JP2023180095A - 学習支援システム、学習支援方法、及びプログラム - Google Patents

Abstract

【課題】学力の向上度合を考慮して、優先して学習すべき学習内容を選択する仕組みを提供する。【解決手段】所定の学習内容を学習した場合に向上すると予測される学力の向上度と、当該学習の所要時間と、の関係を表す学力向上特性を取得する向上特性取得手段と、前記学力向上特性と前記所要時間とに基づいて、優先して学習すべき学習内容に関する情報を出力するレコメンド手段と、を備える、学習支援システムとする。前記所要時間は、学習者が学習に費やすことができる学習可能時間であってもよい。【選択図】図２３

Description

本発明は、学習支援システム、学習支援方法、及びプログラムに関する。

本技術分野の背景技術として、特開２０２２－０３２１９６号公報（特許文献１）がある。この公報には、「所定の学習範囲内の各問題に対する学習者の解答を取得する取得部と、解答が正解か否かを判定する解答判定部と、解答判定部の判定結果により示される学習者の第１解答傾向に基づいて、学習者の未取組問題に対する第２解答傾向を特定する傾向特定部と、第１解答傾向、第２解答傾向、及び学習者が選択した志望校に関連付けられる他の学習者の第３解答傾向を含む学習履歴に基づき、学習者と他の学習者との解答傾向を含む学習状況の差を埋める一以上の問題を選定する学習済みモデルを用いて、第１解答傾向及び第２解答傾向に基づく一以上の問題を選定する問題選定部と、選定された一以上の問題を、学習者に対して出力する出力部と、を備える学習支援システム」と記載されている（要約参照）。

特開２０２２－０３２１９６号公報

この特許文献１には、学習者の未取組問題に対する解答傾向を用いて、学習者ごとに適切な一以上の問題を提供することが開示されている。学習者に提供される一以上の問題として、学習者が志望する学校に合格するために、他の学習者の学習状況との差異を埋める問題が記載されている。しかしながら、特許文献１の技術によると、個人ごとに異なる、現在の学力から向上される学力の向上度合を考慮して、優先して学習すべき学習内容を選択する仕組みについては開示されていない。

そこで、本発明は、学力の向上度合を考慮して、優先して学習すべき学習内容を選択する仕組みを提供する。

上記課題を解決するために、例えば特許請求の範囲に記載の構成を採用する。
本願は上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、所定の学習内容を学習した場合に向上すると予測される学力の向上度と、当該学習の所要時間と、の関係を表す学力向上特性を取得する向上特性取得手段と、前記学力向上特性と前記所要時間とに基づいて、優先して学習すべき学習内容に関する情報を出力するレコメンド手段と、を備える、学習支援システムとすることを特徴とする。

本発明によれば、学力の向上度合を考慮して、優先して学習すべき学習内容を選択する仕組みを提供することができる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

図１は、学習支援システム１００の全体の構成図の例である。 図２は、管理サーバ１０１のハードウェア構成の例である。 図３は、ユーザ端末１０２のハードウェア構成の例である。 図４は、講師端末１０３のハードウェア構成の例である。 図５は、ユーザ情報５００の例である。 図６は、学習単元情報６００の例である。 図７は、講師情報７００の例である。 図８は、学習履歴情報８００の例である。 図９は、試験情報９００の例である。 図１０は、試験の予想配点の記憶情報１０００の例である。 図１１は、学習単元ごとの習得目安時間の記憶情報１１００の例である。 図１２（Ａ）Ａさんの推定学習所要時間と理論得点の関係と、（Ｂ）習向上特性と、の記憶情報の例である。 図１３は、優先度調整フラグの記憶情報（苦手意識）１３００の例である。 図１４は、優先度調整フラグの記憶情報（出題傾向）１４００の例である。 図１５は、最終アウトプットの記憶情報１５００（学習可能時間：２７０分間の場合）の例である。 図１６は、最終アウトプットの記憶情報１６００（学習可能時間：受験までの長期間の場合）の例である。 図１７は、レコメンドフロー１７００の例である。 図１８は、優先学習内容決定フロー１８００の例である。 図１９は、学力向上特性取得フロー１９００の例である。 図２０は、レコメンドポイント再計算フロー２０００の例である。 図２１は、向上度確認フロー２１００の例である。 図２２は、学習単元情報の概要図２２００の例である。 図２３（Ａ）（Ｂ）は、異なる学習内容Ａ，Ｂについての学習向上特性表示画面２３００の例である。 図２４は、学習者向けレコメンド画面２４００例である。 図２５は、苦手情報インプット画面２５００の例である。 図２６は、目標宣言画面２６００の例である。

以下、実施例を図面を用いて説明する。

図１は、一実施形態に係る全体の学習支援システム１００の構成図の例である。
学習支援システム１００は、１又は複数の管理サーバ１０１、１又は複数のユーザ端末１０２、および１又は複数の講師端末１０３を備えている。１又は複数のユーザ端末１０２、および１又は複数の講師端末１０３はそれぞれ、ネットワークを介して１又は複数の管理サーバ１０１に接続可能に構成されている。なお、ネットワークは、有線、無線を問わず、それぞれの端末はネットワークを介して互いに情報を送受信することができる。

ユーザ端末１０２は、管理サーバ１０１から出力される学習コンテンツを利用して、学習を実施するためにユーザ（学習者、例えば生徒等）が使用する端末である。
講師端末１０３は、ユーザ（学習者本人）以外の人物が使用する端末の一例であり、本実施例では、講師が使用する「講師端末」として例示する。なお、ユーザ以外の人物が使用する端末は、例えば、指導者、教室管理者、保護者等が操作する端末であってよい。また、本学習支援システム１００において、講師端末１０３は付加的な要素であり、必ずしも備えられる必要はない。また、講師端末１０３は、管理サーバ１０１とは別体として設けられていてもよいし、管理サーバ１０１と一体的に設けられていてもよい。

学習支援システム１００のそれぞれの端末や管理サーバ１０１は、例えば、スマートフォン、タブレット、携帯電話機、携帯情報端末（ＰＤＡ）などの携帯端末（モバイル端末）でもよいし、メガネ型や腕時計型、着衣型などのウェアラブル端末でもよい。また、これらは、据置型または携帯型のコンピュータや、クラウドやネットワーク上に配置されるサーバでもよい。また、機能としてはＶＲ（仮想現実：Virtual Reality）端末、ＡＲ（拡張現実：Augmented Reality）端末、ＭＲ（複合現実：Mixed Reality）端末でもよい。あるいは、これらの複数の端末の組合せであってもよい。例えば、１台のスマートフォンと１台のウェアラブル端末との組合せが論理的に一つの端末として機能し得る。またこれら以外の情報処理端末であってもよい。

学習支援システム１００のそれぞれの端末や管理サーバ１０１は、それぞれオペレーティングシステムやアプリケーション、プログラムなどを実行するプロセッサと、ＲＡＭ（Random Access Memory）等の主記憶装置と、ＩＣカードやハードディスクドライブ、ＳＳＤ（Solid State Drive）、フラッシュメモリ等の補助記憶装置と、ネットワークカードや無線通信モジュール、モバイル通信モジュール等の通信制御部と、タッチパネルやキーボード、マウス、音声入力装置、カメラ部の撮像による動き検知による入力装置などの入力装置と、モニタやディスプレイ、スピーカ、発振器等の出力装置と、を備える。なお、出力装置、外部のモニタやディスプレイ、プリンタ、機器などに、出力するための情報を送信する装置や端子であってもよい。

主記憶装置には、各種プログラムやアプリケーションなど（ソフトウェア・モジュール）が記憶されており、これらのプログラムやアプリケーションをプロセッサが実行することで全体システムの各機能要素が実現される。なお、各モジュールはそれぞれ独立したプログラムやアプリケーションであってもよいが、１つの統合プログラムやアプリケーションの中の一部のサブプログラムや関数などの形で実装されていてもよい。また、これらの各モジュールは回路を集積化したりマクロコンピュータを採用することなどにより、ハードウェアとして実装してもよい（ハードウェア・モジュール）。さらに、これらの各モジュールは、単一の管理サーバ１０１に備えられていてもよいし、ネットワークを介して相互に接続された２以上の管理サーバ１０１に分けて備えられていてもよい。

本明細書では、各モジュールが、処理を行う主体（主語）として記載されているが、実際には各種プログラムやアプリケーションなど（モジュール）を処理するプロセッサが処理を実行する。

補助記憶装置には、各種データベース（ＤＢ）が記憶されている。「データベース」とは、プロセッサまたは外部のコンピュータからの任意のデータ操作（例えば、抽出、追加、削除、上書きなど）に対応できるように整理して収集されたデータ集合である。補助記憶装置は、１又は複数のデータ集合を記憶する機能要素（記憶部）である。データベースの実装方法は限定されず、例えばデータベース管理システムでもよいし、表計算ソフトウェアでもよいし、ＸＭＬ、ＪＳＯＮなどのテキストファイルでもよい。

学習支援システム１００が学習支援の対象とする学習内容は特に限定されず、例えば、各種学校等で学習する国語（古典、現代国語等を含む）、算数（数学等を含む）、理科（化学、物理、生物等を含む）、社会（世界史、日本史、地理、公民等を含む）、外国語（英語、ドイツ語等を含む）、音楽等の学習内容であってよい。また、学習支援システム１００が学習支援の対象とする学習内容は、情報工学、ファッションビジネス学、理学／作業療法学等の専門の学芸の学習、趣味の学芸の学習、各種資格試験のための学習、およびその他の各種の学習であってよい。

以下では、学習支援システム１００主たる支援対象を、学習塾での学習とし、任意の試験に向けた数学の学習について学習支援を行う場合を例にして、本技術について説明する。

図２は、管理サーバ１０１のハードウェア構成を例示している。
管理サーバ１０１は、本実施例の学習支援システム１００を管理する要素である。管理サーバ１０１は、例えばクラウド上に配置されたサーバによって構成される。

主記憶装置２０１には、ユーザ端末管理モジュール２１１、学習管理モジュール２１２、向上特性取得モジュール２１３、レコメンドモジュール２１４、選択情報受付モジュール２１５、講師端末管理モジュール２１６等のプログラムやアプリケーションが記憶されている。管理サーバ１０１の各機能要素は、主記憶装置２０１に記憶されたこれらのプログラムやアプリケーションをプロセッサ２０３が実行することによって実現される。

補助記憶装置２０２には、学習支援システム１００の動作に必要な情報が記憶される。補助記憶装置２０２は、例えば、ユーザ情報５００、学習単元情報６００、講師情報７００、学習履歴情報８００、試験情報９００等が記憶されている。これらの情報の詳細については、後述する。

