JP4970505B2 - 学習到達度評価方法及び学習到達度評価システム - Google Patents
学習到達度評価方法及び学習到達度評価システム Download PDFInfo
- Publication number
- JP4970505B2 JP4970505B2 JP2009189351A JP2009189351A JP4970505B2 JP 4970505 B2 JP4970505 B2 JP 4970505B2 JP 2009189351 A JP2009189351 A JP 2009189351A JP 2009189351 A JP2009189351 A JP 2009189351A JP 4970505 B2 JP4970505 B2 JP 4970505B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- schedule
- condition
- unit
- content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 230000013016 learning Effects 0.000 title claims description 390
- 238000011156 evaluation Methods 0.000 title claims description 63
- 238000000034 method Methods 0.000 claims description 165
- 238000006243 chemical reaction Methods 0.000 claims description 66
- 230000004044 response Effects 0.000 claims description 59
- 238000003860 storage Methods 0.000 claims description 25
- 238000012546 transfer Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 description 67
- 230000000694 effects Effects 0.000 description 49
- 238000004458 analytical method Methods 0.000 description 32
- 230000008859 change Effects 0.000 description 24
- 239000011159 matrix material Substances 0.000 description 16
- 238000012797 qualification Methods 0.000 description 11
- 238000013519 translation Methods 0.000 description 10
- 230000014616 translation Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000002354 daily effect Effects 0.000 description 6
- 230000003203 everyday effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 230000008450 motivation Effects 0.000 description 4
- 238000000491 multivariate analysis Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000007115 recruitment Effects 0.000 description 4
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000035484 reaction time Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 238000000265 homogenisation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000003050 experimental design method Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
1.あるコンテンツに関するイベントが生起するスケジュール条件を、コンテンツに関するイベントが生起する最小期間である呈示ユニットと、イベント生起の呈示ユニット以上に長く、かつ、同一のコンテンツについてイベントの開始から次のイベントが起きる前までの間のインターバルと、前記インターバル以下の短い一定の期間であってイベントの生起を分散させるためのイベントサイクルユニットと、前記呈示ユニット以上に長く、かつ前記イベントサイクルユニット以下の長さの期間であってコンテンツの呈示条件を均質配置させるための条件ユニットと、複数のスケジュールが開始される場合にその開始時点の違いを表す遅延期間とからなるタイミング条件で構成するスケジュール作成方法。
