JP2020003690A - 学習支援装置、方法、及びコンピュータプログラム - Google Patents

Abstract

【課題】学習者が設定した目標を達成するために必要な勉強の量と質を学習者に提示する技術を提供する。【解決手段】学習者の学習を支援する装置１であって、学習者に対して出題される問題情報と、問題ごとの難易度を記憶する問題情報記憶手段１１と、学習者ごとに、問題情報記憶手段に記憶されている問題のうち、学習者が学習した問題を特定する問題特定情報と、その問題の学習時期と、学習者が正答したか否かを履歴情報として記憶する履歴情報記憶手段１４と、履歴情報記憶手段に記憶された履歴情報を参照して、学習者が学習した問題の難易度と学習に取り組んだ問題数及び学習者の正答率又は、学習者が正解した問題数とその問題の難易度に基づいて表される学習の質を算出して出力する解析処理手段１８とを有する。【選択図】図１

Description

本発明は、学習者が設定した目標を達成するために必要な勉強の量と質を学習者に提示する技術に関する。

従来、学習教材では、発展問題、標準問題、基本問題といった根拠のない漠然とした基準に基づいた問題集などがある。また、様々なＩＣＴ教材も提供されているが、上記の問題集と同様に、発展問題、標準問題、基本問題といった根拠のない漠然とした枠組みの教材コンテンツが多くある。そして学習者のアカウント同士を数量や時間で比較して単純にランキングを出して、勝ち負けを集計結果として表示する程度のものが多くある。

この点、例えば特許文献１では、問題、前記問題の正答、当該問題の困難度、および当該問題を学習者に指導する際に用いる指導情報を格納する問題蓄積手段と、前記問題蓄積手段に格納された問題を前記学習者に順次提示する問題提示手段と、前記問題提示手段で提示されている問題に対し、前記学習者が入力した解答を受け付ける解答受付手段と、前記解答受付手段で受け付けた解答と、前記問題蓄積手段に格納されている前記提示されている問題の正答とを比較し、正誤結果を取得する正誤結果取得手段と、前記問題提示手段で順次提示される問題について、正誤結果取得手段で取得された正誤結果と、当該正誤結果に対応する問題に対応付けて前記問題蓄積手段に格納されている困難度とを関連付けた解答結果を時系列に格納する解答結果格納手段と、前記解答結果格納手段に格納されている時系列の解答結果に基づいて、前記提示されている問題の指導が必要か否かを判断する指導判断手段と、前記指導判断手段にて指導が必要と判断された場合に、前記問題蓄積手段において、前記提示されている問題に対応付けて格納されている指導情報を前記学習者に提示する指導実施手段と、を備えた学習支援装置が提案されている。

特開２０１３−６１４８３号公報

しかしながら、従来は、問題量は単に消化した問題数として集積され、成果率も学習者個人としては、ある一定の意味を持っていたが、異なる学習者同士を比較しても、それぞれ異なる問題に取り組んでいけるため、その比較は意味を成さなくなっていた。

そこで、本発明は、学習の質を把握することが可能となり、これに応じた学習の計画や学習者へのモチベーションを高める仕組みを提供することを目的とする。

上記目的を達成するため、本発明の一の観点に係る学習支援装置は、学習者の学習を支援する装置であって、上記学習者に対して出題される問題情報と、当該問題ごとの難易度を記憶する問題情報記憶手段と、学習者ごとに、上記問題情報記憶手段に記憶されている問題のうち、当該学習者が学習した問題を特定する問題特定情報と、その問題の学習時期と、学習者が正答したか否かを履歴情報として記憶する履歴情報記憶手段と、上記履歴情報記憶手段に記憶された履歴情報を参照して、上記学習者が学習した問題の難易度と学習に取り組んだ問題数及び当該学習者の正答率又は、上記学習者が正解した問題数とその問題の難易度に基づいて表される学習の質を算出して出力する分析処理手段と、を有することを特徴とする。

