JP2018124483A - 学習支援システム、学習支援装置および学習支援方法 - Google Patents

学習支援システム、学習支援装置および学習支援方法 Download PDF

Info

Publication number
JP2018124483A
JP2018124483A JP2017017634A JP2017017634A JP2018124483A JP 2018124483 A JP2018124483 A JP 2018124483A JP 2017017634 A JP2017017634 A JP 2017017634A JP 2017017634 A JP2017017634 A JP 2017017634A JP 2018124483 A JP2018124483 A JP 2018124483A
Authority
JP
Japan
Prior art keywords
information
learning
learner
history information
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2017017634A
Other languages
English (en)
Inventor
岩村 相哲
Soutetsu Iwamura
相哲 岩村
靖宏 藤原
Yasuhiro Fujiwara
靖宏 藤原
安俊 井田
Yasutoshi Ida
安俊 井田
正幸 後藤
Masayuki Goto
正幸 後藤
真 中澤
Makoto Nakazawa
真 中澤
梅澤 克之
Katsuyuki Umezawa
克之 梅澤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Waseda University
Nippon Telegraph and Telephone Corp
Original Assignee
Waseda University
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Waseda University, Nippon Telegraph and Telephone Corp filed Critical Waseda University
Priority to JP2017017634A priority Critical patent/JP2018124483A/ja
Publication of JP2018124483A publication Critical patent/JP2018124483A/ja
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】学習者の学習状況を正確に把握すること。【解決手段】学習支援装置30において、取得部300が、学習装置20から、編集履歴情報と閲覧履歴情報と視線情報と脳波情報とを取得し、時点分析部320が、同一の学習者の同一の時刻における編集履歴情報と閲覧履歴情報と視線情報と脳波情報とを用いて、該時刻における該学習者の教材の学習状態を分析して時点分析情報として出力し、統合分析部330が、同一の学習者の同一の教材についての時点分析情報を用いて、該学習者の該教材の学習状況を分析して統合分析情報として出力する。【選択図】図1

