した上で取得されたクエリＤ１に含まれる生成テーマに基づいて学習材を生成する学習材生成部２３を備える。このため、大規模言語モデル７１により生成テーマに関する学習材を自動生成することができる。これにより、学習材の作成効率の向上を図ることができる。
本実施形態によれば、クエリ取得部１３は、学習材の生成要求と、生成テーマと、目次と、を一組とする複数のデータセットＤ２を含むクエリＤ１を取得し、学習材生成部２３は、取得された複数のデータセットＤ２に基づいて学習材を複数生成する。このため、大規模言語モデル７１により生成テーマに関する学習材を目次に応じて自動生成することができる。これにより、複数の学習材を含む問題集の作成効率の向上を図ることができる。
本実施形態によれば、クエリ取得部１３は、生成テーマ及び目次のうち少なくとも何れかが既存の学習材データから抽出されたデータセットＤ２を含むクエリＤ１を取得する。このため、クエリＤ１の作成に係る作業を省略することができる。これにより、学習材の作成効率のさらなる向上を図ることができる。また、既存の学習材に基づいた学習材を生成することができる。これにより、学習材の品質向上を図ることができる。
本実施形態によれば、大規模言語モデル７１が予め記憶されたデータベース７を参照した上で取得されたクエリＤ１に含まれる生成テーマに基づいて学習材を生成する学習材生成ステップＳ１２を有する。このため、大規模言語モデル７１により生成テーマに関する学習材を自動生成することができる。これにより、学習材の作成効率の向上を図ることができる。
本実施形態によれば、大規模言語モデル７１が予め記憶されたデータベース７を参照した上で取得されたクエリＤ１に含まれる生成テーマに基づいて学習材を生成する学習材生成ステップＳ１２をコンピュータに実行させる。このため、大規模言語モデル７１により生成テーマに関する学習材を自動生成することができる。これにより、学習材の作成効率の向上を図ることができる。
（第２実施形態：学習材生成システム１００の動作の一例）
図６を参照して、本実施形態における学習材生成システム１００の動作の一例を説明する。本実施形態は、学習材生成システム１００が中間取得データＤ８を生成する点で、第１実施形態とは異なる。なお、上述の内容と同様の構成については、説明を省略する。
図６を参照して、本実施形態における学習材生成システム１００の動作の一例を説明する。本実施形態は、学習材生成システム１００が中間取得データＤ８を生成する点で、第１実施形態とは異なる。なお、上述の内容と同様の構成については、説明を省略する。
まず、本実施形態における、学習材生成システム１００の動作に伴う各種情報について説明する。学習材生成システム１００が扱う各種情報には、例えば図６に示すように、生成テーマ生成要求情報Ｄ１４と、分類テーマ情報Ｄ１５と、中間取得データＤ８と、がさらに含まれる。
＜クエリＤ１＞
クエリＤ１は、例えば生成テーマ生成要求情報Ｄ１４と、分類テーマ情報Ｄ１５と、をさらに含んでもよい。生成テーマ生成要求情報Ｄ１４と分類テーマ情報Ｄ１５とは、例えば相互に紐づけられる。
クエリＤ１は、例えば生成テーマ生成要求情報Ｄ１４と、分類テーマ情報Ｄ１５と、をさらに含んでもよい。生成テーマ生成要求情報Ｄ１４と分類テーマ情報Ｄ１５とは、例えば相互に紐づけられる。
また、クエリＤ１は、生成テーマ生成要求情報Ｄ１４と分類テーマ情報Ｄ１５とに基づいて新たに取得される中間取得データＤ８をさらに含んでもよい。
＜生成テーマ生成要求情報Ｄ１４＞
生成テーマ生成要求情報Ｄ１４は、処理要求のうち、学習材の生成テーマの生成要求を特定する情報である。生成テーマ生成要求情報Ｄ１４は、学習材生成要求情報Ｄ１１と同様に、例えばクエリＤ１の文字列の一部を構成する。
生成テーマ生成要求情報Ｄ１４は、処理要求のうち、学習材の生成テーマの生成要求を特定する情報である。生成テーマ生成要求情報Ｄ１４は、学習材生成要求情報Ｄ１１と同様に、例えばクエリＤ１の文字列の一部を構成する。
＜分類テーマ情報Ｄ１５＞
分類テーマ情報Ｄ１５は、学習材の生成テーマの生成要求に関するテーマを特定する情報である。分類テーマ情報Ｄ１５は、生成テーマ情報Ｄ１２と同様の情報を含み、例えば学習材生成要求情報Ｄ１１により生成要求された学習材のテーマを特定する情報である。分類テーマ情報Ｄ１５は、生成テーマ情報Ｄ１２と同様に、例えばクエリＤ１の文字列の一部を構成し、１以上の単語で構成される。
分類テーマ情報Ｄ１５は、学習材の生成テーマの生成要求に関するテーマを特定する情報である。分類テーマ情報Ｄ１５は、生成テーマ情報Ｄ１２と同様の情報を含み、例えば学習材生成要求情報Ｄ１１により生成要求された学習材のテーマを特定する情報である。分類テーマ情報Ｄ１５は、生成テーマ情報Ｄ１２と同様に、例えばクエリＤ１の文字列の一部を構成し、１以上の単語で構成される。
