userid stringclasses 377
values | course_number int64 1 15 | question_number int64 1 5 | question_content stringclasses 5
values | answer_content stringlengths 1 4.12k ⌀ | grade stringclasses 5
values |
|---|---|---|---|---|---|
C-2021-1_U85 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造化データの中には、言語データ、音声データ、画像データなどがある。それをAIが認識するために、パターン認識というものがある。これは、似ているものを探すという方法でデータを分別してk￥行くという方法なのだが、似ているという定義に曖昧さがあり、これを実現するためには大量のデータと機械学習を必要とする。 | B |
C-2021-1_U85 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | パターン認識が、人間にとっては子供でもできることでも、AIにはいまだに難しいということ、似ているという定義は人間にはわかってもAIには難しいということ。 | B |
C-2021-1_U85 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 特になし | B |
C-2021-1_U85 | 10 | 4 | 質問があれば書いてください | 特になし | B |
C-2021-1_U85 | 10 | 5 | 今日の授業の感想や反省を書いてください | AIに底知れない恐怖を持っていたのは、AIのことを全然知らなかったからだったので、今日AIがどのような方法で物事を認識しているのかということを知ることができてよかったです。他のことに気を取られて、日誌を書くのを忘れてしまっていたので、これからは忘れないようにしたいと思います。 | B |
C-2021-1_U23 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造データには、言語、画像、音声・音楽がある。自然言語処理には頻出言語、翻訳、検索、要約などがあるが、意味解析や文章生成のように、「意味」まで考えるものも出てきた。画像はベクトルとして考えられる。画像データ分析としては、画像認識、コンピュータビジョン、画像処理などが挙げられる。音声データ分析には、音声認識、話者認識、感情認識などがある。パターン認識とは、画像や音声、テキストなど、さまざまなデータを対象に、それが何であるかを当てる方法である。 | B |
C-2021-1_U23 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 私は、パターン認識がどんなものであるのか今まで知らなかったが、授業を聞いて、理解できるようになった。パターン認識について、紙を折っている画像が特に参考になったが、たしかに、それがあるにしても、正解に辿り着くまでの方法を考えることが難しいのだなと実感した。 | B |
C-2021-1_U23 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 特になかった。 | B |
C-2021-1_U23 | 10 | 4 | 質問があれば書いてください | 特にありません。 | B |
C-2021-1_U23 | 10 | 5 | 今日の授業の感想や反省を書いてください | 画像の概念がベクトルで考えられるというのは、驚きだった。普段使っているカメラが高尚なものに思えた。文章生成や、感情認識があるように、データ分析が、ただAIが学んでいるだけでなく、本当に人間に近づこうとしている感じがあって、すごいと思った。パターン認識については、考えれば考えるほど深入りして分からなくなるので、研究、開発は難しいだろうし、機械がパターン認識を完全にできるようになることは決して無いのかもしれないと思った。 | B |
C-2021-1_U33 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 表式化できないデータを非構造データという。非構造データには音、画像、文字などがある。
画像は意味のある数値でベクトルのようにあらわす。
音はいろいろな音の種類でわけて分析する。
パターン認識とはコンピューターにそれが何かを判断させること。 | B |
C-2021-1_U33 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | パターン認識は人間は無意識にあまり考えなくても行うことができるが、コンピューターには難しいことが分かった。
コンピューターがパターン認識するには、事前にどのクラスかを決める必要があること。 | B |
C-2021-1_U33 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 真相ニュートラルネットワークがよくわからなかった。 | B |
C-2021-1_U33 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U33 | 10 | 5 | 今日の授業の感想や反省を書いてください | よく考えずに使っていたが、車や写真など様々なものでコンピューターのパターン認識を活用していることが分かった。
人間が簡単にできることとコンピューターが簡単にできることがわかったら仕事も効率よくできるし、そこから新しい仕事を生み出せそうだと思った。 | B |
C-2021-1_U31 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造データは表形式にならないデータでありそれらを人工知能によってパターン認識させるために、その線引きをさせるのが機械学習であり、そのうち近年注目されているのが深層ネットワークによる方法である。 | B |
