
KMDで「AIを研究したい」だけでは弱い?研究テーマを具体化する方法
院試専門オンライン予備校「志樹舎」が運営する「慶應義塾大学大学院の院試対策ガイド」をご覧いただき、ありがとうございます。今回のテーマは「KMDで『AIを研究したい』だけでは弱い?研究テーマを具体化する方法」です。
慶應義塾大学大学院メディアデザイン研究科(KMD)への進学を考える方の中には、人工知能(AI)への関心をきっかけに研究テーマを検討している方もいるでしょう。
近年は、生成AIをはじめとするさまざまなAI技術が、教育、医療、ビジネス、エンタテインメント、クリエイティブ活動など、多くの分野で活用されています。
そのため、「AIを使って新しいサービスを作りたい」「生成AIを研究したい」「AIと人間の関係について考えたい」といった関心を持つことは自然なことです。
しかし、研究計画書において「AIを研究したい」という言葉だけでは、研究の方向性が十分に伝わらない場合があります。
AIという言葉が指す範囲は非常に広く、どのような技術を、誰に対して、何のために活用し、何を明らかにしたいのかが分からないためです。
今回は、KMDへの進学を考える方に向けて、AIへの関心を具体的な研究テーマに発展させる方法を、研究計画書の書き方とともに解説します。
「AIを研究したい」だけではなぜ弱いのか
研究計画書では、自分が関心を持っている分野を示すだけでなく、その分野の中で何を研究したいのかを説明する必要があります。
例えば、「AIに興味がある」「生成AIの可能性を研究したい」という文章だけでは、研究対象や研究目的が明確ではありません。
AIには、機械学習、自然言語処理、画像認識、音声認識、推薦システム、生成AIなど、さまざまな技術や研究領域が含まれます。
さらに、それらの技術をどのような場面で活用するのかによっても、研究の方向性は変わります。
例えば、同じ生成AIを扱う場合でも、文章生成の精度を高める研究と、生成AIを利用する人間の意思決定を調べる研究では、目的も方法も異なります。
研究テーマを考える際には、AI技術そのものを研究したいのか、AIを活用した人間の行動やサービスを研究したいのかを区別することが有効です。
例えば、機械学習モデルの構造や学習方法を改善する研究では、アルゴリズムや計算手法が中心になります。
一方、AIを活用した学習支援システムを研究する場合には、学習者の行動や理解度、インターフェースの設計などが研究対象になることがあります。
どちらもAIに関係する研究ですが、必要な知識や研究方法は異なります。
また、AIに関心を持ったきっかけと、大学院で取り組む研究テーマは、必ずしも同じではありません。
例えば、生成AIを使って便利だと感じた経験があったとしても、その便利さの理由を明らかにしたいのか、より使いやすい仕組みを設計したいのかによって、研究の方向性は変わります。
研究計画書では、技術への関心を出発点としながら、具体的な研究上の問いへ発展させることが重要です。
AIの研究テーマは「課題・対象・目的」から具体化する
AIの研究テーマを具体化する際には、技術そのものから考えるのではなく、自分が解決したい課題を先に整理する方法が有効です。
例えば、「生成AIを使ったサービスを研究したい」という関心があるとします。
その場合、まず「誰が、どのような場面で、何に困っているのか」を考えてみましょう。
例えば、社会人が新しい業務を学ぶ際に、必要な情報を探すことに負担を感じているという課題があるかもしれません。
そこから、「生成AIによる情報提示方法が、業務学習における理解度や情報探索の負担に与える影響を明らかにする」という研究テーマを考えることができます。
このように、課題から出発することで、AIを利用する目的が明確になります。
また、研究テーマを考える際には、誰や何を研究対象とするのかを具体化することも重要です。
例えば、「AIを活用した教育」というテーマでは、対象が広すぎる可能性があります。
小学生を対象とするのか、大学生を対象とするのか、社会人を対象とするのかによって、研究の内容は変わります。
また、学習支援といっても、知識の理解、学習意欲、学習継続など、さまざまな課題があります。
研究対象を具体的にすることで、研究目的や研究方法を考えやすくなります。

研究テーマを整理する際には、研究対象、研究目的、研究方法という三つの視点が役立ちます。
研究対象とは、誰や何を研究するのかということです。研究目的とは、何を明らかにしたいのかということです。そして研究方法とは、その問いをどのような手順で検討するのかということです。
