JP2018169856A - 情報処理装置および情報処理方法 - Google Patents

Abstract

【課題】学習者が教育者から学習したときの、教育者から学習者への知識の伝搬の評価を行うことを可能とする。
【解決手段】学習者を教育する教育者の知識を示す情報と、所定の条件とに基づいて、前記学習者の第１の学習単位を認定する処理部を備える、情報処理装置。
【選択図】図４

Description

本開示は、情報処理装置および情報処理方法に関する。

従来、教育を受ける学習者は、学習者よりも知識を有する教育者（例えば、学校の先生）から教育を受けることが一般的である。したがって、どのような学習者がどのような教育者から学習を受けたかによって、学習者の学習の習得度は変わるため、学習において教育者に関する情報および学習者に関する情報は、重要である。

特許文献１では、教育者に関する情報および学習者に関する情報を用いたシステムが開示されている。特許文献１に開示されているシステムでは、教育者に関する情報および学習者に関する情報に基づいて、学習者にとって適切な教育者が選択される。

米国特許出願公開第２００２／００１３８３６号明細書

しかしながら特許文献１に開示されているシステムでは、学習者が教育者から学習したときの、教育者から学習者への知識の伝搬の評価について開示されていない。

そこで本開示では、学習者が教育者から学習したときの、教育者から学習者への知識の伝搬の評価を行うことが可能な、情報処理装置および情報処理方法が提案される。

本開示によれば、学習者を教育する教育者の知識を示す情報と、所定の条件とに基づいて、前記学習者の第１の学習単位を認定する処理部を備える、情報処理装置が提供される。

また、本開示によれば、コンピュータに、学習者を教育する教育者の知識を示す情報と、所定の条件とに基づいて、前記学習者の第１の学習単位を認定させる、情報処理方法が提供される。

本開示によれば、学習者が教育者から学習したときの、教育者から学習者への知識の伝搬の評価が行われる。

なお、上記の効果は必ずしも限定されず、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

図１は、本開示の実施形態に係るブロックチェーンシステムを模式的に示す図である。 図２は、本開示の実施形態に係るブロックチェーンシステムを模式的に示す図である。 図３は、本開示の実施形態に係るブロックチェーンシステムを模式的に示す図である。 図４は、本開示の実施形態に係る学習管理システムの構成を模式的に示す図である。 図５は、本開示の実施形態に係る学習管理システムにおいて管理される情報に基づいて作成される関係図の一例を示す図である。 図６は、本開示の実施形態に係る学習検出装置の機能構成の一例を示すブロック図である。 図７は、本開示の実施形態に係るサーバの機能構成の一例を示すブロック図である。 図８は、本開示の実施形態における情報処理方法の一例を示す図である。 図９は、本開示の実施形態においてブロックチェーンシステムで管理される情報の一例を示す図である。 図１０は、本開示の実施形態に係る学習管理システムの構成の他の例を示す図である。 図１１は、本開示の実施形態に係る接続デバイスの機能構成の一例を示すブロック図である。 図１２は、本開示の実施形態に係る学習検出装置のハードウェア構成の一例を示す図である。 図１３は、本開示の実施形態に係るサーバのハードウェア構成の一例を示す図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、説明は以下の順序で行う。
０．ピアツーピアデータベースの概要
１．学習管理システムの概要
２．学習管理システムを構成する装置の構成
３．学習管理システムにおける情報処理方法
４．接続デバイスからの評価情報を用いる情報処理方法
５．各装置のハードウェア構成
６．補足事項
７．むすび

＜０．ピアツーピアデータベースの概要＞
本実施形態に係る学習管理システムでは、ピアツーピアネットワークに流通している分散型のピアツーピアデータベースが利用される。なお、ピアツーピアネットワークは、ピアツーピア型分散ファイルシステムとよばれる場合もある。以下では、ピアツーピアネットワークを「Ｐ２Ｐネットワーク」、ピアツーピアデータベースを「Ｐ２Ｐデータベース」と示す場合がある。Ｐ２Ｐデータベースの例として、Ｐ２Ｐネットワークに流通しているブロックチェーンデータが利用される場合がある。よって最初に、ブロックチェーンシステムについて説明する。

図１に示すように、本実施形態に係るブロックチェーンデータは、複数のブロックがあたかも鎖のように連なって含まれるデータである。それぞれのブロックには、１または２以上の対象データが、トランザクション（取引）として格納されうる。

本実施形態に係るブロックチェーンデータとしては、例えば、Ｂｉｔｃｏｉｎなどの仮想通貨のデータのやり取りに用いられるブロックチェーンデータが挙げられる。仮想通貨のデータのやり取りに用いられるブロックチェーンデータには、例えば、直前のブロックのハッシュと、ナンスとよばれる特別な値が含まれる。直前のブロックのハッシュは、直前のブロックから正しく連なる、「正しいブロック」であるか否かを判定するために用いられる。ナンスは、ハッシュを用いた認証においてなりすましを防ぐために用いられ、ナンスを用いることによって改ざんが防止される。ナンスとしては、例えば、文字列、数字列、あるいは、これらの組み合わせを示すデータが挙げられる。

また、ブロックチェーンデータでは、各トランザクションのデータは、暗号鍵を用いた電子署名が付与される、または暗号鍵を用いて暗号化される。また、各トランザクションのデータは公開され、Ｐ２Ｐネットワーク全体で共有される。なお、ブロックチェーンシステムによっては、Ｐ２Ｐネットワーク全体で必ずしも同一の記録を保持しない場合もある。

図２は、ブロックチェーンシステムにおいて、対象データがユーザＡによって登録される様子を示す図である。ユーザＡは、ブロックチェーンデータに登録する対象データを、ユーザＡの秘密鍵を用いて電子署名する。そしてユーザＡは、電子署名された対象データを含むトランザクションをネットワーク上にブロードキャストする。これによって、対象データの保有者がユーザＡであることが担保される。

図３は、ブロックチェーンシステムにおいて、対象データがユーザＡからユーザＢに移行される様子を示す図である。ユーザＡは、トランザクションにユーザＡの秘密鍵を用いて電子署名を行い、またトランザクションにユーザＢの公開鍵を含める。これにより、対象データがユーザＡからユーザＢに移行されたことが示される。また、ユーザＢは、対象データの取引に際して、ユーザＡからユーザＡの公開鍵を取得し、電子署名された、または暗号化された対象データを取得してもよい。

また、ブロックチェーンシステムでは、例えばサイドチェイン技術を利用することによって、Ｂｉｔｃｏｉｎのブロックチェーンデータなどの、既存の仮想通貨のデータのやり取りに用いられるブロックチェーンデータに、仮想通貨とは異なる他の対象データを含めることが可能である。ここで、本実施形態において仮想通貨とは異なる他の対象データは、学習単位に関する情報である。

このように学習単位に関する情報の管理にブロックチェーンデータが利用されることによって、改ざんされない状態で学習単位に関する情報がネットワーク上に保持される。また、ブロックチェーンデータが利用されることによって、ブロックチェーンに含まれる情報を利用したい第三者は、所定の権限を有することにより、ブロックチェーンに含まれる情報にアクセスすることができる。なお、本実施形態において管理される学習単位に関する情報については、後述される。

＜１．学習管理システムの概要＞
以上では、本開示の実施形態による学習管理システムに用いられるブロックチェーンシステムについて説明された。以下では、本開示の実施形態による学習管理システムの概要について説明される。

図４は、本実施形態の学習管理システムの構成を示す図である。本実施形態の学習管理システムは、学習検出装置１００と、ネットワーク２００と、サーバ３００から構成される。なお、学習検出装置１００およびサーバ３００は、本実施形態の情報処理を実行する情報処理装置の一例である。