C-2021-1_U31 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 漠然とではあるが、機械学習を行う上で研究者がどういうことに苦労して研究しているかが分かった。 | B |
C-2021-1_U31 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | B |
C-2021-1_U31 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U31 | 10 | 5 | 今日の授業の感想や反省を書いてください | 機械学習について色々調べていた時に結局深層ニューラルネットワークとは何をしているのかわからなかったが、今回の授業で簡単にではあるがつかむことができた。 | B |
C-2021-1_U10 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造化データの処理
パターン認識とは何か
パターン認識と機械学習 | B |
C-2021-1_U10 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 非構造化データの処理には言語処理、画像処理、音声/音楽処理などがある。
パターン認識とは様々なデータを対象として、それが「何」であるかをあてる方法のことである。
深層ニューラルネットワークによって大量のデータに境界線を引くことで認識が可能になる。 | B |
C-2021-1_U10 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 画像とベクトルについて | B |
C-2021-1_U10 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U10 | 10 | 5 | 今日の授業の感想や反省を書いてください | 非構造化データの方が構造化データよりも身近にあるイメージなので、出てくる例も普段私たちが使用しているものが多く、関心を持った。普段使用しているものがどのようにして動いているかを意識しながら生活したことはなかったが、今回パターン認識の奥深さを知ることで意識するようになった。これからパターン認識がどんどん進化してあらゆることが可能になるのではないかと思う反面、機械にそこまでにことができるのかと疑ったりもした。 | B |
C-2021-1_U59 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 文章、画像、音などの表形式にならないデータのことを非構造化データという。 | B |
C-2021-1_U59 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 画像や音声、テキストなど様々なデータを対象として、それが「何」であるかを当てる方法をパターン認識といい、人間には簡単でコンピュータには難しく、認識できる対象（クラス）は事前に決められている。 | B |
C-2021-1_U59 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | ベクトルは数字の組なので，順番を入れ替えてはいけないということ
| B |
C-2021-1_U59 | 10 | 4 | 質問があれば書いてください | 特にありません | B |
C-2021-1_U59 | 10 | 5 | 今日の授業の感想や反省を書いてください | コンピュータによるパターン認識のところが興味深かったです。「似ている具合」の話を深入りすると疑問に思うことが多く頭が混乱してきましたが、それを気にすることなく私たち人間が普段生活できているのはたしかに面白いなと思いました。最近小テストの点数が悪いので、次回からはもっとしっかりと頭に授業内容を入れて慎重にテストを受けたいです。 | B |
C-2021-1_U6 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 表形式で表せないようなデータのことを非構造化データといい、言語、画像、音声などが該当する。そのようなデータを対象に、それが何であるかを当てることをパターン認識といい、コンピュータによるパターン認識技術は自動化や異常検出に用いられている。 | C |
C-2021-1_U6 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 非構造化データをコンピュータが銅のように解析しているかやパターン認識のプロセスについての概要を知ることができた | C |
C-2021-1_U6 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | C |
C-2021-1_U6 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-1_U6 | 10 | 5 | 今日の授業の感想や反省を書いてください | 画像データに対してベクトルを活用する考え方などを知ることができ、基幹教育科目との繋がりが見えてきて面白かった。 | C |
C-2021-1_U36 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | ・非構造データについて
①言語処理
②画像処理
③音声・音楽処理
・パターン認識とは | A |
C-2021-1_U36 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | ①言語処→自然言語処理（NLP）
例：頻出単語、翻訳、検索、ようやく、対話、校正、トピック分析
文字列から意味へ：意味解析、パラフレーズ解析、センチメント解析、文章生成
②画像処理
画像＝ベクトル＝数字の組
分析課題：画像認識、コンピュータービジョン、画像処理、画像生成、特徴抽出
③音声・音楽処理
三種類の音：人の声、音楽、環境音
人の声：音声認識、話者認識、感情認識、音声合成
音楽：楽曲分析、自動作曲、音響分析、音楽認識、楽曲推薦、音楽データ圧縮
環境音：環境音認識、音源分離、音源同定、異常音検出
・パターン認識：それが［何］であるかをあてる
人間には簡単で、コンピューターには難しい