Description

本発明は、学習支援システム、学習支援装置および学習支援方法に関する。
近年、企業や学校教育で採用される学習モデルは、学習者がいつでもどこでもオンラインで学習できるeラーニングから、eラーニングと教場での授業とを併用するブレンディッドラーニングまで、多岐にわたっている。このような教育環境においては、LMS(Learning Management System、学習支援システム)が利用されている。
LMSは、学習コンテンツの配信や、試験の実施および採点等の多様な機能を備えている。このLMSによれば、LMSを経由した学習者の学習活動に関する操作ログ等の様々な履歴や、レポートや評価結果等の記録を収集することが可能である。
例えば、学習者が学習時に教材のどのページを何秒間閲覧していたかといった閲覧履歴を取得する技術(非特許文献1参照)や、学習者による解答の入力や削除といった編集履歴を参照する技術(非特許文献2参照)が開示されている。また、生体情報として脳波を取得して、教材の難易度を判定する技術も開示されている(特許文献1参照)。
米国特許出願公開第2006/0147007号明細書
荒本道隆,小泉大城,須子統太,平澤茂一,「PDFファイルをベースとした電子教材作成支援システム」,情報処理学会第76回全国大会講演論文集,2014年3月 荒本道隆,小林学,中澤真,中野美知子,後藤正幸,平澤茂一,「編集履歴可視化システムを用いたLearning Analytics〜システム構成と実装」,情報処理学会第78回全国大会予稿集,2016年3月,pp.4-527-4-528
しかしながら、従来のように閲覧履歴や編集履歴、生体情報等を個々に参照しても、学習者の学習状況を正確に把握できるとは限らない。例えば、閲覧履歴により画面を表示していることが判っても、実際には閲覧していない場合もあり得る。また、編集履歴により作業が止まっていることが判っても、作業を終了したとは限らず、考え込んでいて作業が進んでいない場合もあり得る。あるいは、脳波によって集中度や熟考度が低いことが判っても、教材が易しすぎる場合と、難しすぎて端から諦めている場合とを区別することは困難である。
本発明は、上記に鑑みてなされたものであって、学習者の学習状況を正確に把握することを目的とする。
上述した課題を解決し、目的を達成するために、本発明に係る学習支援システムは、学習装置と学習支援装置とを有する学習支援システムであって、前記学習装置は、学習者による教材への入力状況を示す編集履歴情報を取得する編集履歴情報取得部と、学習者による教材の表示状況を示す閲覧履歴情報を取得する閲覧履歴情報取得部と、学習者の視線の状態を示す視線情報を取得する視線情報取得部と、学習者の脳波の状態を示す脳波情報を取得する脳波情報取得部と、を備え、前記学習支援装置は、前記学習装置から、前記編集履歴情報と前記閲覧履歴情報と前記視線情報と前記脳波情報とを取得する取得部と、同一の学習者の同一の時刻における前記編集履歴情報と前記閲覧履歴情報と前記視線情報と前記脳波情報とを用いて、該時刻における該学習者の教材の学習状態を分析して時点分析情報として出力する時点分析部と、同一の学習者の同一の教材についての前記時点分析情報を用いて、該学習者の該教材の学習状況を分析して統合分析情報として出力する統合分析部と、を備えることを特徴とする。
本発明によれば、学習者の学習状況を正確に把握することができる。
図1は、本発明の一実施形態に係る学習支援システムの概略構成を例示する模式図である。 図2は、編集履歴情報のデータ構成を例示する図である。 図3は、閲覧履歴情報のデータ構成を例示する図である。 図4は、視線情報のデータ構成を例示する図である。 図5は、脳波情報のデータ構成を例示する図である。 図6は、時点分析情報のデータ構成を例示する図である。 図7は、統合分析情報のデータ構成を例示する図である。 図8は、取得処理手順を示すシーケンス図である。 図9は、取得処理手順を示すシーケンス図である。 図10は、取得処理手順を示すシーケンス図である。 図11は、取得処理手順を示すシーケンス図である。 図12は、時点分析処理手順を示すシーケンス図である。 図13は、時点分析処理手順を示すフローチャートである。 図14は、統合分析処理手順を示すシーケンス図である。 図15は、統合分析処理手順を示すフローチャートである。 図16は、学習支援プログラムを実行するコンピュータを例示する図である。
以下、図面を参照して、本発明の一実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示している。
[学習支援システムの構成]
図1は、本実施形態に係る学習支援システムの概要構成を例示する模式図である。図1に例示するように、学習支援システム1は、学習装置20と学習支援装置30とがネットワーク50を介して接続されている。
学習装置20は、複数の学習者の学習活動に関する状態を表す編集履歴情報、閲覧履歴情報、視線情報および脳波情報等の情報を収集する。ここで、編集履歴情報は、学習者による教材への入力状況を表す。例えば、解答の入力や削除等が含まれる。編集履歴情報には、解答に対する正答あるいは誤答等の結果も含まれる。閲覧履歴情報は、学習者による教材の表示状況を表す。例えば、教材の閲覧ページやウィンドウ上での教材画面の表示位置等が含まれる。
視線情報は、学習者の視線の状態を示す。例えば、瞬目の有無や、ウィンドウ上の視線位置等が含まれる。また、視線情報には、瞬目の頻度等から導出される集中度(以下、瞬目集中度と記す)が含まれる。脳波情報は、学習者の脳波の状態を示す。例えば、α波、β波等の強度が含まれる。また、脳波情報には、脳波のパターン等から導出される集中度(以下、脳波集中度と記す)や熟考度(以下、脳波熟考度と記す)が含まれる。
学習支援装置30は、後述する学習支援処理を実行し、学習装置20から取得した各種の情報を用いて、学習者の学習状況、例えば、学習者にとっての教材の難易度や理解度等の分析を行う。
[学習装置の構成]
学習装置20は、パソコン等の汎用コンピュータで実現され、不図示の入出力装置、読取装置、通信装置、記憶部、および制御部を備える。
入出力装置は、入力部と出力部とを含む。入力部は、キーボードやマウス等の入力デバイスを用いて実現され、操作者による入力操作に対応して、制御部に対して各種指示情報を入力する。出力部は、液晶ディスプレイ等の表示装置、プリンター等の印刷装置等によって実現され、処理データ等を出力する。
読取装置は、記憶媒体の読み取りを行う。通信装置は、NIC(Network Interface Card)等で実現され、LAN(Local Area Network)やインターネットなどのネットワーク50を介した学習支援装置30等の外部の装置と制御部との通信を制御する。
記憶部は、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。なお、記憶部は、通信装置を介して制御部と通信する構成でもよい。
制御部は、CPU(Central Processing Unit)等を用いて実現され、メモリに記憶された処理プログラムを実行する。これにより、制御部は、図1に例示するように、編集履歴情報取得部201、閲覧履歴情報取得部202、視線情報取得部203、および脳波情報取得部204として機能する。なお、編集履歴情報取得部201、閲覧履歴情報取得部202、視線情報取得部203、および脳波情報取得部204は、全てが同一のハードウェア上に構成される必要はなく、それぞれあるいは一部が異なるハードウェア上に構成されてもよい。
編集履歴情報取得部201は、学習者による教材への入力状況を表す編集履歴情報を取得する。上述したとおり、編集履歴情報には、例えば、解答の入力や削除等が含まれる。また、編集履歴情報には、解答に対する正答あるいは誤答等の結果も含まれる。
閲覧履歴情報取得部202は、学習者による教材の表示状況を示す閲覧履歴情報を取得する。上述したとおり、閲覧履歴情報には、例えば、教材の閲覧ページやウィンドウ上での教材画面の表示位置等が含まれる。
