Kyosuke Takami

教育AI, Learning analytics, いじめ(bullying), Social Neuroscience, 安全で安心な学校づくり。博士(理学)。元高校教師。教育データサイエンスの研究しています。

[Kyosuke Takami @kyoro2483]

Our paper is now available as in IEEE Access.

When Even Experts Disagree: Human-in-the-Loop Evaluation of LLM-Generated Hypotheses for Learning Analytics

We study how experts evaluate LLM-generated hypotheses in Learning Analytics.

https://t.co/y7pKzom5Hi

#LA #AIED

[Tomoya Nakai @TomNakai]

Our paper has been published in iScience!

Developmental changes in similarity between neural representations of mental arithmetic and artificial neural networks
https://t.co/wKYQ84nvWZ

[Momoka Furuhashi @tohoku_nlp_mmk]

Our paper is accepted at #EMNLP2026 Main🎉🎉🙌🙌

We investigate how well LLMs can simulate real learner evaluations of educational feedback.

This is joint work with @NLPingu, @kodama26985649, @penzant, and @kyoro2483 !!!!

[Kyosuke Takami @kyoro2483]

LLM勉強会でやってきた教育応用の研究がEMNLP2026Mainに採択されました！@tohoku_nlp_mmk おめでとうございます🎉教育AI研究は今が熱い.#emnlp

[最高ラブコメ責任者（見習い） @penzant]

https://t.co/ziTKAzKb41 研究集会「AIとメタ認知」で喋ります。なにとぞ〜

[Kodama @kodama26985649]

昨日公開した llm-jp-4-33b-thinking の公式量子化版（GGUF）を新たに公開しました！
https://t.co/5Fiz3uLsW1

[高市早苗 @takaichi_sanae]

高市内閣は、「教育」分野での改革にも力を尽くしています。
先月に閉会した国会で成立した、『公立義務教育諸学校の学級編制及び教職員定数の標準に関する法律の一部を改正する法律』（いわゆる「義務標準法」の改正）についてご紹介します。

教育は人づくりの｢礎｣であり、｢国家百年の計｣そのものです。
特に、「公教育」においては、子供たちを誰一人取り残さず、全ての子供たちの能力を最大限引き出す「個別最適な学び」の実現が重要です。

このため、高市内閣では、｢子供たちの教育環境の整備｣に取り組んでいます。

近年の学校教育においては、｢不登校｣などの課題の深刻化、アレルギーなどの｢健康課題｣の複雑化に加え、｢教師の長時間労働｣も大きな課題となっています。

このため、『義務標準法』の改正により、公立中学校における｢少人数学級の実現」や、｢教職員の人数の増加｣を通じて、子供たちの学習状況や生活面をより丁寧に把握できるようにし、｢学習指導や生徒指導の充実｣、｢教職員の業務負担の軽減｣を図っていきます。

特に、公立中学校の1クラスの｢生徒数の標準｣の引き下げは、約40年ぶりの大改革です。
今年度の中学校1年生から、1クラスの｢生徒数の標準｣を40人から35人へ引き下げ、3年間で｢少人数学級｣を実現します。

また、公立小・中学校の養護教諭（いわゆる保健室の先生）の｢配置基準｣も見直し、大きな学校には保健室の先生が2人居る体制を整備し、｢子供たちの健康課題｣などにきめ細かく対応できるようにしました。

この他、高市内閣では、子供たち一人一人のニーズや特性に合った学習の基盤となる｢1人1台端末｣の整備など『GIGA（ギガ）スクール構想』の推進にも取り組んでいます。

今後も、子供たちに、より良い｢教育環境｣を提供できるよう、しっかりと取り組んでまいります。

[あるふ @alfredplpl]

ついに国産のモデルが東大の数学入試の難問をとけた！某ロボくんは国産でもできたんや！

[Odashi @odashi_t]

https://t.co/H9hA6djnlr

[Kyosuke Takami @kyoro2483]

学生がLLMの教育応用で奨励賞をもらったようだ！吉村賢人(大教大)小学校漢字学習におけるLLM生成物語の「違和感」の類型化とLLM間の比較

[YANS🌱言語処理若手シンポジウム @yans_official]

