1. Yuto Tomikawa, Ayaka Suzuki, Masaki Uto (2024) Adaptive Question–Answer Generation with Difficulty Control Using Item Response Theory and Pre-trained Transformer Models. IEEE Transactions on Learning Technologies, vol. 17, pp.2240-2252. (link)

2. Masaki Uto, Jun Tsuruta, Kouji Araki, Maomi Ueno (2024) Item response theory model highlighting rating scale of a rubric and rater-rubric interaction in objective structured clinical examination. PLOS ONE, 19 (9), e0309887, pp.1-23. (link)

3. Masaki Uto, Kota Aramaki (2024) Linking essay-writing tests using many-facet models and neural automated essay scoring. Behavior Research Methods, Springer, vol. 56, pp. 8450–8479. (link)

4. 髙橋祐斗・宇都雅輝（2024）回帰と分類のマルチタスク学習を用いた深層学習自動採点モデルに基づく確信度推定手法. 日本テスト学会誌, 20巻, 1号, pp.1-22. (link)

5. 富川雄斗・鈴木彩香・宇都雅輝（2024）項目反応理論に基づく難易度調整可能な読解問題自動生成手法. 電子情報通信学会論文誌D, Vol.J107-D, No.02, pp.53-66. (link)

6. Masaki Uto, Itsuki Aomi, Emiko Tsutsumi, Maomi Ueno (2023) Integration of Prediction Scores from Various Automated Essay Scoring Models Using Item Response Theory. IEEE Transactions on Learning Technologies, vol. 16, no. 6, pp. 983-1000. (link)

7. 柴田拓海・宇都雅輝（2023）多次元項目反応理論と深層学習を用いた複数観点同時自動採点手法. 電子情報通信学会論文誌D, Vol.J106-D, No.01. pp.47-56. (link)

8. Masaki Uto (2023) A Bayesian Many-Facet Rasch Model with Markov Modeling for Rater Severity Drift. Behavior Research Methods, Springer, Vol.55, 3910-3928. (link)

9. 宇都雅輝 (2022) ルーブリックを用いたパフォーマンス評価のための多次元4相型項目反応モデル. 電子情報通信学会論文誌D, Vol.J105-D, No.07, pp.457-469. (link)

10. Minoru Nakayama, Filippo Sciarrone, Marco Temperini, Masaki Uto (2022) An Item Response Theory Approach to Enhance Peer Assessment Effectiveness in Massive Open Online Courses. International Journal of Distance Education Technologies, Vol.20, No.1, pp.1-19. (link)

11. Masaki Uto, Masashi Okano (2021) Learning Automated Essay Scoring Models Using Item Response Theory-Based Scores to Decrease Effects of Rater Biases. IEEE Transactions on Learning Technologies,  Vol. 14, Issue 6, pp.763-776. (link) 

12. 青見樹・堤瑛美子・宇都雅輝・植野真臣（2021）項目反応理論による小論文自動採点機のモデル平均．電子情報通信学会論文誌D. Vol.J104-D, No.11, pp.784-795. (link)

13. 岡野将士・宇都雅輝 (2021) 評価者バイアスの影響を考慮した深層学習自動採点手法. 電子情報通信学会論文誌D. Vol.J104-D, No.8, pp.650-662. (link)

14. Masaki Uto (2021) A multidimensional generalized many-facet Rasch model for rubric-based performance assessment.  Behaviormetrika, Springer, Vol.48, Issue 2, pp.425-457. (link)

15. Masaki Uto (2021) A review of deep-neural automated essay scoring models.  Behaviormetrika, Springer, Vol.48, Issue 2, pp.459-484. (link)

16. 内田優斗・宇都雅輝 (2021) 受験者の能力を考慮した深層学習ベース短答記述式問題自動採点手法. 教育システム情報学会論文誌. Vol.38, No.3, pp.218-228. (link) （論文賞受賞）

17. Masaki Uto (2021) Accuracy of performance-test linking based on a many-facet Rasch model. Behavior Research Methods, Springer, Vol. 53, No. 4, pp. 1440-1454. (link)

18. Masaki Uto, Maomi Ueno (2020) A generalized many-facet Rasch model and its Bayesian estimation using Hamiltonian Monte Carlo. Behaviormetrika, Springer, Vol. 47, Issue. 2, pp. 469-496. (link) 

19. Masaki Uto, Yoshimitsu Miyazawa, Yoshihiro Kato, Koji Nakajima, Hajime Kuwata (2020) Time- and learner-dependent hidden Markov model for writing process analysis using keystroke log data. International Journal of Artificial Intelligence in Education, Springer, Vol. 30, No.2, pp.271-298. (link)

20. 宇都雅輝・植野真臣（2020）ルーブリック評価における項目反応理論. 電子情報通信学会論文誌D. Vol.J103, No.05. pp. 459-470. (link)

21. Masaki Uto, Duc-Thien Nguyen, Maomi Ueno (2020) Group optimization to maximize peer assessment accuracy using item response theory and integer programming, IEEE Transactions on Learning Technologies, IEEE Computer Society, Vol.13, No.1, pp.91-106.  (link)

22. 八木嵩大・宇都雅輝 (2019) パフォーマンス評価における多次元項目反応モデル. 電子情報通信学会論文誌D. Vol.J102, No. 10, pp.708-720. (link)

23. 宇都雅輝 (2019) 論述式試験における評点データと文章情報を活用した項目反応トピックモデル. 電子情報通信学会論文誌D. Vol.J102, No.8, pp.553-566.(link)

24. 堤瑛美子・宇都雅輝・植野真臣（2019）ダイナミックアセスメントのための隠れマルコフIRTモデル. 電子情報通信学会論文誌D. Vol.J102, No.2, pp. 79-92. (link)

25. 宮澤芳光・宇都雅輝・石井隆稔・植野真臣 (2018) 測定精度の偏り軽減のための等質適応型テストの提案. 電子情報通信学会論文誌D. Vol.J101, No.6, pp.909-920. (link)

26. 宇都雅輝 (2018) 評価者特性パラメータを付与した項目反応モデルに基づくパフォーマンステストの等化精度. 電子情報通信学会論文誌D. Vol.J101, No.6, pp.895-905. (link)

27. Masaki Uto, Maomi Ueno (2018) Empirical comparison of item response theory models with rater's parameters. Heliyon, Elsevier, Vol.4, No 5, pp.1-32. (link)

28. 名取和樹・宇都雅輝・植野真臣 (2018) Bayes factorを用いたRAIアルゴリズムによる大規模ベイジアンネットワーク学習, 電子情報通信学会論文誌D. Vol.J101, No.5, pp.754-768. (link)

29. Sébastien Louvigné, Masaki Uto, Yoshihiro Kato, Takatoshi Ishii (2018) Social constructivist approach of motivation: social media messages recommendation system. Behaviormetrika, Springer. Vol.45, No.1, pp.133-155. 

