JP2007316285A - 学習問題分析支援機能システム - Google Patents

Abstract

【課題】ｅ−Ｌｅａｒｎｉｎｇ学習問題を出題者の意図に沿うように、対象となる学習者レベルや主観表現の排除などをして、学習問題の分析を客観的に支援することができる学習問題分析支援機能システムを提供する。
【解決手段】コンピュータを利用してｅ−ラーニング学習する学習者２０に学習問題３０を出題し、解答を採点する際に、学習問題３０の分析支援をする学習問題分析支援機能システム１であって、学習者２０の解答を採点して集計する採点集計手段と、学習問題毎に全学習者の正答率を基に学習問題３０が適切又は不適切であると判定する学習問題判定手段とを備える。学習者２０のうちの個人別成績の優秀な者のグループを選定する手段を備え、優秀な者のグループの正答率と全学習者の正答率とを比較し、優秀な者の正答率が全学習者の正答率より所定値以上良いと学習問題３０が適切であるとする。
【選択図】図１

Description

本発明は、学習問題分析支援機能システムに関し、特に学習者の解答履歴を学習問題別に分析し、学習者の学習問題の正答率、学習者の個人成績ランク別の解答傾向を抽出し、学習問題の難易度、文章問題の妥当性を客観的に判断し、出題者の意図に沿った学習問題の作成を支援することができる学習問題分析支援機能システムに関する。

パーソナルコンピュータやコンピュータネットワークなどを利用して教育を行うｅ−Ｌｅａｒｎｉｎｇ（ｅ―ラーニング）は、遠隔地であっても教育内容を提供できることや、コンピュータを利用するためにコンピュータならではの教材が利用できる。従来のｅ−Ｌｅａｒｎｉｎｇシステムは、学習者の解答履歴から学習者の成績や傾向などの分析を行うことを主眼においていた（特許文献１参照）。
特開２００５−３４５９８６号公報

しかし、学習問題そのものの難易度や、文章表現などを客観的に分析する手段がなく、出題者の主観によるものが多く、出題者による学習問題のバラツキが生じやすく、学習問題の効果を計ることができなかった。

そこで、本発明は、ｅ−Ｌｅａｒｎｉｎｇ学習問題を出題者の意図に沿うように、すなわち対象となる学習者レベルや主観表現の排除などをし、学習問題の分析を客観的に支援することができる学習問題分析支援機能システムを提供することを目的とする。

本発明は、コンピュータを利用してｅ−ラーニング学習する複数の学習者にそれぞれ複数の学習問題を出題し、解答を採点する際に、出題された学習問題の分析支援をする学習問題分析支援機能システムであって、前記複数の学習者の解答を採点して集計する採点集計手段と、前記学習問題毎に全学習者の正答率を基に該学習問題が適切又は不適切であると判定する学習問題判定手段とを備える学習問題分析支援機能システムである。

また、本発明は、前記複数の学習者のうちの個人別成績の優秀な者のグループを選定する手段を備えており、前記学習問題毎に前記優秀な者のグループの正答率と全学習者の正答率とを比較し、前記優秀な者のグループの正答率が全学習者の正答率より所定値以上良いと該学習問題が適切であるとする学習問題分析支援機能システムである。

そして、本発明は、前記学習問題毎に予め想定された正答率と実際の正答率とを比較する手段を備えており、実際の正答率が予め想定された正答率より所定値以上悪いと該学習問題が不適切であるとする学習問題分析支援機能システムである。

更に、本発明は、予め想定された正答率よりも実際の正答率が所定値以上悪い場合に、前記学習問題の解答選択肢数を減らす、或いは配点を減らす問題チューニング手段を備える学習問題分析支援機能システムである。

本発明の学習問題分析支援機能システムによれば、出題者の主観ではなく、対象となる学習者レベル、主観表現の排除など客観的に学習問題を出題することができ、学習効率を上げて、学習効果の向上が期待できる。

本発明を実施するための最良の形態を説明する。
本発明の学習問題分析支援機能システムの実施例について、図面を用いて説明する。

実施例１を説明する。図１は、本実施例の学習問題分析支援機能システムのシステム構成の説明図である。本実施例の学習問題分析支援機能システム１は、ｅ−Ｌｅａｒｎｉｎｇ学習問題を出題者の意図（対象となる学習者レベル、主観表現の排除など）に沿うように、学習問題の分析を客観的に支援することができるシステムである。

