2025年度

概要 2025年度4年ゼミ生の瀬下采未さんが，「天候依存度を活用した観光ルート推薦」というテーマでICT活用総合実習に取り組みました． 観光産業において「天候」は観光客の行動決定や満足度に大きな影響を与えます．特に新潟県佐渡島のように，冬季の厳しい気象条件（降雨・強風・降雪）が観光体験の質を左右する地域では，天候を考慮したルート提案が不可欠です．しかし，既存の観光ガイドブックやルート検索アプリは基本的に「晴天」を前提として設計されており，急な悪天候に対応できません．瀬下さんは，1時間ごとの気象予報データと観光施設の属性（屋内・屋外・複合型，季節営業等）を統合し， 天候リスクを最小化する観光ルートを動的に提案するシステム を開発しました． なお，本テーマは新潟県観光協会との 意見交換 をきっかけに着想を得たもので，成果は アーバンデータチャレンジ2025に応募 しています． テーマのポイント 課題：「冬はフェリーが欠航する」というイメージの壁 佐渡島は金山遺構やジオパークなどの屋外観光資源が豊富ですが，冬季は強風によるフェリー欠航のイメージから観光客が激減します．実際には大型カーフェリーの就航率は比較的高いものの，「現地の天候イメージが悪いために敬遠される」というギャップが存在します．また，既存のモデルコースは静的な情報に基づいているため，「日没後に景勝地に到着してしまった」「閉館時間に間に合わなかった」といったリスクに対応できていません． アプローチ：場所・時間・気象の3要素を統合 本システムの中核は， 気象適応型スコアリング（Dynamic Scoring） というアルゴリズムです．観光スポットの評価値を以下の3つの要素で動的に変動させます． 静的スコア（Static Value） — Google Mapsのレビュー評価など，場所そのものの魅力を表す不変の指標 動的スコア（Dynamic Value） — 到着時刻の気象データ（降雨・降雪・強風）に基づくリアルタイムの減点．例えば降雨2mm/h以上で屋外スポットは大幅に減点 事後期待スコア（Expected Value） — 「今」ではなく「この後」に残された時間で得られる満足度の期待値 これらを組み合わせた貪欲法によるルート探索で，悪天候時には屋内施設を優先し，好天時には景勝地を効率よく巡るルートを自動生成します． 使用技術 気象データ：Open-Meteo API（1時間ごとの気温・降水量・降雪量・風速・日没時刻） 地図描画・可視化：Folium，OpenStreetMap データ処理：Python，Pandas 観光スポットDB：佐渡市相川地区の主要観光地10箇所の属性を独自にデータベース化 シミュレーション結果：天候でルートが変わる 同一日時・同一出発地点で「快晴」と「15時から雨」の2シナリオを比較したシミュレーションでは，システムの挙動の違いが明確に表れました． 快晴時には屋外の景勝地（史跡 佐渡金山，大間港など）を効率よく巡り，日没に合わせて夕日の名所を高得点で提案します．一方，15時から雨が予測されるシナリオでは，13時台のうちに屋外スポットの訪問を前倒しし，雨が降り始める15時以降は「佐渡奉行所跡」「きらりうむ佐渡」といった屋内施設へ自動的にルートを変更しました． また，佐渡観光ナビで紹介されている既存のモデルコースを本システムで冬季シナリオに適用したところ，16:30閉館の施設に16:40到着となるなどの問題が検出され，静的なモデルコースの限界と本システムの有効性が確認されました． 成果と展望 本テーマは，ゼミの「地域課題×データ活用」の取り組みの一環として，新潟県観光協会へのヒアリングから着想を得ました．今後は対象エリアの佐渡全島への拡大，口コミテキストの感情分析による静的スコアの精度向上，フェリーの運航状況を含めた「佐渡に渡る前」からのシームレスな経路推薦が課題です．

概要 2025年度4年ゼミ生の木原優月さんが，「生成AIとログ分析を用いた対話型プログラミング学習プラットフォームの構築」というテーマでICT活用総合実習に取り組みました． プログラミング初学者にとって，エラーに直面したときに「何が問題なのか」「なぜこのコードではダメなのか」を自力で理解することは大きなハードルです．生成AIに聞けば答えはすぐに得られますが，それでは自律的な問題解決能力が育ちません．木原さんは， AIが答えを教えるのではなく，学習者自身の思考を促しながら段階的に問題解決へと導く 「AIペアプログラミング」という指導スタイルを採用した学習支援プラットフォーム「アイラ」を開発しました． なお，本作品は にいがたデジコングランプリ2025 テクノロジー部門 に入選しています（受賞報告記事）．入選作品の紹介動画は YouTube で公開されています． テーマのポイント 課題：「答えが手に入りすぎる」時代の学習 生成AIの急速な進化により，エラーメッセージを貼り付けるだけで修正コードが返ってくる時代になりました．