🏆受賞者一覧🏆
#YANS2026 奨励賞・デモ賞の表彰を行いました！
おめでとうございます🎉

[Kyosuke Takami @kyoro2483]

Want to pursue your research in AI and Education in Japan? 🇯🇵🎓Let's explore the future of EdTech and AI together from the heart of Japan's innovative academic scene. 🤖🌸 Drop a comment or DM me! 📩 https://t.co/CkZ1yCpF9d #AI #Education #StudyInJapan #ResearchOpportunity

[Global South Opportunities @GlobalOpp1]

🎓 UNESCO/Japan Young Researchers’ Fellowships Programme 2026

Applications are now open for the UNESCO/Japan Young Researchers’ Fellowships Programme 2026, offering 10 fully funded research fellowships for outstanding young researchers to undertake postgraduate research at leading universities and research institutions in Japan.

🌍 Fellowship Highlights
• Research grant of up to US$10,000
• Research stay of 3–9 months in Japan
• Research period: February–December 2027
• Open to applicants from eligible countries, including 47 African nations
• Application deadline: 30 September 2026

📚 Research Areas
• Heritage Conservation and Management
• AI for Climate Action and Natural Resource Management
• Ethical and Human-Centred Artificial Intelligence
• AI for Sustainable Cities and Infrastructure
• AI and Education

✅ Eligibility
• Be 40 years old or younger
• Hold at least a Master's degree
• Be a national of an eligible country
• Obtain acceptance from a Japanese academic supervisor before applying
• Demonstrate strong academic and research potential

Learn more: https://t.co/j13gjI6pju

#UNESCO #JapanFellowship #ResearchFellowship #StudyInJapan #YoungResearchers #ArtificialIntelligence #SustainableDevelopment #HeritageConservation #ResearchFunding #GlobalSouthOpportunities

[MizumotoAtsushi @MizumotoAtsushi]

https://t.co/ykIaoqPkdN

[けいたろう@Manusフェロー @keitaro_aigc]

【保存版】デジタル庁が「行政手続𝟳𝟱,𝟬𝟬𝟬件を𝗠𝗖𝗣で自然言語分析する実装」を𝗚𝗶𝘁𝗛𝘂𝗯公開しました。設計思想が実務でそのまま使えるレベルで参考になります

社内データをAIに分析させていて、こんな壁にぶつかっていませんか？

・数万行のCSVをLLMに読ませたら、平均値の計算が微妙に間違う
・コード値（「1 実施済」等）の意味を勝手に推測されて集計がズレる
・空欄を「0」と解釈されて、率の計算が全部おかしくなる
・そもそもデータ量が多くて、コンテキストに入り切らない

この「LLMにデータを直接読ませると壊れる」問題に対する回答が、デジタル庁のTechブログに出ていました。公式アカウントの投稿は𝟭𝟲万ビュー・いいね𝟴𝟬𝟴と伸びています😳

元ポストはこちら：
https://t.co/J60XP5YWuo

記事はこちら：
https://t.co/EPnhuGzHEG

■ 何を作ったのか

対象は、デジタル庁が公表している行政手続等の悉皆調査（令和6年度）の結果データ。CSVで𝟯𝟴列×約𝟳𝟱,𝟬𝟬𝟬行あります。これを「引越しに関する手続を出して」「府省庁別のオンライン化率を比較して」のように、対話で分析できるようにした技術検証実装です。

■ 最大のポイント：LLMに計算させない

記事の核心はここです。

𝟳𝟱,𝟬𝟬𝟬件をLLMに直接読ませない。LLMには「検索・集計条件の指定」だけを担わせ、実際の計算は𝗠𝗖𝗣サーバー側で実行する。

集計の算術処理がサーバー側で完結するので、算術ミスもコード値の誤用も起きにくく、結果の検証もしやすくなる。この役割分担だけでも、自社データにAIをつなぐときの設計指針になります🔥