上記学習者の個人情報に関連付けて、進学先や就職先の分野及び職種を記憶することができる学習者情報記憶手段と、上記分析処理手段は、上記学習者情報記憶手段を参照して、上記学習者の希望分野又は希望職種に該当する過去の学習者を成功者として特定し、上記履歴情報記憶手段を参照して、上記成功者の学習の質をさらに算出して出力してもよい。

上記分析処理手段は、上記学習者の学習の質と、上記成功者の学習の質とを、同じ画面上に重畳して表示してもよい。

上記分析処理手段は、上記学習の時期ごとに学習の質を算出してもよい。

上記分析処理手段は、上記学習者の履歴情報に基づいて、将来の学習者の学習の質を予測して出力してもよい。

上記分析処理手段は、予測した学習者の将来の学習の質と、上記成功者の学習履歴とを重畳して表示してもよい。

上記分析処理手段は、進学先や就職先の分野、職種ごとの成功者の学習履歴に基づいて、進学先や就職先の分野及び職種ごとの学習の質を算出し、上記学習者の学習の質に基づいて、上記進学先や就職先の分野、職種ごとの成功者の学習の質と比較して、上記学習者に合致する進学先や就職先の分野、職種を特定して出力してもよい。

上記問題の難易度は、上記問題に対する学習者の正答率に基づいて算定してもよい

本発明の一の観点にかかる学習支援方法は、学習者に対して出題される問題情報と、当該問題ごとの難易度を記憶する問題情報記憶手段を有するコンピュータにより行なわれる方法であって、上記コンピュータが、上記学習者ごとに、上記問題情報記憶手段に記憶されている問題のうち、当該学習者が学習した問題を特定する問題特定情報と、その問題の学習時期と、学習者が正答したか否かを履歴情報として履歴情報記憶手段に記憶する処理と、上記履歴情報記憶手段に記憶された履歴情報を参照して、上記学習者が学習した問題の難易度と学習に取り組んだ問題数及び正答率又は、上記学習者が正解した問題数とその問題の難易度に基づいて表される学習の質を算出して出力する処理を行なうことを特徴とする。

上記コンピュータは、上記学習者の個人情報に関連付けて、進学先や就職先の分野及び職種を記憶することができる学習者情報記憶手段を有し、上記学習者情報記憶手段を参照して、上記学習者の希望分野又は希望職種に該当する過去の学習者を成功者として特定し、上記履歴情報記憶手段を参照して、上記成功者の学習の質をさらに算出して出力する処理をさらに行なってもよい。

本発明の一の観点にかかるコンピュータは、上記学習者に対して出題される問題情報と、当該問題ごとの難易度を記憶する問題情報記憶手段を有するコンピュータに対して、学習者ごとに、上記問題情報記憶手段に記憶されている問題のうち、当該学習者が学習した問題を特定する問題特定情報と、その問題の学習時期と、学習者が正答したか否かを履歴情報として履歴情報記憶手段に記憶する処理と、上記履歴情報記憶手段に記憶された履歴情報を参照して、上記学習者が学習した問題の難易度と学習に取り組んだ問題数及び正答率又は、上記学習者が正解した問題数とその問題の難易度に基づいて表される学習の質を算出して出力する処理とを行なわせることを特徴とする。

上記コンピュータは、上記学習者の個人情報に関連付けて、進学先や就職先の分野及び職種を記憶することができる学習者情報記憶手段を有し、上記学習者情報記憶手段を参照して、上記学習者の希望分野又は希望職種に該当する過去の学習者を成功者として特定し、上記履歴情報記憶手段を参照して、上記成功者の学習の質をさらに算出して出力する処理をさらに行なわせてもよい。

また、上記のコンピュータプログラムをコンピュータ読み取り可能な媒体に記録してもよい。

本発明によれば、学習の質を把握することが可能となり、これに応じた学習の計画や学習者へのモチベーションを高めることができる。

本実施形態に係る学習支援装置の機能を示した機能ブロック図である。 本実施形態にかかる問題情報記憶部に記憶される情報の例を示した図。 本実施形態にかかる学習者情報記憶部に記憶される情報の例を示した図。 本実施形態にかかる難易度テーブルの例を示した図。 本実施形態にかかる履歴情報記憶部に記憶される情報の例を示した図。 本実施形態にかかる問題登録処理の処理フロー。 本実施形態にかかる問題解答処理の処理フロー。 本実施形態にかかる履歴分析処理の処理フロー。 本実施形態にかかる解答入力画面を示した一つの例。 本実施形態にかかる分析処理結果を示した画面の一例。

