深層ニューラルネットワークの圧縮技術として無構造プルーニングが有効であるが、従来の方法は反復的なトレーニングやプルーニング、再トレーニングを必要とし、計算コストが高くなる。本研究では、知識蒸留と重要度スコア推定を組み合わせた新しい教師指導型プルーニングフレームワークを提案する。この手法は、重要度スコアの計算時に教師からの勾配信号を活用し、タスクのパフォーマンスや知識伝達において最も重要なパラメータを特定、保持する。ワンショットでのグローバルプルーニングを促進し、冗長な重みを効率的に除去しつつ、重要な表現を保存する。複数の画像分類ベンチマークを通じて実験を行った結果、高いスパースレベルを維持しながらもパフォーマンスの劣化を最小限に抑えることができ、席次の高いスパースレベルでも従来技術を上回る結果を出した。このフレームワークは、リソースが制約された環境でのデプロイに適した計算効率とパフォーマンス保持の解決策を提供する。