JP2021140011A - 学習支援装置、学習支援方法及びプログラム - Google Patents

Abstract

【課題】ｅラーニング環境のもとでケースメソッドによる良質な教育をユーザが受けられるようにする。【解決手段】ネットワーク経由による学習者端末装置との通信を介して、自然言語による問題が学習者端末装置にて出題されるようにするとともに、問題に対する学習者の解答に応じた学習者へのフィードバックが学習者端末装置にて提示されるようにする出題部と、ネットワーク経由の通信を介して学習者端末装置から取得した、問題に対する自然言語による解答について所定の分析を行う解答分析部と、解答分析部による分析結果に基づいて、出題部により提示されるフィードバックと、前記出題部により出題される次の問題とを決定する決定部とを備えて学習支援装置を構成する。【選択図】図５

Description

本発明は、学習支援装置、学習支援方法及びプログラムに関する。

複数の学習者によるテスト項目への解答をネットワーク経由で収集し、収集した解答に基づいて分析したテスト項目の項目特性に応じて復習問題を送信するようにされた学習支援装置が知られている（例えば、特許文献１参照）。

特開２０１８−２０５３５４号公報

ケースメソッドと呼ばれる教育手法が知られている。ケースメソッドは、一例として、経営学の場合であれば、或る企業で実際に起こった事例を題材（ケース）として、自分が経営者であればその事例にどのように対処するのかを受講者同志で議論するといったものを挙げることができる。ケースメソッドによる教育は、経営学のほかに、例えば法学、医学等の分野でも重要視されている。
また、このようなケースメソッドでは、講師の役割としては、受講者に講義をしたり自説を教えたりするのではなく、例えば受講者の議論を整理し、好ましい方向に導くことが求められる。この点で、ケースメソッドによる教育効果は、講師の技量に依存するところが大きいともいわれている。このため、ケースメソッドは、受講者が実際に講師のいる教室等の環境で学習するものとして認知されている。
一方で、ｅラーニング環境のもとでケースメソッドによる良質な教育をユーザが受けられるようにすることが求められている。このためには、ケースメソッドの性質上、現実の講師が行っているように、学習者の性格、能力等の個性に合わせて、学習者の思考等を適切に導いていくようにすることが求められる。
しかしながら、引用文献１に記載の技術は、複数の学習者に対して共通のテスト項目と複数問題とを提供することを前提としていることから、ケースメソッドに適用して、学習者ごとに適切に導いていくことは難しい。

このような状況に鑑みて、本願発明は、ｅラーニング環境のもとでケースメソッドによる良質な教育をユーザが受けられるようにすることを目的とする。

上述した課題を解決するための本発明の一態様は、ネットワーク経由による学習者端末装置との通信を介して、自然言語による問題が前記学習者端末装置にて出題されるようにするとともに、問題に対する学習者の解答に応じた学習者へのフィードバックが前記学習者端末装置にて提示されるようにする出題部と、ネットワーク経由の通信を介して前記学習者端末装置から取得した、前記問題に対する自然言語による解答について分析を行う解答分析部と、前記解答分析部による分析結果に基づいて、前記出題部により提示されるフィードバックと、前記出題部により出題される次の問題とを決定する決定部とを備える学習支援装置である。

また、本発明の一態様は、ネットワーク経由による学習者端末装置との通信を介して、自然言語による問題が前記学習者端末装置にて出題されるようにするとともに、問題に対する学習者の解答に応じた学習者へのフィードバックが前記学習者端末装置にて提示されるようにする出題ステップと、ネットワーク経由の通信を介して前記学習者端末装置から取得した、前記問題に対する自然言語による解答について分析を行う解答分析ステップと、前記解答分析ステップによる分析結果に基づいて、前記出題ステップにより提示されるフィードバックと、前記出題ステップにより出題される次の問題とを決定する決定ステップとを備える学習支援方法である。

また、本発明の一態様は、学習支援装置としてのコンピュータを、ネットワーク経由による学習者端末装置との通信を介して、自然言語による問題が前記学習者端末装置にて出題されるようにするとともに、問題に対する学習者の解答に応じた学習者へのフィードバックが前記学習者端末装置にて提示されるようにする出題部と、ネットワーク経由の通信を介して前記学習者端末装置から取得した、前記問題に対する自然言語による解答について分析を行う解答分析部と、前記解答分析部による分析結果に基づいて、前記出題部により提示されるフィードバックと、前記出題部により出題される次の問題とを決定する決定部として機能させるためのプログラムである。

以上説明したように、本発明によれば、ｅラーニング環境のもとでケースメソッドによる十分な教育をユーザが受けられるようになるという効果が得られる。

本実施形態の学習支援システムの全体的な構成例を示す図である。 本実施形態の学習支援装置の構成例を示す図である。 本実施形態の問題情報の一例を示す図である。 本実施形態の問題群データの構成例を示す図である。 本実施形態のユーザ端末装置と学習支援装置とが実行する処理手順例を示すフローチャートである。

図１は、本実施形態の学習支援システムの全体的な構成例を示している。本実施形態の学習支援システムは、ユーザＵが自分のユーザ端末装置１００を用いてケースメソッドによる学習（ケースメソッド学習）を行うことを支援する。即ち、本実施形態におけるユーザＵは、ユーザ端末装置１００を用いてケースメソッド学習を行う者（受講者、学習者）である。
本実施形態の学習支援システムは、複数のユーザ端末装置１００と、学習支援装置２００とを含む。
ユーザ端末装置１００（学習者端末装置の一例）は、ユーザＵのそれぞれが、ケースメソッドによる学習を行うために利用する端末装置である。ユーザ端末装置１００は、例えばパーソナルコンピュータ、タブレット端末、スマートフォン等であってよい。