視線情報取得部203は、学習者の視線の状態を示す視線情報を取得する。上述したとおり、視線情報には、例えば、瞬目の有無や、ウィンドウ上の視線位置等が含まれる。また、視線情報には、瞬目の頻度等から導出される瞬目集中度が含まれる。
脳波情報取得部204は、学習者の脳波の状態を示す脳波情報を取得する。上述したとおり、脳波情報には、例えば、α波、β波等の強度が含まれる。また、脳波情報には、脳波のパターン等から導出される脳波集中度や脳波熟考度が含まれる。
[学習支援装置の構成]
学習支援装置30は、パソコン等の汎用コンピュータで実現され、不図示の入出力装置、読取装置、通信装置、記憶部、および制御部を備える。
入出力装置は、入力部と出力部とを含む。入力部は、キーボードやマウス等の入力デバイスを用いて実現され、操作者による入力操作に対応して、制御部に対して各種指示情報を入力する。出力部は、液晶ディスプレイ等の表示装置、プリンター等の印刷装置等によって実現され、処理データ等を出力する。
読取装置は、記憶媒体の読み取りを行う。通信装置は、NIC等で実現され、LANやインターネットなどのネットワーク50を介した学習装置20等の外部の装置と制御部との通信を制御する。
記憶部は、RAM、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。なお、記憶部は、通信装置を介して制御部と通信する構成でもよい。
本実施形態において、記憶部は、編集履歴情報保管部311、閲覧履歴情報保管部312、視線情報保管部313、脳波情報保管部314、時点分析情報保管部321、および統合分析情報保管部331を含む。
編集履歴情報保管部311には、編集履歴情報が格納される。図2は、編集履歴情報のデータ構成を例示する図である。図2に示すように、編集履歴情報2011には、ユーザID、日時、編集状況、ウィンドウ開始位置、ウィンドウサイズ、および教材画面がアクティブか等の項目が含まれる。
ここで、ユーザIDは、学習者を識別する情報を意味する。日時は、編集履歴情報が収集された日および時刻を表す。編集状況は、学習者による解答の入力や削除等の教材への入力状況を意味する。ウィンドウ開始位置およびウィンドウサイズは、教材の画面のウィンドウ上での始点およびサイズを意味する。教材画面がアクティブかは、教材の画面を開いているかを意味し、開いている場合に「○」が登録され、閉じている場合に「×」が登録される。
図2には、例えば、ユーザIDが「ID001」の学習者により、2016年10月5日10時05分41秒に、教材画面に○○を追加する入力が行われたことが例示されている。また、この場合にアクティブになった教材画面のウィンドウ開始位置が100,50であり、ウィンドウサイズが200,150であったことが例示されている。
閲覧履歴情報保管部312には、閲覧履歴情報が格納される。図3は、閲覧履歴情報のデータ構成を例示する図である。図3に示すように、閲覧履歴情報2021には、ユーザID、閲覧ページ、閲覧開始日時、閲覧離脱日時、ウィンドウ開始位置、ウィンドウサイズ、および教材画面がアクティブか等の項目が含まれる。
ここで、閲覧ページは、学習者が閲覧する教材のページを意味する。閲覧開始日時および閲覧離脱日時は、学習者が閲覧を開始した日時および閲覧を止めた日時を意味する。図3には、例えば、ユーザID「ID001」の学習者が、1ページの閲覧を2016年10月5日10時5分41秒から10時8分23秒まで行ったことが例示されている。また、この場合にアクティブになった教材画面のウィンドウ開始位置が100,50であり、ウィンドウサイズが200,150であったことが例示されている。
視線情報保管部313には、視線情報が格納される。図4は、視線情報のデータ構成を例示する図である。図4に示すように、視線情報2031には、ユーザID、日時、瞬目の有無、瞬目集中度、および視線位置等の項目が含まれる。
ここで、日時は、視線情報が収集された日および時刻を表す。瞬目の有無とは、学習者がまばたきをしたか否かを意味する。瞬目集中度は、上述のとおり、例えば瞬目の頻度により導出される学習者の教材の学習に対する集中度を表す。視線位置とは、学習者の視線のウィンドウ上の位置を意味する。
図4には、例えば、ユーザID「ID001」の学習者について、2016年10月5日10時5分41秒には、瞬きすることなく瞬目集中度60で、ウィンドウ上の200,500の位置に視線を向けていたことが例示されている。
脳波情報保管部314には、脳波情報が格納される。図5は、脳波情報のデータ構成を例示する図である。図5に示すように、脳波情報2041には、ユーザID、日時、α波、β波、γ波、δ波、θ波、脳波集中度、および脳波熟考度等の項目が含まれる。
ここで、日時は、脳波情報が収集された日および時刻を表す。α波、β波、γ波、δ波、およびθ波は、脳波の各成分の強度を表す。脳波集中度および脳波熟考度は、上述のとおり、脳波のパターン等により導出される学習者の教材の学習にたいする集中度および熟考度を表す。図5には、例えば、ユーザID「ID001」の学習者について、2016年10月5日10時5分41秒には、脳波集中度80、脳波熟考度25であったことが例示されている。
時点分析情報保管部321には、時点分析情報が格納される。図6は、時点分析情報のデータ構成を例示する図である。図6に示すように、時点分析情報3211には、ユーザID、日時、閲覧ページ、閲覧ウィンドウ開始位置、閲覧ウィンドウサイズ、編集状況、編集ウィンドウ開始位置、編集ウィンドウサイズ、α波、β波、γ波、δ波、θ波、脳波集中度、脳波熟考度、瞬目の有無、瞬目集中度、視線位置、および時点状態等の項目が含まれる。
ここで、日時は、時点分析情報が作成された日および時刻を表す。閲覧ウィンドウ開始位置および閲覧ウィンドウサイズは、学習者が閲覧した教材のページの画面のウィンドウ開始位置およびウィンドウサイズを表す。編集ウィンドウ開始位置および編集ウィンドウサイズは、学習者が編集した教材画面のウィンドウ開始位置およびウィンドウサイズを表す。
なお、後述する学習支援処理において、閲覧履歴情報2021から、閲覧ページ、閲覧ウィンドウの開始位置およびウィンドウサイズが抽出される。また、編集履歴情報2011から、編集状況、編集ウィンドウの開始位置およびウィンドウサイズが抽出される。また、脳波情報2041から、α波、β波、γ波、δ波、θ波、脳波集中度および脳波熟考度が抽出される。また、視点情報2031から、瞬目の有無、瞬目集中度、視線位置が抽出される。
また、時点状態は、時点分析情報の時刻における学習者の教材の学習状態を表す情報であり、学習に集中していない、教材閲覧中、編集作業中、または思考中等が例示される。この時点状態は、後述する学習支援処理において導出される。
統合分析情報保管部331には、統合分析情報が格納される。図7は、統合分析情報のデータ構成を例示する図である。図7に示すように、統合分析情報3311には、ユーザID、閲覧ページ、日時(始点)、日時(終点)、および学習状況等の項目が含まれる。
ここで、日時(始点)および日時(終点)は、後述する学習支援処理における統合分析情報の対象の期間の始点および終点を表す。また、学習状況は、統合分析情報の対象の期間における学習者の教材の学習状況を表す情報であり、学習に集中していない、標準的な理解をしている、学習内容が簡単すぎる、学習内容が難しすぎる、または、部分的に理解できていない箇所がある等が例示される。この学習状態は、後述する学習支援処理において導出される。
制御部は、CPU等を用いて実現され、メモリに記憶された処理プログラムを実行する。これにより、制御部は、図1に例示するように、取得部300、時点分析部320、統合分析部330、および統合分析結果提供部340として機能する。
取得部300は、学習装置20から、編集履歴情報と閲覧履歴情報と視線情報と脳波情報とを取得する。本実施形態において、取得部300は、編集履歴情報取得部301、閲覧履歴情報取得部302、視線情報取得部303および脳波情報取得部304を含む。
