カリフォルニアのディズニーさいこー！

マジ卍！

クモに噛まれました。

糸を出せます。

女の子を助けます。

正義のヒーロー(外注)。

私はどれでしょう。

①マグロ 

②左奥の人 

③右奥の人 

④そもそもいない

⑤右手前の巨漢

吉田君と高村君のお世話係です。疲れました．

泉田君はコーヒーが好きです。

高村君はサンダーバードで大盛りを食べるのが大好きです。

吉田君はすき家のキング牛丼が好きです。

僕は研究室の合宿で飲みすぎて吐きました。

バンドしながら研究やってます。

近年，温暖化が水稲に及ぼす影響が問題となっている．高温は過剰な生育による倒伏品質低下，病虫害の発生による減収等をもたらす．実際に，秋田県では登熟期の高温による品質低下の報告がある．岩手県においても温暖化の影響は見られ，県南において，倒伏や高温障害による品質低下が問題となっている．ドローンで得た植生指標値の時系列分析が行われているが生育途中での倒伏や高温障害の傾向の分析は行われていない．

そこで本研究では，生育指標値の時系列分析により，近年の温暖化に伴う水稲の倒伏の要因調査と生育途中でのそのリスクの予測を試みる．

近年，ネギの生育ムラが問題となっている．生育ムラが起こる原因は排水不良や地力ムラ，病害虫など様々な原因が考えられるが，その原因を把握し，適切な対策を施すことが重要である．近年，圃場内の土壌状態や植生状態を可視化する技術として UAV と機械学習による分析が注目されている．ネギの生育にとって土壌は重要な要素であり，安定した生産を維持するためには，土壌診断は必要である．しかし実際にネギの土壌を診断しているネギ農家は少ない．

そこで，株式会社サステナの協力のもと，岩手県滝沢市駿河農園のネギ圃場を対象とし，マルチスペクトルカメラ搭載ドローンと機械学習により，ネギ圃場の土壌分析を行う手法を述べる．

近年，害虫による作物への被害が拡大している．その背景として，温暖化による気候変動の影響から，国内に生息する害虫の分布域の拡大や発生時期の長期化などが各地で報告されており，農薬や天敵による適切且つ効果的な防除の重要性が高まっている．

施設トマト栽培においても問題となっており，共同研究を行っている「いわて若江農園」（岩手県盛岡市）ではタバココナジラミの発生が急拡大し，それに伴う不着果や生育の不良からトマトの収量が著しく低下した．しかしタバココナジラミに焦点を当てた研究は少なく，現状として生産者の経験による防除対策が行われている．

そこで本研究では，いわて若江農園で得られた環境・収量データとコナジラミ発生数データを使用し，機械学習を用いてコナジラミの発生数を予測するとともに，有効積算温度を利用したコナジラミの発生開始時期予測による防除適期の算出に加え，メッシュ農業気象データを利用した岩手県内のコナジラミ発生開始時期予測マップの作成を試みる．

土壌の可視光領域から近赤外光領域の反射率と炭素含有量には強い相関があり，特に腐植化度が高いと反射率は低く，腐植化度が低いと反射率は高くなることが分かっている．そこで本研究ではマルチスペクトルカメラ搭載ドローンから得られる反射スペクトルに対してクラスタリングを行い，土壌を診断する手法を開発する．ワイン用ブドウ栽培の2圃場での評価実験から，可視光領域と近赤外領域の反射光を観測するだけで，土壌を5つのクラスタに分類できた．

本研究の目的は、施設内で収集可能なデータを用いて機械学習により、栽培環境に最適化した生育診断、病虫害発生および収量の予測モデルを開発し、それに基づき環境制御および栽培管理を改善して高位安定生産を実現することである。

　収量予測モデルにはリッジ回帰モデルを採用し、温度、日射量といった環境データと収量データから、訓練データとテストデータを準備した。それぞれの決定係数から、収量予測の精度とモデルが過学習を起こしていないか調査した。テストデータの決定係数は0.6程度であるが、病害虫や異常気象などを予測が難しい。それを対応するためLAIを説明変数に加えた結果、決定係数が0.7程度に改善された。

近年，大学生の学習意欲の低さが問題視されている．そのためラーニングアナリティクスを導入した授業改善が行われつつある．しかし，客観データからだけでは，学習者の意思決定に影響を及ぼす心理面を判別できず，成績を高精度で予測することは難しい．そこで本研究では，ソフトウェア情報学部の離散数学授業を対象に，過去の主観データ（学習意欲検査結果）・客観データ（学習データ）を用いて，機械学習により学生の期末試験得点を予測するモデルを開発する．

近年, 水稲栽培では高温による悪影響が問題となっている．本研究では，定期的なドローンモニタリングにより植生指標値(NDVI, NDRE, CCCI)を算出して時系列クラスタリング（機械学習）を行うことで，生育やストレスの推移をメッシュ単位で分類し，高温が水稲に及ぼす影響を分析する．2021～2023年の水稲への高温影響を分析した結果，生育をメッシュ単位で可視化でき，収量・品質に与える影響を確認できた．

施設野菜栽培を営む企業では,販売計画や栽培計画を収量を予測することで効率的に管理することができる.しかし,収量の予測は長年の勘や経験が必要となり新規農業就労者には困難である.そこで,本研究では,岩手県で施設トマト栽培をしている企業との共同研究により,施設で得られた環境データと収量データを使用し,機械学習を行って開発した実用的な収量予測モデルと,モデルの運用による農業経営改善について述べる.  