学習支援装置２００は、ユーザ端末装置１００のそれぞれとネットワークＮＴ経由で通信を行うことで、ケースメソッド学習に対応する学習支援をユーザＵに対して行う装置である。つまり、学習支援装置２００は、ユーザ端末装置１００との通信により、ケースメソッド講座をユーザＵに提供する。

図２は、学習支援装置２００の構成例を示している。同図の学習支援装置２００は、通信部２０１、制御部２０２、及び記憶部２０３を備える。
通信部２０１は、ネットワークＮＴ経由で通信を実行する。

制御部２０２は、学習支援装置２００における各種の制御を実行する。制御部２０２としての機能は、学習支援装置２００が備えるＣＰＵ（Central Processing Unit）がプログラムを実行することにより実現される。制御部２０２は、出題部２２１、解答分析部２２２、及び決定部２２３を備える。
出題部２２１は、ネットワークＮＴ経由によるユーザ端末装置１００との通信を介して、ユーザ端末装置１００にて問題が出題されるようにするとともに、問題に対する学習者の解答に応じた学習者へのフィードバックがユーザ端末装置１００にて提示されるようにするための処理を実行する。
解答分析部２２２は、ネットワーク経由の通信を介してユーザ端末装置１００から取得した解答について所定事項の分析を行う。
決定部２２３は、解答分析部２２２による分析結果に基づいて、出題部２２１により提示されるフィードバックと、出題部２２１により出題される次の問題を決定する。

記憶部２０３は、学習支援装置２００に関連する各種の情報を記憶する。記憶部２０３は、ユーザ情報記憶部２３１、問題情報記憶部２３２を備える。
ユーザ情報記憶部２３１は、学習支援装置２００が提供するケースメソッド講座を受ける受講者としてのユーザごとの情報を記憶する。
問題情報記憶部２３２は、題材である事例ごとに対応して用意された問題を含む問題情報を記憶する。

図３は、問題情報記憶部２３２が記憶する問題情報の一例を示している。同図に示されるように、問題情報は、事例ごとに問題群を対応付けた構造である。
現実に講師が存在するケースメソッドの講座では、例えば講師が或る１つの事例（題材）を提示したうえで、その事例を基に議論等が進められていく。
１つの事例データは、ケースメソッドの講座においてユーザに提示する事例の内容を示す情報である。事例データは、例えばテキストデータの形式であり、比較的長文により事例を説明する内容を有する。事例データにより示される事例の内容の具体例は以下のようになる。

「航空会社Ａは１９ＡＡ年に創業した。当初は低価格とフラッグキャリア並みのサービスを提供し、創業から５年で年間乗客数が５，０００人から６４万人へと急拡大したが、同時に、高コスト経営から大きな赤字を計上し、破談寸前と報道された。
経営方針の見直しを余儀なくされた１９ＢＢ年、現在もＣＥＯ（最高責任者）を務めるＭ氏が経営陣に参画した。格安運賃とローコスト経営で躍進していた米国のＢ航空をモデルに、欧州初の格安航空会社として航空会社Ａは再出発した。
Ｍ氏が打ち出したホリデー客をターゲットとする戦略は成功した。１９ＣＣ年からの湾岸戦争で業績が一次低迷したものの、その数年後以降は、地盤としていた国だけではなく、周囲の各国へ次々と路線を拡大し、乗客数、営業利益ともに現在まで成長を続けている。
（中略）
米国同時多発テロ事件の直後は航空需要自体が大きく減退したものの、路線が欧州内に限られている航空会社Ａへの影響は限定的であり、欧州内の旅行ぐらいはしたい、というレジャー客を取り込むことができた。さらに、飛行機を利用せざるを得ないビジネス客も、大規模空港でのセキュリティの煩雑さを避け、より狙われにくいと思われる小空港で発着する格安航空会社を選ぶようになった。」

問題群データは、対応の事例データが示す事例のもとでユーザＵに出題される複数の問題を有するデータである。
現実の講師により行われるケースメソッド講座では、講師は、以下のようにして議論を進行させることができる。つまり、例えば講師から受講者に対して事例を基として或る問題を投げかける。受講者から問題に対する解答が返ってくると、講師は、返ってきた解答の内容に応じて、受講者の思考がより良い方向にいくように、また、深くなっていくようにするため、さらに別の問題を投げかけるようにする。この場合、講師は、次の問題を事前に決めているのではなく、解答の内容に応じて、次に投げかける問題の内容をどのようなものとするのかを判断することになる。つまり、ケースメソッド講座のもとでは、１つの問題に続く次の問題の内容として複数が用意される必要がある。本実施形態の問題群データは、このような要求に対応する構造を有する。

図４は、１の事例データに対応する問題群データの構成例を示している。同図の問題群データは、上記のように１つの問題に対する解答の内容に応じて次の問題の内容を適宜異ならせることが可能なようにされた構造となっている。
同図においては、問題群データに含まれる或る１つの問題を一次問題としている。一次問題に対しては、３つのフィードバック（フィードバックＡ、フィードバックＢ、フィードバックＣ）が対応付けられた例が示されている。フィードバックは、問題に対する解答の内容に応じて、ユーザＵに向けて提示される講師の立場からのコメントに相当するものである。このようなフィードバックは、出題された問題と解答の内容との組み合わせに応じたものとして作成される。フィードバックの内容としては、例えば解答の内容について評価したコメントや、解答の内容を受けてユーザＵに気付きを与えることのできるコメント等を文章形式で表したものであってよい。