分類テーマ情報Ｄ１５に含まれる分類テーマは、例えば生成テーマの上位概念に相当する内容でもよく、下位概念に相当する内容でもよく、同位概念に相当する内容でもよい。
分類テーマ情報Ｄ１５は、例えば入力部１０８を介してユーザＵから入力される１以上の単語を用いてよい。また生成テーマ生成要求情報Ｄ１４は、例えばユーザ端末１に予め記憶された構文を用いてよい。すなわち、学習材生成システム１００は、ユーザＵが１以上の単語を入力するだけでクエリＤ１を取得し、学習材の生成テーマとしての中間取得データＤ８を新たに取得することができる。
＜中間取得データＤ８＞
中間取得データＤ８は、クエリＤ１に基づいて新たに取得されるデータのうち、生成データＤ７１より前に生成されるデータを示す。また、中間取得データＤ８は、クエリＤ１に基づいて新たに取得される既存のｗｅｂ上の記事文章や記事ＵＲＬを、生成するデータとともに取得してもよく、生成するデータの代わりに取得してもよい。また、取得した記事文章や記事ＵＲＬ等は、少なくともその一部が学習材データＤ７１１に含まれる解説の一部又は全部として用いられてもよい。中間取得データＤ８は、生成テーマ情報Ｄ８１を含む。
中間取得データＤ８は、クエリＤ１に基づいて新たに取得されるデータのうち、生成データＤ７１より前に生成されるデータを示す。また、中間取得データＤ８は、クエリＤ１に基づいて新たに取得される既存のｗｅｂ上の記事文章や記事ＵＲＬを、生成するデータとともに取得してもよく、生成するデータの代わりに取得してもよい。また、取得した記事文章や記事ＵＲＬ等は、少なくともその一部が学習材データＤ７１１に含まれる解説の一部又は全部として用いられてもよい。中間取得データＤ８は、生成テーマ情報Ｄ８１を含む。
＜生成テーマ情報Ｄ８１＞
生成テーマ情報Ｄ８１は、学習材の生成要求に関するテーマを特定する情報であり、生成テーマ情報Ｄ１２と同様の情報である。生成テーマ情報Ｄ８１は、例えば学習材生成要求情報Ｄ１１により生成要求された学習材のテーマを特定する情報である。生成テーマ情報Ｄ８１は、例えばクエリＤ１の文字列の一部を構成し、１以上の単語で構成される。
生成テーマ情報Ｄ８１は、学習材の生成要求に関するテーマを特定する情報であり、生成テーマ情報Ｄ１２と同様の情報である。生成テーマ情報Ｄ８１は、例えば学習材生成要求情報Ｄ１１により生成要求された学習材のテーマを特定する情報である。生成テーマ情報Ｄ８１は、例えばクエリＤ１の文字列の一部を構成し、１以上の単語で構成される。
生成テーマ情報Ｄ８１は、分類テーマ情報Ｄ１５に含まれる分類テーマに関する学習材の生成テーマを示し、例えば１以上の単語からなる。分類テーマ情報Ｄ１５に対応する生成テーマ情報Ｄ８１の一例は、例えば［表２］に示すとおりである。
生成テーマ情報Ｄ８１は、分類１０のとおり、分類テーマが単語「安土桃山時代」を含むとき、分類テーマの上位概念に相当する生成テーマ「歴史」を含んでもよい。
生成テーマ情報Ｄ８１は、分類１１のとおり、分類テーマが単語「安土桃山時代」を含むとき、分類テーマの下位概念に相当する生成テーマ「豊臣秀吉」を含んでもよい。
生成テーマ情報Ｄ８１は、分類１２のとおり、分類テーマが単語「安土桃山時代」を含むとき、分類テーマの同位概念に相当する生成テーマ「織豊時代」を含んでもよい。
生成テーマ情報Ｄ８１は、分類１３のとおり、難易度を含む分類テーマが単語「安土桃山時代 基礎」を含むとき、難易度の部分を変更しない生成テーマ「豊臣秀吉 基礎」を含んでもよい。
生成テーマ情報Ｄ８１は、分類１４のとおり、出題形式を含む分類テーマが単語「安土桃山時代 選択式問題」を含むとき、難易度の部分を変更しない生成テーマ「豊臣秀吉 選択式問題」を含んでもよい。
＜データベース７ａ＞
データベース７ａは、サーバ２に予め保存される。データベース７ａは、データベース７と同一のデータベースでもよく、データベース７とは異なる同様のデータベースでもよい。データベース７ａは、大規模言語モデル７１ａが予め記憶される。
データベース７ａは、サーバ２に予め保存される。データベース７ａは、データベース７と同一のデータベースでもよく、データベース７とは異なる同様のデータベースでもよい。データベース７ａは、大規模言語モデル７１ａが予め記憶される。
＜大規模言語モデル７１ａ＞
大規模言語モデル７１ａは、大規模言語モデル７１と同一の大規模言語モデルでもよく、大規模言語モデル７１とは異なる同様の大規模言語モデルでもよい。
大規模言語モデル７１ａは、大規模言語モデル７１と同一の大規模言語モデルでもよく、大規模言語モデル７１とは異なる同様の大規模言語モデルでもよい。
次に、本実施形態における学習材生成システム１００の動作の詳細について説明する。
＜クエリ取得ステップＳ１１＞
クエリ取得ステップＳ１１において、クエリ取得部１３は、学習材生成要求情報Ｄ１１と、生成テーマ生成要求情報Ｄ１４と、分類テーマ情報Ｄ１５と、を含むクエリＤ１を取得する。