本実施例の学習問題分析支援機能システム１は、ｅ−Ｌｅａｒｎｉｎｇ学習問題分析支援機能を有するシステムであり、複数の学習者の解答を採点して集計する採点集計手段と、学習問題毎に全学習者の正答率を基に学習問題が適切又は不適切であると判定する学習問題判定手段とを備えている。出題者１０は、学習問題分析支援機能システム１に対して、複数の学習問題３０の出題処理Ｔを行う。学習者２０は、学習問題分析支援機能システム１を用いて、学習問題３０の学習Ｌを行う。

学習者２０が学習問題３０の学習Ｌを行い、学習問題分析支援機能システム１に学習問題３０の解答を行うと、学習問題分析支援機能システム１は、学習履歴登録手段４１に対して、学習履歴の登録処理Ｒを行い、学習履歴登録手段４１は学習履歴４０を登録する。そして、学習履歴登録手段４１に登録されている学習履歴４０から学習問題３０別の分析処理Ａが、出題者１０側にフィードバックされるようになっている。一方、学習履歴登録手段４１は、学習者２０の個人別成績結果の表示Ｄを各学習者２０に対して行う。

次に、本実施例の学習問題分析支援機能システム１による学習問題分析支援の手順の一例について、図２を用いて説明する。本実施例の学習問題分析支援機能システムを使用し、まず、出題者１０は、ｅ−Ｌｅａｒｎｉｎｇの複数の学習問題３０の作成をして、学習問題分析支援機能システム１に対してシステム登録することにより、複数の学習問題３０の出題を行う（Ｓ１０１）。

次に、各学習者２０は、学習問題分析支援機能システム１を用いて、複数の学習問題３０の学習（あるいは解答）Ｌを行う（Ｓ１０２）。学習問題分析支援機能システム１は、複数の学習者２０による学習問題３０の学習（解答）Ｌについての判定と学習履歴４０の履歴登録Ｒとを、学習履歴登録手段４１に対して行う（Ｓ１０３）。

次に、学習問題分析支援機能システム１は、複数の学習問題３０別の集計を行う（Ｓ１０４）。学習問題分析支援機能システム１は、複数の学習問題３０別の集計結果に基づいて、学習問題３０別の分析結果は、ディスプレイに表示したり、紙に印刷して表示することで、各学習者２０に対して個人別成績結果Ｄを表示する（Ｓ１０５）。

次に、出題者１０は、フィードバックされた分析結果に基づいて、結果判定が良好であるか判断し（Ｓ１０６）、結果判定が良好であれば学習問題分析支援処理が終了する。結果判定が不良であれば、出題者１０は、学習問題３０の内容の修正を行って、修正した内容を学習問題分析支援機能システム１に登録し（Ｓ１０７）、終了となる。このようにして、学習問題分析支援機能システム１は、学習問題３０の分析支援機能を発揮することができる。

ところで、ある学習問題３０においては、個人別成績結果Ｄの順に分析を行った場合には、ある学習問題３０の正答率と個人成績とが比例する傾向となるはずである。例えばこのある学習問題３０について全体的に正答率が低い場合は、学習者２０にとっては想定を超えて難解な学習問題であったことになる。

一方、ある学習問題３０の正答率と個人成績とが比例する傾向がまったく出ていない場合は、問題の表現などの基本的な課題（もしくは学習問題３０の内容自体に誤りがあるなど）が存在していると考えられ、ある学習問題３０の内容を見直す契機となり得るのである。

本実施例においては、ｅ−Ｌｅａｒｎｉｎｇの学習問題３０へは、学習問題３０の正答率に応じて自動的にフィードバックをして、該当する学習問題３０に対して、例えば次のようにして自動的にチューニング（調整）を行う。

図３（ａ）は、出題者１０の出題した学習問題３０が良い問題である例を示しており、この場合には、成績の良い学習者２０の正答率が８０％と高く、成績の悪い学習者２０の正答率が３０％と低い。

図３（ｂ）は、出題者１０の出題した学習問題３０が悪い問題である例を示しており、（１）の場合には、成績の良い学習者２０の正答率が５０％であり、成績の悪い学習者２０の正答率も５０％で同じである。また、出題者１０の出題した学習問題３０が悪い問題である別の例（２）では、成績の良い学習者２０の正答率が３０％と低く、成績の悪い学習者２０の正答率が８０％と高い。

出題者１０が当初想定していたよりも、該当する学習問題３０の正答率が良い場合には、解答選択肢数を自動的に増やしたり、配点を減らすなどチューニング（調整）を行う。また、出題者１０が当初想定していたよりも、該当する学習問題３０の正答率が悪い場合には、解答選択肢数を自動的に減らしたり、配点を増やすなどチューニング（調整）を行う。

次に、図４は、本実施例において、ｅ−Ｌｅａｒｎｉｎｇの学習問題３０へは、学習問題３０と成績との相関関係に応じて自動的にフィードバックをして、該当する学習問題３０に対して、例えば自動的にチューニング（調整）を行う例を示している。