編集履歴情報取得部301は、学習装置20の編集履歴情報取得部201から編集履歴情報を取得して、編集履歴情報2011として編集履歴情報保管部311に格納する。閲覧履歴情報取得部302は、学習装置20の閲覧履歴情報取得部202から閲覧履歴情報を取得して、閲覧履歴情報2021として閲覧履歴情報保管部312に格納する。視線情報取得部303は、学習装置20の視線情報取得部203から視線情報を取得して、視線情報2031として視線情報保管部313に格納する。脳波情報取得部304は、学習装置20の脳波情報取得部204から脳波情報を取得して、脳波情報2041として脳波情報保管部314に格納する。
時点分析部320は、同一の学習者の同一の時刻における編集履歴情報2011と閲覧履歴情報2021と視線情報2031と脳波情報2041とを用いて、当該時刻における当該学習者の教材の学習状態を分析して時点分析情報3211として出力する。
具体的に、時点分析部320は、視線情報2031に含まれる瞬目集中度と脳波情報2041に含まれる脳波集中度とを用いて教材の学習に集中しているか否かを判定する。また、時点分析部320は、視線情報2031に含まれる視線位置と閲覧履歴情報2021とを用いて教材を閲覧中か否かを判定する。また、時点分析部320は、視線位置と編集履歴情報2011とを用いて教材に対する解答の入力の編集中か否かを判定する。これにより、時点分析部320は、当該時刻における学習者の教材の学習状態を分析する。
すなわち、時点分析部320は、まず、瞬目集中度と脳波集中度とがともに予め設定された所定の閾値より低い場合に、学習に集中していないと判定し、時点状態として時点分析情報3211に記録する。
なお、上記の閾値は、視線情報2031および脳波情報2041の当該学習者についての全ての時刻のデータを用いて、統計的に個人差に対応して補正した値を用いるとよい。
一方、瞬目集中度、脳波集中度の少なくともいずれか一方が所定の閾値以上である場合には、学習に集中しているとみなされる。その場合に、時点分析部320は、この教材画面がアクティブである場合に(閲覧履歴情報2021参照)、視線位置がこの教材画面が表示されているディスプレイ内にあれば、教材閲覧中と判定し、時点状態として時点分析情報3211に記録する。また、時点分析部320は、この教材画面がアクティブでない場合に、編集状況(編集履歴情報2011参照)に変化があれば、教材に対する解答の入力の編集作業中と判定し、時点情報として記録する。また、編集状況に変化がなく編集画面がアクティブである場合には、視線位置がディスプレイ内にあれば、編集作業中と判定し、時点状態として時点分析情報3211に記録する。
上記以外の場合、すなわち編集状況に変化がなく編集画面がアクティブではない場合、あるいは編集画面がアクティブであっても視線位置がディスプレイ内にない場合に、時点分析部320は、視線位置が編集画面、教材画面のいずれにあるかを判定する。すなわち、時点分析部320は、編集画面および教材画面のウィンドウ開始位置およびウィンドウサイズ(編集履歴情報2011および閲覧履歴情報2021参照)を用いて、ディスプレイ内での編集画面および教材画面の配置を算出する。そして、時点分析部320は、視線位置が教材画面内にあれば、教材閲覧中と判定し、時点状態として時点分析情報3211に記録する。また、時点分析部320は、視線位置が編集画面内にあれば、編集作業中と判定し、時点状態として時点分析情報3211に記録する。また、時点分析部320は、視線位置が教材画面、編集画面のいずれの範囲内にもない場合には、思考中と判定し、時点状態として時点分析情報3211に記録する。
なお、時点分析部320は、上記の処理を学習者の学習時に逐次実行してもよいし、学習の終了後に実行してもよい。また、時点分析部320は、編集履歴情報2011、閲覧履歴情報2021、視線情報2031、および脳波情報2041の各情報を、記憶部から読み取って用いてもよいし、取得部300が取得した各情報を直接用いてもよい。
統合分析部330は、同一の学習者の同一の教材についての時点分析情報3211を用いて、当該学習者の当該教材の学習状況を分析して統合分析情報3311として出力する。
具体的に、まず、統合分析部330は、時点分析情報3211を用いて算出した、学習者の解答に要した時間の全学習者の平均値との差と、該学習者の教材を閲覧した時間の全学習者の平均値との差と、脳波情報2041に含まれる脳波熟考度とを用いて、該教材の該学習者にとっての難易度を判定する。
すなわち、統合分析部330は、まず、同一の学習者の同一の教材についての時点分析情報3211の時点状態を参照し、学習に集中していないと記録されている期間を算出する。この期間が予め設定された所定の閾値より長い場合に、統合分析部330は、この教材について、学習に集中していないと判定し、学習状況として統合分析情報3311に記録する。なお、本実施形態において、教材とは、閲覧ページごとに1つずつ提示される課題を意味する。
上記の期間が所定の閾値以下の場合に、統合分析部330は、全学習者の時点分析情報3211を用いて、各学習者の当該教材に対する解答に要した時間(以下、解答所要時間と記す)の平均値(以下、全学習者平均解答所要時間と記す)を算出する。例えば、各学習者の解答所要時間は、各学習者の閲覧ページごとに時点分析情報3211を集約し、当該閲覧ページについて学習中の期間に相当するものとして算出する。
また、統合分析部330は、全学習者の時点分析情報3211を用いて、各学習者の当該教材を閲覧した時間(以下、教材閲覧時間と記す)の平均値(以下、全学習者平均教材閲覧時間と記す)を算出する。例えば、各学習者の教材閲覧時間は、各学習者の閲覧ページごとに時点分析情報3211を集約し、教材閲覧中の期間に相当するものとして算出する。
また、統合分析部330は、当該学習者の閲覧ページごとに時点分析情報3211を集約し、脳波情報2041に由来する時点分析情報3211の脳波熟考度を参照する。そして、統合分析部330は、脳波熟考度と全学習者平均解答所要時間と全学習者平均教材閲覧時間とを用いて、当該学習者にとって当該閲覧ページの課題が簡単すぎるか否かを判定する。すなわち、統合分析部330は、a、b、cを定数、また閾値を予め設定された所定値として、次式(1)を満たす場合に、当該閲覧ページの課題が当該学習者にとって簡単すぎると判定し、学習状況として統合分析情報3311に記録する。
Figure 2018124483
ここで、全学習者平均解答所要時間−当該学習者の解答所要時間とは、当該学習者の解答所要時間が全学習者平均解答所要時間よりどれだけ短いかを意味する。また、全学習者平均教材閲覧時間−当該学習者の教材閲覧時間とは、当該学習者の教材閲覧時間が全学習者平均教材閲覧時間よりどれだけ短いかを意味する。
また、統合分析部330は、d、e、fを定数、また、閾値を予め設定された所定値として、次式(2)を満たす場合に、当該閲覧ページの課題が当該学習者にとって難しすぎると判定し、学習状況として統合分析情報3311に記録する。
Figure 2018124483
ここで、当該学習者の解答所要時間−全学習者平均解答所要時間とは、当該学習者の解答所要時間が全学習者平均解答所要時間よりどれだけ長いかを意味する。また、当該学習者の教材閲覧時間−全学習者平均教材閲覧時間とは、当該学習者の教材閲覧時間が全学習者平均教材閲覧時間よりどれだけ長いかを意味する。
また、統合分析部330は、閲覧履歴情報2021を用いて算出した、ページを遡った閲覧の発生率(以下、ページ戻り確率と記す)と、編集履歴情報2011を用いて算出した誤答の発生率と入力に対する削除の発生率とを用いて、部分的に理解できない箇所があるか否かを判定する。
すなわち、統合分析部330は、g、h、iを定数、また、閾値を予め設定された所定値として、次式(3)を満たす場合に、当該閲覧ページの課題が当該学習者にとって部分的に理解できていない箇所があると判定し、学習状況として統合分析情報3311に記録する。
Figure 2018124483
また、上記式(3)を満たさない場合に、統合分析部330は、当該学習者が当該閲覧ページの課題に対して標準的な理解をしていると判定し、学習状況として統合分析情報3311に記録する。