クエリ取得ステップＳ１１において、クエリ取得部１３は、学習材生成要求情報Ｄ１１と、生成テーマ生成要求情報Ｄ１４と、分類テーマ情報Ｄ１５と、を含むクエリＤ１を取得する。
＜学習材生成ステップＳ１２＞
学習材生成ステップＳ１２において、クエリ実行部１４は、クエリ取得ステップＳ１１により取得されたクエリＤ１（生成テーマ生成要求情報Ｄ１４に基づく生成要求）を、大規模言語モデル７１ａが予め記憶されたデータベース７ａに対して実行する。
学習材生成ステップＳ１２において、クエリ実行部１４は、クエリ取得ステップＳ１１により取得されたクエリＤ１（生成テーマ生成要求情報Ｄ１４に基づく生成要求）を、大規模言語モデル７１ａが予め記憶されたデータベース７ａに対して実行する。
クエリＤ１がデータベース７ａに対して実行されたとき、学習材生成部２３は、データベース７ａを参照した上で分類テーマ情報Ｄ１５に含まれる分類テーマに基づいて、生成テーマ情報Ｄ８１を含む中間取得データＤ８を新たに取得する。ここで、中間取得データＤ８は、大規模言語モデル７１ａが分類テーマに基づいて生成した情報でもよく、大規模言語モデル７１ａが分類テーマに基づいて生成した情報をテーマとして学習材生成システム１００がｗeｂ検索や外部データベースの検索を実行した結果取得される情報（上述の既存のｗｅｂ上の記事文章や記事ＵＲＬを含む）でもよい。
その後、学習材生成部２３は、クエリ取得ステップＳ１１により取得されたクエリＤ１（学習材生成要求情報Ｄ１１に基づく生成要求）に応じて、データベース７を参照した上で、新たに取得した生成テーマ情報Ｄ８１に含まれる生成テーマに基づいて、学習材データＤ７１１を含む生成データＤ７１を生成する。この場合、大規模言語モデル７１ａにより分類テーマ（分類テーマ情報Ｄ１５）に関する生成テーマ（生成テーマ情報Ｄ８１）を自動生成することができる。これにより、学習材の作成効率のさらなる向上を図ることができる。また、生成テーマについて学習材ごとに選定する必要がないため、学習材の専門知識が乏しいユーザＵでも学習材を自動生成することができる。これにより、学習材の作成に関する作業性の向上を図ることができる。
本実施形態によれば、学習材生成部２３は、大規模言語モデル７１ａが予め記憶されたデータベース７ａを参照した上で分類テーマに基づいて新たに取得した生成テーマに基づいて学習材を生成する。このため、大規模言語モデル７１ａにより分類テーマに関する生成テーマを自動生成することができる。これにより、学習材の作成効率のさらなる向上を図ることができる。また、生成テーマについて学習材ごとに選定する必要がないため、学習材の専門知識が乏しいユーザでも学習材を自動生成することができる。これにより、学習材の作成に関する作業性の向上を図ることができる。
（第３実施形態：学習材生成システム１００）
図７を参照して、本実施形態における学習材生成システム１００の一例を説明する。本実施形態は、学習材生成システム１００がクエリ変換部１６をさらに備える点で、第１実施形態とは異なる。なお、上述の内容と同様の構成については、説明を省略する。
図７を参照して、本実施形態における学習材生成システム１００の一例を説明する。本実施形態は、学習材生成システム１００がクエリ変換部１６をさらに備える点で、第１実施形態とは異なる。なお、上述の内容と同様の構成については、説明を省略する。
ユーザ端末１は、例えば図７に示すように、クエリ変換部１６をさらに備える。
＜クエリ変換部１６＞
クエリ変換部１６は、クエリ取得部１３により取得されたクエリ（クエリデータ）のうち少なくとも一部を変換する。クエリ変換部１６は、例えばサーバ２に予め保存された関連語同士が紐づけられた関連語データベースを参照した上で、クエリの少なくとも一部を変換する。
クエリ変換部１６は、クエリ取得部１３により取得されたクエリ（クエリデータ）のうち少なくとも一部を変換する。クエリ変換部１６は、例えばサーバ２に予め保存された関連語同士が紐づけられた関連語データベースを参照した上で、クエリの少なくとも一部を変換する。
（第３実施形態：学習材生成システム１００の動作の一例）
次に、図８～図１０を参照して、本実施形態における学習材生成方法として、学習材生成システム１００の動作の一例を説明する。
次に、図８～図１０を参照して、本実施形態における学習材生成方法として、学習材生成システム１００の動作の一例を説明する。
学習材生成システム１００の動作は、例えば図８に示すように、クエリ変換ステップＳ１４をさらに含む。クエリ変換ステップＳ１４は、クエリ取得ステップＳ１１の後に実行される。なお、学習材生成システム１００の動作は、クエリ変換ステップＳ１４を複数回実施してもよい。
まず、本実施形態における、学習材生成システム１００の動作に伴う各種情報について説明する。学習材生成システム１００が扱う各種情報には、例えば図９に示すように、関連生成テーマ情報Ｄ８２がさらに含まれる。