例えば、「社会人向けのAI学習支援」という関心がある場合には、社会人学習者を対象に、AIによる情報提示が理解度に与える影響を、異なる提示方法の比較によって検討するという形が考えられます。
さらに、「誰を対象に、AIの何を利用し、何を明らかにしたいのか」を一文で説明する練習も有効です。
例えば、「社会人学習者を対象に、生成AIによる情報提示方法が理解度に与える影響を明らかにする」という形です。
このように一文で説明できると、研究目的が整理され、研究計画書のほかの部分も書きやすくなります。
ただし、短い文章にまとめることだけが目的ではありません。その一文をもとに、研究背景や先行研究、研究方法を具体的に説明できることが重要です。
教育・HCI・業務支援・創作活動におけるAI研究テーマの例
AIの研究テーマは、どのような分野や利用場面に注目するかによって、さまざまな方向へ発展します。
例えば、教育分野に関心がある場合には、AIを利用した学習支援や教材設計などが研究の出発点になることがあります。
オンライン学習で学習者が途中で学習をやめてしまうことに課題を感じている場合には、「AIによる学習進捗に応じた情報提示が、学習者の学習継続に与える影響を明らかにする」という研究テーマが考えられます。
研究方法としては、異なる情報提示方法を比較し、学習者の行動や学習継続の状況を検討することが考えられます。
ただし、学習継続にはさまざまな要因が関係するため、研究で扱う範囲を明確にする必要があります。
また、HCI(ヒューマンコンピュータインタラクション)とAIを結びつける研究も考えられます。
HCIは、人間とコンピュータの相互作用を研究する分野です。AIを利用したシステムにおいても、人間がどのように情報を理解し、判断し、操作するのかという視点は重要です。
例えば、AIが提示する推薦結果について、利用者がどのように判断するのかに関心があるとします。
この場合、「AIによる推薦理由の提示方法が、利用者の理解や選択行動に与える影響を明らかにする」という研究テーマが考えられます。
研究方法としては、推薦理由の表示方法が異なるインターフェースを比較し、利用者の理解度や判断の違いを検討することが考えられます。
社会人として働いてきた方であれば、実務経験をAIの研究テーマに結びつけることも考えられます。
例えば、業務システムを利用する担当者が、必要な情報を探すことに時間をかけているという課題があるとします。
この場合、「生成AIによる業務情報の要約方法が、担当者の情報探索時間や理解度に与える影響を明らかにする」という研究テーマが考えられます。
研究方法としては、AIによる要約の提示方法を比較し、利用者の情報探索や判断にどのような違いが生じるのかを検討することが考えられます。
実務上の課題を研究テーマにする際には、自社固有の問題を一般化し、研究上の問いとして整理することが重要です。
さらに、AIによる画像生成や文章生成などに関心がある場合には、創作活動における人間とAIの関係を研究することも考えられます。
例えば、生成AIを利用したアイデア発想に関心があるとします。
この場合、「生成AIによるアイデア提示方法が、利用者の発想過程やアイデアの多様性に与える影響を明らかにする」という研究テーマが考えられます。
研究方法としては、異なる提示方法を比較し、利用者が生み出したアイデアの特徴や発想過程を分析することが考えられます。
ただし、創造性やアイデアの多様性をどのように評価するのかについては、先行研究を踏まえて慎重に検討する必要があります。
このように、AIという共通の技術を扱う場合でも、教育、HCI、業務支援、創作活動では、研究対象や研究目的が異なります。
まずは自分が関心を持つ利用場面を具体化し、その中でどのような課題を明らかにしたいのかを考えてみましょう。
先行研究から研究の新規性とAIを使う必然性を考える
AIの研究テーマを具体化する際には、先行研究の調査が欠かせません。
例えば、AIによる学習支援に関心がある場合には、学習支援システムや学習者の行動に関する研究を調べることが考えられます。
また、AIを利用したインターフェースに関心がある場合には、HCIやユーザビリティ評価に関する研究が参考になるでしょう。
Google ScholarやCiNii Researchなどを利用し、日本語と英語の両方で関連する研究を探してみましょう。