30. Nguyen Duc Thien・宇都雅輝・植野真臣 (2018) ピアアセスメントにおける項目反応理論を用いたグループ構成最適化. 電子情報通信学会論文誌D, Vol. 101, No.2, pp.431-445. (link)

31. 宇都雅輝・植野真臣 (2018) ピアアセスメントにおける異質評価者に頑健な項目反応理論. 電子情報通信学会論文誌D, Vol. 101, No.1, pp.211-224. (link)

32. Masaki Uto, Sébastien Louvigné, Yoshihiro Kato, Takatoshi Ishii, Yoshimitsu Miyazawa (2017) Diverse reports recommendation system based on latent Dirichlet allocation. Behaviormetrika, Springer, Vol.44, No.2, pp.425-444. (link)

33. 宇都雅輝・植野真臣 (2016) パフォーマンス評価のための項目反応モデルの比較と展望. 日本テスト学会誌, Vol.12, No.1, pp.55-75. (link)

34. Masaki Uto, Maomi Ueno (2016) Item response theory for peer assessment. IEEE Transactions on Learning Technologies, IEEE Computer Society, Vol.9, No.2, pp.157-170. (link)

35. 宇都雅輝・植野真臣 (2015) ピアアセスメントの低次評価者母数をもつ項目反応理論. 電子情報通信学会論文誌D, Vol.98, No.1, pp.3-16. (link)

36. 宇都雅輝・鈴木宏昭・植野真臣 (2013) Toulminモデルのベイジアンネットワーク表現を用いた論証推敲支援システム. 電子情報通信学会論文誌D, Vol.96, No.4, pp.998-1011. (link)

37. 宇都雅輝・植野真臣 (2011) ベイズ符号を用いた論文構成構築支援システム. 電子情報通信学会論文誌D, Vol.94, No.12, pp.2069-2081. (link)

38. 植野真臣・宇都雅輝 (2011) 他者からの学びを誘発するeポートフォリオ. 日本教育工学会論文誌, Vol.35, No.3, pp. 13-26. 

【投稿中】

• 柴田拓海・宇都雅輝 (in revision) ... 

• 富川雄斗・宇都雅輝 (submitted) ... 

• 宇都雅輝 (submitted) ... 

1. Teruyoshi Goto, Yuto Tomikawa, Masaki Uto (2024) Enhancing Diversity in Difficulty-Controllable Question Generation for Reading Comprehension via Extended T5. International Conference on Computers in Education (ICCE).  pp. 71-76.

2. Yuto Tomikawa, Masaki Uto (2024) Difficulty-Controllable Reading Comprehension Question Generation Considering the Difficulty of Reading Passages. 17th Workshop on Technology Enhanced Learning by Posing/Solving Problems/Questions, International Conference on Computers in Education (ICCE). pp. 151-160.

3. Minoru Nakayama, Masaki Uto, Marco Temperini, Filippo Sciarrone (2024) Appropriate Number of Raters for IRT based Peer Assessment Evaluation of Programming Skills. 15th International Workshop on Interactive Environments and Emerging Technologies for eLearning (IEETel), IEEE International Conference on IT in Higher Education (ITHET).

4. Minoru Nakayama, Masaki Uto, Satoru Kikuchi, Hiroh Yamamoto (2024) Predicting Factor Scores of Critical Thinking Ability from Features of Essay Texts. 15th International Workshop on Interactive Environments and Emerging Technologies for eLearning (IEETel), IEEE International Conference on IT in Higher Education (ITHET).

5. Masaki Uto, Yuto Takahashi (2024) Neural Automated Essay Scoring for Improved Confidence Estimation and Score Prediction through Integrated Classification and Regression. International Conference on Artificial Intelligence in Education (AIED), pp 444-451. [Late-Breaking Results Track, CORE-Rank=A] (link)

6. Kota Aramaki, Masaki Uto (2024) Collaborative Essay Evaluation with Human and Neural Graders using Item Response Theory under a Nonequivalent Groups Design. International Conference on Artificial Intelligence in Education (AIED), pp 79–87. [Late-Breaking Results Track, CORE-Rank=A]  (link)

7. Yuto Tomikawa, Masaki Uto (2024) Difficulty-Controllable Multiple-Choice Question Generation for Reading Comprehension Using Item Response Theory. International Conference on Artificial Intelligence in Education (AIED), pp 312–320. [Late-Breaking Results Track, CORE-Rank=A] (link)

8. Naoki Shindo, Masaki Uto (2024) ChatGPT-based Virtual Standardized Patient that Amends Overly Detailed Responses in Objective Structured Clinical Examinations. International Conference on Artificial Intelligence in Education (AIED), pp 263–269. [WideAIED Track, CORE-Rank=A] (link)

9. Masaki Uto,  Ayaka Suzuki, Yuto Tomikawa (2024) Question Difficulty Prediction Based on Virtual Test-Takers and Item Response Theory. Workshop on Automated Evaluation of Learning and Assessment Content (EvalLAC), International Conference on Artificial Intelligence in Education (AIED).  (link)

10. Takumi Shibata, Masaki Uto (2024) Enhancing Cross-prompt Automated Essay Scoring by Selecting Training Data Based on Reinforcement Learning. Workshop on Automated Evaluation of Learning and Assessment Content (EvalLAC), International Conference on Artificial Intelligence in Education (AIED). (link)

11. Minoru Nakayama, Masaki Uto, Satoru Kikuchi, Hiroh Yamamoto (2024) Estimating scores of critical thinking ability using essay text assessments. 28th International Conference on Information Visualisation (IV).

12. Minoru Nakayama, Satoru Kikuchi, Masaki Uto, Hiroh Yamamoto (2024) Predicting critical thinking ability scores using student's characteristics and learning performance. ICS Exchange Conference. <Best paper award>

13. Masaki Uto, Yuto Tomikawa, Ayaka Suzuki (2023) Difficulty-Controllable Neural Question Generation for Reading Comprehension using Item Response Theory.18th Workshop on Innovative Use of NLP for Building Educational Applications (BEA), Association for Computational Linguistics (ACL), pp.119-129. (link)

14. Misato Yamaura, Itsuki Fukuda, Masaki Uto  (2023) Neural automated essay scoring considering logical structure. 24th International Conference on Artificial Intelligence in Education (AIED), pp.267-278. [Accepted as full paper, full paper acceptance rate= 21.1%, CORE-Rank=A] (link)

15. Masaki Uto (2023) Neural Automated Short-Answer Grading Considering Examinee-Specific Features. 23rd IEEE International Conference on Advanced Learning Technologies (ICALT), pp.336-338. [Accepted as short paper, CORE-Rank=B] (link)

16. Kota Aramaki, Masaki Uto (2023) Linking method for writing tests using item response theory and automated essay scoring. International Meeting of the Psychometric Society (IMPS). 