なお、上記式(3)において、統合分析部330は、1の閾値を用いて「部分的に理解できていない箇所がある」と「標準的な理解をしている」との2つの学習状況を判定しているが、これに限定されない。例えば、統合分析部330は、2以上のnについて、n個の閾値を用いて(n+1)種の学習状況を判定してもよい。
また、統合分析部330は、上記の処理を学習者の学習時に所定の間隔で実行してもよいし、学習の終了後に実行してもよい。
統合分析結果提供部340は、統合分析結果を出力する。例えば、学習者や教師等により統合分析結果の提供を要求する操作入力があった場合に、統合分析結果提供部340は、統合分析情報保管部331から対応する統合分析情報3311を読み出して、入出力装置に出力する。
[学習支援処理]
次に、図8〜図15を参照して、本実施形態に係る学習支援装置30による学習支援処理について説明する。学習支援処理は、取得処理、時点分析処理および統合分析処理を含む。
図8〜図11は、取得処理手順を示すシーケンス図である。まず、図8に例示するように、取得部300の編集履歴情報取得部301は、学習装置20の編集履歴情報取得部201から編集履歴情報を取得して、編集履歴情報2011として編集履歴情報保管部311に格納する。
また、図9に例示するように、取得部300の閲覧履歴情報取得部302は、学習装置20の閲覧履歴情報取得部202から閲覧履歴情報を取得して、閲覧履歴情報2021として、閲覧履歴情報保管部312に格納する。
また、図10に例示するように、取得部300の視線情報取得部303は、学習装置20の視線情報取得部203から視線情報を取得して、視線情報2031として視線情報保管部313に格納する。
また、図11に例示するように、取得部300の脳波情報取得部304は、学習装置20の脳波情報取得部204から脳波情報を取得して、脳波情報2041として脳波情報保管部314に格納する。
次に、図12および図13を参照して、時点分析処理手順について説明する。図12は、時点分析処理手順を示すシーケンス図である。図12のシーケンス図は、例えば、処理の開始を指示する操作入力があったタイミングで開始される。
時点分析部320は、編集履歴情報2011、閲覧履歴情報2021、視線情報2031および脳波情報2041を、それぞれ記憶部の編集履歴情報保管部311、閲覧履歴情報保管部312、視線情報保管部313、および脳波情報保管部314から読み込む。また、時点分析部320は、編集履歴情報2011、閲覧履歴情報2021、視線情報2031および脳波情報2041を用いて時点分析処理(ステップS320)を実行し、分析結果を時点分析情報3211として時点分析情報保管部321に格納する。これにより、一連の時点分析処理が終了する。
図13は、ステップS320の時点分析処理手順を示すフローチャートである。図13に例示するように、時点分析部320は、まず、瞬目集中度と脳波集中度とがともに予め設定された所定の閾値より低い場合に(ステップS3202、Yes)、学習に集中していないと判定し、時点状態として時点分析情報3211に記録する(ステップS3291)。
一方、瞬目集中度、脳波集中度の少なくともいずれか一方が所定の閾値以上である場合に(ステップS3202、No)、時点分析部320は、この教材画面がアクティブであるか否かを判定する(ステップS3203)。教材画面がアクティブである場合に(ステップS3203、Yes)、時点分析部320は、視線位置がこの教材画面が表示されているディスプレイ内にあるか否かを判定する(ステップS3205)。視線位置がディスプレイ内にあれば(ステップS3205、Yes)、時点分析部320は、教材閲覧中と判定し、時点状態として時点分析情報3211に記録する(ステップS3292)。また、時点分析部320は、この教材画面がアクティブでない場合に(ステップS3203、No)、編集状況に変化があるか否かを判定する(ステップS3204)。編集状況に変化があれば(ステップS3204、Yes)、時点分析部320は、教材に対する解答の入力の編集作業中と判定し、時点情報として記録する(ステップS3293)。また、編集状況に変化がなければ(ステップS3204、No)、時点分析部320は、編集画面がアクティブか否かを確認する(ステップS3206)。編集画面がアクティブである場合には(ステップS3206、Yes)、時点分析部320は、視線位置がディスプレイ内にあるか否かを判定する(ステップS3207)。ディスプレイ内にあれば(ステップS3207、Yes)、編集作業中と判定し、時点状態として時点分析情報3211に記録する(ステップS3293)。
上記以外の場合、すなわち教材画面がアクティブであっても視線位置がディスプレイ内にない場合に(ステップS3205、No)、編集状況に変化がなく編集画面がアクティブではない場合(ステップS3206、No)、あるいは編集画面がアクティブであっても視線位置がディスプレイ内にない場合に(ステップS3207、No)、時点分析部320は、視線位置が編集画面、教材画面のいずれにあるかを判定する。すなわち、時点分析部320は、編集画面および教材画面のウィンドウ開始位置およびウィンドウサイズを用いて、ディスプレイ内での編集画面および教材画面の配置を算出する(ステップS3208)。そして、時点分析部320は、視線位置が教材画面内にあれば(ステップS3209、Yes)、教材閲覧中と判定し、時点状態として時点分析情報3211に記録する(ステップS3292)。また、時点分析部320は、視線位置が編集画面内にあれば(ステップS3209、No→ステップS3210、Yes)、編集作業中と判定し、時点状態として時点分析情報3211に記録する(ステップS3293)。また、時点分析部320は、視線位置が教材画面、編集画面のいずれの範囲内にもない場合には(ステップS3210、No)、思考中と判定し、時点状態として時点分析情報3211に記録する(ステップS3294)。これにより、ステップS320の時点分析処理が終了する。
次に、図14および図15を参照して、統合分析処理手順について説明する。図14は、統合分析処理手順を示すシーケンス図である。図14のシーケンス図は、例えば、処理の開始を指示する操作入力があったタイミングで開始される。
統合分析部330は、時点分析情報保管部321から処理対象の期間の時点分析情報3211を読み込んで、この時点分析情報3211を用いて統合分析処理(ステップS330)を実行し、分析結果を統合分析情報3311として統合分析情報保管部331に格納する。これにより、一連の時点分析処理が終了する。
なお、統合分析結果提供部340は、学習者や教師等による統合分析結果の提供の要求を受け付けた場合に、統合分析情報保管部331から対応する統合分析情報3311を読み出して、要求元に提示する。
図15は、ステップS330の統合分析処理手順を示すフローチャートである。図15に例示するように、統合分析部330は、まず、各学習者の各課題の時点分析情報3211の時点状態を参照して算出した、学習に集中していないと記録されている期間が、予め設定された所定の閾値より長いか否かを判定する(ステップS3302)。学習に集中していない時間が所定の閾値より長い場合に(ステップS3302、Yes)、統合分析部330は、学習に集中していない状態と判定し、学習状況として統合分析情報3311に記録する(ステップS3391)。
一方、学習に集中していない時間が所定の閾値以下である場合に(ステップS3302、No)、統合分析部330は、上記式(1)を用いて、課題が簡単すぎるか否かを判定する(ステップS3303)。上記式(1)を満たす場合に(ステップS3303、Yes)、統合分析部330は、学習内容が簡単すぎる状態と判定し、学習状況として統合分析情報3311に記録する(ステップS3392)。
一方、上記式(1)を満たさない場合に(ステップS3303、No)、統合分析部330は、上記式(2)を用いて、課題が難しすぎるか否かを判定する(ステップS3304)。上記式(2)を満たす場合に(ステップS3304、Yes)、統合分析部330は、学習内容が難しすぎて理解できていない状態と判定し、学習状況として統合分析情報3311に記録する(ステップS3393)。