まず、管理サーバ１０１の各機能要素について説明する。
ユーザ端末管理モジュール２１１は、ユーザ端末１０２の動作を管理する。ユーザ端末管理モジュール２１１は、ユーザ端末１０２のユーザ学習管理モジュール３１１と連携して、ユーザ端末１０２において学習支援システム１００を用いて実行される学習を支援するための基本的な動作を制御する。

例えば、ユーザ端末管理モジュール２１１は、ユーザ学習管理モジュール３１１と連携して、ユーザ端末１０２のディスプレイなどの出力装置３０５に、管理サーバ１０１が実行する学習管理に使用するログインページ、ユーザ情報管理ページ等を出力（表示）する。また、ユーザ端末管理モジュール２１１は、ユーザ端末１０２のユーザ学習管理モジュール３１１と連携して、これらのページを経てユーザ端末１０２から入力された入力情報を取得する。ユーザ端末管理モジュール２１１は、取得した情報（各種情報、指示等）に基づいて動作したり、取得した情報をユーザ情報５００等として補助記憶装置２０２に出力（記録）する。

また、ユーザ端末管理モジュール２１１は、ユーザ端末１０２のユーザ学習管理モジュール３１１と連携し、ユーザ端末１０２に、レコメンド画面、苦手情報インプット画面等の各種条件設定用画面を出力（表示）する。

学習管理モジュール２１２は、学習支援システム１００による学習をユーザ端末１０２において実行するための基本的な動作を制御する。
学習管理モジュール２１２は、例えば、学習コンテンツの出力を管理する。学習管理モジュール２１２は、学習単元情報６００に接続して、ユーザ端末１０２に学習コンテンツを出力する。また、学習管理モジュール２１２は、ユーザ端末１０２のユーザ学習実行モジュール３１２と連携し、例えばユーザ端末１０２からの指示に基づいて、ユーザ端末１０２のディスプレイ等の出力装置３０５に学習コンテンツを出力する。

学習管理モジュール２１２は、出力した学習コンテンツに対してユーザ端末１０２から入力された入力情報（指示、条件、解答等）を取得する。学習管理モジュール２１２は、取得した情報に基づいて動作したり、取得した情報を学習履歴情報８００等として補助記憶装置２０２に出力（記録）し、管理する。

これらの情報は、学習単元、学習コンテンツ（例えば、解説コンテンツ、問題コンテンツ、動画コンテンツ）、および問題等のいずれを単位として取得してもよい。また、「学習単元」とは、一つのまとまりのある学習要素のかたまりごとに設定される学習の単位である。本実施例における「学習単元」は、教科書等で規定される単元（すなわち、学習指導要領に従う単元）と一致していてもよいし、一致していなくてもよい。
図２２は、学習科目「数学Ｉ」の学習単元情報の概要図２２００の例である。学習科目は複数の分野の学習を含み、各分野は複数の学習単元を含む。本学習支援システムでは、例えば、各学習単元の学習のために１組又は複数組の学習コンテンツが用意される。１組の学習コンテンツは、１又は複数の、解説コンテンツ、問題コンテンツ、動画コンテンツ等を含み得る。

本技術における「学習内容」は、このように１又は複数の単元から構成され得る。学習内容は、複数の学習単元の組み合わせを含んでいてもよい。例えば、学習内容は、互いに関連する複数の関連学習内容（例えば、単元グループ）を含んでいてもよい。また、学習内容は、一の学習内容と、一の学習内容を理解するうえで必要となる学習内容である遡行学習内容と、を含んでいてもよい。なお、関連学習内容および遡行学習内容は、同一の科目の学習内容から構成されることに限定されず、複数の科目の学習内容から構成されていてもよい。このような構成とすることで、学習対象についての効率的な理解が可能となる。

学習管理モジュール２１２は、例えば、ユーザによってユーザ端末１０２から入力された解答情報に基づいて、正答や正答率、得点、定着率等に関する情報を取得し（例えば、算出し）、これら取得した情報を学習履歴情報８００に記録する。また、これらの履歴を取得するタイミングは特に制限されず、例えば、問題への解答ごとや、動画の視聴ごと、等としてもよい。

向上特性取得モジュール２１３は、学力向上特性を取得する。学力向上特性は、所定の学習内容を学習した場合に向上すると予測される学力の向上度と、当該学習の所要時間と、の関係を表す情報である。学力向上特性の取得方法については後述する。

レコメンドモジュール２１４は、学力向上特性と所要時間とに基づいて、優先して学習すべき学習内容（以下、単に「優先学習内容」という。）に関する情報を出力する。レコメンドモジュール２１４は、例えば、ユーザごとに、学習すべき学習内容のうちから、所定の時間での学習によって学力が向上する度合の高い学習内容を、優先学習内容として出力する。優先学習内容は、１つの学習内容であってもよいし、複数の学習内容であってもよい。出力先は、例えば、補助記憶装置２０２であってもよいし、ユーザ端末１０２のディスプレイなどであってもよい。

講師端末管理モジュール２１６は、講師端末１０３の動作を管理する。講師端末管理モジュール２１６は、講師端末１０３の講師学習管理モジュール４１１と連携して、講師端末１０３において学習支援システム１００を用いてユーザが実行する学習を管理するための基本的な動作を制御する。例えば、講師端末管理モジュール２１６は、講師学習管理モジュール４１１と連携して、講師端末１０３に、学習支援システム１００のログインページ、講師情報管理ページ、各種のユーザ学習管理ページ等を出力（表示）する。また、講師端末管理モジュール２１６は、講師端末１０３の講師学習管理モジュール４１１と連携して、講師端末１０３からこれらのページを経て入力された入力情報を取得する。講師端末管理モジュール２１６は、取得した情報（各種情報、指示等）に基づいて動作したり、取得した情報を講師情報７００等として補助記憶装置２０２に出力（記録）する。

図３は、ユーザ端末１０２のハードウェア構成の例である。
ユーザ端末１０２は、例えば、タブレットなどの携帯情報端末、ノートＰＣ、デスクトップＰＣ等の端末で構成される。
主記憶装置３０１には、ユーザ学習管理モジュール３１１、ユーザ学習実行モジュール３１２等のプログラムやアプリケーションが記憶されており、これらのプログラムやアプリケーションをプロセッサ３０３が実行することで、ユーザ端末１０２の各機能要素が実現される。

ユーザ学習管理モジュール３１１は、ユーザ端末１０２の基本的な動作を制御する。ユーザ学習管理モジュール３１１は、例えば、管理サーバ１０１のユーザ端末管理モジュール２１１と連携して、学習支援システム１００を用いて実行される学習を管理するための基本的な動作を制御する。

ユーザ学習実行モジュール３１２は、ユーザ端末１０２において学習支援システム１００による学習を実行するための学習コンテンツの出力を制御する。ユーザ学習実行モジュール３１２は、例えば、管理サーバ１０１の学習管理モジュール２１２と連携して、ユーザ端末１０２に各種の学習用コンテンツを出力（表示）したり、ユーザによる入力を管理サーバ１０１に送信したりする。

補助記憶装置３０２には、ユーザ端末１０２の動作に必要な情報が記憶される。補助記憶装置３０２には、例えば、ユーザ情報５００、学習単元情報６００、および学習履歴情報８００等が記憶されている。これらの情報は、管理サーバ１０１に記憶されたユーザ情報５００、学習単元情報６００、および学習履歴情報８００等のうち、当該ユーザの学習に関連する情報の一部または全部であってよい。

図４は、講師端末１０３のハードウェア構成の例である。
講師端末１０３は、例えばスマートフォン、タブレット、ノートＰＣ、デスクトップＰＣ等の端末で構成される。
主記憶装置４０１には、講師学習管理モジュール４１１等のプログラムやアプリケーションが記憶されており、これらのプログラムやアプリケーションをプロセッサ４０３が実行することで、講師端末１０３の各機能要素が実現される。

講師学習管理モジュール４１１は、講師端末１０３の基本的な動作を制御する。講師学習管理モジュール４１１は、例えば、管理サーバ１０１の講師端末管理モジュール２１６と連携して、学習支援システム１００を用いてユーザが実行する学習を管理するための基本的な動作を制御する。例えば、講師学習管理モジュール４１１は、講師端末管理モジュール２１６と連携して、講師端末１０３に、各種のユーザ学習管理ページ等を出力したり、講師からの入力を管理サーバ１０１に送信したりする。

補助記憶装置４０２には、講師端末１０３の動作に必要な情報が記憶される。補助記憶装置４０２は、例えば、ユーザ情報５００、学習単元情報６００、講師情報７００、
学習履歴情報８００、試験情報９００等が記憶されている。これらの情報は、管理サーバ１０１に記憶されたユーザ情報５００、学習単元情報６００、講師情報７００、学習履歴情報８００、試験情報９００等のうち、当該講師の学習支援に関連する情報の一部または全部であってよい。

図５～図９は、管理サーバ１０１に記憶されている各種情報である。これに限定されるものではないが、これらの情報の一部又は全ては、ＪＳＯＮ形式のファイルに記憶することを想定している。これらの情報の一部又は全ては、リレーショナルデータベースや、非リレーショナルデータベースに記憶される構成であってもよい。

図５は、ユーザ情報５００の例である。
ユーザ情報５００は、学習支援システム１００を利用して学習を行うユーザ（例えば、生徒）に関する情報である。ユーザ情報５００は、例えば、ユーザＩＤ、ユーザ表示ＩＤ、氏名、所属学校、学年、志望校、住所、受講講座ＩＤ、受講講座等の情報を含み、それぞれフィールド名（項目名）５１０に対してサンプル値５２０で例示するような値が入力されている。

ユーザＩＤは、ユーザを識別するために各ユーザに付される記号であり、各ユーザに関する情報は、基本的にはこのユーザＩＤによって紐づけられる。ユーザＩＤは、他の情報から参照される主キーである。ユーザ表示ＩＤは、管理サーバ１０１やユーザ端末１０２等の画面に表示されるユーザの表示用のＩＤであり、任意に設定することができる。ユーザ表示ＩＤは、例えばユーザが、所定の記号を用い、所定の条件（例えば、１０字以内）の範囲内で任意に設定することができる。氏名は、ユーザの氏名情報である。所属学校および学年は、ユーザが現在所属している学校（教育機関）の名称と、その所属学年とを示す情報である。例えば「Ｈ２」は、高校２年を示している。志望校は、ユーザが進学を志望する学校の名称であり、例えば、ユーザが入学試験を受ける予定の中学校、高等学校、大学等の名称である。志望校は、学部、学科などの情報を含んでいてもよい。