■ AIの誤読を防ぐ５つの工夫

1. 𝗱𝗮𝘁𝗮𝘀𝗲𝘁.𝘆𝗮𝗺𝗹で意味を定義する — 項目の意味・許容値（𝗰𝗼𝗱𝗲𝗹𝗶𝘀𝘁）・欠損の扱いを機械可読で書く。国際標準𝗦𝗗𝗠𝗫のDSDの考え方を参考にした独自の軽量形式

2. 欠損の意味を明示する — 「null（欠損）は『件数不明』を意味する」のように𝗻𝗼𝘁𝗲𝘀で書く。この𝗻𝗼𝘁𝗲𝘀は集計結果にも自動で付いてくるので、概数を精密値として引用されにくくなる

3. 計算式をサーバー側に置く（𝗰𝗼𝗺𝗽𝘂𝘁𝗲𝗱_𝗺𝗲𝗮𝘀𝘂𝗿𝗲𝘀） — 「オンライン率」のような指標の定義をYAMLに書いておき、加重平均などをサーバーが正しく計算する

4. 品質情報を動的に返す（𝗶𝗻𝘀𝗽𝗲𝗰𝘁_𝗱𝗮𝘁𝗮𝘀𝗲𝘁） — 充填率・数値統計・品質要約を実データから算出して返す。AIが「このデータはどこまで信用できるか」を判断できる

5. 項目名のあいまい照合を「限定的に」許す — LLMが似た漢字を混同する事例が実際に発生。完全一致→Unicode NFKC正規化→difflibの3段階で照合するが、近似一致はデータ値には使わず項目名だけに限定し、補正した事実をレスポンスに明示する設計

■ ツールは𝟰つだけ

・𝗹𝗶𝘀𝘁_𝗱𝗮𝘁𝗮𝘀𝗲𝘁𝘀 / 𝗶𝗻𝘀𝗽𝗲𝗰𝘁_𝗱𝗮𝘁𝗮𝘀𝗲𝘁（Discovery層＝データの存在と構造を把握）
・𝗾𝘂𝗲𝗿𝘆_𝗿𝗲𝗰𝗼𝗿𝗱𝘀 / 𝘀𝘂𝗺𝗺𝗮𝗿𝗶𝘇𝗲_𝗿𝗲𝗰𝗼𝗿𝗱𝘀（Data層＝検索と集計）

エージェントは「一覧→構造把握→検索・集計」の順で辿る。ツールを増やさず流れで縛る設計です。

■ 実装面で効いている工夫3つ

・𝗣𝗮𝗿𝗾𝘂𝗲𝘁採用: CSVではなく列指向圧縮形式にすることで、約75,000行×39列が約𝟯𝗠𝗕に収まる。フッターのメタデータだけ読めば行数・カラム情報が取れるので、起動時は本体をロードせず、クエリが来た時点で初めてメモリに載せる

・列指向でトークン削減: 応答をlist[dict]ではなく {"columns": [...], "rows": [[...]]} 形式にして、レコードごとにキー名が繰り返される無駄を消す

・入力の型揺れを吸収: LLMは引数をdictで送ったりJSON文字列で送ったり、単一値を "field" と ["field"] のどちらで送るかも一定しない。サーバー側で正規化して受ける

■ 𝗠𝗖𝗣 𝗔𝗽𝗽𝘀でチャット内にグラフが出る

MCPサーバーがチャットUI内に直接グラフや表を表示できる公式拡張「𝗠𝗖𝗣 𝗔𝗽𝗽𝘀」を試作に採用。集計軸の数でチャートが変わります。1軸なら円・棒・ツリーマップ、2軸なら積上げ棒・ヒートマップ・ネットワーク、3軸以上ならツリーマップ・サンキー。UIを持たないエージェントからは同じツールをテキストAPIとして使えます。

■ すぐ試せます

コードは𝗚𝗶𝘁𝗛𝘂𝗯で公開済み。`git clone` して `./setup.sh` を叩けば、依存パッケージの導入からデータ取得まで一括で走ります（Python 3.10以上）。MCP対応のチャットUIが無くても、`apcli preview` で𝗖𝗵𝗿𝗼𝗺𝗲の内蔵AI（Prompt API）を使い、APIキーなしでブラウザだけで動作を確認できます。