農作業評価は収穫後にしかできず,収量分析しても個々の作業の正否は不明である.そこで,ドローン圃場モニタリングと機械学習により農作業が小麦の生育に与える影響を分析し,農作業評価の可視化を試みた.モニタリングは植物の日光反射率から生育予測をするもので,本研究では複数領域の反射率から4つの植生指標を取得した．追肥量比較実験をした圃場を対象にクラスタリングをし，追肥作業を植生・ストレスの点から評価できた.  

数学の学習開始時から現在までの期間における，数学の学びのつまずき感から克服に至るプロセスと各要因について探索的に捉えるため，数学学習でのつまずき感やその内容，それをどのように解決していたのかを本学部の学生数名を対象にインタビュー調査を実施した.インタビューした結果を M-GTA(修正版グランデッドセオリーアプローチ)を用いて分析し，学びのつまずき感から克服に至るプロセスと各要因を明らかにした． 

近年，日射量，気温などの環境データを収集・分析することで，効率的に生産管理するスマート農業が進められている． 本研究では生産者が導入しやすい，低コストのセンサを活用した生産管理支援を行う．具体的には，水田転換畑の生育環境を分析することで適作物導入支援を行う．加えて気温，日射量センサで収集した環境データをもとに，収量予測モデルの開発を行うことで，人員配備の計画や販売計画の作成の支援を行う． 

農作業評価の曖昧さが新規就農者の減少をもたらしている．そこで，ドローン水稲モニタリングと機械学習により農作業工程で生育に与える栄養を分析し，農作業評価の可視化を試みた．モニタリングは植物の日光反射率から生育予測をするもので，本研究では複数領域の反射率から3つの植生指標を取得した．追肥量比較実験をした圃場を対象にクラスタリングをし，追肥作業を適正施肥量や植生・ストレス等の点から評価できた. 

近年、環境データをセンサーなどで計測して集めたデータを解析することで、収量を予測することで、効率的に栽培管理するスマート農業が進められている。本研究では、食用ほおずきの収穫量を予測するために、先行研究のモデルを参考にし、食用ほおずきの栽培時に得られたデータを利用した収穫量予測モデルの開発を行った。収穫量予測モデルの作成後は、テストデータを用いた検証を行うことで、モデルの有用性を確認する。 

ハウス野菜栽培では販売計画作成などの観点より,収量予測への需要が高まっているが,気温や日射量など多くの外的要因により定まる農作物の収量を予測するには,センサーデータの選別,データの前処理などを行い,対象圃場に適合させなければ精度の高いモデル開発はできない.そこで,本研究では,岩手県でトマトハウス栽培をしている企業との共同研究による,実用的なトマトの収量予測モデルの開発と気候変動適用について述べる．  

近年，大学教育において,教育改善と学習支援を目的としたラーニング・アナリティクスが進められている．本研究では,「離散数学」を対象とし,意欲が低く成績が落ちている学生の成績向上を目的として,４種類の学習意欲検査および学習データから意欲や不安などと成績の関係を分析した結果を学生にフィードバックすることにより,動機づけを行う.動機づけ手法とそのフィードバックの効果を分析した結果について述べる.   

近年，ビッグデータを解析し,収量を予測し効率的に栽培管理するスマート農業が進められている.収量を予測することは収穫時に必要な人員の調整や,収量予測に基づいた販売計画作成に重要となる.そこで本研究では,トマトハウス栽培における収量予測システムの開発を行う.収量予測には,環境データと収量データを用いるが,気象予測データと環境データには相違があるため,機械学習により推定した環境データを使用する. 

大学教育において学習支援を目的とし学習データを蓄積,分析するラーニング・アナリティクスが進められている.本研究では,岩手県立大学ソフトウェア情報学部の「離散数学」講義を対象とし,出席,課題,試験,学習支援室での指導データ収集や,数学に対する学習意欲を測るための「数学学習における達成動機尺度」アンケートからクラスタリング分析,因子分析を行いe-learningによる学習支援の効果を明らかにする. 