一方、上記式(2)を満たさない場合に(ステップS3304、No)、統合分析部330は、上記式(3)を用いて、部分的に理解できない箇所があるか否かを判定する(ステップS3305)。上記式(3)を満たす場合に(ステップS3305、Yes)、統合分析部330は、部分的に理解できていない箇所がある状態と判定し、学習状況として統合分析情報3311に記録する(ステップS3394)。
一方、上記式(3)を満たさない場合に(ステップS3305、No)、統合分析部330は、標準的な理解をしている状態と判定し、学習状況として統合分析情報3311に記録する(ステップS3395)。これにより、ステップS330の統合分析処理が終了する。
以上、説明したように、本実施形態の学習装置20において、編集履歴情報取得部201が、学習者による教材への入力状況を示す編集履歴情報を取得し、閲覧履歴情報取得部202が、学習者による教材の表示状況を示す閲覧履歴情報を取得し、視線情報取得部203が、学習者の視線の状態を示す視線情報を取得し、脳波情報取得部204が、学習者の脳波の状態を示す脳波情報を取得する。
また、学習支援装置30において、取得部300が、学習装置20から、編集履歴情報と閲覧履歴情報と視線情報と脳波情報とを取得し、時点分析部320が、同一の学習者の同一の時刻における編集履歴情報と閲覧履歴情報と視線情報と脳波情報とを用いて、該時刻における該学習者の教材の学習状態を分析して時点分析情報として出力し、統合分析部330が、同一の学習者の同一の教材についての時点分析情報を用いて、該学習者の該教材の学習状況を分析して統合分析情報として出力する。
これにより、本実施形態の学習支援システム1は、学習装置20が取得した学習者に関する情報を統合して分析するので、学習者の学習状況を正確に把握することができる。
なお、時点分析情報3211にユーザID、日時、および時点状態のみを含めるようにしてもよい。その場合、統合分析部330は、編集履歴情報保管部311に格納されている編集履歴情報2011、閲覧履歴情報法保管部312に格納されている閲覧履歴情報2021、視線情報保管部313に格納されている視線情報2031および脳波情報保管部314に格納されている脳波情報2041を参照することにより、統合分析処理を行うことができる。
[プログラム]
上記実施形態に係る学習支援システム1の学習装置20および学習支援装置30が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。一実施形態として、学習支援装置30は、パッケージソフトウェアやオンラインソフトウェアとして上記の学習支援処理を実行する学習支援プログラムを所望のコンピュータにインストールさせることによって実装できる。例えば、上記の学習支援プログラムを情報処理装置に実行させることにより、情報処理装置を学習支援装置30として機能させることができる。ここで言う情報処理装置には、デスクトップ型またはノート型のパーソナルコンピュータが含まれる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機やPHS(Personal Handyphone System)などの移動体通信端末、さらには、PDA(Personal Digital Assistants)などのスレート端末などがその範疇に含まれる。また、ユーザが使用する端末装置をクライアントとし、当該クライアントに上記の学習支援処理に関するサービスを提供するサーバ装置として実装することもできる。例えば、学習支援装置30は、学習装置20の各種情報を入力とし、統合分析結果を出力する学習支援処理サービスを提供するサーバ装置として実装される。この場合、学習支援装置30は、Webサーバとして実装することとしてもよいし、アウトソーシングによって上記の学習支援処理に関するサービスを提供するクラウドとして実装することとしてもかまわない。以下に、学習装置20および学習支援装置30と同様の機能を実現する学習支援プログラムを実行するコンピュータの一例を説明する。
図16に示すように、学習支援プログラムを実行するコンピュータ1000は、例えば、メモリ1010と、CPU1020と、ハードディスクドライブインタフェース1030と、ディスクドライブインタフェース1040と、シリアルポートインタフェース1050と、ビデオアダプタ1060と、ネットワークインタフェース1070とを有する。これらの各部は、バス1080によって接続される。
メモリ1010は、ROM(Read Only Memory)1011およびRAM1012を含む。ROM1011は、例えば、BIOS(Basic Input Output System)等のブートプログラムを記憶する。ハードディスクドライブインタフェース1030は、ハードディスクドライブ1031に接続される。ディスクドライブインタフェース1040は、ディスクドライブ1041に接続される。ディスクドライブ1041には、例えば、磁気ディスクや光ディスク等の着脱可能な記憶媒体が挿入される。シリアルポートインタフェース1050には、例えば、マウス1051およびキーボード1052が接続される。ビデオアダプタ1060には、例えば、ディスプレイ1061が接続される。
ここで、図16に示すように、ハードディスクドライブ1031は、例えば、OS1091、アプリケーションプログラム1092、プログラムモジュール1093およびプログラムデータ1094を記憶する。上記実施形態で説明した各テーブルは、例えばハードディスクドライブ1031やメモリ1010に記憶される。
また、学習支援プログラムは、例えば、コンピュータ1000によって実行される指令が記述されたプログラムモジュール1093として、ハードディスクドライブ1031に記憶される。具体的には、上記実施形態で説明した学習装置20および学習支援装置30が実行する各処理が記述されたプログラムモジュール1093が、ハードディスクドライブ1031に記憶される。
また、学習支援プログラムによる情報処理に用いられるデータは、プログラムデータ1094として、例えば、ハードディスクドライブ1031に記憶される。そして、CPU1020が、ハードディスクドライブ1031に記憶されたプログラムモジュール1093やプログラムデータ1094を必要に応じてRAM1012に読み出して、上述した各手順を実行する。
なお、学習支援プログラムに係るプログラムモジュール1093やプログラムデータ1094は、ハードディスクドライブ1031に記憶される場合に限られず、例えば、着脱可能な記憶媒体に記憶されて、ディスクドライブ1041等を介してCPU1020によって読み出されてもよい。あるいは、学習支援プログラムに係るプログラムモジュール1093やプログラムデータ1094は、LANやWAN(Wide Area Network)等のネットワークを介して接続された他のコンピュータに記憶され、ネットワークインタフェース1070を介してCPU1020によって読み出されてもよい。
以上、本発明者によってなされた発明を適用した実施形態について説明したが、本実施形態による本発明の開示の一部をなす記述および図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施形態、実施例および運用技術等は全て本発明の範疇に含まれる。
1 学習支援システム
20 学習装置
201 編集履歴情報取得部
202 閲覧履歴情報取得部
203 視線情報取得部
204 脳波情報取得部
30 学習支援装置
311 編集履歴情報保管部
312 閲覧履歴情報保管部
313 視線情報保管部
314 脳波情報保管部
321 時点分析情報保管部
331 統合分析情報保管部
300 取得部
301 編集履歴情報取得部
302 閲覧履歴情報取得部
303 視線情報取得部
304 脳波情報取得部
320 時点分析部
330 統合分析部
340 統合分析結果提供部