先行研究を確認することで、すでに何が明らかになっているのか、どのような課題が残されているのかを整理できます。
例えば、先行研究では一般的な情報検索を対象としている一方、自分は特定の業務環境での情報探索に注目するという違いが考えられます。
また、既存の研究ではAIの回答精度を評価している一方、自分は利用者の理解や判断に注目するという方向性もあります。
ただし、研究対象や評価方法が異なるだけで、必ず新規性が成立するわけではありません。
先行研究を踏まえ、何を新たに明らかにできるのかを説明することが大切です。
さらに、研究計画書では、なぜAIを利用する必要があるのかを説明することも重要です。
例えば、情報を整理することが目的であれば、AIを利用しなくても既存の検索機能やルールに基づく仕組みで対応できる場合があります。
そのため、AIを利用することで、どのような新しい可能性を検討できるのかを整理する必要があります。
例えば、利用者の入力内容に応じて情報提示を変化させる仕組みを研究する場合には、その適応的な提示方法に注目することが考えられます。
また、AIを活用した研究では、AIを利用する方法と、利用しない方法を比較することが有効な場合があります。
例えば、AIによる文章要約が利用者の理解を支援するかを検討する場合には、従来の情報提示方法と比較することが考えられます。
比較することで、AIを利用した方法にどのような特徴があるのかを検討しやすくなります。
ただし、比較条件が適切でなければ、AIの効果を正しく評価できない可能性があります。
研究計画書では、何を比較し、どのような指標で評価するのかを具体的に考えることが重要です。
AIに限らず、話題になっている技術の名前を研究テーマに掲げたくなることがあります。しかし、技術の新しさだけで研究の価値が決まるわけではありません。
生成AIを利用すること自体が目的になってしまうと、本来解決したかった課題が不明確になる場合があります。
技術を利用すること自体を目的にせず、研究目的との関係を明確にしましょう。
AIの研究方法・評価指標・リスクを具体化する
研究計画書では、研究目的だけでなく、その目的をどのような方法で検討するのかを説明する必要があります。
例えば、AIを利用した学習支援を研究する場合には、どのような支援方法を検討し、誰を対象に、何を評価するのかを整理します。
研究方法としては、プロトタイプの制作、利用者への調査、比較実験、インタビューなどが考えられます。
ただし、研究方法はテーマによって異なります。自分が明らかにしたい問いに対して、適切な方法を選ぶことが重要です。
また、AIを活用した研究では、何をもって効果があったと判断するのかを考える必要があります。
例えば、学習支援であれば理解度や学習継続、業務支援であれば情報探索時間や操作負担などが評価の候補になります。
利用者の主観的な評価だけでなく、実際の行動や作業結果を確認する方法も考えられます。
ただし、評価指標は研究目的に応じて選ぶ必要があります。研究計画書では、何を明らかにしたいのかと、何を測定するのかが対応していることが重要です。
生成AIを研究に利用する場合には、出力内容の正確性や信頼性についても考える必要があります。
例えば、生成AIが提示した情報に誤りが含まれている場合、利用者の理解や判断に影響する可能性があります。
そのため、研究計画書では、AIの出力をどのように確認するのか、誤った情報が提示された場合にどのような対応を考えるのかを整理するとよいでしょう。
AIの利点だけでなく、限界やリスクを踏まえて研究計画を立てることが重要です。
さらに、AIを利用した研究では、個人情報や著作権などへの配慮が必要になる場合があります。
例えば、実際の利用者の文章や画像をAIに入力する場合には、その情報を研究に利用してよいかを確認する必要があります。
また、外部のAIサービスを利用する場合には、入力した情報がどのように取り扱われるのかについても注意が必要です。
研究計画書では、研究対象者の情報をどのように保護するのか、必要な許可や手続きをどのように確認するのかを考えておきましょう。
実際の研究では、研究科の規程や指導に従う必要があります。
研究方法を検討する際には、実施可能性についても考えておくとよいでしょう。
例えば、多数の利用者を対象とする実験を計画していても、研究期間内に必要な協力者を集められるとは限りません。
必要なデータや機材、実験環境などを確認し、大学院で実施できる研究計画として整理することが大切です。
KMDの研究環境と教員の専門分野にどう結びつける?