17. Minoru Nakayama, Masaki Uto, Satoru Kikuchi, Hiroh Yamamoto (2023) Feasibility of Prediction of Student’s Characteristics using Texts of Essays Written during a Fully Online Course. 27th International Conference on Information Visualisation (IV), pp.204-209. (link)

18. Takumi Shibata, Masaki Uto (2022) Analytic Automated Essay Scoring based on Deep Neural Networks Integrating Multidimensional Item Response Theory, International Conference on Computational Linguistics (COLING),  [Accepted as full paper, full paper acceptance rate= 24.2%, CORE Rank=A] (link)

19. Minoru Nakayama, Satoru Kikuchi, Masaki Uto, Hiroh Yamamoto (2022) Evaluation of Essays and Comments for Developing Critical Thinking Ability during a University course. The Workshop on Psychology Learning Technology (PLS). [Invited] 

20. Minoru Nakayama, Filippo Sciarrone, Marco Temperini, Masaki Uto (2022) Evaluation of Programming Skills via Peer Assessment and IRT Estimation Techniques. 20th IEEE International Conference on Information Technology Based Higher Education and Training (ITHET), pp.1-8. (link)

21. Minoru Nakayama, Masaki Uto, Marco Temperini, Filippo Scarrone (2021) Estimating Ability of Programming Skills using IRT based Peer Assessments. 19th IEEE International Conference on Information Technology Based Higher Education and Training (ITHET), pp.1-6. (link)

22. Masaki Uto (2021) A Multidimensional Item Response Theory Model for Rubric-based Writing Assessment. International Conference on Artificial Intelligence in Education (AIED), Lecture Notes in Computer Science, vol.12748, pp.420–432. [Accepted as full paper, full paper acceptance rate= 24%, CORE Rank=A] <Best paper award nominee> (link)

23. Itsuki Aomi, Emiko Tsutsumi, Masaki Uto, Maomi Ueno (2021) Integration of Automated Essay Scoring Models using Item Response Theory. International Conference on Artificial Intelligence in Education (AIED), Lecture Notes in Computer Science, vol.12749, pp.54–59. [Accepted as short paper, CORE Rank=A]  (link)

24. Masaki Uto, Yikuan Xie, Maomi Ueno (2020) Neural Automated Essay Scoring Incorporating Handcrafted Features. Proceedings of the 28th International Conference on Computational Linguistics (COLING), pp.6077-6088. [Accepted as full paper, CORE Rank=A] (link)

25. Masaki Uto, Masashi Okano (2020) Robust neural automated essay scoring using item response theory. International Conference on Artificial Intelligence in Education (AIED), Lecture Notes in Computer Science, vol 12164, pp.549-561.  [Accepted as full paper, full paper acceptance rate= 26.6%, CORE Rank=A] <Best paper runner-up award> (link)

26. Masaki Uto, Yuto Uchida (2020) Automated short-answer grading using deep neural networks and item response theory. International Conference on Artificial Intelligence in Education (AIED), Lecture Notes in Computer Science, vol 12164, pp.334-339.  [Accepted as short paper, CORE Rank=A] (link)

27. Minoru Nakayama, Filippo Sciarrone, Masaki Uto, Marco Temperini (2020) Impact of the number of peers on a mutual assessment as learner's performance in a simulated MOOC environment using the IRT model. 24th International Conference Information Visualization (IV). pp. 483-487. (link)

28. Minoru Nakayama, Filippo Sciarrone, Masaki Uto, Marco Temperini (2020) Estimating student's performance based on item response theory in a MOOC environment with peer assessment. International Conference in Methodologies and Intelligent Systems for Technology Enhanced Learning (MIS4TEL), Advances in Intelligent Systems and Computing, Springer, vol 1236, pp. 25-35. (link)

29. Masaki Uto (2019) Rater-effect IRT model integrating supervised LDA for accurate measurement of essay writing ability. International Conference on Artificial Intelligence in Education (AIED),  pp. 494-506. [Accepted as full paper, full paper acceptance rate= 25%, CORE Rank=A] (link)

30. Shouta Sugahara, Masaki Uto, Maomi Ueno (2018) Exact learning augmented naive Bayes classifier. International Conference on Probabilistic Graphical Models (PGM), Proceedings of Machine Learning Research, vol 72, pp. 439-450.

31. Masaki Uto, Maomi Ueno (2018) Item response theory without restriction of equal interval scale for rater's score. International Conference on Artificial Intelligence in Education (AIED), pp.363-368. [Accepted as short paper, full paper acceptance rate=23%, CORE Rank=A] (link)

32. Kazuki Natori, Masaki Uto, Maomi Ueno (2017) Consistent learning Bayesian networks with thousands of variables. The 3rd Workshop on Advanced Methodologies for Bayesian Networks (AMBN), pp.57-68.

33. Taiyo Utsuhara, Masaki Uto, Asana Ishihara, Atsushi Yoshikawa, Maomi Ueno (2017). Classification of Japanese graduate schools: in terms of educational practices and the grown globalization competencies by the policies. International Federation of Classification Societies (IFCS). 

34. Masaki Uto, Nguyen Duc Thien, Maomi Ueno (2017). Group optimization to maximize peer assessment accuracy using item response theory. International Conference on Artificial Intelligence in Education (AIED) pp.393-405.  [Accepted as full paper, full paper acceptance rate = 30%, CORE Rank=A] (link)

35. Taiyo Utsuhara, Masaki Uto, Asana Ishihara, Koichi Ota, Ayako Hirano, Atsushi Yoshikawa, Maomi Ueno (2017) Features of globalization in Japanese graduate schools. International Conference on Education (ICE). pp.392_1-392_10. 

36. Nguyen Duc Thien, Masaki Uto, Yu Abe, Maomi Ueno (2015) Reliable peer assessment for team-project-based learning using item response theory. International Conference on Computers in Education (ICCE), pp. 144-153. [Accepted as full paper, full paper acceptance rate=32%, CORE Rank=B] (link)

37. Kazuki Natori, Masaki Uto, Yu Nishiyama, Shuichi Kawano, Maomi Ueno (2015) Constraint-based learning Bayesian networks using Bayes factor. The 2nd Workshop on Advanced Methodologies for Bayesian Networks (AMBN), pp. 15-31. 

38. Masaki Uto, Maomi Ueno (2015) Academic writing support system using Bayesian networks. IEEE International Conference on Advanced Learning Technologies (ICALT), pp. 385-387. [Accepted as full paper, full paper acceptance rate=28.4%, CORE Rank=B] (link)

39. Masaki Uto, Maomi Ueno (2015) Item response model with lower order rater parameters for peer assessment. International Conference on Artificial Intelligence in Education (AIED), pp. 800-803. [Accepted as short paper, full paper acceptance rate=29%, CORE Rank=A] (link)

40. Maomi Ueno, Masaki Uto (2012) Non-informative Dirichlet score for learning Bayesian networks. European Workshop on Probabilistic Graphical Models (PGM), pp. 331-338. 

41. Maomi Ueno, Masaki Uto (2011) Learning community using social network service. Web Based Communities and Social Media 2011 Conference (IADIS), pp. 109-119. 