Claims (5)

  1. 学習装置と学習支援装置とを有する学習支援システムであって、
    前記学習装置は、
    学習者による教材への入力状況を示す編集履歴情報を取得する編集履歴情報取得部と、
    学習者による教材の表示状況を示す閲覧履歴情報を取得する閲覧履歴情報取得部と、
    学習者の視線の状態を示す視線情報を取得する視線情報取得部と、
    学習者の脳波の状態を示す脳波情報を取得する脳波情報取得部と、を備え、
    前記学習支援装置は、
    前記学習装置から、前記編集履歴情報と前記閲覧履歴情報と前記視線情報と前記脳波情報とを取得する取得部と、
    同一の学習者の同一の時刻における前記編集履歴情報と前記閲覧履歴情報と前記視線情報と前記脳波情報とを用いて、該時刻における該学習者の教材の学習状態を分析して時点分析情報として出力する時点分析部と、
    同一の学習者の同一の教材についての前記時点分析情報を用いて、該学習者の該教材の学習状況を分析して統合分析情報として出力する統合分析部と、を備える
    ことを特徴とする学習支援システム。
  2. 前記時点分析部は、前記視線情報に含まれる集中度と前記脳波情報に含まれる集中度とを用いて前記教材の学習に集中しているか否かを判定し、前記視線情報に含まれる視線位置と前記閲覧履歴情報とを用いて前記教材を閲覧中か否かを判定し、前記視線位置と前記編集履歴情報とを用いて教材に対する解答の入力の編集中か否かを判定することにより、前記学習状態を分析することを特徴とする請求項1に記載の学習支援システム。
  3. 前記統合分析部は、前記時点分析情報を用いて算出した、前記学習者の解答に要した時間の全学習者の平均値との差と、該学習者の教材を閲覧した時間の全学習者の平均値との差と、前記脳波情報に含まれる熟考度とを用いて、該教材の該学習者にとっての難易度を判定し、前記閲覧履歴情報を用いて算出したページを遡った閲覧の発生率と、前記編集履歴情報を用いて算出した誤答の発生率と入力に対する削除の発生率とを用いて、部分的に理解できない箇所があるか否かを判定することにより、前記学習状況を分析することを特徴とする請求項1または2に記載の学習支援システム。
  4. 学習者による教材への入力状況を示す編集履歴情報と、学習者による教材の表示状況を示す閲覧履歴情報と、学習者の視線の状態を示す視線情報と、学習者の脳波の状態を示す脳波情報とを取得する取得部と、
    同一の学習者の同一の時刻における前記編集履歴情報と前記閲覧履歴情報と前記視線情報と前記脳波情報とを用いて、該時刻における該学習者の教材の学習状態を分析して時点分析情報として出力する時点分析部と、
    同一の学習者の同一の教材についての前記時点分析情報を用いて、該学習者の該教材の学習状況を分析して統合分析情報として出力する統合分析部と、
    を備えることを特徴とする学習支援装置。
  5. 学習支援装置で実行される学習支援方法であって、
    学習者による教材への入力状況を示す編集履歴情報と、学習者による教材の表示状況を示す閲覧履歴情報と、学習者の視線の状態を示す視線情報と、学習者の脳波の状態を示す脳波情報とを取得する取得工程と、
    同一の学習者の同一の時刻における前記編集履歴情報と前記閲覧履歴情報と前記視線情報と前記脳波情報とを用いて、該時刻における該学習者の教材の学習状態を分析して時点分析情報として出力する時点分析工程と、
    同一の学習者の同一の教材についての前記時点分析情報を用いて、該学習者の該教材の学習状況を分析して統合分析情報として出力する統合分析工程と、
    を含んだことを特徴とする学習支援方法。
JP2017017634A 2017-02-02 2017-02-02 学習支援システム、学習支援装置および学習支援方法 Pending JP2018124483A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017017634A JP2018124483A (ja) 2017-02-02 2017-02-02 学習支援システム、学習支援装置および学習支援方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017017634A JP2018124483A (ja) 2017-02-02 2017-02-02 学習支援システム、学習支援装置および学習支援方法