学習検出装置１００は、学習者（以下、ユーザとも呼ばれる）が行っている学習イベントに関する情報を取得する機器である。ここで、学習イベントとは、例えば、ユーザが教育者から教育を受けていることを示す。具体的には、学習イベントは、講義のビデオの視聴、講義の受講、ユーザと教育者との会話などを含む。

そして、ユーザは、学習検出装置１００を用いて、学習イベントに関する情報を登録してもよい。例えば、ユーザは、当該学習イベントにおける教育者に関する情報、学習者に関する情報、学習方法に関する情報、トピックに関する情報などを登録してもよい。

ここで、教育者に関する情報には、教育者のＩＤ、教育者の氏名、後述される教育者の知識に関する情報が含まれてもよい。また、学習者に関する情報には、学習者のＩＤ、学習者の氏名、後述される学習者の知識に関する情報が含まれてもよい。また、学習方法に関する情報には、講義の受講、ビデオ視聴、実技、マンツーマン講義などが含まれてもよい。なお、学習方法は、教育者が学習者に知識を伝搬させる方法とも考えられるため、学習方法は、知識の伝搬方法と呼ばれてもよい。

また、トピックに関する情報は、学習イベントにおいて行われる主題に関する情報を含む。例えば、トピックは、外国語、数学、化学、物理、地学、歴史、プログラミング、料理、エンジン制御、機械工学、気象学、天文学、アニメーションなどを含んでもよい。なお当然のことながら、トピックは、上述した例に限られない。

また、学習検出装置１００は、学習イベントで学習された内容である学習情報を取得してもよい。学習情報には、学習イベントで用いられたコンテンツに関する情報および学習イベントで取得されたデータが含まれる。例えば、学習情報には、学習イベントで用いられた教科書のテキストデータ、ビデオの画像データまたは音声データが含まれてもよい。また、学習情報には、学習イベントにおける教育者と学習者との間の会話の音声データが含まれてもよい。

したがって、学習検出装置１００は、図４に示されるように、学習検出装置１００の周囲で行われているユーザと教育者との会話の音声データを検出してもよい。図４では、ユーザが教育者から教育を受けており、学習検出装置１００は、学習検出装置１００が備えるマイクロフォンから取得される音声データを取得してもよい。

そして、学習検出装置１００は、学習イベントに関する情報および学習イベントの学習情報をサーバ３００に送信する。学習イベントに関する情報には、上述したように、教育者に関する情報、学習者に関する情報、学習方法に関する情報、トピックに関する情報などが含まれてもよい。また、学習イベントの学習情報には、学習イベントで用いられた教科書のテキストデータ、ビデオの画像データまたは音声データが含まれてもよい。

サーバ３００は、学習イベントに関する情報および学習イベントの学習情報を学習検出装置１００から受信し、受信した情報に関する処理を行う。具体的には、サーバ３００は、受信した学習情報を解析する。例えば、サーバ３００は、ベクトル空間モデルを使用して学習情報を解析し、登録されたトピックと関連性があるか否かを判定してもよい。また、サーバ３００は、学習イベントで用いられたコンテンツのファイルのヘッダを解析することによって、トピックとの関連性を判定してもよい。

例えば、サーバ３００は、ヘッダから各ファイルに関する識別情報（例えば、ファイルの作成者、ファイルの名称）を取得し、当該識別情報に基づいて、トピックとの関連性を判定してもよい。つまり、ヘッダに含まれる識別情報が英語の教科書を示す場合、英語のトピックとの関連性が認定されてもよい。

また、サーバ３００は、学習検出装置１００から受信された情報に基づいて、学習単位の認定に関する処理を行う。なお、本実施形態の学習管理システムでは、所定の機関によって管理されるカリキュラムまたはシラバスに基づいて認定される学習単位である公式学習単位（第２の学習単位）と、学校などの所定の機関によって管理されない非公式な学習単位である共有学習単位（第１の学習単位）とが、管理される。つまり、共有学習単位は、学校などの所定の機関によって管理されない非公式な学習に基づく知識の伝搬によって認定される学習単位である。

例えば、公式学習単位は、学校などの所定の機関に通学することによって認定されてもよい。また、共有学習単位は、ユーザが、公式学習単位または共有学習単位を有する教育者からプライベートで教育を受けることによって認定されてもよい。具体的には、共有学習単位には、ユーザがプライベートで申し込んだセミナーに基づいて認定される学習単位が含まれる。また、共有学習単位には、ユーザがプライベートで教育者と行った会話に基づいて認定される学習単位が含まれる。

サーバ３００は、上述した学習イベントに関する情報に基づいて、共有学習単位の認定に関する処理を行う。例えば、サーバ３００は、教育者の知識に関する情報および学習者の知識に関する情報に基づいて、共有学習単位の認定に関する処理を行う。なお、共有学習単位の認定処理については後述される。

また、サーバ３００は、学習検出装置１００に接続される接続デバイスからの情報に基づいて、共有学習単位の認定に関する処理を行ってもよい。例えば、サーバ３００は、接続デバイスから取得される多様な情報を用いて、共有学習単位の認定に関する処理を行ってもよい。接続デバイスから取得される情報は、例えば、ユーザの行動に関する情報、ユーザの生体情報、接続デバイスの使用状況に関する情報などが含まれてもよい。なお、接続デバイスが用いられる例については、図１０を用いて後述される。

そして、サーバ３００は、認定された共有学習単位に関する情報をＰ２Ｐデータベースの一例であるブロックチェーンに登録する。ここで、ブロックチェーンに登録される共有学習単位に関する情報は、図９を用いて後述されるように、トピックに関する情報、学習者に関する情報、教育者に関する情報、学習時間に関する情報および学習方法に関する情報などが含まれてもよい。

図５は、本実施形態の学習管理システムにおいてブロックチェーンで管理される情報に基づいて作成される関係図を示す。図５において「公式学習単位」は、上述した、所定の機関によって管理されるカリキュラムまたはシラバスに基づいて認定される学習単位を意味する。また、図５において「共有学習単位」は、上述した、所定の機関によって管理されない、教育者から受ける教育に基づく学習単位を意味する。また、図５において、「公式学習単位」または「共有学習単位」の右上に示される英字は、「公式学習単位」または「共有学習単位」の認定を受けたユーザを示す。

図５において、ユーザＡは、所定の機関から公式学習単位の認定を受けている。そして、ユーザＢ、ユーザＣおよびユーザＤは、所定の機関から管理されない状況で、ユーザＡから教育を受け、当該教育に基づいて共有学習単位が認定されたことが示されている。また、図５では、ユーザＢ、ユーザＣおよびユーザＤはそれぞれ、所定の機関から管理されない状況で、ユーザＦ、ユーザＧおよびユーザＨに教育を行ったことが示されている。そして、図５では、ユーザＦ、ユーザＧおよびユーザＨは、ユーザＢ、ユーザＣおよびユーザＤからの教育に基づいて、共有学習単位の認定を受けたことが示されている。

上述したように、本実施形態の情報管理システムにおいて、教育者から学習者への知識の伝搬が評価および管理される。また、本実施形態の情報管理システムでは、共有学習単位に関する情報が管理されることによって、学校などの所定の機関によって行われる教育以外の非公式の教育の管理が行われる。また、このような非公式の教育において、どのような教育がどのような教育者から行われたかを示す情報が管理される。また、共有学習単位に関する情報がブロックチェーンに登録されることによって、改ざんされない状態で学習単位に関する情報がネットワーク上に保持される。また、ブロックチェーンに含まれる情報を利用したい第三者は、所定の権限を有することにより、ブロックチェーンに含まれる情報にアクセスすることができる。

＜２．学習管理システムを構成する装置の構成＞
以上では、本開示の実施形態による学習管理システムの概要について説明された。以下では、本開示の実施形態による学習管理システムを構成する装置の構成について説明される。

（２−１．学習検出装置１００の構成）
図６は、本実施形態の学習検出装置１００の構成の一例を示す図である。学習検出装置１００は、例えば、処理部１０２と、第１通信部１０４と、第２通信部１０６と、操作部１０８と、表示部１１０と、記憶部１１２と、マイクロフォン１１４とを備える。