スケジュール固定法は、タイミングを統制した上でデータを収集させ、タイミングの要因の影響を小さくすることにより、予測力を高める方法である。
スケジュールパターンを分析に取り込むために、従来の調査方法に実験計画的な考え方を導入することをまず提案する。
まずは、一般的なスケジュールの意味を厳密にとらえる必要がある。そのために、一般にいわれている、あるイベントが生起するスケジュールを、イベントが起きる最小の期間である呈示ユニットと、あるイベントの開始から次のイベントが起きる前までの期間とするインターバルとで構成されるタイミング条件Aiと、イベントの質を表す呈示条件Bi、および必要に応じてコンテンツの属性(難易度など)条件の3つに分けて考える。例えば、一般に一日やったら4日休むというスケジュールの場合、1日を最小単位(呈示ユニット)として想定し、5日をインターバルと想定したスケジュールといえる。
膨大なコンテンツに関するイベントが生起するタイミングを統制するための枠組みとして、イベントサイクルユニットを想定することを提案する。膨大なコンテンツをまとめて呈示することが難しいとすれば、コンテンツをある期間にばら撒く必要が当然出てくる。その期間をイベントサイクルユニットとする。一つのポイントは、その期間の設定に制約がある点である。
個人の特徴や一般的な傾向を明らかにしたり、的確な予測を行うためには、評定など反応を要求するコンテンツの質を明確にしておく必要がある。個々の商品や英単語に対する反応の変化が関心事であれば、グルーピングを行う必要ないが、その個人の反応傾向を見るためには、その個人に対して送信した複数のコンテンツの反応の代表値を採ることが望ましい。
コンテンツをグルーピングする理由は、特定のスケジュールの効果はコンテンツによって異なってくると考えられるためである。複数の属性を持つコンテンツの集合に対するスケジュールの効果は、コンテンツの集合が変われば違うものになる可能性が高い。つまり、コンテンツの要因とスケジュールの要因をできる限り分離することにより分析の精度を上げることを意図する。
タイミング条件の種類は無限に想定されるが、イベントの周期の影響を視覚的に分かりやすくするためには、10日に1回、1ヵ月に1回というような等間隔のインターバル、呈示条件を設定することが当初は有効である。
特定のイベントサイクルユニットにおいて、そこで考慮する呈示条件が、1つのイベントサイクルユニットの中にできる限り均質になるように配置した後、そこへコンテンツ項目を割り振る。
均質配置にはランダムに呈示条件を配置する他に次の方法がある。すなわち、イベントサイクルユニットを更に一定期間(条件ユニットと呼ぶ)に分け、その条件ユニット内で全ての呈示条件(コンテンツ項目ではない)、もしくは、一定のタイミング条件で生起するイベントの効果を比較検討したい呈示条件や属性条件があればその条件がそれぞれ1回出現するようにする(図4参照)。
各イベントサイクルユニットの中で、コンテンツ項目が呈示される順序を固定し、どのイベントサイクルユニットをとってもほぼ同じ順序でコンテンツ項目が呈示されるように配置する。
ここでは、イベントサイクルユニットの最少単位内で呈示されるコンテンツ項目のまとまりを呈示ユニットPiと呼ぶ。英単語学習なら、ある日に呈示される英単語のまとまりのようなものである。
スケジュール条件、呈示条件Bi、コンテンツグループの属性などの様々な組み合わせに対して反応データを収集するためには、1つの呈示ユニットに反応する時間はできる限り短くすることが望ましい(あまり長い時間がかかってしまっては一定の呈示条件を保証できず、また反応する人の負担も大きくなる)。
(4)で配置された呈示条件へのコンテンツ項目の配分方法としては、評定者ごとにランダムに割り振る他、従来の実験研究で用いられているような、カウンターバランス法を用いても良い。
以上、イベントのスケジュール条件の様々な設定方法を述べたが、これらは全て、データの集計方法に対応させて考えられるものである。つまり、上記の方法を用い、以下に説明するような方法でデータを集計すれば、タイミング条件、呈示条件、コンテンツの属性などが統制された反応をデータとして収集することができる。
前記データ収集方法1は、一定のイベントサイクルユニット(少なくとも条件ユニット)のような期間を設けなければ、一定のタイミング条件に則った正確なデータの収集ができない点で難点がある。一般にテストは短期間になされるものである。その場合、イベントサイクルユニットを設定する方法では、学習イベントとテストのような評価イベント(以後、テストと呼ぶこともある)の間の時間間隔の違いに対処する必要が出てくる。例えば、図3で1、2ヵ月目に学習を実施し、その効果を3ヵ月目以降のある日に測定する場合、1、2ヵ月の間に使われたコンテンツを全て利用してテストすることは時間的に難しく、いくつかのコンテンツを抽出してテスト項目を構成する必要がある。その場合、例えば3ヵ月目の初日にテストを実施するならば、学習からテストまでのインターバルは1〜24日のばらつきが生じる。その状況で1ヵ月目の前半に学習したコンテンツと、2ヵ月目の最後に学習したコンテンツからテストを構成し成績を同等に比較しては、学習とテストの間のインターバルの違いの影響が成績に混入し、厳密な比較は難しい。学習とテストのインターバルの違いの影響を考慮して、正確な比較を行うための方法としては2つがあげられる。