同図の例では、一次問題に対する解答を対象とする解析によっては、解答の内容について、例えば予め用意された３つの評価分類１〜３のうちのいずれか１つに分類される。
一具体例として、例えば一次問題が解答として或る１つの特定事項に言及していることを要求するものである場合、特定事項に言及していると判定された解答に対しては「評価分類１、特定事項に言及していないと判定された解答に対しては評価分類２に分類される。また、このような例での解答の評価分類にあたり、分類結果としては、上記の評価分類１と評価分類２のいずれかに分類できることが好ましいが、解答の内容によっては、評価分類１と評価分類２とのいずれにも該当する確度が低く、評価分類１と評価分類２とのいずれかに分類分けすることが難しい場合がある。このような解答については、評価分類３に分類される。つまり、評価分類３は、適正評価が不可である場合の分類となる。

例えば、フィードバックＡ、フィードバックＢ、フィードバックＣは、それぞれ、評価分類１、評価分類２、評価分類３に対応する。フィードバックＡ、フィードバックＢ、フィードバックＣは、それぞれ、対応の評価分類に応じたフィードバックの内容を有する。評価分類１の評価分類に対応するフィードバックＡは、例えば、問題が求めている特定事項に対する言及をユーザが行っていることを伝え、さらに良い考えに導くことができることを意図した内容を有する。また、評価分類２の評価分類に対応するフィードバックＢは、例えば、問題が求めている特定事項に対して言及できていないことを指摘し、より的確な考えに導くことができることを意図した内容を有する。また、評価分類３の評価分類に対応するフィードバックＣは、例えば評価分類１の評価分類に応じたフィードバックと評価分類２に応じたフィードバックとのいずれにも該当しないような一般的なコメント等による内容を有するものであってよい。

また、フィードバックＡ、フィードバックＢ、フィードバックＣには、それぞれ１つの二次問題が対応付けられる。二次問題は、一次問題の次にユーザに提示される問題である。
同図においては、フィードバックＡに二次問題１が対応付けられ、フィードバックＢに二次問題２が対応付けられ、フィードバックＣに二次問題３が対応付けられる。
つまり、一次問題に対する解答の内容は、評価分類１、評価分類２、評価分類３の３つの評価分類のうちのいずれか１つに分類される。そのうえで、分類に応じて、一次問題に対するフィードバックと、一次問題に次いで出題される二次問題とが決定される。具体的に、一次問題に対する解答が評価分類１に分類されたことに応じては、一次問題に対するフィードバックとしてフィードバックＡが選択され、一次問題の次の問題として、二次問題１が選択される。

そして、二次問題ごとに、解答の内容に応じて、さらに二次問題の解答に対するフィードバックと、二次問題に次いで出題される三次問題とが決定されるようになっている。同図では、具体例として、二次問題２に対する解答に応じたフィードバックと三次問題が示されている。つまり、二次問題２の場合には、解答の内容に応じて、４つの評価分類１〜４のうちのいずれかに分類される。
一具体例として、二次問題２が、或る事柄に関する問題点を指摘することと、指摘した問題点を踏まえて解決策を導き出すことを求めている場合、解答に応じて、以下のように評価分類１〜評価分類４に分類される。つまり、問題点を的確に指摘しており、かつ、解決策も的確に導き出させている解答については、評価分類１に分類される。また、問題点は的確に指摘できたが、解決策については的確に導き出させていない解答については、評価分類２に分類される。また、問題点の指摘が的確とはいえず、このために解決策も的確に導き出せていないような解答については、評価分類３に分類される。また、評価分類１〜評価分類３のいずれに該当する確度も低いとの判定が得られた回答については、評価分類４に分類される。一例として、評価分類４に分類される解答としては、例えば、問題点は的確に指摘できていないのにも関わらず、解決策が的確であるようなものを挙げることができる。また、まったく見当違いな問題点の指摘、解決策等を含んでいることで評価が適正に行えないような解答も評価分類４に分類されてよい。
同図では、評価分類１に対して、フィードバックＤと三次問題１が対応付けられている。つまり、二次問題２に対する解答について評価分類１との評価に分類された場合には、二次問題２に対するフィードバックと、二次問題２に次いで出題される三次問題として、それぞれ、フィードバックＤ、三次問題１が決定される。
また、評価分類２に対しては、フィードバックＥと三次問題２が対応付けられている。また、評価分類３に対しては、フィードバックＦと三次問題２が対応付けられている。このように、次に出題される問題については、先の問題に対する解答についての複数の分類に対して１つの次問題が共通となる場合があってよい。なお、図示していないが、問題に対する解答についての複数の分類に対して１つのフィードバックが共通となる場合があってもよい。
また、評価分類４に対しては、フィードバックＧと三次問題３が対応付けられている。
このように、問題群データは、１の問題に対して用意された評価分類ごとに、各１つのフィードバックと次問題とが対応付けられた構造を有する。

なお、同図の問題群データの構成のもとで、最後となる問題については、特に何問目であると決まっていなくともよく、第１問から順次辿られてきた問題のパスにより異なるようにされてよい。例えば、ユーザＵの解答が全体を通じて優秀であるような場合には、少ない問題数で目標とする学習効果を得ることができるので、出題される問題数は少なくてもよい。一方で、なかなかよい解答が返せないようなユーザの場合には、目標とする学習効果が得られるまでに紆余曲折しながら多くの問題に解答してもらう必要が出てくる。このようことを考慮して、問題群データにおける問題を構築する結果として、最後となる問題が何問目であるのかについては、ユーザＵに出題された問題のパスにより異なるようにされてよい。
なお、同図の問題群データの構造としては、１つの解答に対して、フィードバックと次問題のセット（組み合わせ）」が決定されるようになっている。しかしながら、１つの解答に対して、まず、フィードバックが決定されたうえで、決定されたフィードバックに対して複数の次問題の候補が紐付けられており、何らかの条件に応じて、候補のうちから１つの次問題が決定されるような構造を有していてもよい。