基本原理：似ているものを探す→認識論は複雑
最近のパターン認識＝大量データ×機械学習 コンピューターに境界線を引いてもらう
深層ニューラルネットワーク
→切り分けにくいものも状況を工夫することで切り分けやすくする
応用：自動化技術、異常検出 | A |
C-2021-1_U36 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | とくにありません | A |
C-2021-1_U36 | 10 | 4 | 質問があれば書いてください | とくにありません | A |
C-2021-1_U36 | 10 | 5 | 今日の授業の感想や反省を書いてください | 認識論の話が特に興味深かったです。哲学と同じように考えれば考えるほど複雑になっていくのが面白いです。そう考えると生き物を機会としてみなす考え方ではどうにもならない領域がまだまだありそうですね。特に人間の脳をコンピュータープログラムで完全再現ができるようになるのは遠い未来のように感じます。もし実現すれば一目見てみたいです。 | A |
C-2021-1_U78 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | パターン認識にも様々ありいろんな場面で私たちの生活に直結していること。 | C |
C-2021-1_U78 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | AIの様々な認識パターン | C |
C-2021-1_U78 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | なし | C |
C-2021-1_U78 | 10 | 4 | 質問があれば書いてください | なし | C |
C-2021-1_U78 | 10 | 5 | 今日の授業の感想や反省を書いてください | 身近視点で見れたのでよかった。 | C |
C-2021-1_U58 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造化データである言語、画像、音声についての特徴と、パターン認識の仕組みや最近のパターン認識として使われている深層ニューラルネットワークについて、また、それらの応用例として自動化技術と異常検出について学んだ。 | A |
C-2021-1_U58 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 深層ニューラルネットワークの機械学習をする際にコンピュータ自身が境界線を引くが、その時に空間を曲げていくという考え方が面白いと感じました。 | A |
C-2021-1_U58 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | A |
C-2021-1_U58 | 10 | 4 | 質問があれば書いてください | null | A |
C-2021-1_U58 | 10 | 5 | 今日の授業の感想や反省を書いてください | 自分の身近な場面でパターン認識は利用されており、その中での課題点も浮かび上がってきて、今後の進展が楽しみだと思いました。 | A |
C-2021-1_U104 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 表などに表すことができる構造化データと、音声や画像といった非構造化データについて、データの分析法やパターン認識とその応用方法、起っている問題などについて学んだ。
また、大量のデータからパターン認識と深層ニュートラルネットワークを用いて区切っていきある結果を導く方法を知った。 | B |
C-2021-1_U104 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 画像や音声をどうやってデータに落とし込むのかと、それと数学の関係性を理解できた。また、最近よく耳にする自動○○系の機械がどういった仕組みで状況を判断しているのかが分かった。 | B |
C-2021-1_U104 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 1、２、３次元のベクトルは想像できたがウン万次元ベクトルというものが想像できなかった(矢印のように考えること自体間違い?) | B |
C-2021-1_U104 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U104 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今回の授業で、仕組みを考えれば色々なものがデータで表せ、その方法も日々考えられているんだなと感心した。また、小話で出てきたバベルの図書館の話が不思議で面白かった。ついこの前にお絵かきの素材を探そうと迷彩柄を検索したらその後YouTubeの広告に迷彩柄の服が出てきたのでデータサイエンスをすごく感じた。 | B |
C-2021-1_U74 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | データには文字データ、画像データ、音声データなどさまざまなものがあり、それぞれの解析方法がある。
それらのデータのパターン認識を行うことでデータの活用をするが、曖昧なものの判断は人間と違ってコンピューターにはまだ難しい事である。近年は大量のデータを用いて学習させる事が多く、自動化や以上検出に用いられる。 | B |
C-2021-1_U74 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | データにも様々な種類や解析方法があり、判断方法が様々だと頒った。 | B |
C-2021-1_U74 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | B |
C-2021-1_U74 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U74 | 10 | 5 | 今日の授業の感想や反省を書いてください | 初音ミクの画像が出てきたのは熱かった。 | B |