以下、本発明の実施形態に係る学習支援装置について、図を参照して説明する。
図１に示されるように、本実施形態に係る学習支援装置１は学習者のレベルに応じた学習を支援する装置であって、複数の学習者端末２とインターネット等のネットワークＮＷを介して通信可能に構成されている。
なお、このほか学習支援装置１とは、図示しない学習者を指導する指導者が利用する指導者端末などとも通信可能に構成されていてもよい。

学習支援装置１は、いわゆるパーソナルコンピュータ等によって実現され、CPU（Central Processing Unit）、RAM（Random Access Memory）、ROM（Read Only Memory）、ハードディスクドライブといったハードウェア資源、CPUが実行するコンピュータプログラム等のソフトウェア資源により、
問題情報記憶部１１、学習者情報記憶部１２、難易度テーブル１３、履歴情報記憶部１４、学習情報処理部１５、問題情報処理部１６、履歴取得情報部１７、解析処理部１８からなる機能部を構成する。
なお、学習支援装置１はクラウドコンピューティングシステムにより構成されてもよい。

問題情報記憶部１１は、学習者が学習する問題に関する情報が記憶された記憶部である。
問題情報記憶部１１には、図２に示すように、問題番号（Ｎｏ．）と、問題と、問題の単元と、問題の正解と、難易度を記憶できるようになっている。
この難易度は、例えば、図４の難易度テーブルのように、段階分けされた正答率ごとに設定される。この例では、例えば、正答率が０−１０％の問題は難易度「１０」、正答率が１１−２０％の問題は難易度「９」といったように設定されている。問題情報記憶部１１の難易度は、最初に学習者のレベルをあらかじめ設定するため、各難易度に偏差値を設定してもよい。これにより、学習を始めるにあたって、その学習者の偏差値から学習者がこれから学習する問題の難易度が設定できるようになる。

ここで、学習者に対して出題される問題は、模試で出題された問題と、所定の出題者によって任意に作成された問題によって構成することもできる。模試の問題は、学習支援装置１が別途備える入力手段から直接入力されたり、ネットワークＮＷを介して通信可能に構成された端末等から取得されたりしたものである。

学習者情報記憶部１２は、学習者に関する情報を記憶した記憶部である。
この学習者情報記憶部１２には例えば、図３に示されるように、学習者ごとに、学習者ＩＤ、氏名などの個人情報等ともに、学習者が設定した目標情報、学習者の現在の学習レベルが関連付けて記憶されている。
ここで、学習者の学習レベルは、学習者が受けた模試の偏差値に基づいて設定される。例えば、模試が実施される度に、学習者が受けた模試の種類や実施時期を選択し、当該模試における学習者の偏差値に応じたレベルに設定されるようにしてもよい。
また、目標情報は、学習者が目標とする進学先の学校や、又は将来の職業などである。具体的には、○○大学医学部といった学校での設定や、獣医師のように職業でもよい。
また、学習者情報記憶部１２には、学習者の過去の学歴を示す学歴情報、進路情報をさらに含めることができる。進路情報には卒業後に就職した企業や職種などの情報を含んでもよい。
また、学習者が受けた模試の種類や実施時期、学習者の偏差値、目標情報、学歴情報、進路情報など学習者に関する情報は、指導者または学習者が入力することができる。

