子どもたちの異文化コラボレーションにおけるファシリテーションの分析

SDGsの17の目標の1つに「質の高い教育をみんなに」という目標があり、その中で文化の多様性を尊重する態度が重要であると主張されています。 このような態度を子どものうちから涵養するために、機械翻訳を用いた異文化コラボレーションが行われています。 子ども達は国際的な諸問題に対する解決策の提案を目指し、多国籍のグループで議論を行います。 しかし、機械翻訳の精度には言語間でばらつきがあるため、翻訳精度の低い言語の子どもは、他の言語の子どもと比較して発言が少なくなります。 そこで、このような子どもたちが発言しやすい環境を構築するには、どのようなファシリテータの発話が有効かをグラウンデッドセオリーのアプローチを用いて分析しています。 実際に、NPO法人パンゲアが開催する「KISSY(Kyoto International Summer School for Youth)」というサマースクールでフィールド調査を行い、収集した対話ログデータで分析を行っています。 この分析で得られる知見は、今後のファシリテータエージェントの開発に活用していく予定です。

[Motozawa, Mizuki, Yohei Murakami, Mondheera Pituxcoosuvarn, Toshiyuki Takasaki, and Yumiko Mori. "Conversation Analysis for Facilitation in Children’s Intercultural Collaboration." In Interaction Design and Children, pp. 62-68. 2021.]

異文化コラボレーションのためのファシリテーターエージェント

機械翻訳を介した多言語コミュニケーションでは、機械翻訳の精度には言語間でばらつきがあるため、 翻訳精度の低い言語の話者は、他の言語の話者ほど議論に参加できず、発言が少なくなります。 本研究では、このような議論に参加することが困難な話者を検知し、その話者が参加しやすい場になるようファシリテーションを行うエージェントの開発を目指します。 話者の発言に肯定的なフィードバックを与えたり、他の話者の発話が長いときに言い換えを求めたりすることで、発言のしやすさが改善されることが分かっています。

画像特徴量に基づく文化差検出

機械翻訳の品質向上により言語の壁はなくなりつつありますが、文化の違いにより誤解が生じる可能性があります。 たとえば、日本人がよく食べる「ゴボウ」を英語に翻訳しても海外の人は日本人が思っているものと違うものをイメージします。 日本では植物の根がイメージされますが、海外では棘をもった植物がイメージされます。 これらはどちらもゴボウのイメージですが、日本では根を食べる文化がある一方で、海外ではそのような文化がないためこのような差が生じます。 このような文化差を検出するために、深層学習を使って画像から得られる特徴ベクトルを抽出し、その類似性に基づいて文化差を検出する手法を提案しています。

[Nishimura, Ikkyu, Yohei Murakami, and Mondheera Pituxcoosuvarn. "Image-based detection criteria for cultural differences in translation." In International Conference on Collaboration Technologies and Social Computing, pp. 81-95. Springer, Cham, 2020.]

異言語間の分散表現を用いた文化差検出/未知語対訳作成

多言語コミュニケーションにおいて、翻訳は合っていても、文化差によって会話の齟齬が生まれてしまう場合があります。 たとえば、「卵」の食べ方があります。日本では卵を生で食べる食文化がありますが、生で食べる文化のない国も存在します。 このような文化差を検出し、ユーザに知らせることを目的に研究しています。 具体的な手法としては、言語ごとに書かれている大量のテキストの内容の違いから文化差を検出します。 研究テーマにある分散表現とは、テキストの単語の出現位置から単語のベクトルを一意に作成する技術のことです。 このベクトルを異言語間で比較し、ベクトルが大きく異なるならば、文化差ありと判定します。 また、文化差によってそもそも翻訳先言語に対訳が存在しない文化固有の単語（未知語）も存在します。 この未知語のベクトルに近い翻訳先言語の単語を組み合わせることで対訳を生成する技術も研究しています。

マスク言語モデルに基づく物体の印象の文化差検出

ある物体に対する印象の文化差がコミュニケーションの齟齬を生んでしまう場合があります。 たとえば、英語では「Cat lady」という言葉があり、猫好きの変わった人を指す場合に用いられます。 一方で、日本語では猫にそのようなネガティブな印象はないため、かわいい人と理解される可能性があります。 このような物体の印象の文化差を検出するために、マスク言語モデルを用いて、 コーパス上のその物体を表す単語の使われ方の違いから文化差を検出する手法を提案しています。