また、本実施形態の問題群データの構成によれば、ユーザＵは、問題に対して解答する都度、解答に対するフィードバックを受けることができる。これにより、オンラインの講座であっても、実際に教室で講師と議論するのと近い感覚で学習を進めていくことができる。

図５のフローチャートを参照して、本実施形態のユーザ端末装置１００と学習支援装置２００とが実行する処理手順例について説明する。
まず、ユーザ端末装置１００が実行する処理手順例について説明する。
ステップＳ１０１：ユーザＵは、ケースメソッド学習を開始するにあたり、ユーザ端末装置１００を、学習支援装置２００が提供するケースメソッド講座のウェブサイトにログインさせる操作（ログイン操作）を行う。ログイン操作に応じて、ユーザ端末装置１００は、ネットワークＮＴ経由で学習支援装置２００にアクセスし、ログイン要求を実行する。

ステップＳ１０２：ケースメソッド講座のウェブサイトにログインしたことにより、ユーザ端末装置１００の表示部には、例えばこれからのケースメソッド学習に用いる事例を選択可能なウェブページが表示される。ユーザＵは、表示されたウェブページに対して、自分が学習しようとする事例を選択する操作を行う。事例を選択する操作が行われたことに応じて、学習支援装置２００は、選択された事例に対応する事例データを問題情報記憶部２３２から読み出し、読み出した事例データを学習支援装置２００に送信する。
ユーザ端末装置１００は、学習支援装置２００から送信された事例データの内容（事例）を表示部に表示する。これにより、ユーザＵは、表示された事例を読んで内容を把握することができる。

なお、予めユーザＵについて評価した特性等に基づいて、学習支援装置２００がユーザＵの特性に適合した事例を選択するようにしてもよい。
あるいは、例えば長期的なケースメソッドの学習プランが立てられているような場合であって、プランに沿った学習の進行に応じてユーザＵが受講すべき事例が決まっている場合もある。このような場合、ユーザ端末装置１００にて事例の選択は行われない。この場合の学習支援装置２００は、ユーザＵのプランに沿った学習の進行に応じて、今回の講座において用いる事例を決定し、決定された事例の事例データを問題情報記憶部２３２から読み出し、読み出した事例データを学習支援装置２００に送信してよい。

ステップＳ１０３：事例の内容を把握し終えると、ユーザＵは、例えば出題の開始を指示する操作（出題開始指示操作）を行うようにされる。出題開始指示操作が行われたことに応じて、ユーザ端末装置１００は、出題開始指示をユーザ端末装置１００に送信する。なお、ユーザ端末装置１００は、出題開始指示の送信のトリガは、出題開始指示操作に限定されるものではない。例えば事例の表示を行ってから一定時間を経過したことに応じて、出題開始指示を送信するようにしてもよい。

ステップＳ１０４：ステップＳ１０３により出題開始指示を送信した後、ユーザ端末装置１００は、問題データが受信されたか否かについて判定する。

ステップＳ１０５：ステップＳ１０３による出題開始指示の送信に応じて、まず、学習支援装置２００は、第１問としての問題の問題データを送信する。より具体的には、学習支援装置２００は、第１問を出題するウェブページをユーザ端末装置１００に送信するようにされてよい。第１問を出題するウェブページは、第１問としての問題の問題データの内容が、例えば文章により表示されるようにして作成される。
ユーザ端末装置１００は、ステップＳ１０４にて学習支援装置２００から送信された問題データが受信されたことを判定すると、受信された問題データが示す内容の問題を表示部に表示させる。

本実施形態において、問題データは文字（テキスト）や画像によるものである。そして、ユーザ端末装置１００にて表示される問題は、テキストや画像により、ユーザＵに向けて文章により問題の内容を提示するものとなる。画像による問題データとしては、ユーザＵに対して問題を提示する内容の動画や静止画であってよい。また、ユーザＵに対して問題を提示する内容の画像としては、漫画のような体裁のものであってもよい。先に具体例として挙げた事例との対応では、例えば、「「ホリデー客」とは、どんな人たちで、普段はどんな交通手段を利用していたかを考えてください。」といった内容の問題が文章や画像により提示されるといった例を挙げることができる。いずれにせよ、このように文字や画像による問題の提示には、文章や音声による自然言語が用いられる。

ステップＳ１０６：ユーザＵは、表示された問題を読んで解答を考えたうえで、考えた解答を入力する操作（解答入力操作）を行う。解答入力操作は、例えば表示部にて表示される入力フォームに対して、文章（即ち、文字列）を入力するというものであってよい。
即ち、本実施形態における問題に対する解答は、例えば選択肢の選択といったものではなく、ユーザＵが自由に文章を考えて記述したものとなる。

現実に講師と受講者とがケースメソッドを実践する場合、講師は、口頭でユーザＵに問題を伝え、ユーザＵも口頭で自分の考えた解答を発言する。そこで、本実施形態においては、ユーザＵに出題される問題については文章の形式で提示し、解答についてもユーザＵに文章として記述してもらうようにする。つまり、事例の提示、出題、解答のいずれに関しても自然言語を積極的に用いるようにされる。これにより、ユーザＵは、現実のケースメソッドに非常に近い感覚で学習を行っていくことができる。