処理部１０２は、学習検出装置１００の各構成からの信号を処理する。例えば処理部１０２は、第１通信部１０４または第２通信部１０６から送られてくる信号の復号処理を行い、データを抽出する。また処理部１０２は、操作部１０８からの信号を処理して、処理部１０２において実行されるアプリケーションに対する指示を行ってもよい。また処理部１０２は、記憶部１１２からデータを読み出し、読み出されたデータに対する処理を行ってもよい。また処理部１０２は、マイクロフォン１１４から取得されるデータを処理してもよい。

第１通信部１０４は、有線通信または無線通信によって外部装置と通信を行う通信部であり、例えばＥｔｈｅｒｎｅｔ（登録商標）に準拠する通信方式を用いて通信を行ってもよい。また、第１通信部１０４は、３ＧＰＰ（Ｔｈｉｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）または３ＧＰＰ２によって規定される通信方式を用いて通信を行ってもよい。具体的には、第１通信部１０４は、Ｗ−ＣＤＭＡ、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）、ＣＤＭＡ２０００などの通信方式を用いて通信を行ってもよい。なお、上述した通信方式は一例であり、第１通信部１０４の通信方式は、これに限られない。

第２通信部１０６は、外部装置と近距離無線によって通信を行う通信部であり、例えばＩＥＥＥ８０２委員会によって規定される通信方式（例えばＢｌｕｅｔｏｏｔｈ（登録商標））を用いて通信を行ってもよい。また第２通信部１０６は、Ｗｉ−Ｆｉなどの通信方式を用いて通信を行ってもよい。なお、上述した通信方式は一例であり、第２通信部１０６の通信方式は、これに限られない。

操作部１０８は、ユーザの学習検出装置１００に対する操作を受け付ける。ユーザは、操作部１０８を操作することによって、例えば学習検出装置１００で実行されるアプリケーションに対する操作を行う。またユーザは、操作部１０８を操作することによって、学習検出装置１００の各種機能を設定する。例えば、ユーザは、操作部１０８を用いて、学習イベントに関する情報を登録してもよい。

表示部１１０は、画像を表示するために用いられる。例えば表示部１１０は、学習検出装置１００で実行されるアプリケーションに関する画像を表示する。また、表示部１１０は、学習イベントに用いられるコンテンツを表示してもよい。例えば、表示部１１０は、記憶部１１２に記憶されている電子ブックを表示してもよい。記憶部１１２は、学習検出装置１００で実行されるアプリケーション、オペレーティングシステムなどのプログラムを記憶する。また記憶部１１２は、学習イベントに用いられるコンテンツを記憶していてもよい。例えば、記憶部１１２は、教科書に関するテキストデータまたは講義に関する画像データを記憶してもよい。マイクロフォン１１４は、学習検出装置１００の周囲の音から音声データを取得する。

（２−２．サーバ３００の構成）
以上では、本開示の実施形態による学習検出装置１００の構成について説明された。以下では、本開示の実施形態によるサーバ３００の構成について説明される。

図７は、本実施形態の情報処理方法に係る処理を行うことが可能な、サーバ３００の構成の一例を示す図である。サーバ３００は、例えば、処理部３０２と、通信部３０４と、記憶部３０６とを備える。また処理部３０２は、解析部３０８と、認定部３１０と、登録部３１２と、を備える。

処理部３０２は、サーバ３００の各構成からの信号を処理する。例えば処理部３０２は、通信部３０４から送られてくる信号の復号処理を行い、データを抽出する。また処理部３０２は、記憶部３０６からデータを読み出し、読み出されたデータに対する処理を行う。

解析部３０８は、学習情報の解析を行う。例えば、解析部３０８は、ベクトル空間モデルを用いてテキストデータを解析する。ベクトル空間モデルは、テキストデータに含まれる単語の出現回数または出現率などを利用してテキストデータをベクトルデータとして表現する。また、解析部３０８は、音声データをテキストデータに変換する。そして解析部３０８は、音声データに基づくテキストデータをベクトルデータに変換する。

認定部３１０は、ユーザによって行われた学習が、所定のトピックと関連性があるか否かを判定する。例えば、トピックが英語の受動態である場合、認定部３１０は、解析部３０８が作成したベクトルデータを用いて、ユーザによって行われた学習が、英語の受動態と関連するか否かを判定する。

また、認定部３１０は、例えば、判定されたトピックにおける、教育者の知識を示す情報と学習者の知識を示す情報とに基づいて、共有学習単位を認定する。ここで、教育者の知識を示す情報および学習者の知識を示す情報は、記憶部３０６に記憶されていてもよく、ブロックチェーンに登録されていてもよい。教育者の知識を示す情報および学習者の知識を示す情報がブロックチェーンから取得される場合、認定部３１０は、通信部３０４を介してブロックチェーンから教育者の知識を示す情報および学習者の知識を示す情報を取得してもよい。認定部３１０が行う共有学習単位の認定に関する処理は、後述される。

登録部３１２は、認定された共有学習単位に関する情報をブロックチェーンに登録する。共有学習単位に関する情報には、例えば、トピックに関する情報、教育者に関する情報、学習者に関する情報、学習時間に関する情報、学習方法に関する情報のいずれか１つが含まれる。ブロックチェーンに登録される共有学習単位に関する情報は、図９を用いて後述される。

通信部３０４は、有線通信または無線通信によって外部装置と通信を行う通信部であり、例えばＥｔｈｅｒｎｅｔ（登録商標）に準拠する通信方式を用いて通信を行ってもよい。記憶部３０６は、処理部３０２によって使用される各種のデータを格納する。

＜３．学習管理システムにおける情報処理方法＞
以上では、本開示の実施形態による学習管理システムを構成する各装置の構成について説明された。以下では、本開示の実施形態による学習管理システムにおける情報処理方法について説明される。

（３−１．共有学習単位の認定に関する情報処理方法の一例）
図８は、本実施形態の学習管理システムにおいて実行される情報処理方法の一例を示す図である。特に、図８では、共有学習単位の認定に関する情報処理方法の一例について説明される。

Ｓ１０２において、ユーザは、学習検出装置１００を用いて学習イベントの登録を行う。例えば、ユーザは、所定のリストに含まれる講義のビデオの視聴を選択し、当該講義のビデオの視聴を学習イベントとして登録してもよい。例えば、当該講義は、英語の受動態に関する講義であってもよい。また、ユーザは、所定のリストに含まれる教育者を選択し、当該教育者とのマンツーマン講義を行ってもよい。このとき、当該マンツーマン講義が、学習イベントとして登録される。また、ユーザは、マンツーマン講義に関するトピックを選択して登録してもよい。例えば、当該マンツーマン講義は、英語の受動態に関して行われてもよい。

次に、Ｓ１０４において、学習検出装置１００は、学習イベントに関する情報および学習情報を取得する。学習イベントが講義のビデオの視聴である場合、当該講義の教育者に関する情報が、学習イベントに関する情報として取得される。また、学習者に関する情報としてユーザに関する情報が取得される。また、学習方法に関する情報としてビデオ視聴が取得される。また、トピックに関する情報として、英語の受動態が取得される。また、当該講義において再生される動画データは、学習イベントにおける学習情報として取得される。

また、学習イベントがマンツーマン講義である場合、選択された教育者に関する情報が、学習イベントに関する情報として取得される。また、学習者に関する情報としてユーザに関する情報が取得される。また、学習方法に関する情報としてマンツーマン講義が取得される。また、トピックに関する情報として、英語の受動態が取得される。また、当該マンツーマン講義における、ユーザと教育者との音声データが、学習検出装置１００によって取得される。そして、取得された音声データは、当該学習イベントにおける学習情報として取得される。なお、音声データは、学習検出装置１００に備えられるマイクロフォン１１４によって取得されてもよい。