リポジトリ：
https://t.co/mshqzFM1d7

■ 何が本質か

「公共データをMCPで公開する」だけでは足りず、意味定義と品質情報をセットで渡さないとAIは誤読する——この一点を、実装と失敗事例つきで示したのが価値だと思います。同じ枠組み（dataset.yaml＋Parquet）は自社データにもそのまま応用できる。社内の数万行のExcelをAIに読ませて困っている人ほど刺さるはずです。

※記事にも明記されていますが、本実装は技術検証目的のサンプルコードで、動作の安定性や継続的な保守を保証するものではありません。搭載データも調査時点の情報です。

参照元：
・デジタル庁 公式X: https://t.co/J60XP5YWuo
・デジタル庁Techブログ（プロダクトマネージャー 土岐竜一氏 執筆）: https://t.co/EPnhuGzHEG

自社データをAIにつなぎたい人は、保存して設計の参考にしてほしい👇

[Kyosuke Takami @kyoro2483]

なぜ「一度消えた」オニツカタイガーは復活したのか　世界的ブランドへと成長した背景 https://t.co/CUxuEb7YBH

[CiNet (Center for Information and Neural Networks) @cinet_info]

📢【ハイブリッド開催】第11回 CiNet International Conference ‐ From Biological to General Artificial Intelligence ‐の申込受付を開始いたしました！お申込みをお待ちしております！
📅 2026年10月5日（月）-7日（水）https://t.co/LpbTLJAFjo
#NICT #CiNet #InternationalConference

[Hiroshi Wayama @mushoku_swe]

Transformerの仕組みを応用数学の視点から丁寧に解説してる論文。テキストをベクトルとして扱い、Attentionがどう文脈情報をエンコードするかを線形代数で追っていく内容。Multi-Head Attentionの構築から、最近の効率化手法（KV caching、Grouped Query Attention、Latent Attention）までカバーしてる。現在たまっている仕事を終わらせて、また1から勉強したい…

[あらまき @ARAMAKI]

NAISTソーシャル・コンピューティング研究室は10万人の模擬患者ペルソナデータを公開しました．
年齢や性別だけではなく，これまでの歩みや暮らし，価値観までを含んだ多様な患者ペルソナです．
合成データの生成や患者シミュレーションなど，多くの場面にご利用ください．
https://t.co/daRg6r0JNf

[yhkondo @yhkondo]

岡野原氏の本で、AIと「判断」という問題が取りあげられていることを書いたが、このカント的、統覚的な「判断」は、明治時代の山田文法だけでなく、その後も繰り返し日本語文法研究史に現れている。
川端善明の文法論はその典型だが、生成文法の黒田成幸も、博士論文で、ブレンターノ・マルティの判断論を援用して「は」の記述をしている（田窪「日本語学者列伝黒田成幸」参照）。
川端の論も最近、『文＝構造論』としてまとめられたので再読したい。黒田のブレンターノ論は『日本語から見た生成文法』で読める。LLM時代に哲学が重要であるとはよく言われるが、まさにそれである。

[Jensen Huang @JensenHuang]

For my first post, I’m sharing a letter @NVIDIA signed on why open models matter.

AI will transform every industry, power every company, and be built by every country.

Open models strengthen safety and cybersecurity, accelerate innovation and diffusion, and enable sovereignty.

The world needs both frontier closed models and frontier open models.

https://t.co/AUKzoQ5Ikb

[Hiroki YASUKAWA／衣代 @yasukawa0713]

ACL2026を紹介する記事をエンジニアブログで公開しました！
会議の概要だけではなく、私の興味のあるPersonalization系の論文で面白かったものも紹介してます！ちょっとした時間に是非

https://t.co/AqZ9b8PFcW

[Nikita Kachaev @judokach]

🤯 The difference between #ICLR2026 and #ICML2026 poster sessions is wild!

Maybe that's what happens when thousands of researchers have to fly 20+ hours just to discuss posters

(just a fun image below)