1. 宇都雅輝（2024）科研費基盤研究(S) 成果報告書（link）

2. Masaki Uto, Kazuo Shigemasu (2021) Special issue: e-testing from artificial intelligence approach. Behaviormetrika, Springer, Vol.48, Issue 2, pp.407-408.  [Editorial] (link)

3. 宇都雅輝（2021）Neural Automated Essay Scoring Incorporating Handcrafted Features. 自然言語処理, Vol. 28, No.2, pp.716-720  [学会記事] (link)

4. 宇都雅輝（2020）テスト理論と人工知能に基づくパフォーマンス評価の新技術. 教育システム情報学会論文誌, Vol. 37, No.1, pp.8-18 [解説記事] (link)

1. 北嶋太一・宇都雅輝（2024）面接自動評価のためのマルチモーダル深層学習自動採点モデルの開発．人工知能学会 第102回先進的学習科学と工学研究会. pp.54-59.（若手奨励賞ノミネート）

2. 栗田侑弥・宇都雅輝（2024）深層学習に基づく仮想受検者を用いた項目難易度推定手法．人工知能学会 第102回先進的学習科学と工学研究会. pp.48-53.（若手奨励賞ノミネート）

3. 永井優成・宇都雅輝（2024）大規模言語モデルを用いた多肢選択式問題の誤答選択肢生成の品質向上手法．人工知能学会第102回先進的学習科学と工学研究会. pp. 33-37.

4. 宇都雅輝（2024）OSCEにおけるIRTとAI活用．試験信頼性妥当性検討委員会第 25回講演会．

5. 柴田拓海・宇都雅輝（2024）強化学習に基づく訓練データの価値評価手法を利用した問題横断型小論文自動採点手法. 日本行動計量学会第52回大会. pp.246-249.

6. 荒巻洸太・宇都雅輝（2024）自動採点技術と項目反応理論に基づく非等質論述式試験の等化手法. 日本行動計量学会第52回大会. p.168. （優秀スチューデントポスター賞受賞）

7. 柴田拓海・宇都雅輝（2024）強化学習を利用した訓練データの価値評価手法に基づく問題横断型自動採点手法. NLP若手の会 第19回YANSシンポジウム. 

8. 富川雄斗・宇都雅輝（2024）強化学習に基づく難易度制御を組み込んだ多肢選択式読解問題自動生成手法の開発. NLP若手の会 第19回YANSシンポジウム. 

9. 後藤照佳・富川雄斗・宇都雅輝（2024）問題と模範解答を同時に生成する難易度調整機能付き読解問題自動生成手法. 教育システム情報学会第49回全国大会 (招待講演). pp.121-122.（全国大会奨励賞受賞）

10. 宇都雅輝（2024）大規模言語モデル (LLM) を基盤とした自動作問研究の最先端. 日本テスト学会 第22回大会 研究委員会企画シンポジウム. pp.13-14.

11. 柴田拓海・宇都雅輝（2024）強化学習に基づくデータ価値推定法を利用した問題横断型小論文自動採点の開発. 日本テスト学会 第22回大会. pp.70-74.

12. 富川雄斗・宇都雅輝（2024）強化学習による難易度制御を組み込んだ多肢選択式読解問題自動生成手法の開発. 日本テスト学会 第22回大会. pp.75-79.

13. 柴田拓海・宇都雅輝（2024）強化学習に基づく訓練データの価値評価手法を用いた問題横断型小論文自動採点手法の開発. 人工知能学会 第101回先進的学習科学と工学研究会. pp.7-12.（若手奨励賞ノミネート）

14. 中山実・宇都雅輝・菊池聡・山本洋雄（2024）オンライン授業での論述テキスト分析に基づく学習者特性の推定．電子情報通信学会 教育工学研究会. pp.16-19.

15. 進藤尚希・宇都雅輝（2024）ChatGPTの過剰解答に対する自動フィードバック機構を有する医療面接AI．第38回人工知能学会全国大会.

16. 富川雄斗・宇都雅輝（2024）項目反応理論による難易度調整可能な多肢選択式読解問題自動生成．第38回人工知能学会全国大会. 

17. 鈴木彩香・宇都雅輝（2024）質問応答システムに基づく解答可能性改善機構を組み込んだ読解問題自動生成手法．人工知能学会 第100回先進的学習科学と工学研究会. pp.36-41.

18. 高橋祐斗・宇都雅輝（2024）回帰と分類の多出力深層学習モデルに基づく論述回答自動採点の得点予測と確信度推定の高精度化．人工知能学会 第100回先進的学習科学と工学研究会. pp.1-6.

19. 進藤尚希・宇都雅輝（2024）ChatGPTの過剰回答を抑制する機構を組み込んだ医療面接試験向け仮想模擬患者．人工知能学会 第100回先進的学習科学と工学研究会. pp.139-144. （若手奨励賞受賞）

20. 富川雄斗・宇都雅輝（2024）項目反応理論を用いた難易度調整可能な多肢選択式読解問題自動生成．言語処理学会第30回年次大会. pp.1176-1181.

21. 高橋祐斗・宇都雅輝（2024）確信度と得点の予測精度を両立する論述回答自動採点モデル．言語処理学会第30回年次大会. pp.1136-1141.

22. 荒巻洸太・宇都雅輝（2024）自動採点技術と項目反応理論に基づくテスト等化を通じた論述式回答評価の高精度化．言語処理学会第30回年次大会. pp.1187-1192.

23. 進藤尚希・宇都雅輝（2024）ChatGPTの過剰回答に対する自己フィードバック機構を組み込んだ医療面接試験向け仮想模擬患者．言語処理学会第30回年次大会. pp.1154-1159.

24. 伊藤佑真・宇都雅輝（2024）文章変換技術に基づくデータ拡張を用いた問題横断型自動採点手法．教育システム情報学会学生研究発表会, pp.35-36.

25. 後藤照佳・富川雄斗・宇都雅輝（2024）問題と模範解答を同時に生成する難易度調整機能付き読解問題自動生成手法．教育システム情報学会学生研究発表会, pp.33-34.（優秀発表賞受賞）

26. 鈴木彩香・宇都雅輝（2024）解答可能性の評価機構を組み込んだ難易度調節可能な読解問題自動生成手法．電子情報通信学会 教育工学研究会, pp. 38-44.

27. 進藤尚希・宇都雅輝（2024）ChatGPTの過剰解答に対するフィードバック機構を組み込んだ客観的臨床能力試験のためのシナリオ対話AI．電子情報通信学会 教育工学研究会, pp.32-37.

28. 宇都雅輝（2024）歯学生臨床実習前OSCEの評価者の評価におけるIRT利用について．試験信頼性妥当性検討委員会第 24 回講演会．

29. 宇都雅輝（2023）「パフォーマンス評価のための項目反応理論」，「深層学習と項目反応理論に基づく記述式解答自動採点技術と問題自動生成技術」．科研費基盤（S）シンポジウム「eテスティング最前線」（link）

30. 伊藤佑真・宇都雅輝（2023）ドメイン調整可能な文章変換技術を用いた問題横断型自動採点手法．人工知能学会 第99回先進的学習科学と工学研究会, pp.1-6.（若手奨励賞ノミネート）

31. 高橋祐斗・宇都雅輝（2023）回帰と分類のマルチタスク学習を適用した深層学習自動採点の不確かさ推定．電子情報通信学会 教育工学研究会, pp.40-46.