住所は、ユーザの住所または居所、ないしはユーザの保護者の住所または居所を示す情報である。受講講座ＩＤは、学習支援システム１００が提供する学習講座のうち、ユーザが受講する講座の識別ＩＤを示す。受講講座ＩＤには学習単元情報６００の講座ＩＤが記憶されており、この講座ＩＤにより学習単元情報６００の内容と紐付けされている。受講講座は、学習支援システム１００が提供する学習講座のうち、ユーザが受講する講座を示す。ユーザ情報５００は、その他、ユーザの保護者の情報、各種の手続情報，ユーザ登録情報等を含んでもよい。

図６は、学習単元情報６００の例である。
学習単元情報６００は、学習支援システム１００が提供する学習講座に関する情報であり、学習講座は、例えば、科目、学年、使用テキストごとに用意される。なお、学習講座は、例えば学習進度等に基づいて、さらに細かく区分けしてもよいし、他の観点で設けてもよい。学習単元情報６００は、講座名、講座ＩＤ、分野、分野ＩＤ、単元、単元ＩＤ、データＵＲＬ、難易度、習得目安時間等の情報を含み、それぞれフィールド名６１０に対してサンプル値６２０で例示するような値が入力されている。

講座名および講座ＩＤはそれぞれ、学習講座を識別するための講座の名称およびＩＤである。本実施例の講座名は、例えば図２２に示すように、科目名に一致している。分野および分野ＩＤはそれぞれ、各講座（科目であり得る。）をその内容ごとに区分した場合の区分名およびそのＩＤである。単元および単元ＩＤはそれぞれ、各分野をその内容ごとにさらに区分した場合の区分名およびそのＩＤである。各単元は、例えば図２２に示すように、関連する複数の単元からなる単元グループを構成していてもよい。単元グループは、単元グループは、単元グループＩＤ（図示せず）が付与されていてもよい。データＵＲＬは、各単元の学習において用いられる学習コンテンツのデータの格納場所を示す情報である。データＵＲＬは、例えば、学習コンテンツを構成する各種データを単元ごとに格納する格納フォルダのＵＲＬ等である。難易度は、各単元の学習を習得する際の難易度を示す情報であり、例えば、過去および／または現在の当該単元の試験の正答率等を基に決定することができる。標準習得目安時間は、各単元の学習内容を習得するのに要する時間の目安となる情報であり、例えば、過去および／または現在の任意の生徒の当該単元の学習内容を習得するのに要する時間等を基に決定することができる。習得目安時間は、一例として、過去の学習履歴に基づくビッグデータを元に算出した標準学習時間（例えば、平均習得時間）を元に算出することができる。学習内容を習得したかどうかの判断は、例えば、当該単元の確認テストで合格点を１回又は複数回取得すること等が挙げられる。

図７は、講師情報７００の例である。
講師情報７００は、学習支援システム１００を利用した学習をサポートする講師に関する情報である。講師情報７００は、例えば、講師ＩＤ、講師表示ＩＤ、所属ＩＤ、担当講座ＩＤ、担当ユーザＩＤ等の情報を含み、それぞれフィールド名９１０に対してサンプル値９２０で例示するような値が入力されている。

講師ＩＤは、講師を識別するために各講師に付されるＩＤである。講師表示ＩＤは、管理サーバ１０１や講師端末１０３等の画面に表示される講師の表示用のＩＤである。所属ＩＤは、例えば、当該講師が所属するグループや校舎等に関する情報を示す。担当講座ＩＤは、それぞれ、学習支援システム１００が提供する学習講座のうち、当該講師が担当する講座を示す。担当ユーザＩＤは、例えば当該管理者の担当講座ごとに設けられ、当該担当講座におい当該講師が担当するユーザ（生徒）のＩＤを示す。講師情報７００は、例えば、ユーザＩＤおよび担当講座ＩＤを介して、学習履歴情報８００と紐づけられる。

図８は、学習履歴情報８００の例である。
学習履歴情報８００は、学習支援システム１００を利用した学習の進捗等に関する情報であり、例えば、ユーザおよび単元ごとに設けられる。学習履歴情報８００は、例えば、ユーザＩＤ、単元ＩＤ、開始日時、終了日時、完了日時、単元学習回数、問題ＩＤ、正答ＩＤ、正答率、得点、得点率、定着率（習得度であり得る）等の情報を含み、それぞれフィールド名８１０に対してサンプル値８２０で例示するような値が入力されている。

開始日時、終了日時、完了日時、および単元学習回数はそれぞれ、当該単元の学習コンテンツによる学習を開始した日時、終了した日時、学習を完了した日時、学習を完了した回数に関する情報を示す。なお、終了は、例えば学習コンテンツを用いた学習を一通り実行したことを意味し、完了は、例えば学習コンテンツを用いた学習を所定の完了基準を満たして実行した（終えた）ことを意味する。したがって、一つの学習コンテンツによる学習を「完了」するために、当該学習コンテンツによる学習を複数回終了（実行）することがある。完了基準は、例えば、後述する正答率、得点率、定着率等に基づいて定めることができる（例えば、正答率８０％以上、得点率９０％以上、定着率９５％以上等）。単元学習完了回数は、例えば複数回繰り返して学習可能な単元について、その単元の学習を完了した回数を示し、例えば、０回（未完了）、１回、２回以上、等の情報であってよい。定着率は、当該単元の学習内容の習得度合を表す指標であり、例えば、当該単元の学習コンテンツによる学習を完了したときの正答率や得点率、完了回数等に基づいて定めることができる。定着率は、例えば、未学習の場合を０％とし、正答率や得点率、完了回数が大きいほど高くなる（１００％に近づく）ように定めることができる。

問題ＩＤおよび正答ＩＤはそれぞれ、当該単元の学習コンテンツにおいて出題される問題の識別ＩＤと、その正答の識別ＩＤである。当該単元において出題された問題に対するユーザの解答から、これら問題ＩＤおよび正答ＩＤに基づいて、例えば、正答数および正答率（例えば、全問題数に対する正答数の割合）に関する情報を算出することができる。問題ＩＤには、配点に関する情報が紐づけられている。したがって、問題ＩＤおよび正答ＩＤに基づいて、得点、得点率（例えば、総配点に対する総得点の割合）を算出することができる。

学習履歴情報８００は、例えば、学習内容ごとに、その他の様々な情報を含み得る。学習履歴情報８００は、例えば、解答所要時間、誤答内容、誤答率等に関する情報を含んでいてもよい。学習履歴情報８００は、例えば、参考情報として、当該単元に関連する学習結果であって、学習支援システム１００を利用せずに得られた学習についての学習結果（例えば、模試の得点情報等）や、当該単元に関連し当該生徒が目標とすべき学習の目標値などを、含んでいてもよい。学習履歴情報８００は、例えば、ユーザＩＤを介して、ユーザ情報５００と紐づけられる。また、学習履歴情報８００は、例えば、講座ＩＤを介して、学習単元情報６００と紐づけられる。

図９は、試験情報９００の例である。
試験情報９００は、ユーザが受ける試験に関する情報である。試験情報９００は、例えば、試験名、試験ＩＤ、試験日、分野、分野ＩＤ、配点、出題頻度等の情報を含み、それぞれフィールド名９１０に対してサンプル値９２０で例示するような値が入力されている。

試験名および試験ＩＤはそれぞれ、試験を識別するために付される名称およびＩＤである。試験としては、例えば、公的機関が実施する共通テスト等の公式試験や、この公式試験を模した模擬試験、学校の入学試験等であってよい。また試験は、例えば、各学校等で行われる中間試験、期末試験、学年末試験等であってもよい。試験日は、当該試験が実施される日時を示す情報である。分野および分野ＩＤはそれぞれ、当該試験が対象とする学習内容の分野およびそのＩＤである。配点は、当該試験における各問題の分野ごとの配点を示す。配点は、例えば、公式試験や、入学試験、各学校で行われる試験等については、過去の当該試験問題における実際の配点に基づいて設定する予想配点とすることが例示される。また模擬試験については、例えば、模している対象の試験の配点を予想した予想配点とすることが例示される。出題頻度は、例えば、対象とする試験の過去問題に基づいて定められる情報であり、例えば、出題頻度が高いほど大きくなる数値（例えば、－１～＋１や、０～５等）によってあらわされる情報であってよい。また、出題頻度は、目的の試験に必ず出題される学習内容については１００％、例えば出題される確率が４０％の学習内容については４０％等の値が入力されていてもよい。この場合、各学習内容の平均の出題頻度（例えば６０％）についても併せて記録されているとよい。予想配点および出題頻度は、過去の同様の試験についての統計データの分析や機械学習等により、予め定めることができる。試験情報９００は、例えば、分野ＩＤ等を通じて学習単元情報６００と紐づけられる。

本技術に係る学習支援システム１００は、学習者ごとの学力の向上度合を考慮して、優先して学習すべき学習内容を定める仕組みを提供するものである。まず、本技術の概念について、具体例を基に説明する。

図２３（Ａ）（Ｂ）はそれぞれ、異なる学習内容Ａ，Ｂについての学習向上特性表示画面２３００の例である。学習向上特性表示画面２３００は、ユーザ端末１０２および／または講師端末１０３からの指示に基づいて、ユーザ端末管理モジュール２１１によって、ユーザ端末１０２および／または講師端末１０３のディスプレイ（出力装置３０５，４０５）に表示される。ユーザ端末管理モジュール２１１は、学習向上特性表示画面２３００に、学習内容Ａについての学習向上特性（Ａ）、学習内容Ｂについての学習向上特性（Ｂ）と、を並べて表示する。ユーザ端末管理モジュール２１１は、学習向上特性表示画面２３００に、少なくとも一つの学習向上特性（Ａ）／（Ｂ）を表示することでもよい。学力向上特性（Ａ）（Ｂ）は、現在からの学習可能時間と、その時間だけ当該学習内容を学習した場合の当該学習内容のテストで取得できる予測得点と、の関係を示すグラフとして表示される。図２３に示すように、学習を進めると、ある時間までは学習時間が長くなるほど当該学習内容についての予測得点は高くなる。ただし、学習時間と、予測得点の伸び具合は、学習内容ごとに異なり得る。また、予測得点は、当該学習内容についての配点（満点）が上限となり、配点よりも高い得点を得ることはできない。そして学習時間がゼロの時点（すなわち、現時点）で得られる得点（現状得点）が高いほど、その後の学習による得点の向上余地は小さくなり得る。

したがって、図２３の場合、例えば学習時間が８時間しかない場合は、学習内容Ａを学習した方が、学習内容Ｂを学習する場合よりも、試験で高い得点を得ることができる。しかしながら、例えば学習時間が１１時間ある場合は、学習内容Ｂを学習した方が、学習内容Ａを学習する場合よりも、試験でトータルでより高い得点を得られることがわかる。本技術では、例えば、個々の学習者に対し、今後の学習によってより高い得点が得られるようになる学習内容を提示（お薦め：レコメンド）することができる。換言すると、これから実施される目的の試験において、現在の学力で得られる得点から、試験当日に得られる得点が最も高くなるような得点向上余地の高い１又は複数の学習内容を、優先学習内容として学習者にレコメンドするものである。