＜中間取得データＤ８＞
中間取得データＤ８は、関連生成テーマ情報Ｄ８２を含む。
中間取得データＤ８は、関連生成テーマ情報Ｄ８２を含む。
＜関連生成テーマ情報Ｄ８２＞
関連生成テーマ情報Ｄ８２は、学習材の生成要求に関するテーマを特定する情報であり、生成テーマ情報Ｄ８１と同様の情報である。関連生成テーマ情報Ｄ８２は、例えば生成テーマ情報Ｄ１２と同様に文字列で構成され、１以上の単語で構成される。
関連生成テーマ情報Ｄ８２は、学習材の生成要求に関するテーマを特定する情報であり、生成テーマ情報Ｄ８１と同様の情報である。関連生成テーマ情報Ｄ８２は、例えば生成テーマ情報Ｄ１２と同様に文字列で構成され、１以上の単語で構成される。
生成テーマ情報Ｄ８１が大規模言語モデル７１ａを参照した上で分類テーマ情報Ｄ１５に基づいて新たに生成されるのに対して、関連生成テーマ情報Ｄ８２は、後述の関連語データベース７２を参照した上で関連語データベース７２から取得される点において、生成テーマ情報Ｄ８１とは異なる。
＜データベース７ｂ＞
データベース７ｂは、サーバ２に予め保存される。データベース７ｂは、データベース７と同一のデータベースでもよく、データベース７とは異なる同様のデータベースでもよい。データベース７ｂは、関連語データベース７２が予め記憶される。
データベース７ｂは、サーバ２に予め保存される。データベース７ｂは、データベース７と同一のデータベースでもよく、データベース７とは異なる同様のデータベースでもよい。データベース７ｂは、関連語データベース７２が予め記憶される。
＜関連語データベース７２＞
関連語データベース７２は、データベース７ｂに予め記憶される。関連語データベース７２は、例えば図１０に示すように、参照用生成テーマ情報Ｄ７２１と、参照用関連生成テーマ情報Ｄ７２２と、が予め紐づけられて記憶される。関連語データベースは、ユーザＵが予め作成したデータベースでもよく、「ＷоｒｄＮｅｔ」等の公知の概念辞書データを用いてもよい。
関連語データベース７２は、データベース７ｂに予め記憶される。関連語データベース７２は、例えば図１０に示すように、参照用生成テーマ情報Ｄ７２１と、参照用関連生成テーマ情報Ｄ７２２と、が予め紐づけられて記憶される。関連語データベースは、ユーザＵが予め作成したデータベースでもよく、「ＷоｒｄＮｅｔ」等の公知の概念辞書データを用いてもよい。
参照用生成テーマ情報Ｄ７２１は、１以上の生成テーマ情報で構成される。参照用生成テーマ情報Ｄ７２１は、生成テーマ情報Ｄ１２に対応する情報を含み得る。参照用関連生成テーマ情報Ｄ７２２は、１以上の関連生成テーマ情報で構成される。参照用関連生成テーマ情報Ｄ７２２は、関連生成テーマ情報Ｄ８２に対応する情報を含み得る。
参照用生成テーマ情報Ｄ７２１は、例えば１以上の関連生成テーマを含む参照用関連生成テーマ情報Ｄ７２２と紐づけられる。参照用生成テーマ情報Ｄ７２１に含まれる生成テーマ「Ｘ」は、参照用関連生成テーマ情報Ｄ７２２に含まれる関連生成テーマＡ「Ｘ１」と、関連生成テーマＢ「Ｘ２」と、に紐づけられてもよい。具体的には、生成テーマ「安土桃山時代」は、関連生成テーマＡ「歴史」と、関連生成テーマＢ「豊臣秀吉」と、に紐づけられてもよい。
次に、本実施形態における学習材生成システム１００の動作の詳細について説明する。
＜クエリ変換ステップＳ１４＞
クエリ変換ステップＳ１４において、クエリ変換部１６は、クエリ取得ステップＳ１１により取得されたクエリＤ１に含まれる生成テーマ情報Ｄ１２を、関連語データベース７２（データベース７ｂ）を参照した上で関連語データベース７２から取得した一の関連生成テーマ情報Ｄ８２と取り換えることで、クエリＤ１を変換する。すなわち、データベース７に対して実行されるクエリＤ１は、学習材生成要求情報Ｄ１１と関連生成テーマ情報Ｄ８２とを含み、関連生成テーマ情報Ｄ８２と取り換えられた生成テーマ情報Ｄ１２を含まない。
クエリ変換ステップＳ１４において、クエリ変換部１６は、クエリ取得ステップＳ１１により取得されたクエリＤ１に含まれる生成テーマ情報Ｄ１２を、関連語データベース７２（データベース７ｂ）を参照した上で関連語データベース７２から取得した一の関連生成テーマ情報Ｄ８２と取り換えることで、クエリＤ１を変換する。すなわち、データベース７に対して実行されるクエリＤ１は、学習材生成要求情報Ｄ１１と関連生成テーマ情報Ｄ８２とを含み、関連生成テーマ情報Ｄ８２と取り換えられた生成テーマ情報Ｄ１２を含まない。
なお、生成テーマ情報Ｄ１２と取り換える一の関連生成テーマは、関連語データベース７２を構成する参照用関連生成テーマ情報Ｄ７２２に含まれる１以上の関連生成テーマから、クエリ変換部１６が一の関連生成テーマを任意に選択してもよい。図１０の例においては、クエリ変換部１６は、生成テーマ「Ｘ」を含む生成テーマ情報Ｄ１２を、生成テーマ「Ｘ」に対応する参照用生成テーマ情報Ｄ７２１に紐づけられた参照用関連生成テーマ情報Ｄ７２２に含まれる生成テーマ「Ｘ１」「Ｘ２」の何れかを任意に選択して関連生成テーマ情報Ｄ８２として取得し、生成テーマ情報Ｄ１２と取り換えてもよい。