Ｓ１０６において、例えば学習イベントが終了したとき、学習検出装置１００は、取得した学習イベントに関する情報および学習情報をサーバ３００に送信する。学習イベントの終了は、例えば、ビデオの再生が終了したことに基づいて判定されてもよい。また、学習イベントの終了は、所定の時間、音が検出されないことに基づいて判定されてもよい。

Ｓ１０８において、解析部３０８は、取得された学習情報を解析する。例えば、解析部３０８は、ベクトル空間モデルを用いて、取得されたテキストデータをベクトルデータに変換する。また、解析部３０８は、取得された音声データをテキストデータに変換し、変換されたテキストデータをベクトルデータに変換する。

そして、Ｓ１１０において、認定部３１０は、上述した共有学習単位を認定するための所定の条件について判定を行う。例えば、所定の条件は、ユーザが行った学習が登録されたトピックと関連性があること、であってもよい。

したがって、認定部３１０は、Ｓ１０４において取得された学習情報が、登録されたトピックと関連性があるか否かを判定する。例えば、上述したようにトピックが英語の受動態である場合、認定部３１０は、ベクトルデータを用いて、取得された学習情報が、英語の受動態と関連するか否かを判定する。つまり、教育者とユーザとの間で行われた学習が、トピック（英語の受動態）に関連するか否かが判定される。したがって、例えば、教育者とユーザとの間でトピックと関連性がない会話が行われている場合、認定部３１０は、教育者とユーザとの間で行われた学習は、登録されたトピックと関連性がないと判定する。また、ユーザがトピックと関連性がないビデオを視聴している場合、認定部３１０は、ユーザが行った学習は、登録されたトピックと関連性がないと判定する。これによって、ユーザが適切に学習を行っているか否かが判定される。

また、所定の条件は、一定量の学習が行われたこと、であってもよい。したがって、認定部３１０は、例えば、所定の時間（例えば１時間）、講義のビデオが視聴されたか否かを判定する。また、認定部３１０は、所定の量の会話が、教育者と学習者との間で行われたか否かを判定してもよい。なお、一定量の学習が行われたことは、解析部３０８によって生成されたベクトルデータを用いて判定されてもよい。これによって、ユーザが適切に学習を行っているか否かが判定される。

また、所定の条件は、教育者の知識および学習者の知識に関する条件であってもよい。この場合、取得された教育者に関する情報および学習者に関する情報に基づいて、所定の条件が判定されてもよい。

具体的には、Ｓ１０４において取得された教育者に関する情報には、所定のトピック（上述した例では、英語の受動態）に関する教育者の知識に関する情報が含まれる。また、Ｓ１０４において取得された学習者に関する情報には、所定のトピック（上述した例では、英語の受動態）に関する学習者の知識に関する情報が含まれる。

さらに詳細には、教育者の知識に関する情報には、公式学習知識、共有学習知識、総合学習知識に関する情報が含まれる。また、同様に、学習者の知識に関する情報にも、公式学習知識、共有学習知識、総合学習知識に関する情報が含まれる。

ここで、公式学習知識は、所定の機関が指定する公式な教育から得られた知識を示す。また、共有学習知識は、所定の機関が管理しない非公式な教育から得られた知識を示す。総合学習知識は、公式学習知識と共有学習知識の合計を示す。なお、以下では、公式学習知識、共有学習知識および総合学習知識に関する情報が、数値によって示される情報として扱われる例について説明される。

以上のような前提において、所定の条件は、以下の式１を満たすことであってもよい。

ＴＬＥ［教育者，トピック］＞教育知識閾値・・・・・・・・・・・・・（１）

ここで、ＴＬＥ［教育者，トピック］は、所定のトピックにおける、教育者の総合学習知識の値を示す。上述した式１は、学習イベントにおける教育者が、所定のトピックにおいて、教育者の資格を有するための知識を有していることを判定するために用いられる。これによって、教育者として不適格な人からの教育に基づいて、学習単位が認定されることが防がれる。なお、上述した式１では、総合学習知識が用いられた。しかしながら、教育者の資格を有するための知識の判定には、教育者の公式学習知識が用いられてもよい。つまり、教育者の公式学習知識と教育知識閾値が比較されてもよい。また、教育者の総合学習知識と公式学習知識のそれぞれに異なる教育知識閾値が設定され、総合学習知識と公式学習知識のそれぞれと対応する教育知識閾値が比較されてもよい。

また、所定の条件は、以下の式２を満たすことであってもよい。

ＴＬＥ［教育者，トピック］−総合学習知識［学習者，トピック］＞知識差閾値
・・・・・・・・・・（２）

ここで、ＴＬＥ［学習者，トピック］は、所定のトピックにおける、学習者の総合学習知識の値を示す。上述した式２は、学習イベントにおける教育者が、所定のトピックにおいて、学習者よりも豊富な知識を有していることを判定するために用いられる。これによって、学習者との知識の差が適切ではない教育者からの教育に基づいて、学習単位が認定されることが防がれる。なお、上述した式２では、総合学習知識が用いられた。しかしながら、教育者が学習者よりも豊富な知識を有していることの判定には、教育者および学習者の公式学習知識が用いられてもよい。つまり、教育者の公式学習知識と学習者の公式学習知識が比較されてもよい。

また、所定の条件は、以下の式３を満たすことであってもよい。

ＴＬＥ［学習者，トピック］＞学習知識閾値・・・・・・・・・・・・（３）

上述した式３は、学習イベントにおける学習者が、当該学習イベントを受けるための知識を有していることを判定するために用いられる。これによって、学習者の知識が、所定の学習イベント（例えば大学レベルの教育）に対して不足している場合（例えば学習者の知識が小学生レベルである場合）に、学習単位が認定されることが防がれる。なお、上述した式２では、学習者の総合学習知識が用いられた。しかしながら、学習者が学習イベントを受けるために必要な知識を有していることの判定には、学習者の公式学習知識または共有学習知識が用いられてもよい。また、学習者の総合学習知識、公式学習知識および共有学習知識のそれぞれに異なる学習知識閾値が設定され、総合学習知識、公式学習知識および共有学習知識のそれぞれと対応する学習知識閾値が比較されてもよい。

また、所定の条件は、図５において示された関係図における関係に基づく条件であってもよい。例えば、所定の条件は、公式学習単位を有する教育者から所定のホップ数以内の教育者からの教育に基づくことであってもよい。ここで、ホップ数は、図５において線で示されるように、ある教育者から教育を受けることによって、ある学習者に共有学習単位が認定されたことを意味する。つまり、ホップ数は、教育者から学習者への知識の伝搬が行われた回数を意味する。なお、図５において示されるような関係図における関係に基づく条件を用いる場合、認定部３１０は、ブロックチェーンから当該関係図を生成するための情報を取得してもよい。例えば、認定部３１０は、図９を用いて後述される情報のうち、ブロックチェーンから教育者に関する情報と学習者に関する情報を取得してもよい。

例えば、所定の条件が、公式学習単位を有する教育者からのホップ数が２以内の教育者からの教育に基づくことである場合について説明される。図５において、ユーザＪがユーザＩから教育を受ける場合、ユーザＩは、公式学習単位を有する教育者であるユーザＡからのホップ数が３であるため、条件は満たされない。一方、図５において、ユーザＧがユーザＣから教育を受ける場合、ユーザＣは、公式学習単位を有する教育者であるユーザＡからのホップ数が１であるため、条件は満たされる。

