そんな中、AI表情解析を活用することでライブ講座の長所を併せ持つe-ラーニング講座の登場が期待されます。 　Josephら(2013)の研究から紹介します。 　コンピュータ画面を通じてあるコンテンツを学んでいる学生らの表情を各コンピュータに取り付けてある自動表情解析システムで分析し、その感情及び成績との関連を調べた結果、次のことがわかりました。 　眉の外側が引き上げられる顔の動きと成績低下、眉を中央に引き寄せる動きとフラストレーション、エクボが作られる動きとフラストレーション及び成績向上とが関係しているということです。 　しかも、学び始めて最初の5分間でこの傾向が予測できることがわかりました。 　Josephら(2013)は次のように解釈しています。眉の外側が引き上げられる動きは恐怖感情と関連があり、学習中に不安を覚えると成績が低下する、眉が中央に引き寄せられる動きは熟考と混乱とに関連があり、学習中にわからないところが解消されないことでフラストレーションが蓄積する、そして最後に、エクボが作られる動きは熟考と混乱に関連があり、フラストレーションを引き起こすものの、眉が中央に引き寄せられる動きとは異なり、よく考えることにつながり成績を向上させることに貢献する、と考えています。 　同じフラストレーションでも、眉か口の動きかで成績結果が違うという発見は興味深いですね。 　こうした研究知見を積み重ね、e-ラーニング講座のコンテンツに合わせてカスタマイズすることで、ライブ講座の長所をe-ラーニングの世界に活かすことが出来るでしょう。 　例えば、受講生が使うPCに自動表情解析システムが搭載され、それをオンにしながらe-ラーニング講座を受講するとします。 　受講生が不安やフラストレーションを感じれば、システムが検知し、オンライン上で展開されている講座の解説レベルが枝分かれし簡単な解説動画に切り替わる、あるいはより詳しく丁寧な解説動画が追加される、そんな仕組みがあれば、これはもうライブ講座の域です。 　追加的に解説動画を制作するコストが問題でこの仕組みが不可能ならば、既存の動画講義を何分割かし、不安やフラストレーションの値が大きい部分の問題解説に関して、確認テストや補足資料・情報を受講生に提供する、そんなことも出来ると思います。 　近年、益々オンライン化してきている教育産業。オンライン化しているからこそ、教育格差が低下し、利便性が向上している節があるのではないかと思います。ここにAI表情解析技術が加わることで、私たちの学びはさらに効率的なものになることが期待できます。 参考文献 F. Grafsgaard, Joseph & B. Wiggins, Joseph & Elizabeth Boyer, Kristy & Wiebe, Eric & C. Lester, James. (2013). Automatically Recognizing Facial Indicators of Frustration: A Learning-Centric Analysis. Proceedings – 2013 Humaine Association Conference on Affective Computing and Intelligent Interaction, ACII 2013. 159-165. 10.1109/ACII.2013.33.