近年,センサーで計測して集めたビッグデータを解析し,収量を予測することで,効率的に栽培管理するスマート農業が進められている.本研究ではハウストマト栽培で得られた環境データ,収量データを使用し,機械学習により収量予測モデルを開発することを目指す.環境データには, 積算日射量と温度分布を,収量データには1週間積算した収量を用いる.モデル作成後はテストデータを用いた検証を行い,モデルの有用性を確認する. 

近年,講義外での学習支援の必要性が生じてきている.現在の学習支援室では学生チューターへの負担が多いことが問題となっている. そこで本研究では，チューターの負担を減らすとともに，期末試験までに苦手な問題を克服させる指導を行えるようにする．そのため，学習カルテを用いて，チューターが学生に指導する学習支援システムを提案する．学習支援室の協力のもと評価実験を行い，本システムの有用性を確認する. 

近年,学業に対して慢性的な無気力状態に陥り,休学や留年を繰り返すスチューデントアパシーが問題となっている.本学部では,中退率や留年率が他の学部に比べ,10倍以上であることから,スチューデントアパシーと思われる学生は少なくない.本研究では,掲示板を用いて,学生同士でメッセージを書き込み,共感やアドバイスをする場をつくることで居場所感を与え,授業への意欲低下防止効果を分析することを目的とする. 

近年，温暖化により気温が上昇している傾向にあるが，東北地方の沿岸地域では低温のヤマセの影響もあり，高温と低温を繰り返すような不安定な気象が続くことで，農作物に悪影響を及ぼしている．本研究では，気象官署から提供される八戸，宮古，大船渡，石巻，仙台の気象データを使用し，クラスタ分析により分類することで，近年の傾向を分析して，今後の気象に対するリスクを考察する． 

私が所属しているボランティア団体には，東日本大震災による被災高齢者が参加する「はまゆりサロン」という活動がある．しかし，参加する学生が減少しており，団体内にサロンの情報も行き届いていない．そこで本研究では，はまゆりサロン等のボランティア活動支援を目的とした情報システムを提案する．またそれに伴い，ボランティアの参加意義や参加者とりまとめ業務について見直すワークショップも開催する． 

近年，地球温暖化の影響により，異常気象が発生している．温暖化による影響として水稲の生育においては，イネ紋枯病などが悪影響を及ぼす．本研究は農林水産省のプロジェクト「温暖化の進行に適応する生産安定技術の開発」の小課題「病害虫・雑草の変動による作物生産への影響と対策技術の開発」の一環として行う.水稲高温耐性品種を試験圃場に栽培し,イネ紋枯病の発病推移を通常の水稲品種と比較し被害軽減効果を解析し, BLIGHTASの圃場菌核パラメーター値について適合性を検証する. BLIGHTASの計算値と実測値の適合性を分析し,誤差が大きい場合には,菌核などのパラメーター値の修正を検討する.

近年，高温や日照不足などの様々な異常気象が発生しており，水稲をはじめとする農作物の品質の低下を引き起こしている．異常気象は事前の対策が難しく，栽培圃場の気象予測から早期にリスクを認識しなければならない．農業試験研究機関では，異常気象適応のための研究が行われているが，これらを活用するためには，気象データの用意やシステム開発が必要であり，生産者まで技術を普及できるようにはなっていない． そこで本研究では，農業支援技術を普及させるために，農業モデル，リスク評価ルール，警戒情報生成ルールの3つの機能を用いた農業モデル普及システムを提案する．また，本システムを用いて新潟県で運用実験を行った． 

AO入試や推薦入試で入学した専門高校出身の学生は数学の学習範囲が狭い為，数学に関する大学講義の内容を理解する事が難しく，単位を落とす事もある．これらの学生の学習を支援する場所が学習支援室である．ここでは，教職員及び学生から構成されたチューターによる学習支援が行われている．しかし，指導が不十分なこともあり，学習支援室の利用率は低いのが現状である．そこで本研究では，講義と学習支援室を繋いだ個別指導を実現する学生チューター支援システムを開発し，学習支援室の協力のもと評価実験を行い，本システムの有用性を確認する．

ヤマセは6-8月頃に冷たく湿った東よりの風が北日本の太平洋側に流れ込む現象であり，東北地方に度々冷害を引き起こす大きな要因となっている．特に水稲栽培においては，ヤマセが6～8月の生育に重要な時期に長期的に吹くことで成長を妨げ，収量，品質の低下を引き起こす1)．そのため，北日本の太平洋沿岸地域におけるヤマセの特徴や傾向を分析することは，農作物の気象リスク分析において重要である．本研究では，東北農業研究センターと岩手県立大学が運営する「Google Mapによる気象データを利用した農作物警戒情報」サイト3)において公開されているヤマセ吹走日判定データを使用し，八戸，宮古，大船渡，石巻，仙台（すべて気象官署）の5か所におけるヤマセ吹走日の年別合計，日別発生確率を分析することにより，気象リスク分析を行う．