図１７は、レコメンドフロー１７００の例である。
本技術に係る学習支援方法は、典型的には、学習可能時間に関する情報の入力を受け付け（Ｓ１７１０）、優先して学習すべき学習内容（優先学習内容）を決定（Ｓ１７２０）したのち、優先学習内容を出力する（Ｓ１７３０）、ことを含む。
ただし、学習可能時間に関する情報の入力の受け付け（Ｓ１７１０）および優先学習内容の決定（Ｓ１７２０）の各工程は、優先学習内容の出力（Ｓ１７３０）よりも前に実行されていればよく、これらの工程（Ｓ１７１０，Ｓ１７２０）の実施の順序およびタイミングは問わない。以下、レコメンドフロー１７００に沿って学習支援方法について説明する。

レコメンドモジュール２１４は、学習可能時間に関する情報の入力を受け付ける（Ｓ１７１０）。学習可能時間とは、学習に費やすことができる時間であり、例えば、目的の試験が実施されるまでに学習に費やすことができる時間である。学習可能時間は、１日当たりの学習可能時間の合計として取得してもよい。学習可能時間の精度は、その時間の長さに応じて変化させることができる。例えば、一例として、学習可能時間が１００時間以内であったり、目的の試験までの時間が４週間以内であったりと比較的短時間である場合は、学習可能時間を１～数時間単位で取得することが好ましい。例えば、学習可能時間が１００時間よりも長かったり、目的の試験が４週間よりも長かったりと比較的長時間である場合は、学習可能時間は、学習に費やすことができる大凡の時間（例えば、５～１０時間単位の時間や、１日あたりの学習時間と試験までの期間の組み合わせ、あるいは期間のみ、など）として取得することができる。なお、学習可能時間として、例えば「期間」の情報のみを取得する場合は、その期間と、当該学習者の学年等に応じた標準的な１日当たりの勉強時間等をもとに、学習可能時間を推察することができる。

また、学習可能時間に関する情報は、学習可能時間を間接的に取得することができる情報であって、例えば、目的の試験名や試験日などであってよい。レコメンドモジュール２１４は、例えば、目的の試験名の入力を受け付けた場合、試験情報９００から当該試験の試験日を取得する構成を備えていてもよい。
学習可能時間に関する情報の入力は、ユーザ端末１０２を介してユーザが入力してもよいし、ユーザから取得した情報を基に講師端末１０３を介して講師が入力してもよい。

本実施例においては、レコメンドモジュール２１４は、例えばユーザ端末１０２のディスプレイに学習可能時間入力用画面を表示し、ユーザからの、目的の試験と、当該試験まで学習可能時間と、についての入力を受け付ける。
レコメンドモジュール２１４は、例えば、ユーザ端末１０２からの入力に基づき、目的の試験が「模試Ｉ」であり、当該試験までの学習可能時間が「２７０分間」であることを補助記憶装置２０２に記憶する。また、レコメンドモジュール２１４は、例えば、ユーザ端末１０２からの入力に基づき、他の目的の試験が「共通テスト」であり、当該試験までの学習可能時間が十分に長い期間（例えば、１２か月以上）であることを補助記憶装置２０２に記憶する。なお、目的の試験の入力は、プルダウンメニューから選択できるようになっていてもよい。また、プルダウンメニューに含まれる一部または全部の試験については、試験情報９００に試験日情報が含まれており、レコメンドモジュール２１４は、試験情報９００にアクセスすることで、試験日情報から当該試験までの学習可能時間を取得できる構成を備えていてもよい。以下では、目的の試験が「模試Ｉ」の場合と、「共通テスト」の場合とについて、比較しながら説明する。

また、レコメンドモジュール２１４は、優先学習内容を決定する（Ｓ１７２０）。
図１８は、優先学習内容決定フロー１８００の例である。
優先学習内容の決定（Ｓ１７２０）について、一実施形態である優先学習内容決定フロー１８００に基づいて説明する。優先学習内容の決定においては、まず向上特性取得モジュール２１３が学力向上特性を取得し（Ｓ１８１０）、その後、レコメンドモジュール２１４が、学習可能時間と、向上特性取得モジュール２１３が取得した学力向上特性と、に基づいて優先学習内容を決定する（Ｓ１８２０～１８５０）。
そこでまずは向上特性取得モジュール２１３による学力向上特性の取得方法について説明し、その後、レコメンドモジュール２１４による優先学習内容の決定方法について、説明する。

＜学力向上特性の取得＞
図１９は、学力向上特性取得フロー１９００の例である。
向上特性取得モジュール２１３は、まず、各学習内容について、試験に関する情報、学習内容に関する情報、および学習者に関する情報を取得する（Ｓ１９１０）。

向上特性取得モジュール２１３が取得する、試験に関する情報としては、例えば、目標の試験の対象範囲に含まれる学習内容、各学習内容の予想配点、各学習内容の出題頻度等に関する情報が挙げられる。
図１０は、試験の予想配点の記憶情報１０００の例である。予想配点の記憶情報１０００は、少なくとも学習内容ごとに、試験情報９００の一部として記憶されている。試験の予想配点１０２０，１０３０は、試験ごと（ここでは、模試Ｉと共通テスト）に用意され、例えば、試験ＩＤ、および単元ＩＤ１１１０等と紐づけられている。

本実施例において予想配点は、学習内容に含まれる複数の単元グループごとにそれぞれ設定されて記憶されている。このように、学習内容を構成するより詳細な学習のまとまり（単元）ごとに配点やならびに習得目安時間が記憶されていてもよい。この場合、より高い精度で優先学習内容を提示することができる。学習内容「二次関数」（単元ＩＤ：M1a010a～M1a010r）についての配点は、図１０に示されるように、学習内容「二次関数」の各単元グループの予想配点の合計であり、試験「模試Ｉ」において２５点、「共通テスト」において２５点である。

学習内容に関する情報としては、例えば、各学習内容の難易度、標準習得目安時間等に関する情報が挙げられる。学習者に関する情報としては、例えば、各学習内容の学習時間、正答率、得点率、定着率、意識、目標とする試験、志望校等に関する情報が挙げられる。
図１１は、学習者の学習単元ごとの習得目安時間の記憶情報１１００の例である。記憶情報１１００における標準習得目安時間は、学習単元情報６００の一部として、単元ＩＤ１１１０等と紐づけて記憶されている。

図１１は、学習者の学習単元ごとの習得目安時間の記憶情報１１００の例である。記憶情報１１００における標準習得目安時間は、学習単元情報６００の一部として、単元ＩＤ１１１０等と紐づけて記憶されていてもよい。

そして、学習者（Ａさん）の各学習内容（各単元であり得る）の習得目安時間は、例えば、標準習得目安時間をもとに決定することができる。
学習者の各学習内容の習得目安時間としては、例えば、（１）標準習得目安時間をそのまま用いてもよい。また例えば、学習者の各学習内容の習得目安時間は、（２）標準習得目安時間に学習者の当該学習内容の学力を加味して算出してもよい。

加味する学力としては、例えば、当該学習内容についての、正答率、得点率、定着率、所属学校名、志望校名等を指標とすることが挙げられる。これらの指標が表す学力が高いほど、学習者の習得目安時間標準習得目安時間よりも短くし、これらの指標が表す学力が低いほど、学習者の習得目安時間を標準習得目安時間よりも長くすることができる。例えば、Ａさんの学習内容「二次関数」の各単元（単元ＩＤ：M1a010a～M1a010r）の習得目安時間は、Ａさんの学力指標が平均よりやや低いことから標準習得目安時間よりもやや長くなっている。Ａさんの学習内容「二次関数」の習得目安時間は、各単元の習得目安時間の合計であり、図１１に示すように、例えば、４５０分間である。

次いで、向上特性取得モジュール２１３は、学習内容ごとに、学習者（ここではＡさん）の推定学習所要時間と理論得点との関係表を算出する（Ｓ１９２０）。
理論得点とは、ある学習内容について未学習のときから、ある時間だけ学習したときに得られると考えられる理論上の特典である。ここでは、理論得点を、推定学習所要時間との関係で示している。なお、この関係表の算出（Ｓ１９２０）は、本技術についての理解を高めるために示すものであり、必須の工程ではない。
図１２（Ａ）は、Ａさんの推定学習所要時間と理論得点の関係を示す記憶情報の例である。図１２（Ａ）において、推定学習所要時間と理論得点とは、便宜上、関係表の形態で示している。これに限定されるものではないが、向上特性取得モジュール２１３は、例えば以下の手法によって、学習所要時間に対する理論得点を取得することができる。

学習時間と理論得点との間には、次の関係が見られると仮定することができる。すなわち、例えば、当該学習内容についての学習時間がゼロのときは、理論得点は０点であり、学習時間が習得目安時間のときは、当該学習内容について習得したと考えられることから、理論得点は満点（すなわち、当該学習分野の配点）となる。そして、学習時間が習得目安時間以上の場合には、満点が維持される。

学習所要時間がゼロと習得目安時間との間の場合、学習所要時間と理論得点との関係は、これに限定されるものではないが、例えば、（１）習得目安時間に対する学習所要時間の割合が、配点に対する得点の割合に等しくなると仮定して、学習所要時間に対する理論得点を算出することができる。

また、（２）一般的に、一つの学習内容に複数の単元が含まれる場合、学習者は標準的な学習順序（典型的には、学習指導要領に示される学習順序）に従って複数の学習単元の学習を進める。また、過去の各試験のデータから、どのような学習内容（単元であり得る。）を習得すれば、どのようなタイプの問題が正答できるかを分析することで、学習内容と得点との対応関係を得ることができる。したがって、学習時間に応じて習得できる単元を特定することで、この習得した学習内容に関する問題は正答できると仮定でき、学習時間に応じた理論得点を求めることができる。例えば、学習内容「二次関数」について１６４分間の学習をした場合、図２２に示す表の単元グループの上から「二次方程式」と「２次関数とグラフ」（単元ＩＤ：M1a010a～M1a010h、習得目安時間の合計：１５０分間）を習得したと考えることができ、これらの単元に基づく問題を正答できると考えることができる。この場合の理論得点は、目的の試験が「模試Ｉ」の場合は１５点、「共通テスト」の場合は１１点となる。