なお、知識の伝搬は、伝搬が繰り返されるたびに伝搬される量が少なくなることに鑑みて、認定部３１０は、各ユーザに対する知識の伝搬（各ホップ）に対して重み付けを行ってもよい。例えば、公式学習単位を有する教育者と学習者との間に介在する人数に基づいて、ホップ数が大きくなるような重み付けがなされてもよい。具体的には、図５において、ユーザＡとユーザＤとの間のホップ数は、ユーザＤとユーザＨとの間のホップ数よりも小さくなってもよい。なお、公式学習単位を有するユーザＡとユーザＤとの間に介在する人数は０であり、公式学習単位を有するユーザＡとユーザＨとの間に介在する人数は１である。また、ユーザＤとユーザＨとの間のホップ数は、ユーザＨとユーザＩとの間のホップ数よりも大きくなってもよい。なお、公式学習単位を有するユーザＡとユーザＨとの間に介在する人数は１であり、公式学習単位を有するユーザＡとユーザＩとの間に介在する人数は２である。

より具体的には、例えば、ユーザＡとユーザＤとの間のホップ数が仮想的に１と設定される場合、ユーザＤとユーザＨとの間のホップ数は仮想的に１．５と設定されてもよい。これは、公式学習単位を有するユーザＡとユーザＤとの間に介在する人数が、公式学習単位を有するユーザＡとユーザＨとの間に介在する人数よりも少ないからである。また、ユーザＤとユーザＨとの間のホップ数が仮想的に１．５と設定される場合、ユーザＨとユーザＩとの間のホップ数は仮想的に２と設定されてもよい。これは、公式学習単位を有するユーザＡとユーザＨとの間に介在する人数が、公式学習単位を有するユーザＡとユーザＩとの間に介在する人数よりも少ないからである。したがって、ユーザＡからユーザＩとの間のホップ数の合計は、４．５となる。

そして、所定の条件は、上述した重み付けが行われたホップ数に基づいて判定されてもよい。また、ホップ数に対する重み付けは、学習イベントまたは学習方法の種類に基づいて設定されてもよい。例えば、ビデオ視聴は、マンツーマン講義よりも知識の伝搬が行われる量が少ないと仮定される場合、ビデオ視聴による知識の伝搬を示すホップ数は、マンツーマン講義による知識の伝搬を示すホップ数よりも大きくなるように設定が行われてもよい。具体的には、図５の関係図において、ユーザＡからユーザＤへの知識の伝搬がビデオ視聴によって行われた場合、ユーザＡとユーザＤとの間のホップ数は仮想的に２と設定されてもよい。また、ユーザＤからユーザＨへの知識の伝搬がマンツーマン講義によって行われた場合、ユーザＤとユーザＨとの間のホップ数は仮想的に１と設定されてもよい。したがって、ユーザＡからユーザＨとの間のホップ数の合計は、３となる。なお、この場合、認定部３１０は、図９を用いて後述される情報のうち、ブロックチェーンから学習方法に関する情報を取得してもよい。

また、所定の条件は、ユーザの理解度を測るための試験の点数の点数が所定の点数以上であることであってもよい。これによって、ユーザが理解していない場合でも、単位が認定されることが防止される。なお、上述した試験は、サーバ３００によってユーザに提示されてもよい。

なお、上述した複数の所定の条件の例は、それぞれ組み合わせて、共有学習単位の認定のために用いられてもよく、単独で共有学習単位の認定のために用いられてもよい。

図８に戻って、Ｓ１１０において、認定部３１０が、所定の条件が満たされると判定した場合、処理は、Ｓ１１２に進む。Ｓ１１２において、認定部３１０は、ユーザに対して共有学習単位を認定する。そして、Ｓ１１４において、登録部３１２は、認定された共有学習単位に関する情報をブロックチェーンに登録する。

なお、上述された共有学習知識は、共有学習単位が認定されることによって加算されてもよい。例えば、学習イベントに対して、加算される所定の共有学習知識が対応付けられてもよい。例えばビデオの視聴によって行われる学習イベントに対しては、学習者に対して３０の共有学習知識が与えられてもよい。また、マンツーマン講義によって行われる学習イベントに対しては、教育者に対して３０の共有学習知識が与えられてもよく、学習者に対して５０の共有学習知識が与えられてもよい。また、与えられる共有学習知識は、学習情報の量に対応して可変であってもよい。例えば、教育者と学習者の間で行われた会話の量が多い場合、その量に応じて共有学習知識が与えられてもよい。

また、上述した式１から式３において用いられる、総合学習知識および共有学習知識の値は、共有学習単位が認定された後の値が用いられてもよく、共有学習単位が認定される前の値が用いられてもよい。

（３−２．ブロックチェーンに登録される情報の一例）
以上では、共有学習単位の認定に関する情報処理方法の一例について説明された。以下では、Ｐ２Ｐデータベースの一例であるブロックチェーンに登録される共有学習単位に関する情報の一例を説明する。

図９は、ブロックチェーンに登録される共有学習単位に関する情報の一例を示す図である。本実施形態の学習管理システムでは、図９に示されるような共有学習単位に関する情報が、Ｂｉｔｃｏｉｎのような既存のブロックチェーンの取引情報に代わって、またはＢｉｔｃｏｉｎのような既存のブロックチェーンの取引情報に付随して登録される。

図９に示されるように、本実施形態の学習管理システムでは、例えば、トピック（大分類および小分類）、学習者に関する情報、教育者に関する情報、学習時間、学習方法が、ブロックチェーンに登録されてもよい。また、学習者に関する情報には、ユーザＩＤ（学習者ＩＤ）、取得された共有学習知識に関する情報、学習後の総合学習知識に関する情報が含まれてもよい。また、教育者に関する情報には、教育者ＩＤ、保有学習単位の種類に関する情報、取得された共有学習知識に関する情報、学習後の総合学習知識に関する情報が含まれてもよい。なお、図９には図示されないが、学習者に関する情報および教育者に関する情報には、公式学習知識に関する情報も含まれてもよい。

また、ブロックチェーンには、ユーザの理解度に関する情報が登録されてもよい。理解度は、ユーザに対して行われるテストの点数に基づいて判定されてもよい。

このように、共有学習単位に関する情報がブロックチェーンデータで管理されることによって、情報の改ざんがされない状態で、および第三者が情報を利用しやすい状態でユーザに対して認定された共有学習単位に関して管理が行われる。

＜４．接続デバイスからの評価情報を用いる情報処理方法＞
以上では、共有学習単位の認定に関する情報処理方法の一例について説明された。以下では、本実施形態の学習管理システムにおける他の構成の一例を説明する。本実施形態では、図１０に示されるように、学習検出装置１００に接続される接続デバイス４００が取得する評価情報が、図８のＳ１１０における判定に用いられる。このような接続デバイス４００が取得する評価情報は、学習者が適切に学習を行っているか否かを判定するために用いられる。

本実施形態において、学習検出装置１００は、図１０に示されるように、テレビ、冷蔵庫、シーリングライト、携帯電話、ウェアラブルデバイス、電子レンジなどの接続デバイス４００と接続される。接続デバイス４００は、テレビ、冷蔵庫、シーリングライト、電子レンジなどのように設置される位置が変更される可能性が低い固定デバイスと、携帯電話、ウェアラブルデバイスなどのような位置が変更される可能性が高い携帯デバイスとを含む。なお、学習検出装置１００は、無線または有線で接続デバイス４００と接続されてもよい。

接続デバイス４００は、内蔵されるセンサなどを用いて、ユーザの学習の評価に用いられる評価情報を取得する。接続デバイス４００が取得する評価情報は、例えば、ユーザの行動に関する情報、ユーザの生体情報、接続デバイス４００の使用状況に関する情報などの情報を含む。

ユーザの行動に関する情報には、接続デバイス４００が携帯デバイスである場合、位置情報が含まれてもよい。また、ユーザの行動に関する情報には、ユーザの運動状態を示す情報（例えば、ユーザが歩いている、走っている、ユーザがベッドなどで横になっていることを示す情報）が含まれてもよい。なお、ユーザの運動状態は、センサから取得される情報を用いてパターンマッチングを行うことによって、判定されてもよい。