Publications (1)

Publication Number Publication Date
JP2018124483A true JP2018124483A (ja) 2018-08-09

Family

ID=63110544

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017017634A Pending JP2018124483A (ja) 2017-02-02 2017-02-02 学習支援システム、学習支援装置および学習支援方法

Country Status (1)

Country Link
JP (1) JP2018124483A (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021018316A (ja) * 2019-07-19 2021-02-15 株式会社フォーサイト 学習システム、学習講義提供方法、およびプログラム
WO2021261342A1 (ja) 2020-06-26 2021-12-30 国立研究開発法人情報通信研究機構 学習システム、学習方法、及び学習プログラム
WO2022114224A1 (ja) * 2020-11-30 2022-06-02 国立大学法人大阪大学 判定装置及びプログラム
KR102452100B1 (ko) * 2021-05-24 2022-10-12 라이트하우스(주) 뇌파 및 눈 깜빡임 기반 학습 서비스 제공 방법, 장치 및 시스템
JP7458302B2 (ja) 2020-11-18 2024-03-29 株式会社日立製作所 理解難易度算出装置及び理解難易度算出方法。
JP7492294B2 (ja) 2019-10-18 2024-05-29 株式会社フォーサイト 学習システム、学習講義提供方法、およびプログラム

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021018316A (ja) * 2019-07-19 2021-02-15 株式会社フォーサイト 学習システム、学習講義提供方法、およびプログラム
JP7492294B2 (ja) 2019-10-18 2024-05-29 株式会社フォーサイト 学習システム、学習講義提供方法、およびプログラム
WO2021261342A1 (ja) 2020-06-26 2021-12-30 国立研究開発法人情報通信研究機構 学習システム、学習方法、及び学習プログラム
JP7458302B2 (ja) 2020-11-18 2024-03-29 株式会社日立製作所 理解難易度算出装置及び理解難易度算出方法。
WO2022114224A1 (ja) * 2020-11-30 2022-06-02 国立大学法人大阪大学 判定装置及びプログラム
JP7418873B2 (ja) 2020-11-30 2024-01-22 株式会社進鳳堂 判定装置及びプログラム
KR102452100B1 (ko) * 2021-05-24 2022-10-12 라이트하우스(주) 뇌파 및 눈 깜빡임 기반 학습 서비스 제공 방법, 장치 및 시스템

Similar Documents

Publication Publication Date Title
Holstein et al. Improving fairness in machine learning systems: What do industry practitioners need?
JP2018124483A (ja) 学習支援システム、学習支援装置および学習支援方法
Praetorius et al. The same in German as in English? Investigating the subject-specificity of teaching quality
US10719702B2 (en) Evaluating image-text consistency without reference
Ainley et al. Conceptualizing and measuring computer and information literacy in cross-national contexts
Ulitzsch et al. A machine learning-based procedure for leveraging clickstream data to investigate early predictability of failure on interactive tasks
Costas-Jauregui et al. Descriptive analytics dashboard for an inclusive learning environment
Maphoto et al. Advancing students' academic excellence in distance education: Exploring the potential of generative AI integration to improve academic writing skills
WO2018203122A1 (en) Computationally derived assessment in childhood education systems
Sajja et al. Integrating AI and Learning Analytics for Data-Driven Pedagogical Decisions and Personalized Interventions in Education
Hahn Undergraduate research support with optical character recognition apps
Cunningham-Nelson et al. Text analysis in education: a review of selected software packages with an application for analysing students’ conceptual understanding
Caballé et al. Software Data Engineering for Network eLearning Environments
US11113081B2 (en) Generating a video for an interactive session on a user interface
Ellis et al. Expanding and personalising feedback in online assessment: A case study in a school of pharmacy
US11501654B2 (en) Automated decision making for selecting scaffolds after a partially correct answer in conversational intelligent tutor systems (ITS)
KR20210124890A (ko) 온라인 영어 학습 서비스 및 이를 운용하는 관리 서버
Svetsky et al. Universal IT Support Design for Engineering Education
Ferreira et al. Accessibility for people with cerebral palsy: the use of blogs as an agent of social inclusion
US10255906B2 (en) Sensors and analytics for reading comprehension
Hamouche et al. Systematic bibliometric review of artificial intelligence in human resource development: insights for HRD researchers, practitioners and policymakers
McChesney et al. Do computer programmers with dyslexia see things differently? A computational eye tracking study
Livnat et al. Epinome-a novel workbench for epidemic investigation and analysis of search strategies in public health practice
Souza et al. Adding eye tracking data collection to smartphone usability evaluation: a comparison between eye tracking processes and traditional techniques
Pasaribu et al. Software Design of Image-based Autocorrection Essays using Deep Learning on the Website and Mobile Application

Legal Events

Date Code Title Description
A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20170203