なお、（３）上記（１）～（２）で得られる理論得点に対し、さらに、学習者のケアレスミス率、学習完了時の誤答率、まぐれ正解率等の付加的要素を加味して理論得点を算出してもよい。例えば、学習者のケアレスミス率、誤答率、およびまぐれ正解率が高いほど、理論得点を低下させるように修正することができる。このような付加的要素は、例えば、各学習者がそれぞれの学習内容について出題された問題についての、回答時間、選んだ選択肢の正誤または傾向、選択肢を選び直した回数、回答時のアイトラッキングやマウストラッキング等の学習者の挙動等の学習データのいずれか１種または２種以上の組み合わせを数値化した指標に基づいて表すことができる。例えば、回答時間、選択肢を選び直した回数、回答時のアイトラッキングやマウストラッキングの度合いが高いほど、理論得点を低下させるように修正することができる。なお、上記の付加的要素は、当該要素の基準（例えば平均値）からの乖離の度合いが各要素ごとに設定された所定の各閾値を超えた場合に加味するようにしてもよい。

あるいは、（４）学習時間と理論得点との関係は、得点予測モデルを利用して特定してもよい。得点予測モデルは、学習者の学習傾向から習得時間と配点に基づく得点を予測し、特定するためのモデルである。得点予測モデルは、ユーザ情報５００、学習単元情報６００、学習履歴情報８００、試験情報９００、ならびに過去および現在の学習者の学習履歴情報などを学習データとして機械学習された、学習時間に対する得点を予測し、これらの対応関係を推論する推論アルゴリズムなどでもよい。

向上特性取得モジュール２１３は、例えば、以上の手法に基づいて、例えば図１２（Ａ）に示すような、学習所要時間１２１０と理論得点１２２０との関係を、各学習内容について取得することができる。向上特性取得モジュール２１３は、このような学習所要時間１２１０と、理論得点１２２０と、を紐づけて、補助記憶装置２０２に出力（記憶）してもよい。

次いで、向上特性取得モジュール２１３は、取得した上記関係（関係表）と現在の実力を表す現状得点とから、これから任意の学習可能時間、学習することにより得られる各学習内容の得点である予測得点を算出する（Ｓ１９３０）。
図１２（Ｂ）は、このようにして算出された学習可能時間１２３０と予測得点１２４０との関係（学力向上特性）を示す例である。

この学習可能時間と予測得点とは、例えば図２３に示すグラフ（実線）で表されるのと同様の関係を有し、学習所要時間１２１０と理論得点１２２０との関係のうち、「理論得点＝現状得点」の関係となる時点が現時点であると考えることができ、当該時点から時間軸に沿って学習可能時間がカウントされる。したがって、向上特性取得モジュール２１３は、学習所要時間１２１０と理論得点１２２０との関係において、学習所要時間１２１０を、「予測得点＝現状得点」の関係となる時間の分だけ減少する側にシフトさせることで（すなわち、所定の学習所要時間から、現時点に対応する学習所要時間を差し引くことで）、学習可能時間と予測得点との関係を算出することができる。

現状得点としては、学習者の現在の学力を表す得点を採用することができる。
これに限定されるものではないが、現状得点は、具体的には、例えば、（１）当該学習内容の配点に対し、学習履歴情報８００に記憶されている当該学習内容についての正答率、得点率、定着率等を考慮した値に基づいて決定することができる。学習者が当該学習内容について複数回学習している場合、正答率、得点率、定着率等の指標は、最新の学習における値を採用する。

また例えば、現状得点は、（２）過去の模試における当該学習内容の得点率または定着率等が、目的の試験の当該学習内容の配点に対する得点の割合に対応すると仮定して決定することができる。さらに例えば、現状得点は、（３）ユーザ情報５００に記憶されている学習者の学力偏差値や所属学校名に基づいて決定される学力ランクが、当該学習内容の配点に対する得点の割合に対応すると仮定して決定することができる。このような（２）得点率または定着率と、予測得点と、の関係や、（３）偏差値や所属学校名に基づく学力ランクと、予測得点と、の関係は、例えば、関数式、相関表、マップ等として、予め補助記憶装置２０２に記憶されていてもよい。

また例えば、現状得点は、（４）得点予測モデルを利用して算出してもよい。得点予測モデルは、学習者の学習履歴情報等に基づき、各学習内容について学習者が現在得られる得点（現状得点）を予測するためのモデルである。得点予測モデルは、ユーザ情報５００、学習単元情報６００、学習履歴情報８００、試験情報９００、ならびに過去および現在の学習者および他の学習者の学習履歴情報など（例えば、上記（１）～（３）で利用した指標）を学習データとして機械学習された、各学習内容について当該学習者が取得できる得点を予測し、これらの対応関係を推論する推論アルゴリズムなどでもよい。あるいは、（５）向上特性取得モジュール２１３によって取得された学習所要時間と理論得点との関係に基づき、現在までの当該学習内容の学習時間に対応して得られる理論得点としてもよい。

向上特性取得モジュール２１３は、この学習可能時間１２３０と予測得点１２４０との関係を紐づけて、「学力向上特性」として出力する（Ｓ１９４０）。向上特性取得モジュール２１３は、例えば、各学習内容について、学力向上特性を補助記憶装置２０２に出力（記憶）することができる。

＜優先学習内容の決定＞
レコメンドモジュール２１４は、各学習内容について、向上特性取得モジュール２１３が上記の通り取得した学力向上特性に基づき、所定の学習可能時間の学習により得られる各学習内容の予測得点を算出する（Ｓ１８２０）。すなわち、例えば、目的の試験が「模試Ｉ」の場合、学習者の学習可能時間は２７０分間であるため、学習内容「二次関数」についての予測得点は１５点である。目的の試験が「共通テスト」の場合、学習者の学習可能時間は長期間であるため、学習内容「二次関数」についての予測得点は２５点（配点＝満点）である。

そして、得られた予測得点から現状得点を差し引いて、レコメンドポイント（学習向上度）を算出する（Ｓ１８２３０）。このレコメンドポイントとは、所定の学習可能時間における、予測得点から現状得点を差し引いた値であり、各学習内容について学習した場合に、現在得られるであろう得点から向上する得点に相当する。このレコメンドポイント（学習向上度）は、例えば図２３に示すグラフ（実線）において、現状得点よりも上側に表される部分の得点に対応しており、その大きさはグラフ中の矢印の大きさに対応する。すなわち、レコメンドポイント（学習向上度）は、学習所要時間の学習による得点の伸び代を示す指標でもあり得る。

図１５は、最終アウトプットの記憶情報１５００の例である。
図１６は、最終アウトプットの記憶情報１６００（学習可能時間：受験までの長期間の場合）の例である。
すなわち、例えば、学習内容「二次関数」について、目的の試験が「模試Ｉ」の場合、予測得点である１５点から、現状得点である５点を差し引いた、１０点がレコメンドポイント（学習向上度）である。また、目的の試験が「共通テスト」の場合、予測得点である２５点から、現状得点である５点を差し引いた、２０点がレコメンドポイント（学習向上度）となる。向上特性取得モジュール２１３は、このようにして算出される学習向上度を、学習可能時間と紐づけて、例えばレコメンドポイントＩとして補助記憶装置２０２に出力（記憶）することができる。

記憶情報１５００は、目的の試験が「模試Ｉ」の場合の各種情報であり、学習可能時間が２７０分間の場合の、現状得点、予測得点、得点向上度、レコメンド優先順位Ｉを含む。記憶情報１６００は、目的の試験が「共通テスト」の場合の各種情報であり、学習可能時間が長期間の場合の、現状得点、予測得点、得点向上度、レコメンド優先順位Ｉを含む。なお、図１５および図１６に示すように、得点向上度は、レコメンドポイントＩとして示されている。記憶情報１５００と１６００とでは、現状得点（現在の得点）は同じであるが、学習可能時間が異なることにより、予測得点および得点向上度（レコメンドポイントＩ）が互いに異なる。

レコメンドモジュール２１４は、学力向上度（レコメンドポイントＩ）の高い学習内容の優先度が高くなるように設定する（Ｓ１８４０）。例えば、レコメンドモジュール２１４は、図１５および図１６に示すように、レコメンドポイントＩの高い学習内容の優先度が高くなるように、各学習内容に順序を付ける。この順は、例えば、レコメンド優先順位Ｉとして、記憶情報１５００，１６００に記憶してもよい。

そして、レコメンドモジュール２１４は、優先度の高い学習内容から、すなわちレコメンド優先順位Ｉの高い学習内容から、優先学習内容として出力する（Ｓ１８４０）。
レコメンドモジュール２１４は、優先学習内容に関する記憶情報１５００，１６００を、例えば、補助記憶装置２０２に出力（記憶）することができる。このように、本技術によると、目的の試験までの学習可能時間を考慮して、試験でより高い得点に結びつく学習内容を優先学習内容として選出することができる。

なお、優先学習内容は、レコメンド優先順位Ｉの高い学習内容から、１つまたは２つ以上をユーザ端末１０２に出力してもよい。レコメンドモジュール２１４は、例えば、目的の試験までの学習可能時間で学習できる最大量の学習内容を、優先学習内容として出力してもよいし、上記最大量よりも少ない量の学習内容を、優先学習内容として出力してもよいし。例えば学習可能時間が所定の時間（例えば２０時間）よりも長い場合は、レコメンドモジュール２１４は、この所定の時間（例えば２０時間）の学習で最も成果（得点向上）が出るように、優先学習内容として出力してもよい。また優先学習内容として、例えば、所定の時間（例えば２０時間）で学習できる量の学習内容を出力してもよい。

図２４は、学習者向けレコメンド画面２４００の例である。画面２４００は、目的の試験が「模試Ｉ」の場合の、優先学習内容をユーザに提示するための画面である。管理サーバ１０１のユーザ端末管理モジュール２１１は、ユーザ端末１０２のユーザ学習管理モジュール３１１と連携して、ユーザ端末１０２の出力装置３０５に、例えば画面２４００を出力する。これを単に、ユーザ端末管理モジュール２１１がユーザ端末１０２に画面を表示する、として説明することもある。

ユーザ端末管理モジュール２１１は、例えば画面２４００の上方に、複数の優先学習内容を、上から優先度が高い順に、並べてリスト２４０１として表示する。ここでは、優先学習内容としてレコメンド優先順位Ｉの高い「２次関数」「データの分析」「数と式」の３つの学習内容が、上からこの順に並んで表示されている（図１５参照）。ユーザ端末管理モジュール２１１は、リスト２４０１において、優先学習内容の名称（ここでは分野名）に加え、優先順位、科目、現状得点、学習後の理論得点、成果予想に係る情報を表示する。ユーザ端末管理モジュール２１１は、優先順位、現在得点、学習後の理論得点、成果予想としてそれぞれ、補助記憶装置２０２に記憶された記憶情報１５００等における、レコメンド優先順位Ｉ、現状得点、予測得点、学力向上度（レコメンドポイントＩ）を併せて表示してもよい。