また、ユーザの生体情報には、心拍数、血圧、発汗量、体温、脳波などに関する情報が含まれてもよい。また、接続デバイス４００の使用状況に関する情報には、例えば、接続デバイス４００の電源がオン／オフになったこと、接続デバイス４００の扉が開かれたこと、を示す情報が含まれてもよい。また、接続デバイス４００の使用状況に関する情報には、接続デバイス４００が操作されていることを示す情報が含まれてもよい。

接続デバイス４００は、上述した評価情報を学習検出装置１００に送信し、さらに学習検出装置１００は、評価情報をサーバ３００に送信する。そして、サーバ３００の認定部３１０は、評価情報に基づいて、図８のＳ１１０における所定の条件を判定する。

ここで所定の条件は、例えば、接続デバイス４００の使用が検知されていないこと、接続デバイス４００に対する操作が検知されていないことであってもよい。また、所定の条件は、ユーザの移動が検知されていないこと、ユーザが横になっていないことであってもよい。

以上のように、本実施形態の学習管理システムでは、接続デバイス４００が取得する幅広い評価情報に基づいて、学習者の学習が評価される。このように、接続デバイス４００から取得される評価情報に基づいてユーザが行った学習に対する評価が行われることによって、ユーザが学習に集中していない場合に、ユーザに学習単位が認定されることを防ぐことができる。

図１１は、接続デバイス４００の構成の一例を示す図である。接続デバイス４００は、例えば、処理部４０２と、通信部４０４と、センサ４０６と、位置情報取得部４０８とを備える。

処理部４０２は、接続デバイス４００の各構成からの信号を処理する。例えば処理部４０２は、通信部４０４から送信される情報の符号化を行う。また処理部４０２は、センサ４０６から取得される情報を処理する。

センサ４０６は、接続デバイス４００の動きを検知する。例えば、センサ４０６は、加速度センサ、ジャイロセンサ、気圧センサ、地磁気センサなどから構成される。加速度センサは、接続デバイス４００に対する加速度を検知する。ジャイロセンサは、接続デバイス４００に対する角加速度および角速度を検知する。気圧センサは、気圧を検知し、検知された気圧に基づいて接続デバイス４００の高度が算出される。地磁気センサは、地磁気を検知し、検知された地磁気に基づいて接続デバイス４００の向きが算出される。

位置情報取得部４０８は、接続デバイス４００の位置を取得する。位置情報取得部４０８は、例えばＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）を用いて接続デバイス４００の位置を取得してもよい。また位置情報取得部４０８は、セルラ通信ネットワークの基地局からの情報に基づいて接続デバイス４００の位置を取得してもよい。

なお、上述した例では、接続デバイス４００は、取得した評価情報を学習検出装置１００に送信した。しかしながら、接続デバイス４００は、評価情報をブロックチェーンに登録してもよい。そして、サーバ３００は、ブロックチェーンから評価情報を取得してもよい。このとき、接続デバイス４００の処理部４０２は、評価情報をブロックチェーンに登録する登録部を備えてもよい。

＜５．各装置のハードウェア構成＞
以上では、本実施形態による学習管理システムおよび学習管理システムにおいて実行される情報処理方法について説明された。以下では、学習管理システムの各装置のハードウェア構成について説明される。

（５−１．学習検出装置１００のハードウェア構成）
以下では、図１２を参照しながら、本開示の実施形態に係る学習検出装置１００のハードウェア構成について、詳細に説明する。図１２は、本開示の実施形態に係る学習検出装置１００（例えばラップトップパソコン）のハードウェア構成を説明するためのブロック図である。

学習検出装置１００は、主に、ＣＰＵ８０１と、ＲＯＭ８０３と、ＲＡＭ８０５と、を備える。また、学習検出装置１００は、更に、ホストバス８０７と、ブリッジ８０９と、外部バス８１１と、インターフェース８１３と、入力装置８１５と、出力装置８１７と、ストレージ装置８１９と、ドライブ８２１と、第２通信装置８２３と、第１通信装置８２５とを備える。

ＣＰＵ８０１は、中心的な処理装置及び制御装置として機能し、ＲＯＭ８０３、ＲＡＭ８０５、ストレージ装置８１９、又はリムーバブル記録媒体８２７に記録された各種プログラムに従って、学習検出装置１００内の動作全般又はその一部を制御する。なお、ＣＰＵ８０１は、処理部１０２の機能を有してもよい。ＲＯＭ８０３は、ＣＰＵ８０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ８０５は、ＣＰＵ８０１が使用するプログラムや、プログラムの実行において適宜変化するパラメータ等を一次記憶する。これらはＣＰＵバス等の内部バスにより構成されるホストバス８０７により相互に接続されている。

ホストバス８０７は、ブリッジ８０９を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス８１１に接続されている。

入力装置８１５は、例えば静電式または感圧式のタッチパネル、ボタン、スイッチ及びジョグダイヤルなどユーザが操作する操作手段である。さらに、入力装置８１５は、例えば、上記の操作手段を用いてユーザにより入力された情報に基づいて入力信号を生成し、ＣＰＵ８０１に出力する入力制御回路などから構成されている。ユーザは、この入力装置８１５を操作することにより、学習検出装置１００に対して各種のデータを入力したり処理動作を指示したりすることができる。なお、入力装置８１５は、操作部１０８の機能を有してもよい。

出力装置８１７は、取得した情報をユーザに対して視覚的又は聴覚的に通知することが可能な装置で構成される。このような装置として、液晶ディスプレイ装置、ＥＬディスプレイ装置及びランプなどの表示装置、またはスピーカ及びヘッドホンなどの音声出力装置などがある。出力装置８１７は、例えば、学習検出装置１００が行った各種処理により得られた結果を出力する。具体的には、表示装置は、学習検出装置１００が行った各種処理により得られた結果を、テキスト又はイメージで表示する。他方、音声出力装置は、再生された音声データや音響データ等からなるオーディオ信号をアナログ信号に変換して出力する。なお、出力装置８１７の表示装置は、表示部１１０の機能を有してもよい。

ストレージ装置８１９は、学習検出装置１００において用いられるデータを格納するための装置である。ストレージ装置８１９は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等により構成される。このストレージ装置８１９は、ＣＰＵ８０１が実行するプログラムや各種データ、及び外部から取得した各種データなどを格納する。

ドライブ８２１は、記録媒体用リーダライタであり、学習検出装置１００に内蔵、あるいは外付けされる。ドライブ８２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体８２７に記録されている情報を読み出して、ＲＡＭ８０５に出力する。また、ドライブ８２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体８２７に記録を書き込むことも可能である。リムーバブル記録媒体８２７は、例えば、ＤＶＤメディア、ＨＤ−ＤＶＤメディア、Ｂｌｕ−ｒａｙ（登録商標）メディア等である。また、リムーバブル記録媒体８２７は、コンパクトフラッシュ（登録商標）（ＣｏｍｐａｃｔＦｌａｓｈ：ＣＦ）、フラッシュメモリ、又は、ＳＤメモリカード（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ ｍｅｍｏｒｙ ｃａｒｄ）等であってもよい。また、リムーバブル記録媒体８２７は、例えば、非接触型ＩＣチップを搭載したＩＣカード（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ ｃａｒｄ）又は電子機器等であってもよい。

第２通信装置８２３は、外部接続機器８２９と通信を確立することによって、外部接続機器との間でデータを交換するために用いられる。第２通信装置８２３の一例として、ＩＥＥＥ８０２．１１ポート、ＩＥＥＥ８０２．１５ポート等がある。この第２通信装置によって外部接続機器８２９と接続されることで、学習検出装置１００は、外部接続機器８２９から直接各種データを取得したり、外部接続機器８２９に各種データを送信したりする。

