和歌山信愛女子短期大学保育科教員の渡辺直人は、ChatGPTに関する実証的研究を発表しました。研究では、ChatGPT（ver.3.5）の評価能力を検証すべく、報道レポート・記事を100本無作為に抽出し、それらを3度評価させました。結果として、評価得点にはばらつきがあり、3つの群は有意な差があることが示されました。この結果から、ChatGPT（ver.3.5）の評価は不安定であることが示唆されました。

はじめに　――――――――――
　和歌山信愛女子短期大学の保育科教員である渡辺直人が、ChatGPTに関する学術的論考を発表しました。これは、日本では4報目となるChatGPTにおける実証的研究となります。論文は日本のプレプリントサーバーである「Jxiv」にて、2023年5月26日に一般公開されています。なお、準備が整い次第、英訳後に海外のOASPAにも投稿される予定になっています。

論文の概要　――――――――――
　昨今では、ChatGPTが飛ぶ鳥を落とす勢いで普及し、高い評価を得ております。しかしながら、ChatGPTに関する学術的検討はほとんどないままに広がっており、昨今では多くの問題が浮き彫りとなってきております。早急な基礎研究が求められる昨今、本研究ではChatGPT（ver.3.5）の評価能力（文章評価）を検証しました。

　研究の手続きですが、まず報道レポート・記事を100本無作為に抽出しました。それらをChatGPTに100点満点で、1本につき3度評価させました。3度評価させたのち、点数を降順で「High」「Middle」「Low」の3群に分けました。分析では、その3群を対象にFriedman検定及びHolm法多重比較を行いました。

　ここで、1点仮説が浮かび上がります。ChatGPTが高い信頼性を得ているというのであれば、評価得点は3度とも相違ない点数が返されるはずです。　（仮説：3群間に差はない。）

　しかしながら、集計の結果、3群の平均値にはばらつきがあり、Friedman検定、そしてHolm法多重比較の結果においても、3群間全てのペアで有意な差があることが認められました（p<.01）。すなわち、仮説は棄却され、3群間に差があることが認められました。

　結論、この結果から、ChatGPT（ver.3.5）の評価はばらつきがあり、安定していないことが示されました。教育の評価にも応用することは難しいことが示されました。

結び　――――――――――
　本研究・ChatGPTに興味を持たれた方におかれましては、ぜひお問い合わせ、または取材に来ていただければ幸いです。　（お問い合わせ先は以下を参照）

提供元：valuepressプレスリリース詳細へ