また、クエリ変換部１６は、関連生成テーマごとに関連語データベース７２から取得された回数等の実績に基づいて一の関連生成テーマを選択してもよい。例えば、関連語データベース７２からの取得回数実績が多い一の関連生成テーマ「Ｘ１」を、易しい難易度の関連生成テーマとして選択してもよく、関連語データベース７２からの取得回数実績が少ない一の関連生成テーマ「Ｘ２」を、難しい難易度の関連生成テーマとして選択してもよい。
＜学習材生成ステップＳ１２＞
学習材生成ステップＳ１２において、学習材生成部２３は、クエリ取得ステップＳ１１により取得されたクエリＤ１（学習材生成要求情報Ｄ１１に基づく生成要求）に応じて、データベース７を参照した上で、クエリ変換ステップＳ１４により変換されたクエリＤ１に含まれる関連生成テーマに基づいて、学習材データＤ７１１を含む生成データＤ７１を生成する。この場合、大規模言語モデル７１により同一の生成テーマ（生成テーマ情報Ｄ１２）から異なる内容の学習材を自動生成することができる。これにより、作成する学習材の利便性の向上を図ることができる。
学習材生成ステップＳ１２において、学習材生成部２３は、クエリ取得ステップＳ１１により取得されたクエリＤ１（学習材生成要求情報Ｄ１１に基づく生成要求）に応じて、データベース７を参照した上で、クエリ変換ステップＳ１４により変換されたクエリＤ１に含まれる関連生成テーマに基づいて、学習材データＤ７１１を含む生成データＤ７１を生成する。この場合、大規模言語モデル７１により同一の生成テーマ（生成テーマ情報Ｄ１２）から異なる内容の学習材を自動生成することができる。これにより、作成する学習材の利便性の向上を図ることができる。
本実施形態によれば、取得されたクエリＤ１に含まれる生成テーマ（生成テーマ情報Ｄ１２）を、一の関連生成テーマ（関連生成テーマ情報Ｄ８２）に変換するクエリ変換部１６をさらに備える。このため、大規模言語モデル７１により同一の生成テーマから異なる内容の学習材を自動生成することができる。これにより、作成する学習材の利便性の向上を図ることができる。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
１００ 学習材生成システム
１ ユーザ端末
１０ 筐体
１０１ ＣＰＵ
１０２ ＲＯＭ
１０３ ＲＡＭ
１０４ 保存部
１０５～１０７ Ｉ／Ｆ
１０８ 入力部
１０９ 表示部
１１０ 内部バス
１１ 通信部
１２ 記憶部
１３ クエリ取得部
１４ クエリ実行部
１５ 学習材出力部
１６ クエリ変換部
２ サーバ
２０ 筐体
２０１ ＣＰＵ
２０２ ＲＯＭ
２０３ ＲＡＭ
２０４ 保存部
２０５ Ｉ／Ｆ
２１０ 内部バス
２１ サーバ通信部
２２ サーバ記憶部
２３ 学習材生成部
７ データベース
７１ 大規模言語モデル
７２ 関連語データベース
９ 通信網
Ｕ ユーザ
Ｓ１１ クエリ取得ステップ
Ｓ１２ 学習材生成ステップ
Ｓ１３ 学習材出力ステップ
Ｓ１４ クエリ変換ステップ
Ｄ１ クエリ
Ｄ１１ 学習材生成要求情報
Ｄ１２ 生成テーマ情報
Ｄ１３ 目次情報
Ｄ１４ 生成テーマ生成要求情報
Ｄ１５ 分類テーマ情報
Ｄ７１ 生成データ
Ｄ７１１、Ｄ７１２ 学習材データ
Ｄ７２１ 参照用生成テーマ情報
Ｄ７２２ 参照用関連生成テーマ情報
Ｄ８ 中間取得データ
Ｄ８１ 生成テーマ情報
Ｄ８２ 関連生成テーマ情報
１ ユーザ端末
１０ 筐体
１０１ ＣＰＵ
１０２ ＲＯＭ
１０３ ＲＡＭ
１０４ 保存部
１０５～１０７ Ｉ／Ｆ
１０８ 入力部
１０９ 表示部
１１０ 内部バス
１１ 通信部
１２ 記憶部
１３ クエリ取得部
１４ クエリ実行部
１５ 学習材出力部
１６ クエリ変換部
２ サーバ
２０ 筐体
２０１ ＣＰＵ
２０２ ＲＯＭ
２０３ ＲＡＭ
２０４ 保存部
２０５ Ｉ／Ｆ
２１０ 内部バス
２１ サーバ通信部
２２ サーバ記憶部
２３ 学習材生成部
７ データベース
７１ 大規模言語モデル
７２ 関連語データベース
９ 通信網
Ｕ ユーザ
Ｓ１１ クエリ取得ステップ
Ｓ１２ 学習材生成ステップ
Ｓ１３ 学習材出力ステップ
Ｓ１４ クエリ変換ステップ
Ｄ１ クエリ
Ｄ１１ 学習材生成要求情報
Ｄ１２ 生成テーマ情報
Ｄ１３ 目次情報
Ｄ１４ 生成テーマ生成要求情報
Ｄ１５ 分類テーマ情報
Ｄ７１ 生成データ
Ｄ７１１、Ｄ７１２ 学習材データ
Ｄ７２１ 参照用生成テーマ情報
Ｄ７２２ 参照用関連生成テーマ情報
Ｄ８ 中間取得データ
Ｄ８１ 生成テーマ情報
Ｄ８２ 関連生成テーマ情報
Claims (8)
- 設問及び解答の組合せからなる学習材の生成要求と、その生成テーマの生成要求と、その分類テーマと、を含むクエリを取得するクエリ取得部と、