難易度設定テーブル１３は、問題ごとに、正答率に応じた難易度を設定するための基準となるテーブルである。
この難易度設定テーブル１３には、例えば、図４に示されるように、段階分けされた正答率ごとに難易度が設定されている。図４の例では、例えば、正答率が０−１０％の問題は難易度「１０」、正答率が１１−２０％の問題は難易度「９」といったように設定されている。これにより、問題ごとの難易度１０段階と、学習者の偏差値に基づく学習レベル１０段階を照らし合わせ、学習をする際に、学習者が自分のレベルにあった問題かどうかを容易に見極めることができる。
また、難易度設定テーブルには、最初に学習者のレベルをあらかじめ設定するため、各難易度に偏差値が設定されている。これにより、学習を始めるにあたって、その学習者の偏差値から学習者がこれから学習する問題の難易度が設定できるようになっている。

正答率は、所定の時期にどのような正答率であったかを把握できるようにしてもよい。
この正答率について、問題が模試問題によって構成される場合、当該問題の正答率に関連付けられる時期は模試の実施時期となっている。例えば、模試が「５月」に実施されていた場合、この模試で出題された問題の正答率は、「５月」におけるものとなる。なお、模試問題に関連付けられる時期は、基本的には模試の実施時期であるため、実施時期以外の時期における正答率に係る情報はないが、過年度の模試の情報等に基づき、他の時期における正答率を設定することもできる。
また、問題が所定の出題者によって任意に作成された任意問題によって構成される場合、当該問題には正答率が存しないため、出題者によって、各問題に所定の時期ごとの難易度のみが設定される。

履歴情報記憶部１４は、過去に問題を回答した学習者の履歴情報を記憶する記憶部である。この履歴情報記憶部１４には、図５に示すように、学習者ＩＤに関連付けて、学習者の解答履歴情報などが記憶される。
この解答履歴情報には、問題を解答した学習者を特定する情報（学習者ＩＤなど）、解答した問題を特定する情報(問題ＩＤなど)、問題の難易度、解答が正答か誤答か、問題の単元、解答時期、学習者の勉強時間帯などの情報が含まれる。

学習情報処理部１５は、学習者に対して問題の情報を提供したり、その正答・誤答を判別等する処理などを行なう。

問題情報処理部１６は、模試問題や、所定の出題者によって任意に作成された任意問題を、学習者に対して出題される問題として問題情報記憶部１１に任意のタイミングで登録する処理を行なう。
例えば、問題情報処理部１６は、模試の場合には、模試問題の正答率、偏差値及び模試の実施時期に係る情報が登録され、当該正答率は模試の実施時期における正答率として登録処理を行なう。
その後、問題情報処理部１６は、各難易度の問題にすべて正解した場合の偏差値を模試データより算出する。同様の作業を複数回の模試で行い平均値を割り出し、図４に難易度テーブルに基づいて、難易度ごと（本例では難易度１０段階の各段階）の偏差値を確定させる。なお、各教科の特性により、難易度の各段階の偏差値は教科ごと、学年ごと等に異なっていてもよい。
また、模試の実施時期以外における正答率あるいは難易度は、任意で設定することができる。任意問題の場合には、任意問題の正答、任意問題の難易度に係る情報が登録される。難易度は、所定の時期ごと、例えば月ごとに、出題者の任意で設定することができる。これにより、任意問題についても時期ごとの難易度が設定される。

履歴情報取得部１７は、学習者端末２で学習者が学習した履歴情報を取得して、履歴情報記憶部１４に記憶する処理を行う。

解析処理部１８は、学習者の学習履歴から学習者の「学習の質」を解析する。
また解析処理部１８は、学習者の学習の質と、目標情報に設定している目標との乖離などを計算し、これをグラフなどにして表示出力する処理を行なう。

学習の質の解析は、例えば以下の計算を解析処理部が実行することにより行なうことができる。
(難易度×問題数)+ (難易度×問題数)+ (難易度×問題数)・・・＝学習の質
例えば、難易度が１０段階の場合、４段階の問題を１０問正解したら学習の質は「４０」、５段階の問題を８問正解したら学習の質は「４０」となる。また、８段階の問題を２問正解したら学習の質は「１６」、２段階の問題を８問正解したら「１６」となる。これにより、単なる学習の量や時間だけでなく、学習の質を基準に解析して見える化できる。