ステップＳ１０７：ユーザＵは、解答の入力を終えると、例えば解答の送信を指示する操作を行う。この操作に応じて、ユーザ端末装置１００は、入力された解答のデータ（解答データ）を学習支援装置２００に対して送信する。学習支援装置２００により送信される解答データは、文章として入力された文字列を示すテキストデータを含むものであってよい。

ステップＳ１０８：学習支援装置２００からは、ステップＳ１０７により送信した解答データが示す解答の内容に応じたフィードバックデータが送信される。ユーザ端末装置１００は、受信されたフィードバックデータが示す内容のフィードバックを表示部に表示させる。また、フィードバックデータのうちには、ユーザＵにとって参考となる他のユーザの解答が含められる場合がある。この場合には、当該ステップＳ１０８により、例えばフィードバックとともに、他のユーザの解答も表示される。

ステップＳ１０９：ステップＳ１０７により解答データを送信した後、ユーザ端末装置１００は、学習支援装置２００から総合評価結果を受信したか否かについて判定する。総合評価結果は、全ての問題の出題が完了したことに応じて、これまでのユーザＵの複数の解答に関する総合的な評価を行った結果を表す。
総合評価結果が受信されない場合には、ステップＳ１０４に処理が戻される。また、ステップＳ１０４にて問題が受信されないと判定された場合には、ステップＳ１０５〜Ｓ１０７をスキップして、ステップＳ１０９に移行する。つまり、ユーザ端末装置１００は、ステップＳ１０３により出題開始時を送信して以降、ステップＳ１０５〜Ｓ１０７の処理を実行していない状態では、問題と総合評価結果とのいずれかが受信されるのを待機する。

先の説明のようにして１の事例に対応する１問目の問題に対する解答が送信されたことに応じて、学習支援装置２００は、２問目としての問題データを送信する。この場合、学習支援装置２００は、２問目としての問題データが受信されたことに応じて、ステップＳ１０４にて問題データが受信されたと判定し、ステップＳ１０５〜Ｓ１０８の処理を実行し、学習支援装置２００に解答を送信し、解答に対するフィードバックを表示する。この後において、ユーザ端末装置１００は、学習支援装置２００から送信された問題データが受信されるごとに、ステップＳ１０５〜Ｓ１０８の処理を繰り返す。

ステップＳ１１０：そして、或る段階で学習支援装置２００から最後の問題が送信され、ユーザ端末装置１００は、受信された最後の問題に対応する解答をステップＳ１０７により送信する。学習支援装置２００は、最後の問題に対する解答の受信に応じて総合評価を行い、ユーザ端末装置１００に対して総合評価結果を送信する。ユーザ端末装置１００は、送信された総合評価結果を受信したことにより、ステップＳ１０９からステップＳ１１０の処理に移行し、受信された総合評価結果を表示部に表示する。総合評価結果は、文章として表示される。つまり、学習支援装置２００は、文章の形式の総合評価結果を生成する。

次に、学習支援装置２００が実行する処理手順例について説明する。
ステップＳ２０１：学習支援装置２００において制御部２０２は、ユーザ端末装置１００からのログイン要求に応答した処理を実行する。つまり、制御部２０２は、ユーザ端末装置１００から送信されたログイン要求に含まれるユーザアカウントやパスワードを利用してアカウント認証を実行する。制御部２０２は、認証が成立したことに応じて、ケースメソッド学習のためのウェブサイトへのアクセスを許可する。

ステップＳ２０２：ログインが成立した後において、制御部２０２の出題部２２１は、問題情報記憶部２３２に記憶される事例データのうちから選択した事例データをユーザ端末装置１００に送信する。

ユーザ端末装置１００に送信する事例データの選択にあたり、出題部２２１は、前述のように、ユーザがウェブページに対して行った事例選択の操作に応じて選択してよい。
あるいは、出題部２２１は、ユーザＵの学習プランの進行状況に応じて事例データを選択してもよい。この場合、出題部２２１は、ユーザ情報記憶部２３１に記憶されるユーザ情報に含まれる、ユーザＵの学習プランにおける学習進行状況を参照し、今回の講座において使用する事例を決定してよい。
あるいは、出題部２２１は、ユーザＵについて評価した特性に基づいて事例データを選択してもよい。この場合、出題部２２１は、ユーザの特性を学習データとして学習器に学習させた学習モデルを用いて事例データを選択するようにされてよい。

ステップＳ２０３：ステップＳ２０２により事例データを送信した後において、学習支援装置２００からは、ステップＳ１０３により出題開始指示が送信される。出題開始指示が受信されたことに応じて、学習支援装置２００は、送信した事例データに対応付けられた問題（設問）を出題する段階に移行する。そこで、出題部２２１は、問題の出題順に対応する変数ｎに「１」を初期値として代入する。

ステップＳ２０４：出題部２２１は、ｎ番目の問題（第ｎ問）の問題データを送信する。ここで、ステップＳ２０４により第１問（ｎ＝１）としての問題データを送信する場合、出題部２２１は、ステップＳ２０２により送信した事例データに対応付けられている問題群データのうちから第１問としての問題の問題データを問題情報記憶部２３２から読み出す。出題部２２１は、読み出した問題データを送信する。