前記クエリ取得部により取得された前記クエリが実行されたとき、大規模言語モデルが予め記憶されたデータベースを参照した上で前記分類テーマに基づいて新たに取得した前記生成テーマに基づいて前記学習材を生成する学習材生成部と、
を備えること
を特徴とする学習材生成システム。 - 設問及び解答の組合せからなる学習材の生成要求と、その生成テーマと、を含むクエリを取得するクエリ取得部と、
前記クエリ取得部により取得された前記クエリに含まれる前記生成テーマを、前記生成テーマと前記生成テーマに関連する１以上の関連生成テーマとが予め紐づけられたデータベースを参照した上で、一の前記関連生成テーマに変換するクエリ変換部と、
前記クエリ取得部により取得された前記クエリが実行されたとき、大規模言語モデルが予め記憶されたデータベースを参照した上で前記クエリ変換部により変換された前記関連生成テーマに基づいて前記学習材を生成する学習材生成部と、
を備えること
を特徴とする学習材生成システム。 - 前記クエリ取得部は、前記学習材の生成要求と、前記生成テーマと前記設問の目次とを一組とする複数のデータセットと、を含む前記クエリを取得し、
前記学習材生成部は、前記クエリ取得部により取得された複数の前記データセットに基づいて前記目次に対応する複数の前記学習材を生成すること
を特徴とする請求項１又は２に記載の学習材生成システム。 - 前記クエリ取得部は、前記生成テーマ及び前記目次のうち少なくとも何れかが既存の学習材データから抽出された前記データセットを含む前記クエリを取得すること
を特徴とする請求項３に記載の学習材生成システム。 - 設問及び解答の組合せからなる学習材の生成要求と、その生成テーマの生成要求と、その分類テーマと、を含むクエリを取得するクエリ取得ステップと、
前記クエリ取得ステップにより取得された前記クエリを実行し、大規模言語モデルが予め記憶されたデータベースを参照した上で前記分類テーマに基づいて新たに取得した前記生成テーマに基づいて前記学習材を生成する学習材生成ステップと、
を有すること
を特徴とする学習材生成方法。 - 設問及び解答の組合せからなる学習材の生成要求と、その生成テーマと、を含むクエリを取得するクエリ取得ステップと、
前記クエリ取得ステップにより取得された前記クエリに含まれる前記生成テーマを、前記生成テーマと前記生成テーマに関連する１以上の関連生成テーマとが予め紐づけられたデータベースを参照した上で、一の前記関連生成テーマに変換するクエリ変換ステップと、
前記クエリ取得ステップにより取得された前記クエリを実行し、大規模言語モデルが予め記憶されたデータベースを参照した上で前記クエリ変換ステップにより変換された前記関連生成テーマに基づいて前記学習材を生成する学習材生成ステップと、
を有すること
を特徴とする学習材生成方法。 - 設問及び解答の組合せからなる学習材の生成要求と、その生成テーマの生成要求と、その分類テーマと、を含むクエリを取得するクエリ取得ステップと、
前記クエリ取得ステップにより取得された前記クエリを実行し、大規模言語モデルが予め記憶されたデータベースを参照した上で前記分類テーマに基づいて新たに取得した前記生成テーマに基づいて前記学習材を生成する学習材生成ステップと、
をコンピュータに実行させること
を特徴とする学習材生成プログラム。 - 設問及び解答の組合せからなる学習材の生成要求と、その生成テーマと、を含むクエリを取得するクエリ取得ステップと、
前記クエリ取得ステップにより取得された前記クエリに含まれる前記生成テーマを、前記生成テーマと前記生成テーマに関連する１以上の関連生成テーマとが予め紐づけられたデータベースを参照した上で、一の前記関連生成テーマに変換するクエリ変換ステップと、
前記クエリ取得ステップにより取得された前記クエリを実行し、大規模言語モデルが予め記憶されたデータベースを参照した上で前記クエリ変換ステップにより変換された前記関連生成テーマに基づいて前記学習材を生成する学習材生成ステップと、
をコンピュータに実行させること
を特徴とする学習材生成プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023125005A JP7423111B1 (ja) | 2023-07-31 | 2023-07-31 | 学習材生成システム、学習材生成方法、及び学習材生成プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023125005A JP7423111B1 (ja) | 2023-07-31 | 2023-07-31 | 学習材生成システム、学習材生成方法、及び学習材生成プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP7423111B1 true JP7423111B1 (ja) | 2024-01-29 |