また、解析処理部１８は、学習の質などから、「現在の学習履歴から予測される高校群」、「現在の学習履歴から予測される大学群」、「現在の学習履歴から予測される希望分野での職種」などを解析する。
また、解析処理部１８は、履歴情報記憶部１４に記憶されている過去の達成者の学習の質と比べた学習者の達成度を表す成就度を計算して表示する。

学習者端末２は、出題された問題を解き、指導者から指導を受ける学習者が利用する端末である。
この学習者端末２は、いわゆるパーソナルコンピュータやタブレット端末等によって実現され、ディスプレイ等のデータ出力手段やマウス、スタイラス等の入力手段、あるいはタッチパネル等の入出力が一体となった入出力手段、さらには学習支援装置１などとネットワークＮＷを介してデータの送受信を行うためのブラウザプログラムといった通信処理手段を備える。

本実施形態に係る学習支援装置１による処理の流れについて図を参照して説明する。
まず、学習支援装置１に問題の登録と難易度の設定がされる際の処理の流れを説明する。
図６において、問題情報処理部１６が所定の問題情報の受信又は登録を受け付ける（Ｓ１０１）。この処理は、外部の問題データベースなどから問題データを取得してもよいし、また学習支援装置１が問題データの入力を受け付けてもよい。

登録された問題データは、問題情報処理部１６により、問題を構成する情報の一部として問題情報記憶部１２に記憶される（Ｓ１０２）。
これに応じて、問題情報処理部１６は、図４の難易度設定テーブル１３を参照して、問題ごとの模試などでの正答率に応じた難易度を決定する（Ｓ１０３）。なお、模試などに採用されていない問題については、運用する側で、適宜難易度を登録するようにしてもよい。
そして、決定された難易度は、各問題に関連付けられて問題情報記憶部１１に登録され（Ｓ１０４）、問題登録処理を終了する。

次に、本実施形態に係る学習支援装置１により、学習者が学習を行い、履歴情報を蓄積する処理について図７を参照して説明する。
なお、あらかじめ学習者情報記憶部１２に学習者の情報として、氏名、生年月日、希望分野、希望職種などを登録しておく。ここで、希望分野は、進学希望先の学校や企業などでもよい。
また、学習者に関する情報は、指導者または学習者が入力することができる。

図７を参照して、学習情報処理部１５は、問題情報記憶部１１を参照して問題を抽出する（Ｓ２０１）。
抽出された問題に係る情報は、学習者端末２に対して送信される（Ｓ２０２）。
ここで、学習者端末２において、問題が表示された画面の一例を図９に示す。
この例では、問題表示欄１０１に問題が表示され、各問題に対してはさらに、難易度と関連付けられた時期を示す時期表示欄１０２、時期表示欄１０２に示された時期における難易度を表示する難易度表示欄１０３が関連付けて表示するようにしてもよい。
また、本例では、時期表示欄１０２には現在の時期が表示されるようになっており、学習者は現時点において、該当する問題がどの程度の難易度であるかを容易に把握することができるようにしてもよい。

学習者は学習者端末２において、出題された問題に対する解答を入力し、学習支援装置１に対して当該解答に係る情報を送信する（Ｓ２０３）。
なお、解答に係る情報は、画面上に設けた所定の解答入力欄に入力して送信できるようになっていてもよいし、別途の解答入力フォームから入力して送信できるようになっていてもよい。

学習者端末１から解答を受け付けると、学習情報処理部１５は問題情報記憶部１を参照して解答の正否を判定する（Ｓ２０４）。
解答と正否の判定結果が当該学習者の情報と関連付けて、履歴情報記憶部１４に登録される（Ｓ２０５）。なお、この場合、学習した時間（午後６時〜７時まで）などの学習時間なども履歴情報記憶部１４に記憶される。
そして、これを所定の回数この学習処理を繰り返して、学習処理を終了する。