例えば、(11)のテストの構成例のように、3、5、7ヵ月目にテストを実施し、あるスケジュール化されたイベントの影響を継続して測定するような場合、テストで利用された項目は、テストを受けた時点でそのイベントの影響を受ける。従って、月を追うごとに学習の成績がどう変化するのかを見るような場合は、純粋に学習を行った効果のみを検出することが難しくなる。このような場合は、図4で示したスケジュール(2ヵ月に1日学習する条件)で学習イベントを行うコンテンツの他に、同じスケジュール(もちろん異なるスケジュールでもよい)でテストイベントを行うコンテンツを別途用意し、その両者を並立させてイベントを経験させ、別々に集計を行えば問題はない。
上記の予測を行うに際しては、あらかじめ、できる限り多くのスケジュール条件を作成して、イベントに対する反応のデータを蓄積していくことが望ましい。この場合に、タイミング条件は無数に考えられ、一つ一つに対応してタイミング条件を記述しなければならない。例えば、「1週間に1回のタイミング」、「1ヶ月に1回のタイミング」などと表現していては、多数のタイミングを効率的に表現できない。また、呈示ユニットの最小期間を決め、そこでイベントが起きるか否かでタイミングを表現する方法(0、1のパターンで表現する方法)も、全期間が長くなるほど表現しにくくなる。
タイミング条件を1つの軸として、それ以外に強さ(学習ユニットでの呈示回数)、コンテンツグループの組み合わせの次元を加えたものとしてスケジュールを表現する。すなわち、これまで上で説明した方法により得られたデータを用いれば、従来統制の難しかったタイミングの要因を重回帰分析における説明変数などとして分析の要因として取り込むことが可能になる。
コンテンツデータベース(コンテンツファイルとも呼ぶ)1は、スケジュールテーブルを生成する際、およびスケジュールテーブルに則って呈示リストを生成する際に用いられる。コンテンツファイルは、企業のメーカのサーバなどからインターネットもしくは記憶媒体を経由して受け取ったコンテンツCiを記憶している(必ずしもコンテンツそのものでなくてもよい。英単語+日本語に番号を付してあるコンテンツならばその番号でもよい)。
上記このコンテンツリストのコンテンツを学習させるためのスケジュールテーブルを、これまで述べてきたスケジュール構成法などに基づき生成する(K2)。
図7のスケジュールテーブル例で、表示されているATというスケジュールは、図5のA1のタイミング条件に各種呈示条件を組み合わせたスケジュール条件となっている。
ATは、A1のタイミング条件のスケジュール条件のうちのひとつである。
1日を呈示ユニットとして、生成するスケジュールを最終的に1日単位であらわす場合や、1営業月を呈示ユニットとして、スケジュールを最終的に1営業月で表す場合は、常に1を想定すればよいから、ほとんどの場合はDAY_IN_UNITは1でよい。
・イベントサイクルユニットを構成する呈示ユニットの数(EVENT_UNIT_01=24)
・インターバルを構成する呈示ユニットの数(INT_UNIT_01=24)
・条件ユニットを構成する呈示ユニットの数(JOKEN_UNIT_01=2)
・遅延期間を構成する呈示ユニットの数(DELAY_UNIT_01=0)
・当該スケジュール条件に割り当てるコンテンツの数(単語数):
WORD_NO_IN_JOKEN_UNIT=1
・割り当てるコンテンツ属性:WORDTYPE="W1"
W1は英単語と日本語が単語の形で表示されるコンテンツ(W)のうち、日本語訳の数が1個である英単語と日本語の対を意味する。図8でいえば属性条件のLB1(W1は、LB1(B社の単語データベースで難易度レベルが1の略)の属性に含まれる)に該当する。この条件のコンテンツの数が図8では5個ずつになっているのは、図8で検討するスケジュール(A1)が、ここで説明するスケジュール条件(AT)以外に複数含まれているからである。
Tは、熟知度評定と再認テストで問題部(英単語)が呈示され、ドリル学習をREPEATで指定された回数行う条件を意味している。また、図7のEXPに用いられるその他の記号は、Dは再認テストで呈示され、T同様ドリル学習を受ける問題、Bは、ドリル学習のみ行われる問題、Fは熟知度評定で呈示され、挿入課題でドリル学習が求められ、月1回の客観テストでも用いられる問題、Xは月1回の客観テストでのみ用いられる問題を意味している(スケジュールテーブル例を示す図で7は一部のみ示されている))。
ALL_COND_DIM01=" 1 2 3 4 5 6 7 8"
COND_MAX_KETA01=2
この条件では、1〜8条件の繰り返し条件を想定している。一つ一つ条件名を指定してもよいし、上のように、条件名をCOND_MAX_KETA01で指定した半角文字であらわすと決めておけば、ALL_COND_DIM01に一続きの条件として書き込んでおいてもよい。なお、この条件は繰り返し条件のみを想定しているわけでなく、英語単語の呈示時間が1秒、2秒、3秒と違う条件や、その他様々な条件で、その効果を比較したりその条件の効果を描き出したい条件を表す記号を入力しておく( a b c d eのような条件でもよい)。分析をこの記号をキーにしてできるようにしてあればよい。
