教育学研究科（修士課程）教育支援協働実践開発専攻 教育AI研究プログラムは，教育の現代的な課題に応じて，情報教育，教育心理，各種教育内容（言語学、体育学ならびにスポーツ科学，環境科学，宇宙・地球科学，デザイン学，生活科学など多様なジャンルの専門科学），教育実践などから，教育に関する高度な専門性を一つの「ピーク」として持つことを基盤に，これからの時代を先導する AI （人工知能）を教育に関わる様々な場面で利活用し，学校や多様な専門家と協働しながら，教育改革を先導す る人材の養成を目的とします．
教育AI（情報）分野の教員と担当講義
| 専門分野 | 講義名 | 内容 | |
| 加藤直樹 | 情報工学、人間情報学／ICTを活用した教授・学習支援システムに関する研究 | 人間情報学論 | 高度情報通信技術（AI，ICT）による人間中心型の情報環境を理解するために，人間とコンピュータに関わる解説をもとにしたディスカッションを通して，ヒューマン－コンピュータインタラクション（HCI）を中心とした知識を学ぶ．また評価手法を学ぶ． |
| 南葉宗弘 | ディジタル信号処理、知能情報学／知的信号処理及び情報科学教育に関する研究 | マルチメディア情報解析論 | 音声および画像処理の基礎を学び，マルチメディア情報処理の過程をシステムに対する入出力関係で捉え，知的処理を情報科学的な観点から考える姿勢を，Pythonを使ったプログラミング実習を通して身につける。 この講義で学ぶこと： ・ディジタル化 ・周波数領域における信号解析 ・音と画像のディジタル処理の基本技術 ・線形フィルタリングと最適化問題，最小二乗法 ・線形識別器によるパターン認識 ・Pythonを用いた数理プログラミング |
| 櫨山淳雄 | ソフトウェア工学／協調ソフトウェア開発・ソフトウェアセキュリティ | 知的ソフトウェアシステム論 | いくつかの人工知能(AI)技術を応用したソフトウェアシステム開発について学ぶ。そして、受講生が各自設定した人工知能技術とその応用システムについて小規模サーベイを行い、その結果をレポートとしてまとめる。そして発表を通じて議論を行い、理解を深める。 また、近年新たに誕生した機械学習工学や生成AIについて紹介する。 |
| 宮寺庸造 | 計算機科学、教育工学／プログラミング学習支援環境，情報視覚化に関する研究 | 先端情報科学論 | 英語の文献を輪講形式で行う。授業の前半で，オートマトン，形式言語，グラフ理論等の理論計算機科学の基礎的な事項を学習する。続いて計算機による問題解決を志向し，問題のモデル化，情報（データ）の抽象化，手続きの抽象化等のモデル化手法について学習する。後半で，情報科学と教育の融合したシステムの現状を概観し，実際の問題に対するモデル化の実践演習を行う。 |
| ヒューマン・コンピテンシー総論 | これからの学校教育で育成すべきさまざまな資質・能力をとりあげ，それぞれがどのような力であり，どのように育成することができるのかを，「教育心理学」の視点から，講義や学生間のディスカッション等を通じて学習していく。授業は，講義編と授業ビデオを用いた演習編からなっている。演習編では，専門の異なる3名の教員が学生の学びのファシリテーションを行う。 | ||
| 森本康彦 | eポートフォリオ／学習記録データを活用した学びとその評価に関する研究 | データ・アナリティクス実践論 | 本授業では，プログラミング言語Pythonを用いて実際に手を動かしながら機械学習に触れ、機械学習でどんなことができるのかを一つ一つ体験的に学んでいく。前半、後半の最後に、これまで習得してきた知識・能力を生かして、実際に支援システムに搭載する予測／推測モデルをデザイン（または、開発）する。これは、少人数のグループで協働的に課題に取り組み、成果を全員で発表し合うことで知と経験の共有を図る。 |
| 教育ポートフォリオと教育ビックデータ | 【１０～１４回】 eポートフォリオの理論について知り，学校現場の実際の活用等の現状を受けて，先端技術（テクノロジー）を用いた分析や見える化によるシンプルな学びのデザインや，学習データを活用した未来の教育についてのイメージが持てるようになることを目指す。 |
||
