下記の通り、第9回 知識・芸術・文化情報学研究会を実施しますので、奮ってご参加ください。
1月28日更新：発表6を追加し、受付開始・開会挨拶・発表1〜発表5を30分ずつ早めました。
13:00 受付開始
13:30 開会挨拶
13:35 発表1「写経型学習に基づくC言語学習支援インタフェースの構築」
小高 真太郎（和歌山大学大学院システム工学研究科）
14:00 発表2「情報リテラシーを対象としたテストの実施と調査」
野�� 崇弘（和歌山大学大学院システム工学研究科）
14:25 休憩
14:40 発表3「日本伝統音楽のデジタルアーカイブのための紙腔琴
シンセサイザの開発」
福森 隆寛（立命館大学 情報理工学部）
15:05 発表4「インターネットアートのアーカイブ化における課題
―参加型アートの議論から」
森 敬洋（立命館大学大学院 先端総合学術研究科）
15:30 休憩
15:45 発表5「自治体史等の地域資料のデジタル化の進展とオープン化
―横浜市の事例から―」
長塚 隆（鶴見大学名誉教授）
16:10 発表6「A comparative report of deep features and human
perception」
Wei Zhenao (College of Information Science and Engineering,
Ritsumeikan University)
16:35 閉会挨拶
17:00 懇親会
C言語を学習する初学者に対し支援を行うためのインタフェースをWebアプリケーションとして構築した．for文を中心として繰り返しに関する1行から数行のタイピング問題を提供するものであり，解答情報はデータベースに保存する．大学のプログラミング入門科目で使用してもらい，事後テストと合わせた分析を実施した．さらなる改善を行いながら初学者への学習効果ならびに教育者へのフィードバックを図るものにしていきたい．
和歌山大学システム工学部の1年生向け情報処理教育科目を対象とし，学習内容の見直しと振り返りを意図した情報リテラシーの理解度テストについて，改良した問題セットを授業で解答してもらい，項目反応理論に基づいて識別力・困難度・能力値の算出，および等化による昨年度との比較を試みた．また，非情報系学生にも有用な知識体系の整備や理解度確認の手段が必要と考え，学外の状況を調査した．
日本無形文化財をデジタルアーカイブすることで，場所や時間を選ばずに誰もが容易に文化財を体験することが可能となる．本研究では，明治時代に普及した楽器の１つである紙腔琴に着目しながら，日本伝統音楽のデジタルアーカイブに取り組んだ．具体的には，紙腔琴の音響素片（演奏音やハンドルの回転音など）を多数収録し，これらの素片を組み合わせて紙腔琴が奏でる音をデジタル上で再現する紙腔琴シンセサイザを開発した．
メディアアートから発生したインターネットアートはRhizome.orgや文化庁によってアーカイブ化が進められているが、保存が困難な作品も存在する。その代表が不特定多数のユーザーが参加する制作プロセスやその際のコミュニケーション自体を主題とする作品群である。本発表はそのようなネットユーザーの「参加」によるインターネットアートを現代美術批評における「参加型アート」の議論を援用して考察する。
近年, 郷土史・地方史など自治体史等の地域資料のデジタル化が進展しているが, 具体的にどの程度デジタル化され, 公開されているのかを把握するのは難しい. 本発表では, 国立国会図書館サーチなどの検索ポータルおよび神奈川県立図書館や横浜市立図書館の検索システムを使用し自治体史等のデジタル化の進展の程度を推測した. また, デジタル化された自治体史等の地域資料オープン化の課題について検討した.
We discuss differences between the similarity calculated from the deep features extracted from images and the similarity perceived by human beings. This study is based on our previous findings on the classification of deep features in images. The correlation between feature graphs of deep learning networks can effectively describe the image features [1]. However, no studies have proved that the features of images learned by deep learning networks are consistent with those of images seen by humans. Previous studies have defined boundaries for subjects and only obtained a local optimal solution [2]. In short, subjects were asked to choose their favorite object from a list of objects, say, A, B and C; and suppose object B was the answer selected by most of the subjects; However, object D, not in the list, would actually have been the most popular if it had been placed in the list. Through an unrestricted subjective experiment, the image features are reevaluated.