しかし，AIに依存しすぎることで自律的な問題解決能力の習得が妨げられる懸念があります．たとえAIの出力が正しくても，学習者がその内容を理解しなければ意味がなく，またAIが生成したコードに潜むバグを発見・修正する力も求められます． アプローチ：AIペアプログラミング 「アイラ」の最大の特徴は，AIが学習者と並走するパートナーとして機能する点です．具体的には以下の仕組みで学習を支援します． 対話型指導 — 答えを直接提示せず，適切なヒントや質問を通じて学習者に自ら考えさせる コード編集履歴の分析 — VSCode拡張機能でコードの変更履歴をリアルタイムに収集し，学習者の思考プロセスや躓きのポイントをAIが把握 個別最適化されたフィードバック — ログ分析に基づき，学習者一人ひとりの理解度や癖に合わせたアドバイスを提供 使用技術 フロントエンド：React + Vite，TypeScript バックエンド：Python，FastAPI AIモデル：Gemini Flash 2.5 ログ収集：VSCode拡張機能（独自開発） データベース：SQLite 評価実験の結果 Web開発経験を持つ被験者3名にHTML・JavaScriptによるTODOアプリの作成を課題として実験を行いました．AI評価項目では「『なぜ』に踏み込んだ指摘があるか」が平均4.7点（5点満点）と最も高く評価され，単なるコード修正ではなく 思考過程への踏み込んだフィードバック が本システムの強みとして確認されました．UI/UX評価でも操作性・見やすさ・機能満足度がいずれも平均4.7点と高評価で，全被験者が「今後も使い続けたい」と回答しています． 成果と展望 競合サービス（Udemy，Paizaなど）との比較では，「自分のコード前提で会話できる」「考えさせるため勉強になる」点が優位性として評価された一方，「完全な初心者には難易度が高い」という課題も明らかになりました．今後は，学習者のレベルに応じてヒントの粒度を動的に調整する適応的学習機能や，チーム学習への対応が展望として挙げられています．

概要 2025年度4年ゼミ生の臼田誠さんが，「視線行動の比較分析によるゲーム経験者の運転行動の研究」というテーマでICT活用総合実習に取り組みました． 自動運転技術が進む一方で，交通事故の多くは依然として人間の判断ミスや注意不足に起因しています．運転中の視線行動はドライバの注意配分やリスク認識を直接反映する重要な指標ですが，近年普及しているドライビングゲームの経験が実車運転時の視線行動にどのような影響を及ぼすのかは，十分に検討されていません．臼田さんは，アイトラッカーを用いて 実車運転とドライビングシミュレータ（Assetto Corsa）の同一コースにおける視線データを取得 し，危険区間単位での比較分析を通じて，ゲーム経験が視線戦略に与える影響を定量的に明らかにしました． なお，本研究の成果は 電子情報通信学会 2026年総合大会 にてポスター発表を行いました． テーマのポイント 課題：ゲーム経験は実車運転に活きるのか？ ドライビングゲームでは，進行方向の先を読んで障害物を回避するために画面中央付近に視線を集中させる行動パターンが形成されます．一方，実車運転では周囲の歩行者や標識にも注意を配る必要があります．「ゲーム経験者は実車でも探索的な視線行動を示すのか，それとも画面中央への集中が残るのか」——本研究はこの問いに，定量的なデータで迫りました． 研究方法：同一コースで実車とゲームを比較 フィールド：群馬県碓氷峠（急カーブ・連続カーブ・見通しの悪い箇所が多く，高い注意配分が求められる区間） ゲーム環境：レーシングシミュレータ Assetto Corsa で碓氷峠を再現し，ハンドル型コントローラで走行 視線計測：ウェアラブル型アイトラッカー Pupil Core で実車・ゲーム双方の視線データを取得 比較単位：コース全体の平均ではなく，急カーブや視線制限箇所など 21箇所の「危険区間」 単位で1対1の対応付け比較 視線行動を捉える3つの指標 視線の特徴を定量的に評価するために，以下の3指標を定義しました． center_dist（視線の広がり） — 画面中央からの視線距離．値が大きいほど視線が広範囲に分布 total_var（視線の集中度） — 視線位置の分散．値が大きいほど探索的な視線行動 mean_speed（視線移動の速さ） — 視線の切り替え速度．値が大きいほど先読み的な視線移動 主な発見：「ゲーム経験の有無」ではなく「視線戦略のタイプ」が重要 3指標による3次元クラスタリングの結果，被験者は以下の3つの 視線戦略タイプ に分類されました． タイプA：探索的・先読み型（被験者00）— 全指標が高く，視線を広範囲かつ高速に移動させる探索的な視線戦略．ゲーム経験が長い被験者に多い タイプB：中間・混合型（被験者01・03・04）— 指標にばらつきがあり，状況に応じて視線行動を調整．最も多くの被験者が該当 タイプC：慎重・集中型（被験者02）— 全指標が低く，画面中央付近に視線を集中させる安定志向の視線行動 特に重要な発見は，ゲーム経験が豊富な被験者であっても常に探索的な視線行動を取るわけではなく，慎重志向の被験者では視線行動が抑制的に維持される場合もあったことです．つまり， 「ゲーム経験があるか否か」という単純な分類ではなく，「どのような視線戦略を持つか」が運転行動を理解する鍵 であることが示されました． 成果と展望 危険区間ごとの分析では，約9割の区間でゲーム走行時の方が視線分布の広がりや移動速度が高い傾向が確認された一方，実車走行時にはリスク認知に基づく視線の収束も見られ，両環境における視線行動には共通点と差異の両方が存在することが明らかになりました．今後は被験者数の拡大による類型化の検証，メガネ着用時の視線計測精度の改善，操作データや車両挙動と視線データを統合した分析が課題です．

概要 2025年度4年ゼミ生の小柳怜さんが，「データ分析による代打起用の意思決定支援」というテーマでICT活用総合実習に取り組みました． 現代の野球ではデータ分析が戦略の核となっていますが，試合終盤の勝負所である代打起用については，依然として指導者の経験や「かつての印象的な一打」の記憶に頼る部分が大きいのが現状です．小柳さんは，こうした「感覚的な采配」を客観的なデータでサポートし，成功確率を最大化するための意思決定支援ツールを構築しました． テーマのポイント 課題：直感依存の落とし穴 ある代打選手が特定の投手から劇的なサヨナラヒットを打ったとします．その強烈な印象から「彼はあの投手に強い」と判断しがちですが，実際には10打席で1安打（成功率10%）に過ぎないケースは珍しくありません．人間の記憶はたった一度の劇的な成功に支配されやすく，統計的な最適解と乖離するリスクがあります． アプローチ：約600打席の独自データベース構築 2025年度シーズンのパシフィック・リーグ全試合から，代打起用のあった打席を調査しました．既存サイトでは代打に特化したデータの一括取得ができないため，一打席ごとに「対戦投手」「投手の利き腕」「走者状況」「打席結果」を手作業で入力し，約600打席に及ぶ独自のデータベースを構築しました． 分析手法：ロジスティック回帰による期待値算出 打席の結果を「成功（出塁）か失敗か」の二値で捉え，ロジスティック回帰分析で成功確率を算出するモデルを構築しました．あらゆる変数の組み合わせを検証した結果，以下の3要素で最も予測精度が高まりました． 出塁率 — 安打だけでなく四球を選ぶ能力も代打の成功には不可欠 左右の相性 — 右投手対左打者などの定説を統計的に評価 ランナーの有無 — 走者がいる状況でのプレッシャーや投球フォーム変化の影響 ディープラーニング等ではなくロジスティック回帰を選んだ理由は， 透明性（説明可能性） にあります．「どの要素が結果にどれだけ影響したか」が明確であり，現場の監督や選手が納得して意思決定を下すための支援ツールとして最適と判断しました． 支援ツールの実装 自チーム・相手投手・ランナー状況を選択して「シミュレーション実行」を押すだけで，候補選手の成功確率（期待値）をランキング形式で表示します．例えば，A.マルティネス選手は通算打率.176と低迷していましたが，代打時の出塁率は .450 と驚異的な数値を記録しており，ツールはこの「局面における適性」を正しく評価しました．通算成績だけでは見落とされがちな「勝負強さ」を可視化できた好例です． 成果と展望 データが示すのは単なる数値ではなく，采配に対する 「納得感」 です．「なぜあの場面で彼を代打に送ったのか」に客観的な根拠を持って答えられる環境は，チーム内のコミュニケーションを円滑にします．今後は，試合展開に応じた動的な提案機能（僅差なら安打型，大差なら長打型を優先するなど）や，複数シーズンにわたるデータ蓄積による精度向上が課題です．

概要 2025年度4年ゼミ生の安達萌衣さんが，「K-POPにおける歌詞構造と音楽的区切りの不一致が生み出す表現効果の分析」というテーマでICT活用総合実習に取り組みました． K-POPグループ SEVENTEEN の楽曲制作の中核を担う WOOZI（ウジ）が手がける楽曲には，歌詞の言語的な区切りと音楽的な区切りが一致しない箇所が頻繁に見られます．例えば「살아가（生きていく）」という歌詞が「살아｜가（生きて｜いく）」のように単語の途中でブレスが入る現象です．安達さんはこの現象を「不自然な分断」と名づけ，それが偶然やミスではなく意図的な表現技法であることを，音声分析・自然言語処理を組み合わせた定量的なアプローチで検証しました． テーマのポイント 「不自然な分断」とは 通常，歌唱では言葉の意味のまとまりと音の区切りを一致させるのが自然です．しかし WOOZI の楽曲では，言語的に繋がっているべき箇所であえて音を分断する表現が散見されます．本テーマでは，WOOZI が制作に関与した SEVENTEEN の韓国語楽曲18曲を対象に，この現象の実態を多角的に分析しました． 分析手法：音声処理とNLPの組み合わせ AI音源分離ツール Demucs でボーカルのみを抽出 DAWソフト REAPER で無音区間を自動検出（-20dB以下が75ms以上継続する区間） 聴覚判定と歌詞照合の2軸で「不自然な分断」を定義・抽出 音声分析ソフト Praat で無音時間をミリ秒単位で測定 韓国語NLPライブラリ KoNLPy による形態素解析で，分断の不自然さの度合いを分類 主な発見 不自然な分断は意図的な表現技法である 楽曲ごとの「不自然率」（全分断に占める不自然な分断の割合）を算出したところ，0%の楽曲が2曲ある一方で，40%を超える楽曲も存在しました．自然な歌唱が十分可能であるにもかかわらず，特定の楽曲で集中的に使われている点は，意図的な選択であることを強く示唆しています． さらに，不自然な分断の約60%は形態素の内部で生じる「強不自然型」であり，WOOZI の制作関与度が高い楽曲ほど不自然な分断が統計的に有意に増加すること（p = 0.0378）も確認されました． 不自然な分断は楽曲の魅力に貢献している 18曲中6曲でタイトルと同じ歌詞部分に不自然な分断が確認され，タイトルを「音のロゴ」として聴覚的に印象づける効果が示唆されました．また，不自然な分断の発生位置は楽曲の20〜30%付近（サビ冒頭に相当）に集中しており，リスナーの注意を引きつける「フック」として機能している可能性が示されました． 成果と展望 本テーマの成果は，情報処理学会の研究会で発表予定です．今後は，分析対象曲の拡大による統計的信頼性の向上や，聴取実験によるリスナー側の受容の検証が課題です． K-POPの「中毒性」や「耳に残る感覚」の正体を，音声処理とNLPで解き明かすという，音楽好きならではの着眼点が光るテーマです．

概要 2025年度4年ゼミ生の須田伊織さんが，「ゲーム音楽を核とした発見型メディアの構想」というテーマでICT活用総合実習に取り組みました． 現代の音楽配信サービスでは，作曲者名やゲームタイトルといった「客観的情報」による検索が主流です．しかしゲーム音楽には，「ラストバトルの絶望感」「安らぎを感じる街のBGM」のように，プレイヤーの体験と結びついた文脈的な類似性という独自の特徴があり，既存の検索や推薦ではこれを扱うことが困難です．須田さんは，こうしたゲーム音楽特有の「主観的情報」に着目し，リスナーが自分の感情や体験を手がかりに未知の名曲を「芋づる式」に発見できるプラットフォームを構想・試作しました． テーマのポイント 課題：既存サービスの限界 Spotify や Nintendo Music などの既存サービスは，曲名・作曲者名などの客観的情報による「再認型検索」が中心 協調フィルタリングや波形解析による推薦では，ゲーム体験と結びついた「文脈的な類似性」を捉えることが困難 結果として「既知の好み」の延長線上の楽曲ばかりが提示される推薦の固定化が発生 提案：グラフ構造による感性ベースの検索 ルドミュージコロジー（Ludomusicology）の観点から，プレイヤーの能動的体験が楽曲の価値を定義するという考え方に基づき，以下のようなシステムを設計しました． グラフデータベース（Neo4j） を採用し，楽曲・作曲者・ゲームタイトルに加え，「雰囲気（Mood）」「ゲーム場面（Game Scene）」「感情的反応（Emotional Response）」などの主観的タグをノードとして連結 複数のタグを掛け合わせるAND検索や，視聴ページのタグをクリックして新たな曲を探す二段階検索で，「芋づる式」の発見体験を実現 コミュニティの Like/Dislike 評価を集約し，タグの妥当性を数値化するTag Confidence（タグ信頼度）の概念を提案 使用技術 フロントエンド：Next.js 14 バックエンド：GraphQL（Apollo Server / Apollo Client） データベース：Neo4j Aura（グラフDB） 視聴環境：YouTube Data API v3 による埋め込みプレイヤー 成果と展望 実証デモを通じて，主観的タグによる横断検索が「未知の名曲との出会い」を提供できる可能性を示しました．今後は楽曲データの拡充やタグ付与の半自動化，Tag Confidence の本格的な実装による検索精度の向上が課題です． ゲーム音楽を「波形」や「事実」としてではなく「体験」として探索できる環境をつくるという，ユニークな視点からの取り組みです．