32. 後藤照佳・富川雄斗・宇都雅輝（2023）問題と模範解答の同時生成機構を持つ難易度調整可能な読解問題自動生成手法．電子情報通信学会 教育工学研究会, pp.1-7.（研究奨励賞受賞）

33. 富川雄斗・宇都雅輝（2023）読解対象文の難易度を考慮した読解問題自動生成手法．教育システム情報学会第48回全国大会(招待講演). pp. 185-186.（大会奨励賞受賞）

34. 荒巻洸太・宇都雅輝（2023）評価者特性を考慮した項目反応モデルと深層学習自動採点技術に基づく記述式テストの等化手法．日本テスト学会第21回大会. pp. 41-46.

35. 中山実・宇都雅輝・菊池聡・山本洋雄（2023）オンライン授業での論述テキストによる学習者特性の推定に関する一検討．電子情報通信学会 教育工学研究会. pp. 1-4.

36. 荒巻洸太・宇都雅輝（2023）深層学習自動採点技術と項目反応理論を用いた記述・論述式テストの等化手法．第37回人工知能学会全国大会．

37. 鈴木彩香・宇都雅輝（2023）深層学習と項目反応理論を用いた難易度調節可能な読解問題自動生成手法．第37回人工知能学会全国大会．

38. 山浦美里・福田樹・宇都雅輝（2023）論述構造解析を用いたニューラル小論文自動採点手法の提案．第37回人工知能学会全国大会．（全国大会優秀賞受賞）

39. 柴田拓海・宇都雅輝（2023）多次元項目反応理論と深層学習に基づく複数観点同時自動採点手法の精度改善．言語処理学会第29回年次大会. pp.222-226.

40. 山浦美里・福田樹・宇都雅輝（2023）論述構造解析技術を用いたニューラル小論文自動採点手法．言語処理学会第29回年次大会. pp.1880-1884.

41. 鈴木彩香・宇都雅輝（2023）項目反応理論に基づく難易度調節可能な読解問題自動生成手法．言語処理学会第29回年次大会. pp.1891-1885.

42. 鈴木彩香・宇都雅輝（2023）項目反応理論と深層学習を用いた難易度調節可能な読解問題自動生成手法．人工知能学会 第97回先進的学習科学と工学研究会．pp.1-6.（研究会優秀賞受賞）

43. 高橋祐斗・宇都雅輝（2023）アンサンブル法に基づく深層学習自動採点の不確かさ推定．教育システム情報学会学生研究発表会. pp.79-80.（支部長賞受賞）

44. 富川雄斗・宇都雅輝（2023）読解対象文の難易度を考慮した読解問題自動生成手法．教育システム情報学会学生研究発表会. pp.69-70.（優秀発表賞受賞）

45. 宇都雅輝（2022）歯学系臨床実習前OSCEの評価者の評価におけるIRT利用について．試験信頼性妥当性検討委員会第 22 回講演会．

46. 山浦美里・福田樹・宇都雅輝（2022）論述構造解析を組み込んだニューラル小論文自動採点手法．人工知能学会 第96回 先進的学習科学と工学研究会. pp.30-35. （若手奨励賞受賞）

47. 中山実・宇都雅輝・菊池聡・山本洋雄（2022）レポート文書特徴による小論文評価点と批判的思考態度の推定に関する一検討．電子情報通信学会 教育工学研究会. pp.55-58.

48. 中山実・宇都雅輝・Filippo Sciarrone・Marco Temperini（2022）プログラム・コード学習者の相互評価による特性値の検討．電子情報通信学会 教育工学研究会. pp.29-34.

49. 宇都雅輝（2022）ルーブリックを用いたライティング評価のための多次元項目反応モデル. 第21回情報科学技術フォーラム FIT2022, 情報処理学会（トップコンファレンスセッション，招待講演）

50. 宇都雅輝・林真由（2022）評価者特性の時間変動を推定する時系列型ベイズ多相ラッシュモデル．行動計量学会第50回大会. pp.182-185.

51. 柴田拓海・宇都雅輝（2022）深層学習と多次元項目反応理論を用いた小論文の観点別自動採点．行動計量学会第50回大会. pp.186-189.

52. 鈴木彩香・宇都雅輝（2022）Transformerモデルを用いた難易度調節機能付き読解問題自動生成手法．行動計量学会第50回大会. pp.126-129.

53. 荒巻洸太・宇都雅輝（2022）深層学習自動採点技術を用いた一般化多相ラッシュモデルの等化手法．行動計量学会第50回大会. pp.190-193.

54. 宇都雅輝・林真由（2022）評価者特性ドリフトを検出する時系列型ベイズ多相ラッシュモデル．日本テスト学会第20回大会. pp.88-91.

55. 柴田拓海・宇都雅輝（2022）多次元項目反応理論を組み込んだ深層学習モデルに基づく小論文の観点別自動採点手法．日本テスト学会第20回大会. pp.70-73.

56. 鈴木彩香・宇都雅輝（2022）難易度調節可能な読解問題自動生成のための深層学習手法．日本テスト学会第20回大会. pp. 92-95.

57. 宇都雅輝・林真由（2022）評価者の厳しさの時間変化を検出する時系列型ベイズ多相ラッシュモデル．教育システム情報学会第47回全国大会. pp. 137-138.

58. 鈴木彩香・宇都雅輝（2022）深層学習を用いた難易度調整機能付き読解問題自動生成手法．教育システム情報学会第47回全国大会. pp.119-120.（大会奨励賞受賞）

59. 柴田拓海・宇都雅輝（2022）小論文の分析的評価のための項目反応理論を用いた深層学習自動採点手法．教育システム情報学会第47回全国大会. pp.135-136.

60. 柴田拓海・宇都雅輝（2022）多次元項目反応理論と深層学習に基づく複数観点同時自動採点手法．言語処理学会第28回年次大会. pp.334-338.

61. 岡野将士・宇都雅輝（2022）アノテータ特性を考慮した項目反応モデルを組み込んだ深層学習自動採点手法．言語処理学会第28回年次大会. pp.339-343.

62. 林真由・宇都雅輝（2022）評価者特性の時間変動を考慮した項目反応モデル．教育システム情報学会学生研究発表会. pp75-76.（優秀発表賞受賞）

63. 鈴木彩香・宇都雅輝（2022）難易度調整機能を持つGPT-2に基づく読解問題自動生成手法．教育システム情報学会学生研究発表会. pp.69-70.（支部長賞受賞）

64. 柴田拓海・宇都雅輝（2021）深層学習と多次元項目反応理論を用いた複数観点同時自動採点手法の開発．電子情報通信学会 教育工学研究会.（研究奨励賞受賞）

65. 宇都雅輝（2021）OSCEにおけるIRT利用について．公益社団法人医療系大学間共用試験実施評価機構 試験信頼性向上部会第20回講演会.