ステップＳ２０５：ステップＳ２０４により問題データを送信したことに応じて、ユーザ端末装置１００は、ユーザＵが入力した解答の内容が反映された解答データをステップＳ１０７により送信する。学習支援装置２００において解答分析部２２２は、ユーザ端末装置１００から送信された解答データを取得する。

ステップＳ２０６：解答分析部２２２は、ステップＳ２０５にて取得された解答データが、最後の問題に対する解答に対応するものであるか否かについて判定する。

ステップＳ２０７：最後の問題に対応する解答ではないことが判定された場合、解答分析部２２２は、次の問題を出題するための処理に遷移することになる。そこで、解答分析部２２２は、ステップＳ２０５により取得された解答データを利用して、解答についての分析を行う。ここで、解答データとして取得された解答は、例えばテキストデータによる文章の形式である。つまり、本実施形態における解答は自然言語によるものである。そこで、解答分析部２２２は、自然言語処理を用いて解答を分析する。
一例として、解答分析部２２２は、解答の解析として、解答データとしてテキストにより示される文字列について、形態素解析により単語に分割し、単語ごとに分散表現を行ってよい。また、解答分析部２２２は、解答の分析として、解答データが示す文字列について構文解析、意味解析等、文脈解析を行ってよい。
解答分析部２２２は、上記のようにして得られた単語ごとの分散表現、各種解析の結果から、解答の内容、文字数、使用する語彙等の適切さ（例えば、わかりやすさ）等の事項を導出してよい。また、解答分析部２２２は、例えば問題を送信（出題）してから解答が取得されるまでに要した時間（解答時間）等により、ユーザＵにとっての問題の難易度であるとかユーザＵの特性（例えば、考え込みがちな性格である、とか逆にあまり考えずに解答を決めてしまう傾向にあるといったこと）等の事項を導出してもよい。解答分析部２２２は、上記のように導出された事項に基づいて解答を分類する。解答を分類としては、具体的に、解答分析部２２２は、図４の説明にあたって述べたように、例えば評価分類１〜評価分類Ｎ（Ｎは２以上の自然数）といったように、問題に対応して予め設定された評価分類のうちのいずれかに分類してよい。

ここで、解答分析部２２２は、ステップＳ２０７の解答の分析において、解答についての採点を行っておくようにされてもよい。解答分析部２２２は、例えば問題に対応して予め採点基準を設定しておき、解析により得られた単語、意味等が採点基準を満たしているか否かに基づいて採点を行うようにされてよい。また、解答分析部２２２は、解答を分類した結果に基づいて、解答についての採点を行ってもよい。

ステップＳ２０８：決定部２２３は、ステップＳ２０７による解答の分析によって得られた分類結果に基づき、ユーザＵに提示するフィードバックと、次に出題する次問題を決定する。
具体的に、ステップＳ２０７により、図４の一次問題に対する解答を分析して、評価分類１との分類結果が得られた場合、決定部２２３は、ユーザＵに提示するフィードバック及び次問題が、図４におけるフィードバックＡと、二次問題１であると決定する。

本実施形態において、例えばステップＳ２０７における解答の分析と、ステップＳ２０８による次問題の決定には、学習モデルを用いることができる。
ステップＳ２０７及びＳ２０８の処理のための学習モデルには、例えば、Support Vector Machine、あるいは、アテンションを導入したＬＳＴＭ（Long Short-Term Memory）、あるいはＢＥＲＴ（Bidirectional Encoder Representations from Transformers）をはじめとするＴｒａｎｓｆｏｒｍｅｒベースのもの等が採用されてよい。このような学習モデルの学習器は、解答の内容に応じた分類結果を出力させるため、多様な内容の解答を学習データとして入力して学習を行うようにされる。
なお、ステップＳ２０７及びＳ２０８の処理のための学習モデルは、上記のようなアテンションを導入したＬＳＴＭに限定されるものではなく、他のアルゴリズムが採用されてよい。

ステップＳ２０８により決定されるフィードバック及び次問題は、ステップＳ２０５にて取得された解答に対する正誤をユーザＵに通知するような性質のものではなく、例えば以下のような内容を有するものとなる。つまり、フィードバック及び次問題は、例えばステップＳ２０５にて取得された解答の内容に応じて、解答を行ったユーザＵに気付きを与え、ユーザＵがより良い解答を導き出せるように誘導するようにされた内容を有する。また、次問題の難易度も、問題や解答の内容に応じたものとすることができる。
一例として、或る１つの問題に対する解答について、以下のように、評価分類１〜３の３つの評価分類が設定されている場合を例に挙げる。評価分類１は正解要素が含まれていないとの評価、評価分類２は正解要素が含まれているとの評価、評価分類３は正解要素が含まれているか否かの判別確度が一定以下であるとの評価である。
このような場合、評価分類１に対応するフィードバックは、ユーザＵに対して誤っていると指摘するのではなく、ユーザＵに寄り添うような表現でありながら、正解の方向にヒントを与えるような解説をユーザＵに対して行う内容とすることができる。また、評価分類１に対応する次問題としては、ユーザＵにとって理解が不足している点を補足できる内容とすることができる。また、評価分類２に対応しては、さらに応用的な考えをユーザＵに促すような解説を行う内容のフィードバックや、ユーザＵに応用的な考えを発想させるように誘導する内容の次問題とすることができる。また、評価分類３に対応しては、解答が評価分類１、２のいずれに寄っていたものであったとしても、ユーザＵに寄り添った表現での受け答えにより納得感を与えるようなフィードバック、正解の方向にヒントを与えられるような次問題とすることができる。
また、他の例として、或る１つの問題に対する解答について、以下のように、評価分類１〜４の４つの評価分類が設定されている場合を例に挙げる。評価分類１は解答に求められる２つの事項Ａ、Ｂのうち、事項Ａ、Ｂを両方とも含むとの評価、評価分類２は事項Ａ、Ｂのうち事項Ａのみを含むとの評価、評価分類３は事項Ａ、Ｂのうち事項Ｂのみを含むとの評価、評価分類４は事項Ａ、Ｂのいずれも含まないとの評価である。この場合、評価分類１に対応しては、さらに、その次に進めた考え方を促す内容のフィードバック、次問題とすることができる。また、評価分類２に対応しては、事項Ｂに気付いてもらうように誘導する内容のフィードバック、次問題とすることができる。評価分類３に対応しては、事項Ａに気付いてもらうように誘導する内容のフィードバック、次問題とすることができる。評価分類４に対応しては、事項Ａ、Ｂに気付いてもらうように誘導する内容のフィードバック、次問題とすることができる。