AIの研究テーマを考える際には、KMDの教員の研究分野や研究活動を確認することも重要です。
例えば、自分がAIを利用したインターフェースに関心を持っている場合には、HCIや利用者体験に関係する研究活動が参考になるかもしれません。
また、AIを活用したサービスやコンテンツに関心がある場合には、デザインやメディア表現などの視点が関係する可能性があります。
ただし、特定の教員がAIに関する研究を指導できるかどうかは、公式サイトに掲載されている研究内容だけで判断できるとは限りません。
最新の教員情報や研究活動を確認し、自分の研究テーマとの接点を具体的に整理しましょう。
AIを研究したい場合には、KMD以外の研究科も含めて、自分の研究目的に適した進学先を検討することが重要です。
例えば、機械学習のアルゴリズムや基礎理論を中心に研究したい場合には、情報科学や理工学系の研究科が適している可能性があります。
一方、AIを利用した人間の行動やインターフェース、サービス、コンテンツなどに関心がある場合には、メディアデザインの視点から研究を検討することも考えられます。
ただし、研究科ごとの研究内容や指導体制は異なるため、大学名や研究科名だけで判断せず、具体的な研究活動を確認することが大切です。
KMDを志望する理由を考える際には、単に「AIを研究できるから」という説明にとどまらず、研究テーマと研究環境との関係を整理しましょう。
例えば、AIを利用した学習支援システムに関心がある場合には、技術的な仕組みだけでなく、学習者がどのように利用するのか、どのような体験を設計したいのかという視点も考えられます。
そのうえで、KMDの研究活動や教員の専門分野を調べ、自分の研究目的とどのような接点があるのかを具体的に説明することが重要です。
なお、研究テーマを具体化することは重要ですが、出願段階で研究内容のすべてを確定させる必要があるとは限りません。
研究を進める中で、先行研究の調査や実験結果によって、当初の計画を見直す必要が生じる場合もあります。
そのため、研究計画書では、現時点での研究目的と方法を具体的に示しながら、今後の検討によって調整する可能性も考えておくとよいでしょう。
ただし、柔軟性を重視するあまり、研究目的が曖昧にならないよう注意が必要です。
研究計画書の文章例と出願前に取り組みたい準備
研究テーマを具体化できたら、可能であれば小規模な検証を試してみることも有効です。
例えば、AIを利用した情報提示方法を研究したい場合には、簡単なプロトタイプを作成し、想定した方法が実現できるかを確認することが考えられます。
また、関連する先行研究で用いられている評価方法を調べ、自分の研究に応用できるかを検討することも有効です。
ただし、出願前に必ず実験や制作を行わなければならないという意味ではありません。
研究計画書では、実施可能な方法を具体的に考えることが重要です。

ここでは、生成AIを利用した学習支援を研究テーマにする場合の文章例を考えてみましょう。
「私は、生成AIを活用した学習支援に関心を持っている。特に、社会人が新しい業務知識を学ぶ際には、必要な情報を探し、理解することに負担が生じる場合がある。この課題を踏まえ、生成AIによる情報提示方法が、学習者の理解度や情報探索の負担に与える影響を明らかにしたい。研究では、異なる情報提示方法を比較し、利用者の理解度や情報探索時間などを検討することを想定している」
この文章では、AIへの関心だけでなく、研究対象、課題、研究目的、研究方法がつながっています。
ただし、実際の研究計画書では、先行研究を踏まえて課題の根拠や新規性を具体的に説明する必要があります。
研究テーマの具体化は、一度考えたら完成するものではありません。
先行研究を調べたり、研究方法を検討したりする中で、研究目的を見直す必要が生じる場合があります。