第１通信装置８２５は、例えば、通信網８３１に接続するための通信デバイス等で構成された通信インターフェースである。第１通信装置８２５は、例えば、有線又は無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、又はＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カード等である。また、第１通信装置８２５は、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、又は、各種通信用のモデム等であってもよい。この第１通信装置８２５は、例えば、インターネットや他の通信機器との間で、例えばＴＣＰ／ＩＰ等の所定のプロトコルに則して信号等を送受信することができる。また、第１通信装置８２５に接続される通信網８３１は、有線又は無線によって接続されたネットワーク等により構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信又は衛星通信等であってもよい。

（５−２．サーバ３００のハードウェア構成）
以下では、図１３を参照しながら、本開示の実施形態に係るサーバ３００のハードウェア構成について、詳細に説明する。図１３は、本開示の実施形態に係るサーバ３００のハードウェア構成を説明するためのブロック図である。

サーバ３００は、主に、ＣＰＵ９０１と、ＲＯＭ９０３と、ＲＡＭ９０５と、を備える。また、サーバ３００は、更に、ホストバス９０７と、ブリッジ９０９と、外部バス９１１と、インターフェース９１３と、入力装置９１５と、出力装置９１７と、ストレージ装置９１９と、ドライブ９２１と、接続ポート９２３と、通信装置９２５とを備える。

ＣＰＵ９０１は、中心的な処理装置及び制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、又はリムーバブル記録媒体９２７に記録された各種プログラムに従って、サーバ３００内の動作全般又はその一部を制御する。なお、ＣＰＵ９０１は、処理部３０２の機能を有してもよい。また、ＣＰＵ９０１は、解析部３０８、認定部３１０、登録部３１２をそれぞれ構成してもよい。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０５は、ＣＰＵ９０１が使用するプログラムや、プログラムの実行において適宜変化するパラメータ等を一次記憶する。これらはＣＰＵバス等の内部バスにより構成されるホストバス９０７により相互に接続されている。

入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ及びレバーなどユーザが操作する操作手段である。また入力装置９１５は、例えば、上記の操作手段を用いてユーザにより入力された情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路などから構成されている。ユーザは、この入力装置９１５を操作することにより、サーバ３００に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置９１７は、取得した情報をユーザに対して視覚的又は聴覚的に通知することが可能な装置で構成される。このような装置として、ＣＲＴディスプレイ装置、液晶ディスプレイ装置、プラズマディスプレイ装置、ＥＬディスプレイ装置及びランプなどの表示装置や、スピーカ及びヘッドホンなどの音声出力装置や、プリンタ装置、携帯電話、ファクシミリなどがある。出力装置９１７は、例えば、サーバ３００が行った各種処理により得られた結果を出力する。具体的には、表示装置は、サーバ３００が行った各種処理により得られた結果を、テキスト又はイメージで表示する。他方、音声出力装置は、再生された音声データや音響データ等からなるオーディオ信号をアナログ信号に変換して出力する。

ストレージ装置９１９は、サーバ３００の記憶部３０６の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等により構成される。このストレージ装置９１９は、ＣＰＵ９０１が実行するプログラムや各種データ、及び外部から取得した各種データなどを格納する。なお、ストレージ装置９１９は、記憶部３０６の機能を有してもよい。

ドライブ９２１は、記録媒体用リーダライタであり、サーバ３００に内蔵、あるいは外付けされる。ドライブ９２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９２７に記録を書き込むことも可能である。リムーバブル記録媒体９２７は、例えば、ＤＶＤメディア、ＨＤ−ＤＶＤメディア、Ｂｌｕ−ｒａｙ（登録商標）メディア等である。また、リムーバブル記録媒体９２７は、コンパクトフラッシュ（登録商標）（ＣｏｍｐａｃｔＦｌａｓｈ：ＣＦ）、フラッシュメモリ、又は、ＳＤメモリカード（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ ｍｅｍｏｒｙ ｃａｒｄ）等であってもよい。また、リムーバブル記録媒体９２７は、例えば、非接触型ＩＣチップを搭載したＩＣカード（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ ｃａｒｄ）又は電子機器等であってもよい。

接続ポート９２３は、機器をサーバ３００に直接接続するためのポートである。接続ポート９２３の一例として、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）ポート等がある。接続ポート９２３の別の例として、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）ポート等がある。この接続ポート９２３に外部接続機器９２９を接続することで、サーバ３００は、外部接続機器９２９から直接各種データを取得したり、外部接続機器９２９に各種データを提供したりする。

通信装置９２５は、例えば、通信網９３１に接続するための通信デバイス等で構成された通信インターフェースである。通信装置９２５は、例えば、有線又は無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、又はＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カード等である。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、又は、各種通信用のモデム等であってもよい。この通信装置９２５は、例えば、インターネットや他の通信機器との間で、例えばＴＣＰ／ＩＰ等の所定のプロトコルに則して信号等を送受信することができる。また、通信装置９２５に接続される通信網９３１は、有線又は無線によって接続されたネットワーク等により構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信又は衛星通信等であってもよい。

＜６．補足事項＞
以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属する。

例えば、上述した学習単位には、運動に関する学習単位が含まれてもよい。例えば、運動に関する学習イベントは、学習検出装置１００に接続される接続デバイス４００に備えられるセンサ（例えば加速度センサ、ジャイロセンサ）によって取得される、ユーザの行動に関する情報（以下、行動データとも呼ばれる）に基づいて、検出されてもよい。

例えば、行動データは、ユーザが歩いていること、ユーザが走っていること、特定の運動または競技に関する行動を行っていること、などを示す情報である。具体的には、特定の運動または競技に関する行動には、ユーザが泳いでいること、ユーザがバットを振っていること、ユーザがラケットを振っていること、ユーザがボールを投げていること、などの行動が含まれる。なお、行動データは、ユーザがそれぞれの行動を行ったときの統計的に算出されている加速度等の波形と、センサによって検出される波形とが比較されることによって取得されてもよい。なお、上述した運動の学習単位の認定に関する情報処理方法は、図８を用いて説明された情報処理方法と同様である。

なお、運動の学習単位に関するトピックに関して、例えば、運動の学習単位に関するトピックの大分類は、野球、サッカー、ランニング、歩行などが含まれてもよい。また、トピックの小分類は、トピックの大分類が野球の場合、例えば、ピッチング、バッティング、守備、走塁などが含まれてもよい。このように、トピックが大分類と小分類に分類分けされることによって、より詳細に学習が管理される。

また、上述した実施形態において、共有学習単位の認定は、サーバ３００で行われた。しかしながら共有学習単位の認定は、学習検出装置１００で行われてもよい。つまり学習検出装置１００は、サーバ３００の解析部３０８および認定部３１０の機能を有してもよい。また、学習検出装置１００は、認定された共有学習単位に関する情報をブロックチェーンに登録してもよい。つまり学習検出装置１００は、サーバ３００の登録部３１２の機能を有してもよい。

また、上述した例では、学習単位に関する情報が、ブロックチェーンに登録された。しかしながら、学習単位に関する情報は、ブロックチェーン以外のシステムに登録されてもよい。例えば、学習単位に関する情報は、クラウドシステムを構築するサーバ群によって管理されてもよい。また、学習単位に関する情報は、既存のＰ２Ｐネットワークによって管理されてもよい。

また、本実施形態の情報処理は、携帯電話、タブレットコンピュータ、ウェアラブルデバイス、デスクトップコンピュータ、ＰＤＡ、車載デバイスなどの情報処理装置で行われてもよい。またサーバ３００は、有線で他の装置と接続されていなくてもよく、持ち運び可能なコンピュータであってもよい。

また、学習検出装置１００の処理部１０２およびサーバ３００の処理部３０２を、図８を用いて上述したような動作を行わせるためのコンピュータプログラムが提供されてもよい。また、このようなプログラムが記憶された記憶媒体が提供されてもよい。