また、図４の問題群データの構成によれば、次問題の内容は、その前の第ｎ問の解答の内容に依存している。そして、第ｎ問は、１つ前の第（ｎ−１）問の解答の内容に依存している。このことからすると、次問題の内容は、第１問から第ｎ問までの解答の内容にも依存しているということがいえる。そして、第１問から第ｎ問の内容の組み合わせは、各問題に対するユーザＵの解答に応じて異なってくるといえる。つまり、本実施形態においては、ユーザＵごとの解答の内容に応じて、ユーザＵごとに個別に、ユーザＵにとって適切とされる問題を順次出題していくことができる。

なお、例えば問題によっては、ステップＳ２０７による解答分析を行うことなくステップＳ２０８にてフィードバックや次問題を決定する場合があってもよい。この場合、ステップＳ２０８にてフィードバックや次問題を決定する処理としては、問題に対応して予め一義に設定された単一のフィードバックや次問題を特定するようにされればよい。
このように解答分析を行わない問題の一例としては、選択問題を挙げることができる。即ち、本実施形態のケースメソッド学習では、例えば順次出題される問題の流れにおいて、自然言語による解答を求める内容の問題だけでなく、適宜、選択問題を出題するようにされてよい。
この場合には、ユーザＵからの解答は、自然言語によるのではなく、選択問題におけるいずれかの選択肢となる。この場合には、選択問題の選択肢ごとにフィードバックや次問題が予め対応付けられている。選択問題に対する解答が得られた場合、ステップＳ２０７の処理はスキップされ、決定部２２３は、ステップＳ２０８にて、ユーザＵにより解答として選択された選択肢に対応付けられていたフィードバック、次問題が、ユーザＵに提示するフィードバック、次問題として決定される。

また、フィードバックを決定するにあたり、決定部２２３は、解析対象とされた解答に対応するのと同じ問題に対する他のユーザＵの解答のうちから選択した解答を、フィードバックに含めるようにしてよい。この際、決定部２２３は、解答の解析結果に基づき、他のユーザＵの解答のうちでユーザＵにとって有用性があると判定した解答を選択するようにしてよい。有用性の有無の判定基準には、例えば、ユーザＵの解答と近似する内容を有することが含まれてもよいし、逆に、ユーザＵの解答と乖離した内容を有することが含まれてもよい。また、有用性の有無の判定基準には、ユーザＵの解答に対する評価よりも高い評価が得られていることが含まれてもよい。

ステップＳ２１０：出題部２２１は、変数ｎについてインクリメントしたうえで、ステップＳ２０４に処理を戻すことで、次の第ｎ問をユーザ端末装置１００に送信する。
このようにして、本実施形態においては、１の事例に応じて第１問から順次問題が出題される。ここで、出題される問題の内容は、その前に出題された問題のそれぞれに対してユーザＵが行った解答の内容について分析した結果に応じて定まることになる。あるいは、前に出題される問題によっては、当該問題に予め一義に設定された次問題が出題される。そして、問題の内容としては、例えば前述のように、ユーザＵがより良い解答を導き出させるように誘導するようなものとなる。そして、問題は、文章として記述された内容を有する。
これにより、ユーザＵは、講師がユーザＵに問いかけてくるような感覚を持って問題と向かい合うことができる。また、次問題に他のユーザＵの解答が付加されている場合には、他のユーザＵの考えなども吸収することができる。そして、問題が順次出題される都度、ユーザＵが解答をしていくことで、ユーザＵは、現実に講師や他の受講者がいる環境に近い状態でケースメソッド学習を進めていくことができる。

ステップＳ２１１：そして、学習支援装置２００は、上記のように問題を順次出題していくうちに、或る段階で最後の問題を出題する。最後の問題に対する解答データがステップＳ２０５にて取得されたことに応じて、解答分析部２２２は、ステップＳ２０６にて最後の問題に対する解答が得られたことを判定する。この場合、解答分析部２２２は、最後の問題に対する分析を行う。当該ステップＳ２１１による分析は、例えばステップＳ２０７の処理と同様でよい。この場合には、最後の解答を対象としているので、解答の分析は行うが、ステップＳ２０７の次のステップＳ２０８のように、解答分析結果に応じた次問題の決定は行わなくともよい。