成績と学習問題３０との相関関係を数値化して示しており、成績のグループＡは個人別成績の良いグループであり、グループＢは個人別成績が中位のグループであり、グループＣは個人別成績が悪いグループである。グループＡ，Ｂ，Ｃにおける学習問題３０−１，３０−２，３０−３の相関関係では、学習問題３０−１は、個人別成績が良いグループは成績が良く、個人別成績が悪くなるほど悪いので、相関関係が良好であるといえる。学習問題３０−２は、どのグループもほぼ同じ成績であり、相関関係がないので、アンマッチな問題として表示する。学習問題３０−３は、個人別成績の良いグループの成績が悪く、個人別成績が悪くなるほど成績が良くなっているため、相関関係が逆であり、アンマッチな問題として表示する。

図５に例示するように、正答者と成績との比例関係をグラフで示して、そのグラフにおける傾きＦの角度から、ある学習問題３０の内容を見直すようにしても良い。また、図６に示すように、成績の分散率を算出し、不適切な学習問題３０の内容を見直すようにしても良い。

本実施例では、学習問題分析支援機能システム１は、学習者２０の解答履歴を学習問題３０別に分析することによって、学習者２０の学習問題３０の正答率や学習者２０の個人成績ランク別の解答傾向を抽出できる。このため、学習問題３０の難易度や文章問題の妥当性を客観的に判断して、出題者１０の意図に沿った学習問題３０の作成を支援することができる。学習者２０はｅ−Ｌｅａｒｎｉｎｇ学習することによって、登録される学習履歴４０を、“学習問題３０”に着目して分析して、正答率の大小から学習問題３０の難易度を表示し、個人成績別正答率の分布から主観的な表現（あいまいな問題表現による勘違い）や、誤った学習問題などの検知を行って、出題者１０にフィードバックして報告できる。

以上実施例で説明したように、本発明の学習問題分析支援機能システム１は、学習問題３０そのものの難易度や、文章表現などを客観的に分析して、出題者１０の主観によるものを排除して、出題者１０による学習問題３０のバラツキを無くして学習問題３０の効果を計ることができる。学習問題分析支援機能システム１は、ｅ−Ｌｅａｒｎｉｎｇによる学習問題３０を出題者１０の意図に沿うように、すなわち対象となる学習者２０のレベルや主観表現の排除などをして、学習問題３０の分析を客観的に支援することができる。このため、出題者１０は、主観ではなく客観的に学習問題を出題することができ、学習効率の向上と学習効果の向上が期待できる。

実施例の学習問題分析支援機能システムのシステム構成の説明図。 実施例の学習問題分析支援機能システムにおける問題分析手順の説明図。 出題者の出題した学習問題が良い問題である例と悪い問題である例の説明図。 成績と学習問題の相関関係例の説明図。 成績と正答の関係例の説明図。 成績の分散例の説明図。

符号の説明

１ ｅ−Ｌｅａｒｎｉｎｇ装置
１０ 出題者
２０ 学習者
３０ 学習問題
４０ 学習履歴
４１ 学習履歴登録手段

Claims (4)

1. コンピュータを利用してｅ−ラーニング学習する複数の学習者にそれぞれ複数の学習問題を出題し、解答を採点する際に、出題された学習問題の分析支援をする学習問題分析支援機能システムであって、
   前記複数の学習者の解答を採点して集計する採点集計手段と、前記学習問題毎に全学習者の正答率を基に該学習問題が適切又は不適切であると判定する学習問題判定手段とを備えることを特徴とする学習問題分析支援機能システム。
2. 請求項１に記載の学習問題分析支援機能システムにおいて、
   前記複数の学習者のうちの個人別成績の優秀な者のグループを選定する手段を備えており、前記学習問題毎に前記優秀な者のグループの正答率と全学習者の正答率とを比較し、前記優秀な者のグループの正答率が全学習者の正答率より所定値以上良いと該学習問題が適切であるとすることを特徴とする学習問題分析支援機能システム。
3. 請求項１に記載の学習問題分析支援機能システムにおいて、
   前記学習問題毎に予め想定された正答率と実際の正答率とを比較する手段を備えており、実際の正答率が予め想定された正答率より所定値以上悪いと該学習問題が不適切であるとすることを特徴とする学習問題分析支援機能システム。
4. 請求項３に記載の学習問題分析支援機能システムにおいて、
   予め想定された正答率よりも実際の正答率が所定値以上悪い場合に、前記学習問題の解答選択肢数を減らす、或いは配点を減らす問題チューニング手段を備えることを特徴とする学習問題分析支援機能システム。
   

Images