アイゲンのAIレコメンドシステム構築2

前章のまとめ！

1. 教育パラダイムの変化及びグローバル教育環境への対応の重要性及びAI・ビッグデータ基盤教育革新に対する市場の需要が高まる→「カスタマイズ型教育コンテンツオススメ」技術の重要性増大

2. アイスクリームエデュはアイゲンと共に学生の水準及び特性に基づいたカスタマイズ型教育コンテンツオススメが可能になる「AIレコメンドシステム構築プロジェクト」を進行。

3. システム構築プロセスは以下のように行われます。

1) アイスクリームエデュ基礎資料を活用するためのデータ倉庫形成
▼
2) タスクのための関連データセットの作成
▼
3) 学生オーダーメード教育コンテンツオススメのためのロジック開発

アイゲンのAIレコメンドシステムは、学習画面で学習者に最適化された学習コンテンツをオススメする画面として表現されます。

学習者はオススメされるコンテンツを学習しながら、自分のレベルと特性に合ったコンテンツを選択し、楽しく勉強することができます。

顧客(アイスクリームエデュ)は変化する教育トレンドに合わせて学習者に最適化されたコンテンツを提供できます。これによって、顧客が追求する自分より自分をもっとよく知るAI学習法「超パーソナライズ化ランニング」環境を作ることに大きく貢献できました。

それでは、楽で楽しい学習をオススメするアイゲンAIシステムはどのように構築されているのでしょうか？

本章ではシステム構築過程を一つずつご紹介します！

🔹ステップ1) データマート設計
🔹ステップ2) データセットの作成
🔹ステップ3) 非教科コンテンツレコメンドロジックの開発

🔹ステップ1) データマート設計

まず、学生・コンテンツプロファイリングデータセットを作成するための基礎資料が必要です。
アイスクリームエデュで管理及び活用している基礎メタデータを把握し、相談データ、コンテンツメタデータベースのコアキーワードを抜き取りました。このキーワードは、後で学習者にオススメされるコンテンツを構成するために必要な情報になります。

🔹ステップ2) データセットの作成

プロファイリングのためには必要なデータセットを作る必要があります。

学生プロファイリングデータセットの作成に使われた情報

・現在の学生の学年及び学期情報

・学習を完了した強化及び非教科

・受験総数

コンテンツプロファイリングデータセットの作成に使用した情報
・コンテンツ名
・メタ情報に存在する各種コンテンツのカテゴリ情報
・科目分類情報など

このように作った学生・コンテンツプロファイリングデータセットを活用して、改善及び高度化が可能な非教科コンテンツオススメ要件を定義しました。

非教科コンテンツレコメンドシリーズ別要約情報及び期待役割

1. 学生プロファイリングベースの類似学生グループ内の未学習・関心コンテンツのオススメ
2. コンテンツプロファイリングベースの該当コンテンツに関心がある学生向けコンテンツのオススメ
3. 引き込み相談データベースの関連コンテンツのオススメ

🔹ステップ3) 非教科コンテンツレコメンドロジックの開発

最後に、事前に定義された要件に基づいて以下のようにカスタマイズされた非教科コンテンツレコメンドロジックを開発しました。

ディープラーニング基盤コンテンツ関連コンテンツレコメンドロジック開発

・ディープラーニングの結果である「コンテンツvector」を活用してコンテンツ関連コンテンツのオススメ結果を作ります。

ここでitem2vecとは？

ディープラーニング基盤の動的seg情報を活用したコンテンツレコメンドロジックの開発

・item2vec結果を活用して学生のvectorを導出し、ターゲット別に最も近い学生n人を選定し、最終的にこの学生らが遂行したコンテンツをオススメします。

学生・コンテンツプロファイリングデータセットベースのカスタマイズ非教科コンテンツレコメンドロジックの開発

・相談データ及びコンテンツメタデータ基準の代表キーワードを抽出し、その代表キーワードマッピング基盤のベストコンテンツをオススメします。

アイゲン人工知能DNAが植えられたAIレコメンドサービスは、次のような学習画面(例)に表します。