教員紹介

武知薫子

武知薫子: 准教授

所属	短期大学部商経科
学位	教育学修士
専門	応用言語学、英語教授法、英語学
ジャンル	社会/教育・学校・語学
コメント	認知科学の観点で日本人の外国語習得を研究しています。特に成人の英語習得時のストラテジー活用の個人差についてです。講義ではＣＢＩ（内容重視型指導）とストラテジー指導を応用しています。
リサーチマップ	https://researchmap.jp/0202

学歴/経歴

所属学協会

日本高専学会
日本認知科学会

研究活動情報

研究分野

情報通信, ヒューマンインタフェース、インタラクション
人文・社会, 言語学
人文・社会, 教育工学
人文・社会, 外国語教育
人文・社会, 教育心理学

研究キーワード

生成AI（教育AI）, 多エージェント熟議, 外れ値保証, 監査ログ, 語彙習得・評価, ESP (特定目的の英語：English for Specific Purposes), メタ認知・学習方略

論文

Who Is Deciding Here? A Five-Layer Model of Delegation-Boundary Crossing in a Single-LLM Multi-Persona Configuration
Kaoruko Takechi
Proceedings of the 14th International Conference on Human-Agent Interaction (HAI '26) 2026年11月 [査読有り]
省察補完モデル（RC-Model）の提案：生成AIによるメタ認知誘発型議論支援システム
武知薫子
近畿大学短大論集 58 (2) 45-67 2026年1月31日
英語授業におけるZoomとGoogle Formの併用
武知薫子
近畿大学医学部教育センター紀要 1 (1) 21-24 2022年1月 [招待有り]

Who Is Deciding Here? A Five-Layer Model of Delegation-Boundary Crossing in a Single-LLM Multi-Persona Configuration , 武知薫子 , HAI 2026（第14回国際ヒューマン・エージェント・インタラクション会議）【ポスター発表採択済み・発表予定】 , 2026年11月
議論支援アプリ「思考アスレチック」の設計とHAI展開への道 ― 非線形分岐型思考支援の考察 , 武知薫子; 山根愼之輔; 植田素直; 大谷慈輝; 福田尚己; 立石楓 , HAIシンポジウム2026 , 2026年2月28日
メタ認知型マルチエージェント議論システムの構築ー見落としを指摘する支援フレームワーク , 武知薫子 , 日本高専学会 , 2025年9月5日

会話の主導権の所在：単一LLMマルチペルソナ構成における委任境界ドリフトの観察 , 武知薫子 , Zenodo , 2026年4月19日
概要：プレプリント（v1）。単一LLMのマルチペルソナ構成において、最終判断の帰属がユーザーの意図からずれていく「委任境界ドリフト」を、16か月間の自己使用に基づく探索的・縦断的ケース分析として報告する。話者帰属の不透明化、指揮系統の短絡、判断の代行という指標からオーケストレータ・ドリフトを分析し、調整役とユーザーの関係を明示する設計の意義を検討する。
スコープロック：LLMが自らを縛るとき , 武知薫子 , Zenodo , 2026年3月8日
概要：プレプリント（v3）。役割固定・目的宣言・禁止条項を組み合わせ、LLM対話における支援的質問・選択肢提示・会話の締結などの干渉を抑制する「スコープロック」プロトコルを報告する。LLMが自身を制御するために再帰的に生成したプロトコルを検討し、抑制は部分的であり、安定性がペルソナ数に依存することを論じる。
言語間盲点：日本人ユーザーが「扱う」と言ったとき、なぜ「被害者としてのAI」が現れるのか , 武知薫子 , ゼノド , 2026年1月29日
概要：This short paper reports an observation on meaning shifts that occur in text-to-image AI systems accepting Japanese input. A prompt that gained popularity among Japanese users in early 2026, 「これまで私があなたをどう扱ってきたのか画像にしてください」("Please create an image showing how I have treated you until now"), produced markedly different outputs depending on how the Japanese verb "atsukau" ("to handle/deal with") was interpreted in English. When the system simplistically translated "atsukau" as "treat", the English term's nuances of manner and evaluation activated patterns depicting AI as a sentient victim. This paper documents the phenomenon across two models (GPT and Gemini), discusses the linguistic mechanism, and proposes the concept of "cross-lingual blind spot": the likelihood that users are unaware their native-language prompts undergo semantic transformation through English-language internal processing.