ユーザ端末管理モジュール２１１は、例えば画面２４００の下方に、リストした優先学習内容のそれぞれに対応する選択ボタンアイコン２４０４を表示する。ユーザ端末管理モジュール２１１は、３つの選択ボタンアイコン２４０４を、レコメンド優先順位Ｉが上位１～３の優先学習内容の名称（具体的には、「２次関数」「データの分析」「数と式」の文字）とともに表示する。ユーザ端末管理モジュール２１１は、例えば優先順位が１位の「２次関数」の選択ボタンアイコン２４０４を、他の選択ボタンアイコン２４０４よりも大きく表示する。選択ボタンアイコン２４０４はそれぞれ、例えば、相対的に学力向上度（レコメンドポイントＩ）に対応する大きさ（例えば、幅、面積等）で表示されてもよい。なお、選択ボタンアイコン２４０４は、リスト２４０１の内部に表示されてもよい。

学習者は、「２次関数」「データの分析」「数と式」のいずれかの選択ボタンアイコン２４０４を選択することで、選択に対応する優先学習内容を学習対象として選択することができる。ユーザ端末管理モジュール２１１は、選択された選択ボタンアイコン２４０４については、優先学習内容の名称の文字色および背景色の少なくとも一方が変化（例えば、反転）するように構成されている。ユーザ端末管理モジュール２１１は、学習者が「２次関数」「データの分析」「数と式」のいずれかの選択ボタンアイコン２４０４を選択することで、選択した選択ボタンアイコン２４０４に対応する優先学習内容が学習対象として選択された旨の情報を管理サーバ１０１に送信する。

これにより、当該優先学習内容についての学習が開始される。すなわち、学習管理モジュール２１２は、ユーザ端末１０２のユーザ学習実行モジュール３１２と連携して、ユーザ端末１０２によって選択された優先学習内容に対応する学習コンテンツを、ユーザ端末１０２のディスプレイに表示する。よって、学習者は、目的の試験に向けてより確実に学力の向上を図ることができる優先学習内容についての学習を実施することができる。

また本技術によると、目的とする試験までの学習可能時間に応じて、学習内容ごとの点数の上がりやすさを基に優先学習内容を決定する。したがって、学習者は、優先学習内容を優先的に学習することで、目的とする試験において、より確実に得点を伸ばすことができる。

また、学習内容が複数の学習単元を含む場合、例えば学習指導要領に示される並び順で学習を進めた場合をもとに予測得点および優先学習内容を決定することができる。これにより、学習者に未学習の学習内容を優先学習内容として提示する場合であっても、学習者が違和感なく学習を進めることができる。また、そのような学習の結果、得られた学力向上特性に即して効率的に学力を高めることができる。

さらに、優先学習内容を学習者に提示する（および選択させる）ことは、学習者に対してこれから学習する学習内容を強く認識させることとなる。学習者にとって、このように意識付けられた優先学習内容を学習し、意識するマイルストーン（学習目標）で学力向上の成果を着実に最大化することは、本人の学習モチベーションを高めることに大きく寄与する点においても重要である。

実施例２の管理サーバ１０１は、選択情報受付モジュール２１５を備えている。選択情報受付モジュール２１５は、学習内容に関する選択情報を受け付け、優先学習内容の決定にあたり、ユーザの選択情報に基づいて、優先して学習すべき学習内容の優先度を調整する。その他の点は実施例１と同様であってよく、実施例１と共通する構成および作用効果については説明を省略する。

図２０は、レコメンドポイント再計算フロー２０００の例である。レコメンドポイント再計算フロー２０００は、例えば、実施例１の優先学習内容決定フロー１８００における工程Ｓ１８３０，Ｓ１８４０の代わりに実行することができる。
すなわち、選択情報受付モジュール２１５は、学習内容に関するフラグを取得する（Ｓ２０１０）。そして選択情報受付モジュール２１５は、学力向上度に対応するレコメンドポイントを設定し、フラグに応じてレコメンドポイントを再計算する（Ｓ２０２０）。

レコメンドポイントは、優先して学習すべき学習内容の優先度を表す指標であり、学力向上度の他に、学習内容に関する情報を考慮したものである。本実施例では、学習向上度をレコメンドポイントＩ（基礎となるレコメンドポイント）とし、このレコメンドポイントＩに基づいて再計算を行う。そしてレコメンドモジュール２１４は、選択情報受付モジュール２１５によって再計算されたレコメンドポイント（レコメンドポイントＩＩ）の高い学習内容から、優先学習内容として出力するようにしている（Ｓ２０３０）。

図２５は、苦手情報インプット画面２５００の例である。
苦手情報インプット画面２５００は、学習者が有する苦手だと感じる学習内容の選択情報を受け付けるための画面である。学習内容について苦手だと感じる苦手情報は、選択情報の一例である。選択情報受付モジュール２１５は、ユーザ端末管理モジュール２１１に対し、苦手情報インプット画面２５００を出力するよう指示をする。ユーザ端末管理モジュール２１１は、ユーザ端末１０２のユーザ学習管理モジュール３１１と連携して、ユーザ端末１０２の出力装置３０５に、例えば苦手情報インプット画面２５００を出力する。

ユーザ端末管理モジュール２１１は、苦手情報インプット画面２５００において、例えば、複数の分野名（すなわち、学習内容の名称）及びその分野の属する科目と、選択ボタンアイコン２５０１と、を横並びにすることで対応付けて表示する。このとき、選択情報受付モジュール２１５は、優先学習内容として選択する学習内容の数よりも多くの学習内容を表示するように、ユーザ端末管理モジュール２１１に指示をする。苦手情報インプット画面２５００に表示される学習内容は、例えば、学力向上度（レコメンドポイントＩ）が上位の２～１０個（典型的には、３～８個、ここでは５個）の学習内容とするとよい。苦手情報インプット画面２５００に表示される学習内容は、例えば、優先学習内容として選択する学習内容の数の大凡１．５倍～２倍であってもよい。

ユーザ端末管理モジュール２１１は、例えば選択ボタンアイコン２５０１に「苦手」の文字を表示する。学習者は、選択ボタンアイコン２５０１を選択することで、対応する学習内容が苦手である、という苦手意識を入力することができる。ユーザ端末管理モジュール２１１は、選択された選択ボタンアイコン２５０１については、「苦手」の文字色および背景色の少なくとも一方を変化（例えば、文字色と背景色を入れ替え）させるように構成されている。ユーザ端末管理モジュール２１１は、学習者が選択ボタンアイコン２５０１を選択することで、学習者が選択ボタンアイコン２５０１に対応する学習内容に苦手意識を有する旨の情報を、補助記憶装置２０２に記憶する。例えば、ユーザ端末管理モジュール２１１は、選択ボタンアイコン２５０１が選択された学習内容について、苦手フラグを立てることができる。

図１３は、優先度調整フラグの記憶情報（苦手意識）１３００の例である。
選択情報受付モジュール２１５は、学習内容について苦手意識に関する選択情報が記憶される（苦手フラグが立てられる）ことによって、学習内容に関するフラグを取得する（Ｓ２０１０）。選択情報受付モジュール２１５は、苦手フラグが立てられた学習内容について、所定のルールに従いレコメンドポイントを再計算する（Ｓ２０２０）。

例えば、選択情報受付モジュール２１５は、学習可能時間が第１の閾値より短い場合、学習者が苦手だと感じる前記学習内容について、優先度を低下させるように構成されている。また、選択情報受付モジュール２１５は、学習可能時間が第２の閾値より長い場合、学習者が苦手だと感じる学習内容について、優先度を高めるように構成されている。第１の閾値と第２の閾値は、同じであってもよいし、異なっていてもよい。第１の閾値と第２の閾値とは、通常、第１の閾値≦第２の閾値の関係となる。これに限定されるものではないが、第１の閾値は、例えば１ヵ月～３か月程度の範囲で設定することができ、第２の閾値は、例えば３か月～１２か月程度の範囲で設定することができる。

より具体的には、図１５に示すように、目的の試験が模試Ｉである場合、学習可能時間は２７０分間は第１の閾値より短い。この場合、選択情報受付モジュール２１５は、苦手フラグが立てられた学習内容のレコメンドポイントを、「－１」として低下させる。また、図１６に示すように、目的の試験が共通テストである場合、学習可能時間は長期間であり、第２の閾値より長い。この場合、選択情報受付モジュール２１５は、苦手フラグが立てられた学習内容のレコメンドポイントを、「＋１」として増大させる。これにより、学習可能時間が十分に長いときは、学習者が苦手意識を有する学習内容の学習を行い、苦手意識の克服を図ることができる。また、学習可能時間が十分でないときは、苦手意識のある学習内容を克服するよりも、苦手意識のない（あるいは得意分野の）学習内容についての学力を伸ばして、トータルの得点を効果的に高めることができる。

また、試験は、すべての学習分野についての問題が出題されるよりも、抜粋された一部の学習分野についての問題が出題されることが多い。この場合、より出題頻度の高い学習内容についての学力を高めておくほうが、当該試験における得点の向上に繋がりやすい。そこで、選択情報受付モジュール２１５は、各学習内容に関する選択情報として、出題頻度に関する情報を受け付けることができる。出題頻度に関する情報は、例えば、試験情報９００に記憶されている。選択情報受付モジュール２１５は、試験情報９００に出題頻度情報が含まれている場合、当該学習内容についてフラグを取得する（Ｓ２０１０）。選択情報受付モジュール２１５は、フラグが立てられた学習内容について、出題傾向の高い学習内容について優先度を高めるように、所定のルールに従って、レコメンドポイントを再計算する（Ｓ２０２０）。

図１４は、優先度調整フラグの記憶情報（出題傾向）１４００の例である。
選択情報受付モジュール２１５は、試験情報９００に出題頻度情報が％基準で記憶されている場合、これに限定されるものではないが、例えば以下のようにレコメンドポイントを再計算することができる。
すなわち、選択情報受付モジュール２１５は、平均出題頻度（例えば、６０％）を基準として、平均出題頻度＋１０ポイント（６０％＋１０％＝７０％）より高い出題頻度の学習内容について、レコメンドポイントを「＋１」として増大させる。また、選択情報受付モジュール２１５は、平均出題頻度－１０ポイント（６０％－１０％＝５０％）より低い出題頻度の学習内容について、レコメンドポイントに「－１」して低下させる。選択情報受付モジュール２１５は、平均出題頻度±１０ポイント（５０％～７０％）の範囲の出題頻度の学習内容について、レコメンドポイントに「±０」して変化させない。