＜７．むすび＞
以上説明したように本開示の学習情報管理システムでは、教育者から学習者への知識の伝搬が評価および管理される。また、本実施形態の情報管理システムでは、学校などの所定の機関によって行われる教育以外の教育によって認定される共有学習単位に関する情報が管理される。このように共有学習単位に関する情報が管理されることによって、学校などの所定の機関によって行われる教育以外の幅広い教育に関する情報の管理が行われる。また、このような非公式の教育において、どのような教育がどのような教育者から行われたかを示す情報が管理される。また、共有学習単位に関する情報がブロックチェーンに登録されることによって、改ざんされない状態で学習単位に関する情報がネットワーク上に保持される。また、ブロックチェーンに含まれる情報を利用したい第三者は、所定の権限を有することにより、ブロックチェーンに含まれる情報にアクセスすることができる。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）
学習者を教育する教育者の知識を示す情報と、所定の条件とに基づいて、前記学習者の第１の学習単位を認定する処理部を備える、情報処理装置。
（２）
前記教育者の知識は数値で表され、
前記所定の条件は、前記教育者の知識を示す情報の値が、教育者の資格を有するための知識を有していることを判定するための第１の閾値よりも大きいことである、前記（１）に記載の情報処理装置。
（３）
前記処理部は、さらに前記学習者の知識を示す情報に基づいて、前記第１の学習単位を認定する、前記（１）に記載の情報処理装置。
（４）
前記教育者の知識と前記学習者の知識は数値で表され、
前記所定の条件は、前記教育者の知識を示す情報の値と前記学習者の知識を示す情報の値との差が、第２の閾値よりも大きいことである、前記（３）に記載の情報処理装置。
（５）
前記学習者の知識は数値で表され、
前記所定の条件は、前記学習者の知識を示す情報の値が、前記学習者が学習を行うための知識を有していることを判定するための第３の閾値よりも大きいことである、前記（３）に記載の情報処理装置。
（６）
前記所定の条件は、前記学習者が行った学習が登録されたトピックと関連性があることである、前記（１）から前記（５）のいずれか１項に記載の情報処理装置。
（７）
前記処理部は、前記教育者に関する情報として、第１の学習単位とは異なる第２の学習単位に関する情報を取得し、
前記第２の学習単位に関する情報に基づいて、前記第２の学習単位を有する前記教育者から前記学習者への知識の伝搬が行われた回数を示すホップ数を算出し、
前記所定の条件は、前記ホップ数が所定の回数以内であることである、前記（１）から前記（６）のいずれか１項に記載の情報処理装置。
（８）
前記処理部は、前記ホップ数に対して、前記第２の学習単位を有する前記教育者と前記学習者との間の人数に基づいて重み付けを行う、前記（７）に記載の情報処理装置。
（９）
前記処理部は、知識の伝搬方法に関する情報を取得し、
前記処理部は、前記ホップ数に対して、前記知識の伝搬方法に基づく重み付けを行う、前記（７）に記載の情報処理装置。
（１０）
前記処理部は、さらに前記学習者の学習を評価する評価情報を用いて、前記第１の学習単位を認定する、前記（１）から前記（９）のいずれか１項に記載の情報処理装置。
（１１）
前記処理部は、前記評価情報を取得する接続デバイスから、前記評価情報を取得する、前記（１０）に記載の情報処理装置。
（１２）
前記評価情報は、前記学習者の行動に関する情報、前記学習者の生体情報、前記接続デバイスの使用状況に関する情報のいずれか１つを含む、前記（１１）に記載の情報処理装置。
（１３）
前記処理部は、認定された前記第１の学習単位に関する情報をＰ２Ｐデータベースに登録する、前記（１）から前記（１２）のいずれか１項に記載の情報処理装置。
（１４）
前記Ｐ２Ｐデータベースは、ブロックチェーンである、前記（１３）に記載の情報処理装置。
（１５）
前記第１の学習単位に関する情報は、学習されたトピックに関する情報、前記教育者に関する情報、前記学習者に関する情報、学習時間に関する情報、学習方法に関する情報のいずれか１つを含む、前記（１３）に記載の情報処理装置。
（１６）
コンピュータに、学習者を教育する教育者の知識を示す情報と、所定の条件とに基づいて、前記学習者の第１の学習単位を認定させる、情報処理方法。

１００ 学習検出装置
１０２ 処理部
１０４ 第１通信部
１０６ 第２通信部
１０８ 操作部
１１０ 表示部
１１２ 記憶部
１１４ マイクロフォン
２００ ネットワーク
３００ サーバ
３０２ 処理部
３０４ 通信部
３０６ 記憶部
３０８ 解析部
３１０ 認定部
３１２ 登録部
４００ 接続デバイス
４０２ 処理部
４０４ 通信部
４０６ センサ
４０８ 位置情報取得部

Claims (16)

1. 学習者を教育する教育者の知識を示す情報と、所定の条件とに基づいて、前記学習者の第１の学習単位を認定する処理部を備える、情報処理装置。
2. 前記教育者の知識は数値で表され、
   前記所定の条件は、前記教育者の知識を示す情報の値が、教育者の資格を有するための知識を有していることを判定するための第１の閾値よりも大きいことである、請求項１に記載の情報処理装置。
3. 前記処理部は、さらに前記学習者の知識を示す情報に基づいて、前記第１の学習単位を認定する、請求項１に記載の情報処理装置。
4. 前記教育者の知識と前記学習者の知識は数値で表され、
   前記所定の条件は、前記教育者の知識を示す情報の値と前記学習者の知識を示す情報の値との差が、第２の閾値よりも大きいことである、請求項３に記載の情報処理装置。
5. 前記学習者の知識は数値で表され、
   前記所定の条件は、前記学習者の知識を示す情報の値が、前記学習者が学習を行うための知識を有していることを判定するための第３の閾値よりも大きいことである、請求項３に記載の情報処理装置。
6. 前記所定の条件は、前記学習者が行った学習が登録されたトピックと関連性があることである、請求項１に記載の情報処理装置。
7. 前記処理部は、前記教育者に関する情報として、第１の学習単位とは異なる第２の学習単位に関する情報を取得し、
   前記第２の学習単位に関する情報に基づいて、前記第２の学習単位を有する前記教育者から前記学習者への知識の伝搬が行われた回数を示すホップ数を算出し、
   前記所定の条件は、前記ホップ数が所定の回数以内であることである、請求項１に記載の情報処理装置。
8. 前記処理部は、前記ホップ数に対して、前記第２の学習単位を有する前記教育者と前記学習者との間の人数に基づいて重み付けを行う、請求項７に記載の情報処理装置。
9. 前記処理部は、知識の伝搬方法に関する情報を取得し、
   前記処理部は、前記ホップ数に対して、前記知識の伝搬方法に基づく重み付けを行う、請求項７に記載の情報処理装置。
10. 前記処理部は、さらに前記学習者の学習を評価する評価情報を用いて、前記第１の学習単位を認定する、請求項１に記載の情報処理装置。
11. 前記処理部は、前記評価情報を取得する接続デバイスから、前記評価情報を取得する、請求項１０に記載の情報処理装置。
12. 前記評価情報は、前記学習者の行動に関する情報、前記学習者の生体情報、前記接続デバイスの使用状況に関する情報のいずれか１つを含む、請求項１１に記載の情報処理装置。
13. 前記処理部は、認定された前記第１の学習単位に関する情報をＰ２Ｐデータベースに登録する、請求項１に記載の情報処理装置。
14. 前記Ｐ２Ｐデータベースは、ブロックチェーンである、請求項１３に記載の情報処理装置。
15. 前記第１の学習単位に関する情報は、学習されたトピックに関する情報、前記教育者に関する情報、前記学習者に関する情報、学習時間に関する情報、学習方法に関する情報のいずれか１つを含む、請求項１３に記載の情報処理装置。
16. コンピュータに、学習者を教育する教育者の知識を示す情報と、所定の条件とに基づいて、前記学習者の第１の学習単位を認定させる、情報処理方法。

Images