66. 柴田拓海・宇都雅輝（2021）多次元項目反応理論と深層学習を用いた複数観点同時自動採点手法．人工知能学会 第93回 先進的学習科学と工学研究会. pp.1-6.（若手奨励賞受賞）

67. 中山実・宇都雅輝・Marco Temperini・Filippo Scarrone （2021）プログラム・コード作成における学習者相互評価と能力評価の検討．電子情報通信学会 教育工学研究会. pp. 7-12.

68. 宇都雅輝（2021）テストとAI．日本テスト学会 第19回大会（実行委員会企画録画講演）．

69. 新田森・宇都雅輝（2021）ルーブリック評価のための多次元4相型項目反応モデルの提案．日本テスト学会 第19回大会．pp. 148-151.

70. 岡野将士・宇都雅輝（2021）深層学習自動採点技術を組み込んだ一般化多相ラッシュモデル．日本テスト学会 第19回大会．pp. 152-155. （大会発表賞受賞）

71. 内田啓子・森本剛・吉田素文・宇都雅輝・野上康子・片桐瑞希・仁田善雄・齋藤宣彦（2021）教員からみた診療参加型臨床実習の現状と臨床実習前OSCEの影響：全国医学部調査報告1，第53回医学教育学会全国大会．p.167.

72. 森本剛・内田啓子・吉田素文・宇都雅輝・野上康子・片桐瑞希・仁田善雄・齋藤宣彦（2021）学生からみた診療参加型臨床実習の現状と臨床実習前OSCEの影響：全国医学部調査報告2，第53回医学教育学会全国大会．p.166.

73. 吉田素文・内田啓子・森本剛・仁田善雄・野上康子・宇都雅輝・齋藤宣彦（2021）臨床実習前OSCEにおける評価項目群のステーション間および課題間比較，第53回医学教育学会全国大会．p.166.

74. 青見樹・堤瑛美子・宇都雅輝・植野真臣（2021）項目反応理論を用いた自動採点モデルの統合手法．第35回人工知能学会全国大会. （大会優秀賞受賞）

75. 新田森・宇都雅輝（2021）ルーブリック評価における多次元4相型項目反応モデルの提案．人工知能学会 第91回 先進的学習科学と工学研究会 (ALST91), pp.117-122.

76. 岡野将士・宇都雅輝（2021）アノテータのバイアスを考慮した記述・論述式自動採点手法．言語処理学会第27回年次大会, pp.900-904.

77. 宇都雅輝（2021）項目反応理論を用いた小論文自動採点．科研費基盤（S）シンポジウム「eテスティング最前線」（link）

78. 宇都雅輝（2020）OSCEにおけるIRT利用について．公益社団法人医療系大学間共用試験実施評価機構 試験信頼性向上部会第18回講演会.

79. 宇都雅輝（2020）パフォーマンス型試験の課題とその解決に向けた人工知能研究の現在，SCATE-21研究会（招待講演）

80. 宇都雅輝（2020）Rater-effect IRT model integrating supervised LDA for accurate measurement of essay writing ability. 第19回情報科学技術フォーラム FIT2020, 情報処理学会（トップコンファレンスセッション，招待講演）

81. 宇都雅輝・植野真臣（2020）ルーブリック評価のための多相項目反応モデル．行動計量学会第48回大会．pp.192-195.

82. 岡野将士・宇都雅輝（2020）項目反応理論と深層学習を用いた評価者バイアスに頑健な小論文自動採点手法．行動計量学会第48回大会．pp.188-191.

83. 宇都雅輝・森本剛・野上康子・内田啓子・吉田素文・片桐瑞希・葛西一貴・川上智史・江藤一洋・齋藤宣彦・仁田善雄（2020）OSCEにおける項目反応理論の適用，第52回医学教育学会全国大会．p.193.

84. 吉田素文・内田啓子・森本剛・仁田善雄・野上康子・宇都雅輝・大滝純司・齋藤宣彦（2020）臨床実習前OSCE正式実施以降の変化と現在の課題3：実施後調査票自由記述の分析から，第52回医学教育学会全国大会. p.193.

85. 岡野将士・宇都雅輝（2020）アノテータのバイアスに頑健な小論文自動採点手法．言語処理学会第26回年次大会．pp.716-719.

86. 内田優斗・宇都雅輝（2020）項目反応理論に基づく能力推定値を活用した短答記述式問題自動採点手法．言語処理学会第26回年次大会．pp.1005-1008.

87. 岡野将士・宇都雅輝（2020）評価者バイアスに頑健な小論文自動採点手法．第88回 人工知能学会 先進的学習科学と工学研究会．pp.37-42．(若手奨励賞)

88. 内田優斗・宇都雅輝（2020）項目反応理論と深層学習を用いた短答記述式問題自動採点手法．第88回 人工知能学会 先進的学習科学と工学研究会．pp.25-30.

89. 中山実・宇都雅輝・Filippo Sciarrone・Marco Temperini（2020）学習者相互評価の大規模データを用いたパフォーマンス評価に関する一検討. 電子情報通信学会 ET研究会. pp.19-22.

90. 宇都雅輝（2019）OSCEにおけるIRT利用について．公益社団法人医療系大学間共用試験実施評価機構 試験信頼性向上部会第16回講演会.

91. 堤瑛美子・宇都雅輝・植野真臣（2019）時系列学習データを用いた隠れマルコフIRTによる高精度パフォーマンス予測，第47回日本行動計量学会．pp.316-319.

92. 宇都雅輝（2019）項目反応理論と機械学習技術を用いた小論文評価手法，日本テスト学会第17回大会. pp.38-41. 

93. 岡野将士・宇都雅輝（2019）評価者バイアスを考慮した小論文自動採点手法．情報処理学会第241回自然言語処理研究発表会．

94. 内田優斗・宇都雅輝（2019）受験者の解答履歴データを組み込んだ短答式問題自動採点手法．NLP 若手の会 第14回シンポジウム（ポスター発表）（萌芽研究賞）

95. 森本剛・仁田善雄・野上康子・内田啓子・吉田素文・宇都雅輝・中田優芽・大滝純司・齋藤宣彦（2019）臨床実習前OSCE正式実施以降の変化と現在の課題1：統計量の動向，第51回医学教育学会全国大会. p.135.

96. 吉田素文・内田啓子・森本剛・仁田善雄・野上康子・宇都雅輝・中田優芽・大滝純司・齋藤宣彦（2019）臨床実習前OSCE正式実施以降の変化と現在の課題2：実施体制の動向，第51回医学教育学会全国大会. p.134.

97. Masaki Uto, Duc-Thien Nguyen, Maomi Ueno (2019) Maximizing accuracy of group peer assessment using item response theory and integer programming, 第33回人工知能学会全国大会. 4H2-E-5-03. 

98. 堤瑛美子・塩野谷周平・宇都雅輝・植野真臣（2019）Bayesian Knowledge Tracingの一般化としての隠れマルコフIRTモデル，第33回人工知能学会全国大会. （大会優秀賞）

99. 若山 昇・宮澤 芳光・宇都雅輝・植野 真臣（2019）クリティカルシンキング検定試験の妥当性ー実験参加者のデータによる検討ー．教育テスト研究センター年報，Vol.4，pp61-64.