選択情報受付モジュール２１５は、試験情報９００に出題頻度情報が、－１～＋１や、０～５等の指標で記憶されている場合、これに限定されるものではないが、レコメンドポイントに当該指標をそのまま加えたり、また、所定の増減値に換算した値を加えるなどして、レコメンドポイントを再計算してもよい。

選択情報受付モジュール２１５は、上記のレコメンドポイントへの変化値を、図１５および図１６に示すように、「出題頻度フラグ」等として補助記憶装置２０２に出力（記憶）してもよい。
また、選択情報受付モジュール２１５は、上記のとおり再計算したのちのレコメンドポイントを、例えば、「レコメンドポイントＩＩ」として補助記憶装置２０２に出力（記憶）することができる。

レコメンドモジュール２１４は、再計算後のレコメンドポイント（レコメンドポイントＩＩ）の高い学習内容の優先度が高くなるように、各学習内容に順序を付けることができる。この順は、図１５および図１６に示すように、例えば「レコメンド優先順位ＩＩ」として、補助記憶装置２０２に出力（記憶）することができる。そして、レコメンドモジュール２１４は、優先度の高い順、すなわちレコメンド優先順位ＩＩの高い学習内容から優先学習内容として出力することができる。

なお、選択情報受付モジュール２１５は、各学習内容に関する選択情報として、講師端末１０３を介して入力された調整フラグ情報を受け付け、この調整フラグ情報に基づいてレコメンドポイントを再計算する構成を備えていてもよい。この場合、講師学習管理モジュール４１１は、例えば、講師端末管理モジュール２１６と連携して、講師端末１０３に、フラグ情報インプット画面等を出力し、講師端末１０３からのフラグ情報の入力を受信して補助記憶装置２０２に記憶する。選択情報受付モジュール２１５は、出題頻度フラグが立てられた場合と同様に、フラグ情報に基づきレコメンドポイントを再計算し、順位付けして、レコメンド優先順位の高い学習内容から優先学習内容として出力することができる。

以上のとおり、例えば学習可能時間が短い場合は、苦手意識のある学習内容の優先度をさげることで、学習者のモチベーションの低下を抑制して、限られた時間で学習を進めることができる。また逆に、学習可能時間が長い場合は、学習者の苦手意識のある学習内容の優先度をあげることで、学習者の苦手意識を克服して、効率的に高得点を得ることに繋げられる。さらに、例えば出題頻度の高い学習内容の優先度を上げることで、より確実に正答して得点を高めることができる。

＜変形例１＞
学習支援システム１００は、例えば、学習者が、学習者向けレコメンド画面２４００で選択した優先学習内容についての学習を終えたのちに、実際にどの程度学力が向上したかを確認できる構成を備えていてもよい。

図２１は、向上度確認フロー２１００の例である。
ユーザ端末管理モジュール２１１が、学習者向けレコメンド画面２４００を介して、ユーザ端末１０２からの優先学習内容の選択を受け付けると（Ｓ２１１０）、学習管理モジュール２１２は、ユーザ端末１０２に、選択された優先学習内容に関する学習コンテンツを出力（送信）する（Ｓ２１２０）。これにより、学習者は、優先学習内容について学習することができる。

学習が終了すると、学習管理モジュール２１２は、ユーザ端末１０２に、選択された学習内容に関する問題を出力する（Ｓ２１３０）。この問題は、例えば、目的とする試験の当該学習内容についての予想問題や、学習コンテンツに含まれる問題コンテンツ（例えば、習得確認問題）等であってよい。学習者がユーザ端末１０２を介してこの問題に対して回答すると、学習管理モジュール２１２は、解答を受け付け、回答が正しいかどうかを採点する。この採点結果として、得点、正答率、得点率等の情報が、学習履歴情報８００に記憶される。

ここで、例えば向上特性取得モジュール２１３は、出題した問題に対する得点から、現状得点を差し引いた値を、実向上度として算出し、補助記憶装置２０２に記憶する（Ｓ２１４０）。ユーザ端末管理モジュール２１１は、採点結果とともに、実向上度をユーザ端末１０２に出力する（Ｓ２１５０）。このような構成によって、学習者は、優先学習内容について学習したことによる、学力の伸び、理解の向上を、実感することができる。このことは、学習者の学習意欲の向上につながるために有益である。また、このような学習の積み重ねにより、当該学習者の学力向上特性を高める（例えば、学力向上特性におけるグラフの傾きをより急峻なものとする）ことができる。

＜変形例２＞
各学習内容についての学力をどの程度まで高める必要があるのかについては、学習者によって異なり得る。例えば、共通テストの目標得点は、個々の学習者の志望大学等によって異なり得る。例えば、学習者によって、目標得点が満点（例えば１００点）であったり、例えば６０点程度でよい場合もあり得る。したがって、管理サーバ１０１は、学習者の学力到達目標に応じて優先度の算出基準を調整できる構成を備えていてもよい。

図２６は、目標宣言画面２６００の例である。
目標宣言画面２６００は、学習者の学習可能時間に関する情報を受け付けるとともに、優先学習内容の学習により期待する学力向上レベルに関する情報を受け付けるための画面である。レコメンドモジュール２１４は、ユーザ端末管理モジュール２１１に対し、例えば、学習可能時間入力用画面に代えて、目標宣言画面２６００を出力するように指示をしてもよい。ユーザ端末管理モジュール２１１は、ユーザ端末１０２のユーザ学習管理モジュール３１１と連携して、ユーザ端末１０２の出力装置３０５に、例えば目標宣言画面２６００を出力する。

ユーザ端末管理モジュール２１１は、目標宣言画面２６００の上方から順に、優先学習内容の学習の目的を確認するメッセージ２６０１と、その回答アイコン２６０２と、目的が受験の場合に目標得点を確認するメッセージ２６０３と、その回答アイコン２６０４と、今後１週間の１日ごとの学習可能時間の入力を求めるメッセージ２６０５と、その入力用アイコン２６０６と、を表示する。

回答アイコン２６０２は２つ用意され、「次のテストに向けて」と「受験に向けて」の文字が表示されるとともに、優先学習内容による学習の目的が入学試験（受験）であるかどうかを確認できるようになっている。

回答アイコン２６０４は複数（ここでは３つ）用意され、「６０点」、「８０点」、「１００点」の３通りの得点が表示されるとともに、現在の目標得点を３通りの中から選択できるようになっている。回答アイコン２６０４は、例えば、回答アイコン２６０２において「受験に向けて」が選択された場合に、選択可能となるように構成されている。

入力用アイコン２６０６は、今後１週間の日付・曜日情報と横並びに設けられ、例えば、プルダウンメニューで１日ごとの学習可能時間を入力できるようになっている。ユーザ端末管理モジュール２１１は、入力用アイコン２６０６の下方に、入力された今後１週間の学習可能時間の合計時間を即時に表示するようになっている。なお、学習可能時間の入力は、プルダウンメニューによるものに限定されず、直接入力や、スライドバーによる時間の選択入力等の他の入力方法によるものであってよい。

ユーザ端末管理モジュール２１１は、目標宣言画面２６００を介して入力された上記情報を、補助記憶装置２０２に記憶する。ユーザ端末管理モジュール２１１は、例えば、補助記憶装置２０２における、選択された各回答アイコン２６０２，２６０４に対応する記憶領域にフラグを立てることができる。

目標宣言画面２６００を介して得られた情報に、優先学習内容の学習の目的が「受験に向けて」を含む場合、向上特性取得モジュール２１３は、目的の試験における各学習内容の配点を、入力された目標得点の割合に基づいて調整し、予測得点、学力向上度、および学習向上特性等を算出する。

例えば、目標宣言画面２６００を介して、目標得点として満点より低い目標得点（例えば「６０点」）が選択された場合、向上特性取得モジュール２１３は、当該試験において全体として目標得点の割合（例えば、６０点／１００点＝６割）に対応する得点がとれるように、例えば、以下のいずれか１つ以上の調整を行うことができる。
学習者にとって得意な学習内容については、満点（＝配点）がとれるように、配点に対して理論得点が低くなるように調整したり、理論得点に対して予測得点が相対的により低くなるように調整し、調整後の理論得点または予測得点に基づいて、未調整の場合よりもレコメンドポイントがより高くなるようにする。このように、得意な学習内容については、未調整の場合よりもレコメンドポイントが高くなることによって、レコメンド優先順も高められ得る。

学習者にとって苦手な学習内容については、当該試験の予想配点を記憶されている本来の予想配点よりも低くなる（ゼロ点を含む）ように調整したり、配点に対して理論得点が高くなるように調整したり、理論得点に対して予測得点が相対的により高くなるように調整し、調整後の配点、理論得点、または予測得点に基づいて、未調整の場合よりもレコメンドポイントがより低くなるようにする。このように、苦手な学習内容については、未調整の場合よりもレコメンドポイントが低くなることによって、レコメンド優先順も低下され得る。

なお、学習内容が得意か苦手かは、例えば、学習者から取得した苦手意識情報や得意意識情報に基づいて判断してもよいし、例えば、現状得点、定着率、得点率、正解率等の相対的に（例えば平均よりも）高い学習内容について得意と判断し、相対的に低い学習内容について苦手と判断してもよい。向上特性取得モジュール２１３は、例えば、各学習内容の予想配点の合計が、当該試験の目標得点となるように、各学習内容の予想配点を調整することができる。

このような処理によると、目標とする試験について所望の得点を得るために、点数を得やすい学習内容について学習することによってより高い点数を獲得し、点数を得難い学習内容については学習に割く時間と労力とを削減することができる。その結果、学習者ごとに目標とする学力、得点力をより効率的に得ることができる。また、このような処理は、再計算時に加減する調整値の大きさをレコメンドポイントに合わせて変化させるよりも簡便である点においても好ましい。なお、レコメンドポイントの調整基準とする値（例えば、目標得点）は、３つに限定されることなく、例えば、１～１０程度の段階で設定できる構成であってもよいし、無段階で調整（例えば、スライドバーアイコンを使用しての調整）できる構成であってもよい。

なお、目標得点として「６０点」が選択された場合、各学習内容についての予測得点を６割として（例えば、図１６における予測得点「２５」点を、その６割の「１６」（点）として）、レコメンドポイントＩ，ＩＩやレコメンド優先順位Ｉ，ＩＩ等を算出してもよい。

このような処理によると、予測得点が全体的に低く抑えられるため、レコメンドポイント（学力向上度）も相対的に小さい値となる。したがって、例えば、苦手意識情報や出題頻度情報などに基づいてレコメンドポイントを再計算する場合、再計算時に加減する調整値が、レコメンドポイントに対して相対的に小さくなることを防ぐことができる。