例えば、当初はAIによる学習支援全般に関心があったとしても、先行研究を調べる中で、情報提示方法と理解度の関係に注目するようになるかもしれません。
このように、研究計画書を書き進めながら、研究テーマを少しずつ具体化していくことが大切です。
また、大学院入試で面接や口述試験が実施される場合には、AIを研究したい理由や研究目的について質問される可能性があります。
例えば、「なぜAIを利用する必要があるのか」「既存の方法では何が不十分なのか」「研究によって何を明らかにしたいのか」といった質問が考えられます。
そのため、研究計画書に書いた内容を、自分の言葉で説明できるようにしておくことが重要です。
特に、技術への関心だけでなく、研究対象や研究目的、研究方法を簡潔に説明する練習をするとよいでしょう。
また、研究計画書を読み返す際には、研究背景から研究目的、研究方法までが自然につながっているかを確認しましょう。
例えば、研究背景では学習者の情報探索に関する課題を説明しているのに、研究方法ではAIの文章生成精度だけを評価する計画になっている場合、研究目的と方法が十分に対応していない可能性があります。
研究計画書の各部分が同じ問いに向かっているかを確認することで、研究の方向性を整理しやすくなります。
まとめ|「AIを研究したい」から具体的な研究上の問いへ
慶應義塾大学大学院メディアデザイン研究科(KMD)への進学を考える際、「AIを研究したい」という関心は、研究テーマを考える出発点になります。
しかし、AIという言葉だけでは研究対象や研究目的が明確にならないため、研究計画書としては具体性が不足する場合があります。
重要なのは、AIを利用して何を解決したいのか、誰を対象に何を明らかにしたいのかを具体的に整理することです。
そのためには、研究対象、研究目的、研究方法という三つの視点からテーマを考えることが有効です。
また、先行研究を調べ、自分の研究が既存の研究とどのように異なるのかを整理することも重要です。
さらに、AIを利用する必然性や、AIを利用しない方法との比較、研究の評価方法などについても考えておきましょう。
KMDを志望する場合には、最新の研究活動や教員の専門分野を確認し、自分の研究テーマとの接点を具体的に整理することが大切です。
研究計画書では、技術の新しさを強調するだけでなく、研究によって何を明らかにしたいのかを説明することが重要です。
「AIを研究したい」という関心から一歩進み、具体的な研究上の問いを見つけることから始めてみましょう。
志樹舎では、大学院入試の各種対策に特化した専門性の高いサポートを行っています。院試受験でお困りの方は、無料相談にお気軽にお申し込みください。
※この記事は専門家による監修のもと執筆されています。
※本記事は研究計画を考えるための一般的な解説です。KMDにおける特定のAI研究テーマの受け入れ可能性や研究指導体制を保証するものではありません。入試制度、出願資格、提出書類、試験内容、カリキュラム、教員情報などは変更される場合があります。受験を検討している方は、必ず慶應義塾大学大学院メディアデザイン研究科の公式サイトおよび最新の入学試験要項をご確認ください。
志樹舎では、大学院入試の各種対策に特化した専門性の高いサポートを行っています。
院試受験でお困りの方は、無料相談にお気軽にお申し込みください。
※この記事は専門家による監修のもと執筆されています。
この記事を監修した人
小杉 樹彦 (こすぎ・たつひこ)
志樹舎 創業者/博士(学術)
慶應義塾大学院修了後、2015年1月に院試専門オンライン予備校「志樹舎」を設立。 代表講師として10〜60代まで延べ5,000人以上の受験生を指導。 早慶・国公立をはじめとする難関大学院で合格率9割超の実績を持つ。 現在は大学院入試対策の専門家として、テレビ・新聞・雑誌など幅広いメディアで活動中。 ロングセラー『減点されない!勝論文』(エール出版社)ほか著書・論文多数。