次に、分析処理について図８を参照して説明する。
学習者が、学習端末２の画面上から「履歴分析」の処理を選択すると、解析処理部１８は、履歴情報記憶部１４を参照して、当該学習者が登録している希望職種に就いている達成者の学習履歴情報を抽出する（Ｓ３０１）。
例えば、学習者が「薬剤師」を希望職種として登録している場合には、すでに「薬剤師」に就いている過去の学習者（達成者）が、過去にやっていた学習履歴が抽出される。
なお、達成者が複数存在する場合には、それらすべての学習履歴を抽出して、その平均値を取るようにしてもよい。また複数の達成者の中から、学習者が目標とする達成者を選択するようにしてもよい。
また、希望職種等の選定は、学習者が登録している希望職種だけでなく、毎回希望職種や希望分野を学習者が入力するようにしてもよい。

そして、その達成者について、所定期間における達成者と学習者の学習の質を算出する（Ｓ３０２）。
この所定期間とは、例えば、学習者の現時点での年齢を示す。例えば、学習者が１０歳であれば、達成者が対応する１０歳当時の履歴情報を抽出することになる。

ここで「学習の質」とは、どの程度の難易度の問題を、どれくらいの数を解き(学習の量)、どれくらい正解したかを数値化したものである。
例えば、難易度８の問題を３問、難易度７の問題を４問それぞれ正解した場合には、「８×３＝２４」、「７×４＝２８」として数量で表すことができる。
また別の例として、正解した問題数でなく、学習者が取り組んだ問題数と、個人の正答率を掛けてもよい。この場合は、例えば、上述の例で「難易度８×３問×個人正答率６０％＝１４．４」、「難易度7×４問×個人正答率７０％＝１９．６」として学習の質を表すこともできる。

解析処理部１８は、達成者の「学習の質」と、学習者の「学習の質」が算出されると、これにより学習者の成就度を算出する（Ｓ３０３）。

そして、解析処理部１８は、算出結果である達成者と学習者の「学習の質」を重畳して同じ画面上に表示出力する（Ｓ３０４）

この例を図１０に示す。図１０の左側のグラフは、縦軸に難易度２０１と、正答率２０２を表しており、横軸に正解した問題数を表しており、曲線(ア)が達成者の学習ログ、曲線（イ)が学習者の学習ログのグラフを表しており、これらが重畳して表されており、画面下に成就度が表示されている。なお、この例では、過去１ヶ月間の学習ログに基づくものである。

また、成就度の算出は、解析処理部１８が、例えば、学習者の「学習の質」／達成者の「学習の質」を計算することにより求めることができる。上述の例で学習者の学習の質が平均値３２、達成者の学習の質が平均値８０であった場合、成就度を％であらわすと、３２／８０＝０．４（４０％）となる。

このように、一般的に、成績上位の学習者は難易度が高い問題を多く解答し正答率も高くなるし、成績が低い学習者は上位の学習者に比べると難易度の低い問題を解答し、正答率も、また取り組む問題数も少なくなるがこれが「学習の質」という数値によって明確とすることができる。
また、模試や入試のように、学習者全員に対して同じ問題や同じ問題数を解かせることをしなくとも、その学習の質を数値により明確化することができる。

なお、上述の分析例は、所定の期間又は時期を表示する場合について説明したが、図１０の右側のグラフに示すように年齢毎に達成者の「学習の質」を計算してグラフで表示し、これに重畳して現在の学習者の学習の質に基づいてこれから将来に予測される学習者の「学習の質」を表示してもよい。
この例では、縦軸に学習の質、横軸に年齢（歳）が表され、(ウ)が達成者の学習ログであり、（エ）が学習者の学習ログを表している。
この学習者の将来の学習の質は、現在の学習の質そのまま延長させて表示しても良いし、また最小二乗法やモンテカルロ法などの所定の予測アルゴリズムも用いて将来の予測値を用いて表示してもよい。

また、画面上に学習する科目の選択欄２０２を設けて、選択した科目ごとにこの分析を行なってもよい。この場合は、解析処理部１８は、履歴情報記憶１４の中から指定された科目の学習ログだけを抽出して、上述と同じ処理を行なうことで分析することができる。