Family
ID=89704273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023125005A Active JP7423111B1 (ja) | 2023-07-31 | 2023-07-31 | 学習材生成システム、学習材生成方法、及び学習材生成プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7423111B1 (ja) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007018389A (ja) | 2005-07-08 | 2007-01-25 | Just Syst Corp | データ検索装置、データ検索方法、データ検索プログラムおよびコンピュータに読み取り可能な記録媒体 |
| WO2022180990A1 (ja) | 2021-02-24 | 2022-09-01 | 株式会社Ｎｔｔドコモ | 質問生成装置 |
| JP7315281B1 (ja) | 2023-05-29 | 2023-07-26 | 株式会社メンタルＨｒ | 情報再現支援システム、情報再現支援方法、及びプログラム |
-
2023
- 2023-07-31 JP JP2023125005A patent/JP7423111B1/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007018389A (ja) | 2005-07-08 | 2007-01-25 | Just Syst Corp | データ検索装置、データ検索方法、データ検索プログラムおよびコンピュータに読み取り可能な記録媒体 |
| WO2022180990A1 (ja) | 2021-02-24 | 2022-09-01 | 株式会社Ｎｔｔドコモ | 質問生成装置 |
| JP7315281B1 (ja) | 2023-05-29 | 2023-07-26 | 株式会社メンタルＨｒ | 情報再現支援システム、情報再現支援方法、及びプログラム |
Non-Patent Citations (1)
| Title |
|---|
| Masa，学校の先生が教育現場で使えるChatGPTテクニック～シーン2 数学の問題作成～，note[online]，2023年07月12日，インターネット＜ＵＲＬ：https://note.com/masaland/n/n9bc5666b0472＞，[2023年10月5日検索] |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Frankenberg-Garcia | Training translators to use corpora hands-on: Challenges and reactions by a group of thirteen students at a UK university | |
| US20160378853A1 (en) | Systems and methods for reducing search-ability of problem statement text | |
| US20220405484A1 (en) | Methods for Reinforcement Document Transformer for Multimodal Conversations and Devices Thereof | |
| Alfuraih | The undergraduate learner translator corpus: a new resource for translation studies and computational linguistics | |
| Ocaña-Fernández et al. | The bibliographical review as a research methodology | |
| Haffar et al. | Use of indexed Arabic text in e-learning system | |
| Chen et al. | Development and evaluation of an automatic text annotation system for supporting digital humanities research | |
| Konecki et al. | Using Artificial Intelligence in Higher Education. | |