C-2021-1_U8 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 多くのものがデータ化することによってコンピュータで取り扱う事ができる。その活用法も様々であるが、AIは基本その活用法一個にのみ特化した形のものがほとんど | B |
C-2021-1_U8 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | AIはすごいと感心する時もあればAIもまだまだだと感じる部分もあり、不思議です。 | B |
C-2021-1_U8 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 深層ニューラルネットワークのパターン認識がよくわからなかった | B |
C-2021-1_U8 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U8 | 10 | 5 | 今日の授業の感想や反省を書いてください | 途中意識が飛んでしまったところがあるので、復習しました。 | B |
C-2021-1_U60 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造化データである、文字・画像・音声の分析について学んだ。パターン認識について勉強した。 | C |
C-2021-1_U60 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 非構造化データの分析には様々な分析観点が存在することが分かった。文字データで言えば「意味解析」が面白いなと思った。画像データが行列であるという考え方はなるほどと思った。音源分析や音源分離がより高度にできれば便利だなと思った。パターン認識は非常に難しい問題だなと思った。人間がどういう頭の使い方をしているのかということが分かれば、それがAIの分野にも活かされるというのはなんだか意外な繋がりだった。 | C |
C-2021-1_U60 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 特になし | C |
C-2021-1_U60 | 10 | 4 | 質問があれば書いてください | 特になし | C |
C-2021-1_U60 | 10 | 5 | 今日の授業の感想や反省を書いてください | 勉強になった。 | C |
C-2021-1_U48 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 表形式データを構造化データと言い、文章、画像、音などの表形式にならないデータのことを非構造データと呼ぶ。データを分析するのも、作成するのも、調節させるのにもベクトルと関連した作業を行う。音をデータ化するには波の高さを数値化することが必要。パターン認識とは画像や音声などの様々な非構造データを対象としてそれが何かを当てる方法である。 | B |
C-2021-1_U48 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 構造化データと非構造データの違い、そして非構造データを扱うのにはベクトルを扱う必要があることを理解した。また現代においてコンピューターによる様々な分析がなされていることを知った。パターン認識の分野はコンピュータにとって不得意な分野ではあるが、大量データによる機械学習を行うことで徐々に可能にしつつあることを理解した。 | B |
C-2021-1_U48 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 特になかった。 | B |
C-2021-1_U48 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U48 | 10 | 5 | 今日の授業の感想や反省を書いてください | 特に計算とかもする必要がない分野だったので、楽しく聞くことができた。ベクトルを用いたデータ化にとても興味が沸いたので個人的に調べてみたいと思う。 | B |
C-2021-1_U55 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | null | B |
C-2021-1_U55 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | null | B |
C-2021-1_U55 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | B |
C-2021-1_U55 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U55 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | B |
C-2021-1_U54 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 前回、データは主に構造化データと非構造化データの二つに分けることができるという紹介があり、今回は後者について学んだ。非構造データ処理として言語処理、画像処理、音声処理の三つについて言及された。
まず言語データだが、言語データとは文字列で表されるデータのことである。これに対して自然言語処理というコンピュータによって分析する技術がある。その例として、頻出言語（言語データの中で最も多く出てきた単語を見つける処理）、翻訳、検索、要約、対話などがある。これらは単なる文字列を処理するものであるが、文字列の意味まで処理するものもある。その例として、意味解析（各単語や文をその意味に応じて数値化）、パラフレーズ解析（言葉としては違うが文としての意味は同じか？）、センチメント解析（文章に潜む感情の推測）、文章生成などがある。