また、解析処理部１８が履歴情報記憶部１４の中から進学先（高校、大学など）や希望職種(分野）ごとに学習ログを集計して、この各分野における標準的な学習ログを計算するようにしてもよい。
これにより、現在の学習者の学習ログと、これら進学先や希望職種の達成者との比較を行なうことで、これとの学習の質の乖離を判定できる。また、現在の学習者の学習ログから予想される進学先群(高校、大学)や職種を分析することができる。
また、将来の職種などが分析できることで、生涯年収の平均値などを算定し表示するようにしてもよい。この職種による年収は外部のデータベースからその年収データを取得して、これに基づいて計算して表示することもできる。

従来のように、問題量は単に消化した問題数として集積され、成果率もアカウント内ではある一定の意味を持つが、異なる学習者同士を比較しても、それぞれ異なる問題に取り組んでいけるため、その比較は意味を成さなくなっていた。この点、上述の本実施形態によれば、「学習の質」により、一定の期間内で、どのような難易度の問題を、どれくらいの数量取り組み、結果としてどれくらいの正解と不正解を出したかが明確となる。
これにより、学習者は、勉強したことの復習や力試しができるだけでなく、予測される自分の未来も見ることができる。

なお、以上の本実施形態において、学習者のレベルは適宜のタイミングで設定又は見直される。設定又は見直しは、例えば、模試が実施される度に、学習者が受けた模試の種類や実施時期を選択し、当該模試における学習者の偏差値に応じたレベル、難易度に設定されるようにしてもよい。
また、学習者が受けた模試の種類や実施時期、当該模試における学習者の偏差値など、学習者に関する情報は、指導者または学習者が入力することができる。
これにより、学習者のレベルを適切な状態としておくことができる。

また、難易度の区分は、正答率(百分率)を基に１００段階としても、また１０００段階としてもよい。学習者の差異をより細かく分析するためには、少ない区分数よりも多くの区分数を基にするほうがよい。

また、問題情報に登録される問題は、過去の模試や入試によって正答率が示された問題であってもよいし、またそれらを基に正答率が推測された問題を使用することができる。例えば、正答率が５５％であれば１０００名中、５５０名が正解したという基礎データを付けて登録し、そこへ実際の学習者が残した履歴を集積させて、問題ごとの正答率を再度計算するようにしてもよい。

また実数を履歴として解析処理部１８が、「各正答率の段階において何問の正解と不正解を残しているか？」という分析処理を行なってもよい。
これにより、成績によって、どのような「学習履歴」を残す傾向にあるか解析し、現在勉強している学習者が近い将来の成績や、進学先、就職先の方向性を示唆することができる。

また、上述の実施形態では、問題の難易度、取り組んだ問題数、正答率を履歴情報として残したが、これに加えて、勉強した単元の情報と、学習時期、学習者の学習時間帯なども履歴情報として残してもよい。
この場合、上述の実施形態に加えて、達成者が問題ごと又は単元ごとに学習した学習時期を、現在の学習者と比較して表示してもよい。また学習時間だけでなく学習時間帯についても達成者と現在学習している学習者との比較を行なうようにしてもよい。

１ 学習支援装置
２ 学習者端末
１１ 問題情報記憶部
１２ 学習者情報記憶部
１３ 難易度設定テーブル
１４ 履歴情報記憶部
１５ 学習情報処理部
１６ 問題情報処理部
１７ 履歴情報取得部
１８ 解析処理部
ＮＷ ネットワーク

Claims (12)