ステップＳ２１２：ステップＳ２１１による最後の解答に対する分析の後、解答分析部２２２は、第１問から最後の問題までに対するそれぞれの解答の分析結果に基づいて、ユーザＵのこれまでの解答を総括した評価（総合評価）を行う。この場合、解答分析部２２２は、前述のように文章の形式による総合評価結果を出力（生成）するようにされてよい。また、解答分析部２２２は、ステップＳ２１２の総合評価にあたり学習モデルを用いてよい。この場合の学習モデルも例えばアテンションを導入したＬＳＴＭが採用されてよい。
あるいは、より簡易な構成として、例えば、解答分析部２２２は、問題群データにおいて最後の問題に対する解答の評価分類ごとに、総合評価を対応付けておき、最後の問題に対する解答の評価分類結果に対応する総合評価を問題群データから取得するようにしてもよい。
ステップＳ２１３：出題部２２１は、ステップＳ２１２により得られた総合評価結果をユーザ端末装置１００に送信する。

なお、本実施形態において、ユーザ端末装置１００にて提示、出題されるフィードバック、問題は、例えば動画あるいは音声によって出題されてよい。同様に、解答についても、ユーザＵが、ユーザ端末装置１００を用いて、解答している自分を録画、あるいは解答の音声を録音することで、解答の入力を行うようにされてよい。この場合、ユーザ端末装置１００は、録画あるいは録音によって得られた動画像（音声を含む）あるいは音声のデータを、解答データとして送信する。学習支援装置２００の解答分析部２２２は、音声から自然言語によるテキストを抽出し、解答の分析を行うようにされる。また、解答が動画像である場合、解答分析部２２２は、動画におけるユーザＵの表情や身振り手振り等に基づいてユーザＵの感情を分析してもよい。さらに解答分析部２２２は、音声のデータに基づいて、ユーザが解答を話している声の調子等に基づいてユーザＵの感情を分析してもよい。解答分析部２２２は、分析されたユーザＵの感情も解答を分類するための入力データに含めてよい。

なお、本実施形態における出題と解答とのやりとりは、例えばチャット形式によって実現されてもよい。

なお、本実施形態の学習支援装置２００としての機能は、例えばネットワーク上で複数の装置に分散されたうえで、各装置が相互に連携することでユーザＵにケースメソッド講座を提供できるようにされてもよい。

なお、上述のユーザ端末装置１００や学習支援装置２００等の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより上述のユーザ端末装置１００や学習支援装置２００等の処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ−ＲＯＭ等の非一過性の記録媒体であってもよい。また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部または外部に設けられた記録媒体も含まれる。配信サーバの記録媒体に記憶されるプログラムのコードは、端末装置で実行可能な形式のプログラムのコードと異なるものでもよい。すなわち、配信サーバからダウンロードされて端末装置で実行可能な形でインストールができるものであれば、配信サーバで記憶される形式は問わない。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後に端末装置で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

１００ ユーザ端末装置、２００ 学習支援装置、２０１ 通信部、２０２ 制御部、２０３ 記憶部、２２１ 出題部、２２２ 解答分析部、２２３ 決定部、２３１ ユーザ情報記憶部、２３２ 問題情報記憶部

Claims (6)

1. ネットワーク経由による学習者端末装置との通信を介して、自然言語による問題が前記学習者端末装置にて出題されるようにするとともに、問題に対する学習者の解答に応じた学習者へのフィードバックが前記学習者端末装置にて提示されるようにする出題部と、
   ネットワーク経由の通信を介して前記学習者端末装置から取得した、前記問題に対する自然言語による解答について分析を行う解答分析部と、
   前記解答分析部による分析結果に基づいて、前記出題部により提示されるフィードバックと、前記出題部により出題される次の問題とを決定する決定部と
   を備える学習支援装置。
2. 前記決定部は、前記解答分析部による分析結果に基づいて、他のユーザの解答のうちから解答を選択し、選択された他のユーザの解答を前記フィードバックに含める
   請求項１に記載の学習支援装置。
3. 前記解答分析部は、１の事例に対応する最初の問題から最後の問題ごとの解答の分析結果に基づいて、前記１の事例に対する複数の解答についての総合的な評価を出力する
   請求項１または２に記載の学習支援装置。
4. 前記出題部は、前記自然言語による問題に加えて、複数の選択肢のうちから選択された選択肢を解答とする選択問題の出題が可能とされ、
   選択問題に対する解答に対しては、前記解答分析部は分析を行わず、前記決定部は、解答としての選択肢に予め対応付けられたフィードバックと次問題とを、前記出題部により提示されるフィードバックと、前記出題部により出題される次の問題として決定する
   請求項１から３のいずれか一項に記載の学習支援装置。
5. ネットワーク経由による学習者端末装置との通信を介して、自然言語による問題が前記学習者端末装置にて出題されるようにするとともに、問題に対する学習者の解答に応じた学習者へのフィードバックが前記学習者端末装置にて提示されるようにする出題ステップと、
   ネットワーク経由の通信を介して前記学習者端末装置から取得した、前記問題に対する自然言語による解答について分析を行う解答分析ステップと、
   前記解答分析ステップによる分析結果に基づいて、前記出題ステップにより提示されるフィードバックと、前記出題ステップにより出題される次の問題とを決定する決定ステップと
   を備える学習支援方法。
6. 学習支援装置としてのコンピュータを、
   ネットワーク経由による学習者端末装置との通信を介して、自然言語による問題が前記学習者端末装置にて出題されるようにするとともに、問題に対する学習者の解答に応じた学習者へのフィードバックが前記学習者端末装置にて提示されるようにする出題部と、
   ネットワーク経由の通信を介して前記学習者端末装置から取得した、前記問題に対する自然言語による解答について分析を行う解答分析部と、
   前記解答分析部による分析結果に基づいて、前記出題部により提示されるフィードバックと、前記出題部により出題される次の問題とを決定する決定部
   として機能させるためのプログラム。

Images