| 遠藤太一郎 ※ | AI工学 | 人工知能概論 | 変化が非常に早い人工知能の世界で活躍するため、 講義＋プロジェクトベースのアクティブラーニングで、以下の３つの力を身につけていく。 1. 人工知能の基礎的な知識、考え方 2. 自ら情報を取得しアップデートする力 3. 技術をどう利活用するか、自ら考案する力 基礎力をつける座学と、プロジェクトベースのアクティブラーニングを並行して行う |
| 人工知能特論 | 期間内で実現したい内容に関して自ら目標を立て、試行錯誤と振り返りをなどを繰り返しながら、実現に向けて取り組んでいく。 ・AIの活用等に関するテーマを設定する ・これはデモや実証実験等、何かしら動くものを作ることを前提とする ・隔週を目安に進捗発表を行い、講師や他の学生のフィードバックを受ける ・デモを前提とした最終発表を行う |
||
| 小宮山利恵子 ※ | AI／EdTEch／アントレプレナーシップ | アントレプレナーシップ論 | 授業の前半部においては, 実践的思考に必要とされる専門分野に関する基礎知識の習得を行う。授業の後半部では, 習得した知識を基に, 実際の起業についてグループディスカッションや発表などの演習形式を通じて学ぶ。その際, 実際に起業することを想定して, 受講生による内容の発表とともに, 教員や他の受講生と発表内容に関するディスカッションを行う。その時の状況にもよるが, 実際に企業や施設を訪問し, 起業やアントレプレナーシップについて考える機会も設けたいと考えている。 |
| 教育とビジネス | 前半では, 企業経営・マーケティング・リーダーシップ・ロビーイングなど, ビジネスの基本概念を学ぶ。企業事例を活用し, 実際のビジネス戦略がどのように機能しているのかを深掘りする。後半では, 交渉術・プレゼン・DX・ファシリテーションなど, ビジネスの実践的なスキルを学ぶ。最終回では学生によるプレゼンを実施し, これまでの学びを振り返る機会を設ける。その過程において, ビジネスの現場最前線を体感するべく, 東京都内にある工場や企業の見学を考えている。 | ||
| 栗原恒弥 ※2 | 情報センシング論 | 本講義では，情報センシングとして、特に、カメラによる画像のセンシング、三次元カメラによる三次元奥⾏き情報のセンシングを取り上げる。さらに、⼀般物体検知，姿勢推定、三次元モデルの復元，画像⽣成などの技術を論じる。 | |
| 庄野逸 ※2 | 機械学習・深層学習論 | 内容に関しては， 1) 機械学習の概要 2) 計算機を用いた機械学習の実現方法 3) 回帰問題の原理と解法 4) パターン判別問題の原理と解法 5) 深層学習 という順番で徐々に掘り下げを行う |
|
| 内海彰 ※2 | 言語情報解析論 | 日本語や英語を主な対象として、自然言語処理の基礎技術（形態素解析、構文解析、言語モデル、単語ベクトル）や、ニューラルネットワークをはじめとする機械学習手法による自然言語処理について学ぶ。 | |
| ※ クロスアポイントメント教員：当該教員からの指導を希望する場合、「副指導教員」として指導を受けることになります。 ※2 非常勤講師 |
|||
その他の分野の教員
| 分野 | 名前 | 専門分野 |
| コンピテンシー・学校心理 | 杉森伸吉 | 社会的認知／リスク心理学／グループ／ダイナミクス／実験社会心理学 |
| 関口貴裕 | 認知心理学／認知神経科学 | |
| 犬塚美輪 | 教育心理学／認知心理学／文章理解 | |
| 榊原知美 | 発達心理学／認知心理学 | |
| 品田瑞穂 | 社会心理学／対人心理学 | |
| 教科内容・実践（文化） | 木村守 | 外国語教育（中国語）／漢字情報処理（文献データベース）／中国古典文学 |
| 白勢彩子 | 現代日本語学／日本語音声とその社会的・教育的役割に関する研究 | |
| 教科内容・実践（身体） | 奥村基生 | スポーツ心理学 |
| 齋藤従道 | 代謝学/内科学 | |
| 佐藤耕平 | 運動生理学 | |
| 新海宏成 | スポーツバイオメカニクス | |
| 教科内容・実践（環境） | 土橋一仁 | 星間物理学 電波天文学 天文教育／星形成，星間分子雲，天文教材開発 |
| 中野幸夫 | 化学／環境科学 | |
| 正木賢一 | グラフィックデザイン／情報デザイン | |