| Huang et al. | Using collocation clusters to detect and correct English L2 learners’ collocation errors | |
| Kabel et al. | The added value of task and ontology‐based markup for information retrieval | |
| Miranda et al. | Supporting learning object repository by automatic extraction of metadata | |
| Taylor et al. | Access and empowerment in digital language learning, maintenance, and revival: a critical literature review | |
| Crane et al. | Student researchers, citizen scholars and the trillion word library | |
| Atapattu et al. | Evaluation of concept importance in concept maps mined from lecture notes | |
| Shanmukhaa et al. | Retracted: Construction of Knowledge Graphs for video lectures | |
| Miranda et al. | Automatic extraction of metadata from learning objects | |
| JP7423111B1 (ja) | 学習材生成システム、学習材生成方法、及び学習材生成プログラム | |
| Hwang et al. | The Implementation of ChatGPT-assisted Writing Instruction in ESL/EFL Classrooms | |
| Gomide | Corpus linguistics software: Understanding their usages and delivering two new tools | |
| Park et al. | Automatic generation of multiple-choice fill-in-the-blank question using document embedding | |
| Poots et al. | Automatic annotation of text with pictures | |
| Venigalla et al. | Dynamique–a technical intervention to augment static textbook with dynamic q&a | |
| McLean Davies et al. | Reading in the (post) digital age: Large digital databases and the future of literature in secondary classrooms. | |
| Dejica-Cartis et al. | Using frame analysis for developing foreign language competence in engineering students | |
| Kontogiannis et al. | Course opinion mining methodology for knowledge discovery, based on web social media |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230801 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230801 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231017 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231121 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240109 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240110 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7423111 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |