本研究では、現在広く普及しているスマートフォンの加速度センサをを用いてリアルタイムに身体動作を計測し、深層学習的手法によって構築された識別器を用いることで、その内容を推定し、識別された動作の時系列パターンからグループワークなどにおけるコミュニケーションの質を評価する手法の確立を目的としている。
既に1年目の研究で、グループワークに現れる身体動作のデータを別途計測し、CNN（Convolution Neural Network）を用いて学習を行った結果、コミュニケーションに関する動作については85％程度の精度で識別できることを明らかにしている。その中で、2年目の今年度は、予め用意したデータではなく実際のグループワークのデータを収集し、その基本的なデータの持つ性質について深く調べることで、実環境で利用することができる結果を得ることを行った。
具体的には、3名からなるグループワークを10回程度実施し、これらのグループワークの成果と身体動作、また参加者のグループワーク中のコミュニケーションに対する主観評価と身体動作の関係について調べた。結果として、身体動作の量が多いほど、成果の評価が高くなり、またコミュニケーションの主観的な評価も高くなることが明らかになった。加えて、身体動作の種類がK-means法によるクラスタリングの結果により9程度あることが明らかになった。これらの結果より、身体動作の量の大小と、身体動作の種類の組み合わせを用いることで、かなり良い精度で、グループワーク中のコミュニケーションの質を評価できることが示された。
以上の結果は、本研究課題において最も重要な結果になると思われる。さらに、今回収集した実環境でのデータを用いて、識別器を学習することで、実環境での身体動作の特定をさらに高い精度でできることが期待され、最終年度に身体動作パターンの解析と合わせて実施する。