1. 学習者の学習を支援する装置であって、
   上記学習者に対して出題される問題情報と、当該問題ごとの難易度を記憶する問題情報記憶手段と、
   上記学習者ごとに、上記問題情報記憶手段に記憶されている問題のうち、当該学習者が学習した問題を特定する問題特定情報と、その問題の学習時期と、学習者が正答したか否かを履歴情報として記憶する履歴情報記憶手段と、
   上記履歴情報記憶手段に記憶された履歴情報を参照して、上記学習者が学習した問題の難易度と学習に取り組んだ問題数及び当該学習者の正答率又は、上記学習者が正解した問題数とその問題の難易度に基づいて表される学習の質を算出して出力する分析処理手段と、
   を有することを特徴とする学習支援装置。
2. 上記学習者の個人情報に関連付けて、進学先や就職先の分野及び職種を記憶することができる学習者情報記憶手段と、
   上記分析処理手段は、上記学習者情報記憶手段を参照して、上記学習者の希望分野又は希望職種に該当する過去の学習者を成功者として特定し、上記履歴情報記憶手段を参照して、上記成功者の学習の質をさらに算出して出力する、
   請求項１記載の学習支援装置。
3. 上記分析処理手段は、上記学習者の学習の質と、上記成功者の学習の質とを、同じ画面上に重畳して表示する、
   請求項２記載の学習支援装置。
4. 上記分析処理手段は、
   上記学習の時期ごとに学習の質を算出する、
   請求項１〜３のいずれかに記載の学習支援装置。
5. 上記分析処理手段は、上記学習者の履歴情報に基づいて、将来の学習者の学習の質を予測して出力する、
   請求項１〜４のいずれかに記載の学習支援装置。
6. 上記分析処理手段は、予測した学習者の将来の学習の質と、上記成功者の学習履歴とを重畳して表示する、
   請求項５記載の学習支援沿装置。
7. 上記分析処理手段は、進学先や就職先の分野、職種ごとの成功者の学習履歴に基づいて、進学先や就職先の分野及び職種ごとの学習の質を算出し、
   上記学習者の学習の質に基づいて、上記進学先や就職先の分野、職種ごとの成功者の学習の質と比較して、上記学習者に合致する進学先や就職先の分野、職種を特定して出力する、
   請求項２記載の学習支援装置。
8. 上記問題の難易度は、上記問題に対する学習者の正答率に基づいて算定される、
   請求項１記載の学習支援装置。
9. 学習者に対して出題される問題情報と、当該問題ごとの難易度を記憶する問題情報記憶手段を有するコンピュータにより行なわれる方法であって、
   上記コンピュータが、
   上記学習者ごとに、上記問題情報記憶手段に記憶されている問題のうち、当該学習者が学習した問題を特定する問題特定情報と、その問題の学習時期と、学習者が正答したか否かを履歴情報として履歴情報記憶手段に記憶する処理と、
   上記履歴情報記憶手段に記憶された履歴情報を参照して、上記学習者が学習した問題の難易度と学習に取り組んだ問題数及び正答率又は、上記学習者が正解した問題数とその問題の難易度に基づいて表される学習の質を算出して出力する処理と、
   を行なうことを特徴とする学習支援方法。
10. 上記コンピュータは、上記学習者の個人情報に関連付けて、進学先や就職先の分野及び職種を記憶することができる学習者情報記憶手段を有し、
    上記学習者情報記憶手段を参照して、上記学習者の希望分野又は希望職種に該当する過去の学習者を成功者として特定し、上記履歴情報記憶手段を参照して、上記成功者の学習の質をさらに算出して出力する処理をさらに行なう、
    請求項９記載の学習支援方法。
11. 上記学習者に対して出題される問題情報と、当該問題ごとの難易度を記憶する問題情報記憶手段を有するコンピュータに対して、
    上記学習者ごとに、上記問題情報記憶手段に記憶されている問題のうち、当該学習者が学習した問題を特定する問題特定情報と、その問題の学習時期と、学習者が正答したか否かを履歴情報として履歴情報記憶手段に記憶する処理と、
    上記履歴情報記憶手段に記憶された履歴情報を参照して、上記学習者が学習した問題の難易度と学習に取り組んだ問題数及び正答率又は、上記学習者が正解した問題数とその問題の難易度に基づいて表される学習の質を算出して出力する処理と、
    を行なわせるコンピュータプログラム。
12. 上記コンピュータは、上記学習者の個人情報に関連付けて、進学先や就職先の分野及び職種を記憶することができる学習者情報記憶手段を有し、
    上記学習者情報記憶手段を参照して、上記学習者の希望分野又は希望職種に該当する過去の学習者を成功者として特定し、上記履歴情報記憶手段を参照して、上記成功者の学習の質をさらに算出して出力する処理をさらに行なわせる、
    請求項１１記載のコンピュータプログラム。

Images