100. 宇都雅輝（2019）レビュア特性を考慮したレイティングデータ解析手法．電気通信大学第34回情報数理工学セミナー．

101. 宇都雅輝（2019）レイティングデータとテキスト情報を用いて受験者の能力を推定する項目反応トピックモデルの提案．人工知能学会研究会，第85回先進的学習科学と工学研究会．pp.98-103．（研究会優秀賞受賞）

102. 八木嵩大・宇都雅輝（2019）パフォーマンス評価における多次元項目反応モデルの提案と評価．人工知能学会研究会，第85回先進的学習科学と工学研究会．pp.43-48．（若手優秀賞受賞）

103. 八木嵩大・宇都雅輝（2018）レビュアー特性を考慮した多次元項目反応モデルの提案．第21回情報論的学習理論ワークショップ (IBIS2018)（ポスター発表）

104. 宇都雅輝（2018）OSCEにおけるIRT利用について．公益社団法人医療系大学間共用試験実施評価機構 試験信頼性向上部会第14回講演会. 

105. 宇都雅輝（2018）ライティング能力を推定する項目反応トピックモデルの提案と エッセイ自動評価への応用．日本テスト学会第16回大会．pp.114-117.

106. 八木嵩大・宇都雅輝（2018）パフォーマンス評価における多次元項目反応モデル．日本テスト学会第16回大会．pp.96-99. （大会発表賞受賞）

107. 宇都雅輝（2018）レイティングデータとテキスト情報を用いたライティング能力推定のための項目反応トピックモデル．行動計量学会第46回大会．pp.244-247. 

108. 八木嵩大・宇都雅輝（2018）評価者パラメータを付与した多次元反応モデルの提案．行動計量学会第46回大会．pp.60-63.

109. 菅原聖太・宇都雅輝・植野真臣（2018）条件付き周辺尤度を用いたベイズ分類器の構造学習．行動計量学会第46回大会．pp.364-367.

110. 木下涼・宇都雅輝・植野真臣 (2018) 文脈情報を用いた論理構造推定手法. 行動計量学会第46回大会．pp.122-125.

111. 堤瑛美子・宇都雅輝・植野真臣（2018）学習者の能力の時系列変化を考慮した項目反応モデル．行動計量学会第46回大会．pp.64-67.

112. 名取和樹・宇都雅輝・植野真臣（2018）Bayes factorを用いた制約ベースアプローチに基づく大規模ベイジアンネットワーク学習．行動計量学会第46回大会．pp.368-371.

113. 若山昇・宮澤芳光・梶谷真司・宇都雅輝・植野真臣（2018）クリティカルシンキング試験開発における妥当性．行動計量学会第46回大会．p.264.

114. 宇都雅輝・宮澤芳光・加藤嘉浩・中島功滋・桑田一（2018）キーストロークデータに基づくライティングプロセス推定のための執筆者依存型隠れマルコフモデル．教育システム情報学会第43回全国大会．pp59-60.（大会奨励賞）

115. 若山昇・宮澤芳光・梶谷真司・宇都雅輝・植野真臣（2018）クリティカルシンキングの設問における識別力・困難度．教育テスト研究センター年報，Vol.3，pp28-30.

116. 宇都雅輝・宮澤芳光・加藤嘉浩・中島功滋・桑田一（2018）キーストロークデータからライティングプロセスを推定する執筆者依存型隠れマルコフモデルの提案．人工知能学会 第83回先進的学習科学と工学研究会（ALST）pp.51-56

117. 八木嵩大・宇都雅輝（2018）パフォーマンス評価における多次元尺度を構成する項目反応モデル．人工知能学会 第83回先進的学習科学と工学研究会（ALST）pp.19-24

118. 宇都雅輝（2018）項目反応理論のパフォーマンス評価への応用．公益社団法人医療系大学間共用試験実施評価機構 試験信頼性向上部会第13回講演会

119. 堤瑛美子・宇都雅輝・植野真臣（2018）ダイナミックアセスメントのための隠れマルコフIRTモデル．第32回人工知能学会全国大会．pp.473-476. 

120. 菅原聖太・宇都雅輝・植野真臣（2018）条件付き周辺尤度を用いたベイジアンネットワーク分類器学習．第32回人工知能学会全国大会．pp.1582-1585.

121. 木下涼・宇都雅輝・植野真臣 (2018) ディープラーニングを用いた文脈を考慮した論理構造推定手法の提案. 第32回人工知能学会全国大会．pp. 2413-2416

122. 木下涼・宇都雅輝・植野真臣 (2018) LSTM による文脈を考慮した論証マイニング手法の提案. 言語処理学会第24回年次大会 NLP2018．pp.452-455.

123. 木下涼・宇都雅輝・植野真臣 (2017) ベイズ機械学習によるテキストの論理構造抽出．情報論的学習理論と機械学習研究会IBISML. （ポスター発表）

124. 名取和樹・宇都雅輝・植野真臣（2017）Bayes factorに基づくRAIアルゴリズムを用いた大規模ベイジアンネットワーク学習．情報論的学習理論と機械学習研究会IBISML. 

125. 木下涼・宇都雅輝・植野真臣 (2017) 小論文自動評価のための論理構造推定システム．日本教育工学会第33回全国大会．pp339-340. 

126. 宮澤芳光・石井隆稔・宇都雅輝・植野真臣（2017）整数計画問題を用いた木構造型等質適応型テストの提案．日本教育工学会第33回全国大会．pp.1003-1004. 

127. Nguyen Duc Thien・Masaki Uto・Maomi Ueno（2017）A grouping method for optimizing peer assessment accuracy. 日本教育工学会第33回全国大会 pp.1035-1036. 

128. 宇都雅輝・植野真臣（2017）異質評価者の特性を考慮した項目反応モデル. 行動計量学会第45回大会. pp.182-185. 

129. 宇都原泰洋・宇都雅輝・石原朝菜・吉川厚・植野 真臣（2017）傾向スコアによる日本の大学院の分析. 行動計量学会第45回大会. pp.288-291. 

130. 宇都雅輝・Nguyen Duc Thien・植野真臣（2017）ピアアセスメントの精度を最適化する自動グループ構成システム．教育システム情報学会第42回全国大会. pp.201-202. 

131. 宇都雅輝・植野真臣（2017）評価者特性を考慮した項目反応理論における等化手法. 日本テスト学会第15回大会. pp168-171 

132. 宮澤芳光・石井隆稔・宇都雅輝・植野真臣（2017）複数等質テストを用いた適応型テスト. 日本テスト学会第15回大会. pp164-167 

133. Nguyen Duc Thien・宇都雅輝・植野真臣（2017）ピアアセスメントの精度を最適化するグループ構成手法. 日本テスト学会第15回大会. pp160-163

134. 名取和樹・宇都雅輝・植野真臣（2017）漸近一致性を有する大規模ベイジアンネットワーク学習. 2017年度 人工知能学会全国大会. （学生奨励賞受賞） 

135. 木下涼・宇都雅輝・植野真臣 (2017) 足場かけに基づくアカデミックライティング学習支援システム. 教育システム情報学会学生研究発表会. 