＜その他の構成＞
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

上記実施例では、学習単元情報６００に、単元ごとの標準習得目安時間が１つ記憶されており、学習者の習得目安時間は、標準習得目安時間を基に算出するようにしていた。しかしながら、学習単元情報６００に、単元ごとの標準習得目安時間を予め複数（例えば、１～１０水準、典型的には３～５水準）記憶させておき、学習者の習得目安時間として、これら複数の標準習得目安時間のうちからいずれか１つを選択する構成であって良い。この場合、向上特性取得モジュール２１３は、ユーザ端末１０２および／または講師端末１０３のディスプレイに、習得目安時間選択画面を出力するように構成されていてもよい。この習得目安時間選択画面は、予め用意した複数の標準習得目安時間のうちから、任意の１つの水準の標準習得目安時間を選択できるように構成されているとよい。

上記実施例では、理論得点の算出に際し、学習者のケアレスミス率等の付加的要素を加味していた。しかしながら、このような付加的要素は、理論得点の算出時に加味することに代えて、現状得点の算出の際に加味してもよい。現状得点は、例えば、ケアレスミス率等の付加的要素の標準からの乖離の度合が高いほど、現状得点が低くなるように修正するとよい。

上記実施例では、理解を容易にするため、学習対象を数学の学習とし、学習内容として複数の学習単元を含む場合に基づいて、本技術について説明した。当業者であれば、このような本技術の学習対象および学習内容が、数学などの単一の科目の学習に限定されることなく、複数の科目を組み合わせた学習対象および学習内容に適用できることが理解される。また、レコメンドされる学習内容は、単一の科目の複数の単元を含む学習セットであってもよいし、複数の科目のそれぞれについて１又は複数の単元を含む学習セットであってもよいし、これらの組み合わせであってもよいことが理解される。例えば、科目「物理」の所定の学習内容についての学力を高めるために、当該学習内容についての関連学習内容や遡行学習内容のほか、例えば、科目「数学」の学習内容（関連学習内容や遡行学習内容であってよい）を含む学習セットを一つの学習内容としてもよい。

上記実施例では、理解を容易にするため、学習者の入力情報に基づいて学習者に対して優先学習内容をレコメンドする例に基づいて、本技術について説明した。しかしながら、例えば、優先学習内容の提示先（出力先）は、ユーザ端末１０２に限定されず、講師端末１０３や管理サーバ１０１であってもよい。また、学習可能時間の入力や、苦手情報の入力、目標宣言画面２６００への入力などは、学習者以外の、講師や管理者等が実施してもよい。例えば、講師は、個々の生徒に応じた短期又は長期の学習セットを作成するためにこの学習支援システム１００を利用することができる。

上記実施例では、目標宣言画面２６００において、試験全体の目標点数について入力するようにしていた。目標の宣言の仕方はこれに限定されず、例えば、複数の学習内容からなる学習内容グルーブごとや、学習内容ごと、学習単元ごとに、目標を設定するようにしてもよい。

上記実施例では、現状得点を記憶データをもとに計算によって取得するようにしていた。例えば、現状得点は、例えば図２３に示すようなユーザ端末１０２等に学習向上特性表示画面２３００を表示し、この学習向上特性表示画面２３００に対する入力値に基づき取得してもい。例えば、学習向上特性表示画面２３００に、まずは横軸を推定学習所要時間とし、縦軸を理論得点とするグラフを表示し、推定学習所要時間に対して、現時点を指定することで、現時点を開始点（ゼロ交点）として学習可能時間軸と得点軸とを作成してもよい。あるいは、理論得点に対して、現状得点を指定することで、現状得点を開始点（ゼロ交点）として学習可能時間軸と得点軸とを作成してもよい。現時点および／または現状得点の指定は、数値入力であってもよいし、マウスやタッチパネル等によるグラフ上の位置指定であってもよいし、スライドバー、プルダウンメニュー等による選択などであってもよい。

上記実施例において、優先度調整フラグに基づくレコメンドポイントの調整内容は、学習者や、講師、管理者などが設定および／または変更できる構成であってよい。例えば、図１３および図１４に示す優先度調整フラグに基づくレコメンドポイントの調整内容において、優先順位を高める側（＋）に変更させるか、優先順位を低下させる側（－）に変更させるか、およびその調整幅について、変更できる構成であってよい。

上記実施例において、各画面２４００，２５００，２６００等は、ユーザ端末管理モジュール２１１によってユーザ端末１０２に出力されている。しかしながら、各画面２４００，２５００，２６００等は、他のモジュール、例えば、学習管理モジュール２１２等によって、ユーザ端末１０２に出力されるように構成されていてもよい。

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
なお、上述の実施例は少なくとも特許請求の範囲に記載の構成を開示している。

１００…学習支援システム、１０１…管理サーバ、１０２…ユーザ端末、１０３…講師端末、２１１…ユーザ端末管理モジュール、２１２…学習管理モジュール、２１３…向上特性取得モジュール、２１４…レコメンドモジュール、２１５…選択情報受付モジュール、２１６…講師端末管理モジュール

Claims (27)

1. 所定の学習内容を学習した場合に向上すると予測される学力の向上度と、当該学習の所要時間と、の関係を表す学力向上特性を取得する向上特性取得手段と、
   前記学力向上特性と前記所要時間とに基づいて、優先して学習すべき学習内容に関する情報を出力するレコメンド手段と、
   を備える、学習支援システム。
2. 前記レコメンド手段は、前記所要時間内の学習によって向上される前記向上度が高い前記学習内容を、前記所要時間内の学習によって向上される前記向上度が低い前記学習内容よりも、優先的に表示する構成を備えている、
   請求項１に記載の学習支援システム。
3. 前記レコメンド手段は、学習に費やすことができる学習可能時間内の前記学力の向上度に基づいて、前記優先して学習すべき学習内容を決定する、
   請求項１または２に記載の学習支援システム。
4. 前記向上度は、所定の学習内容を学習した場合に得られると予測される予測得点と、当該所定の学習内容についての現状得点と、の差に基づいて算出される、
   請求項１～３のいずれか１項に記載の学習支援システム。
5. 前記予測得点は、学習後に受ける試験における前記学習内容の配点に基づいて算出される、
   請求項４に記載の学習支援システム。
6. 前記レコメンド手段は、前記優先して学習すべき学習内容とともに、前記向上度に関する情報を出力する、
   請求項１～５のいずれか１項に記載の学習支援システム。
7. 前記レコメンド手段は、前記優先して学習すべき学習内容として、複数の前記学習内容に関する情報を、それらの優先度に関する情報とともに出力する、
   請求項１～６のいずれか１項に記載の学習支援システム。
8. 前記優先して学習すべき学習内容は、複数の前記学習内容の組み合わせを含む、
   請求項１～７のいずれか１項に記載の学習支援システム。
9. 前記優先して学習すべき学習内容は、一の学習内容と、前記一の学習内容を理解するうえで必要となる学習内容である遡行学習内容と、を含む、
   請求項８に記載の学習支援システム。
10. 前記学習内容に関する選択情報を受け付ける選択情報受付手段を備え、
    前記選択情報受付手段は、前記選択情報に基づいて、優先して学習すべき前記学習内容の優先度を調整する構成を備えている、
    請求項１～９のいずれか１項に記載の学習支援システム。
11. 前記選択情報は、学習者が有する苦手だと感じる前記学習内容の選択情報であり、
    前記選択情報受付手段は、学習可能時間が所定の閾値より長い場合、学習者が苦手だと感じる前記学習内容について、優先度を高める構成を備えている、
    請求項１０に記載の学習支援システム。
12. 前記選択情報は、学習者が有する苦手だと感じる前記学習内容の選択情報であり、
    前記選択情報受付手段は、学習可能時間が所定の閾値より短い場合、学習者が苦手だと感じる前記学習内容について、優先度を低下させる構成を備えている、
    請求項１０または１１に記載の学習支援システム。
13. 前記選択情報受付手段は、学習者が受験する試験において出題傾向の高い前記学習内容について、優先度を高める構成を備えている、
    請求項１０～１２のいずれか１項に記載の学習支援システム。
14. 所定の学習内容を学習した場合に向上すると予測される学力の向上度と、当該学習の所要時間と、の関係を表す学力向上特性を取得し、
    前記学力向上特性と前記所要時間とに基づいて、優先して学習すべき学習内容に関する情報を出力する、学習支援方法。
15. 前記学習可能時間内の学習によって向上される前記向上度が高い前記学習内容を、前記学習可能時間内の学習によって向上される前記向上度が低い前記学習内容よりも、優先的に表示する構成を備えている、
    請求項１４に記載の学習支援方法。
16. 前記所要時間は、学習に費やすことができる学習可能時間である、
    請求項１４または１５に記載の学習支援方法。
17. 前記向上度を、一の学習内容を学習した場合に得られると予測される予測得点と、前記一の学習内容についての現状得点と、の差に基づいて算出する、
    請求項１４～１６のいずれか１項に記載の学習支援方法。
18. 前記予測得点を、学習後に受ける試験における前記学習内容の配点に基づいて算出する、
    請求項１７に記載の学習支援方法。
19. 前記優先して学習すべき学習内容とともに、前記向上度に関する情報を出力する、
    請求項１４～１８のいずれか１項に記載の学習支援方法。
20. 前記優先して学習すべき学習内容として、複数の前記学習内容に関する情報を、それらの優先度に関する情報とともに出力する、
    請求項１４～１９のいずれか１項に記載の学習支援方法。
21. 前記優先して学習すべき学習内容は、複数の前記学習内容の組み合わせを含む、
    請求項１４～２０のいずれか１項に記載の学習支援方法。
22. 前記優先して学習すべき学習内容は、一の学習内容と、前記一の学習内容を理解するうえで必要となる学習内容である遡行学習内容と、を含む、
    請求項２１に記載の学習支援方法。
23. 前記学習内容に関する選択情報を受け付け、
    前記選択情報に基づいて、優先して学習すべき前記学習内容の優先度を調整する、
    請求項１４～２２のいずれか１項に記載の学習支援方法。
24. 前記選択情報は、学習者が有する苦手だと感じる前記学習内容の選択情報であり、
    学習可能時間が所定の閾値より長い場合、学習者が苦手だと感じる前記学習内容について、優先度を高める、
    請求項２３に記載の学習支援方法。
25. 前記選択情報は、学習者が有する苦手だと感じる前記学習内容の選択情報であり、
    学習可能時間が所定の閾値より短い場合、学習者が苦手だと感じる前記学習内容について、優先度を低下させる、
    請求項２３または２４に記載の学習支援方法。
26. 学習者が受験する試験において出題傾向の高い前記学習内容について、前記優先度を高める、
    請求項２３～２５のいずれか１項に記載の学習支援方法。
27. サーバを、請求項１～１４のいずれか１項に記載の学習支援システムの各手段として機能させるためのプログラム。

Images