次に画像データだが、画像というものはベクトルとして捉えることができる。色一つ一つに数値が与えられ、例えば４００万画素の画像なら４００万次元のベクトルになる。つまり「画像を作る」ということは「ベクトルを作る」ということであり、画像の見え方を調節するということは「ベクトルを操作する」ということを意味する。画像データの分析には多くの課題があり、画像認識、コンピュータビジョン、画像処理、画像生成、特徴抽出などがある。
最後に音声データについてだが、音というものは「波」であり、その高さを数値化することによりデータ化できる。音というものは人間の声、音楽、環境音の大きく三つに分類できる。音声（人の声）の分析の例として、音声認識、話者認識、感情認識、音声合成などがある。音楽データの分析の例として、楽曲分析、自動作曲、音響分析、音楽認識などがある。環境音データの分析の例として、環境音認識、音源分離（複数の音を分ける）、音源同定（どこからなっている音か）、異常音検出などがある。
これらのデータを対象として、それが「何」であるかを当てる方法をパターン認識という。人間は日常的にやっていることであるが、コンピュータには難しいものである。コンピュータは自由になんでも認識できるわけではないため、前提として認識できる対象を事前に決めておく。動物を対象としたパターン認識器では自動車は認識できず、自動車を対象としたパターン認識器では動物は認識できない。現在はこのような特化型の認識器ばかりで、顔認識、食事認識、音声認識（スマートスピーカー）、文字認識（郵便番号認識）など、我れ我れの身近なものになってきている。
コンピュータのパターン認識の基本原理として「似ている」というのがキーワードになる。しかし、以前の講義でも学んだように「似ている」というのは非常に曖昧（「どこが」、「どのくらい」など）で難しいものである。そのため、AIには大量のデータを用いて機械学習をさせる必要がある。準備した大量のデータに境界線を引かせて、それができたら対象物が境界線のどちら側にあるかで認識させる。最近は深層ニューラルネットワークによるものが多い。深層ニューラルネットワークにおけるパターン認識の簡単なイメージは切り分けにくい（境界線が引きずらい）ものを分けられる側の状況を工夫する（空間を曲げる）ことで切り分ける（境界線を引く）という感じである。この「分けられる側の状況を工夫する（空間を曲げる）」の方法は最初から分かっているわけではないため、試行錯誤的にその方法を決めていく必要がある。（＝深層ニューラルネットワークの学習） | C |
C-2021-1_U54 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 画像をベクトルとして考えることで画像を「データ」として理解しやすかった。
パターン認識をする認識器が身近にある一方でもう1段階上の認識が非常に難しいということがわかった。 | C |
C-2021-1_U54 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | C |
C-2021-1_U54 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-1_U54 | 10 | 5 | 今日の授業の感想や反省を書いてください | バベルの図書館は興味深かった。 | C |
C-2021-1_U81 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造データ（文字、画像、音声など）の解析
パターン認識 | D |
C-2021-1_U81 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | コンピュータにもを判別させることは難しいことがわかった | D |
C-2021-1_U81 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | パターン認識のイメージ図がわからなかった | D |
C-2021-1_U81 | 10 | 4 | 質問があれば書いてください | null | D |
C-2021-1_U81 | 10 | 5 | 今日の授業の感想や反省を書いてください | 時代が進むにつれてAIが認識できる範囲も広がっていくと思うとなんだかわくわくする。 | D |
C-2021-1_U30 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造データ（言語、画像、音声）、パターン認識とその応用 | A |
C-2021-1_U30 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 非構造データとは何か、画像はベクトルで表せること、パターン認識とは何か、パターン認識の応用 | A |
C-2021-1_U30 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | とくにないです | A |
C-2021-1_U30 | 10 | 4 | 質問があれば書いてください | null | A |
C-2021-1_U30 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今、線形代数を履修しているので、ベクトル＝画像で気を安らげたいと思います。また、深層ニューラルネットワークによるパターン認識が面白いと思いました。 | A |
C-2021-1_U21 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | null | F |
C-2021-1_U21 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | null | F |
C-2021-1_U21 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | F |
C-2021-1_U21 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-1_U21 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | F |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.