136. 名取和樹・宇都雅輝・植野真臣（2016）Bayes factor を用いた大規模ベイジアンネットワークの構築．第19回情報論的学習理論ワークショップ (IBIS2016)（ポスター発表）

137. 大澤愛喜・宇都雅輝・植野真臣（2016）機械学習を用いた表情判定のためのAction Unit最適化．第19回情報論的学習理論ワークショップ (IBIS2016)（ポスター発表）

138. 宇都雅輝・植野真臣（2016）パフォーマンス評価の多様なバイアスを考慮した項目反応モデル. 日本教育工学会第32回全国大会，pp.801-802

139. Nguyen Duc Thien・Masaki Uto・Maomi Ueno（2016）Group formation for peer assessment using item response theory. 日本教育工学会第32回全国大会, pp.1013-1014

140. 宇都雅輝・植野真臣（2016）評価者と課題の多様な特性を考慮した項目反応モデル. 日本テスト学会14回全国大会，pp. 62-63.（大会発表賞受賞）

141. Nguyen Duc Thien・宇都雅輝・植野真臣（2016）ピアアセスメントの精度を最適化する評価者選択手法. 日本テスト学会14回全国大会，pp. 64-65

142. 山本美紀・宇都雅輝・西山悠・川野秀一・植野真臣（2016）Co-creating ルーブリックの自己制御学習および自己評価力への影響分析. 日本テスト学会14回全国大会，pp-86-87

143. 宇都雅輝（2015）ピアアセスメントのための項目反応理論を用いた評価者選択. 教育システム情報学会第40回全国大会. pp.359-360.

144. 名取和樹・宇都雅輝・西山悠・川野秀一・植野真臣（2015） Learning Bayesian networks: Recursive autonomy identification algorithm incorporating a strict learning. 数学協働プログラム 確率的グラフィカルモデル

145. 山本美紀・宇都雅輝・植野真臣（2015）項目反応理論によるルーブリックの自己評価力への影響分析-評価者特性と目標志向性，学習観，動機づけ，学習方略に着目して. 日本教育工学会第31回全国大会

146. 宇都雅輝・植野真臣（2014）ピアアセスメントにおける階層ベイズ項目反応モデル. 日本テスト学会第8回発表論文抄録集. pp.212-215.（大会発表賞受賞）

147. 宇都雅輝・植野真臣（2014）信頼性の高いピアアセスメントを実現する階層ベイズ項目反応モデル. 日本教育工学会第30回全国大会. pp.543-544.

148. 宇都雅輝・植野真臣（2014）ピアアセスメントの低次評価者母数を持つ階層ベイズ項目反応理論. 教育システム情報学会第39回全国大会. pp.465-466.（研究奨励賞受賞）

149. 宇都雅輝・植野真臣（2012）ベイズ符号を用いた論文構成支援システムの開発と評価. 行動計量学会第40回大会.

150. 宇都雅輝・鈴木宏昭・植野真臣（2011）Toulminモデルとベイジアンネットワークを用いた論証構築支援システムの開発. 電子情報通信学会教育工学研究会. （研究奨励賞受賞）

151. 宇都雅輝・鈴木宏昭・植野真臣（2011）ベイジアンネットワークを用いた論証支援システム. 人工知能学会第83回人工知能基本問題研究会. 

152. 宇都雅輝・宮澤芳光・鈴木宏昭・植野真臣（2010）情報論的アプローチに基づく論文構成構築支援システム. 日本教育工学会第26回全国大会論文集. 

153. 宮澤芳光・宇都雅輝・安藤雅洋・植野真臣（2010）携帯電話を用いた適応型クイズに基づく観光ナビゲーションシステムの開発と評価．日本教育工学会第26回全国大会論文集. 

154. 宮澤芳光・宇都雅輝・安藤雅洋・植野真臣（2010）IRTに基づく観光ナビゲーションシステムの開発と評価. 日本テスト学会第8回発表論文抄録集. 

155. 宇都雅輝・宮澤芳光・鈴木宏昭・植野真臣（2010）確率的アプローチに基づく論文構成構築支援システム. 教育システム情報学会第35回全国大会論文集. 

156. 宮澤芳光・宇都雅輝・安藤雅洋・植野真臣（2010）現実的場面での評価を支援する携帯型e-テスティング. 教育システム情報学会第35回全国大会論文集. 

157. 宇都雅輝・宮澤芳光・鈴木宏昭・植野真臣（2010）確率的アプローチに基づく論文構成構築支援システム. 日本教育工学会研究会日本教育工学会研究報告集. 

158. 宮澤芳光・宇都雅輝・安藤雅洋・植野真臣（2010）現実的場面での評価を支援する携帯型e-テスティング. 日本教育工学会研究報告集. 

159. 宇都雅輝・植野真臣（2010）形式手法に基づくアカデミック・ライティング支援システム. 教育システム情報学会学生研究発表会. （優秀賞受賞） 

• 繁桝算男（編），繁桝算男・加藤健太郎・光永悠彦・植野真臣・宇都雅輝・二村英幸・黒田美保（著）（2023）心理・教育・人事のためのテスト学入門．誠信書房．

• Masaki Uto (2022) A Bayesian Many-Facet Rasch Model with Markov Modeling for Rater Severity Drift. Behavior Research Methods, Springer.で使用した実データとそれをキックするRStanのコードをこちらで公開しています．

• Masaki Uto (2021) A multidimensional generalized many-facet Rasch model for rubric-based performance assessment. Behaviormetrika, Springer. で使用した実データとそれをキックするRStanのコードをこちらで公開しています．

• Masaki Uto, Maomi Ueno (2018) Empirical comparison of item response theory models with rater's parameters. Heliyon, Elsevierで利用されたレイティングデータはこちらで公開しています。

• Masaki Uto, Maomi Ueno (2016) Item response theory for peer assessment. IEEE Transactions on Learning Technologies. において開発した「ピアアセスメントのための階層ベイズ項目反応モデル」のパラメータ推定プログラムはこちらのGitリポジトリからダウンロードできます。プログラムはJAVAで記述されています。詳細はリポジトリ内のReadme.txtならびにソースコード内のコメントをご覧ください。研究用途におきましてはご自由にご利用いただいて構いませんが、パブリッシュの際には、上記論文の引用をお願いいたします。

• 宇都雅輝・鈴木宏昭・植野真臣 (2013) Toulminモデルのベイジアンネットワーク表現を用いた論証推敲支援システム. 電子情報通信学会論文誌Dで開発したシステムはこちらで公開しています。

• 「第2期中期目標期間評価に係る優れた研究業績」において，研究テーマ「レビュア特性を考慮した項目反応理論（宇都雅輝）」が研究科を代表する優れた研究として選定された（こちらのp32で紹介されています） 

• UEC e-Balletinに「Evaluating the evaluators: Analysis of big data for peer assessment」の研究が紹介されました。