vCOND_DIM01_SET01=" 1 3 6 8"
vCOND_DIM01_SET02=" 2 4 5 7"
ATスケジュールでは、条件ユニットが2呈示ユニットで構成されるため、2つに全ての条件をグルーピングしておく必要がある。どの条件がどの条件ユニットに含まれるかを示しておく。入力方法は不特定。このグルーピングは、図8の条件ユニット内でどのように呈示回数条件を割り振ったらいいか考えるための表のグルーピングを参考にして記載する。
MAX_DAY=144日(144日*DAY_IN_UNIT)
最長何ヶ月ぐらいまでのスケジュールテーブルを作成するかを設定する。144日は、土日を除いて1ヶ月を24日として、6ヶ月分のスケジュールを作ることになる。
(3)条件ユニットの数に応じて、呈示する順番のリストを例えば実験計画法の循環法を用いたり、ランダムに並べたりして、下記例のように別途作成しておき、その順番に基づき、セットフィールドの番号に該当するレコードを抽出し、呈示ユニットの通し番号(スケジュールテーブルのTU_DIM01)を記入しそのレコードを最大の条件ユニット数(イベントサイクルユニット内に想定できる条件ユニットの最大数)になるまで追加していく。
(4)スケジュールテーブルのEU_DIM01に、イベントサイクルユニットの番号(この時点では最小であるため1)を入力。
各レコードごとに、DAYというフィールドに、次の式の内容を書き込む。
(8)最後に全てのDAYにDELAY_UNIT_01(ATスケジュールの場合は0)を加えればATスケジュールのスケジュールテーブルが出来上がる。
スケジュールテーブルの図の5つ目のレコードのを例にとると、フィールドのEXP_CONDに、月日(一番左から4桁で表示:0101)、項目の属性(_A=W1)、呈示条件(_T=D)、繰り返し条件(_R= 1)、スケジュール名称(_ST=D1)、タイミング条件の番号(_SC=010101:右から基本ユニットにおける呈示ユニットの番号、イベントサイクルユニットの番号、副次イベントサイクルユニットの番号を2桁で記載した:分析が容易になるように書き込んである)、条件ユニットの番号(_J=01)を書き入れる。SC_CONDにも同様、タイミング条件の番号を書き入れる(これは分析時に容易になるよう用いることがある)。
D1というスケジュールを例に説明する。これは、図5のD1のタイミング条件に各種呈示条件を組み合わせたスケジュール条件となっている。
・DAY_IN_UNIT=1
・スケジュールタイミングコード:
SCID="_E006_I006_J001_D000-_E004_I008_J000_D000"
・基本ユニットについて
EVENT_UNIT_01=6, INT_UNIT_01=6, JOKEN_UNIT_01=1, DELAY_UNIT_01=0
・第1副次ユニットについて
EVENT_UNIT_02=4, INT_UNIT_02=8, JOKEN_UNIT_02=0, DELAY_UNIT_02=0
なお、第1副次ユニットについて条件ユニットを想定する必要は必ずしもないので、常にJOKEN_UNIT_02=0となってもよい。副次ユニットに条件ユニットを想定すると、非常に複雑な条件の組み合わせが作り出せる。
・WORDTYPE="W1"
・EXP_TYPE="D"
・繰り返し条件の呈示条件の条件名とその表示桁数
ALL_COND_DIM01=" 1 2 3 4"
COND_MAX_KETA01=2
・条件ユニットのグルーピング情報
vCOND_DIM01_SET01=" 1 2 3 4"
・MAX_DAY=144日
(2)上記ATスケジュールの作成法の説明の(6)までは同様に処理し、イベントサイクルユニットのリストを作成。D1はさらに副次ユニットを想定しているので、以下の処理が追加される。
各レコードごとに、DAYというフィールドに、次の式の内容を書き込む。
+INT_UNIT_02 × INT_UNIT_01×(EU_DIM02−1)+DELAY_UNIT_02 × INT_UNIT_01
また、第 i 副次ユニットが想定されている場合は、基本ユニットに関する値
TU_DIM01+INT_UNIT_01 × (EU_DIM01−1)+DELAY_UNIT_01に、次に示す全ての副次ユニット関する値を加えていくことになる。
+DELAY_UNIT_x(i+1)× DELAY_UNIT_x(i)× DELAY_UNIT_x(i-1) ・・・ × DELAY_UNIT_02 × DELAY_UNIT_01
なお、上記の式のように遅延期間(DELAY_UNIT_x(i))を各ユニットごとに定義しておき加えていってもよいが、各ユニットの遅延期間(DELAY_UNIT_x(i))を全て0にしておき、最後に最初の基点となる日に全体で遅延する期間を加えるようにしても良い。
スケジュールテーブルの図7の5つ目のレコードのを例にとると、フィールドのEXP_CONDに、月日(一番左から4桁で表示:0101)、項目の属性(_A=W1)、呈示条件(_T=D)、繰り返し条件(_R= 1)、スケジュール名称(_ST=D1)、タイミング条件の番号(_SC=010101:右から基本ユニットにおける呈示ユニットの番号、イベントサイクルユニットの番号、副次イベントサイクルユニットの番号を2桁で記載した:分析が容易になるように書き込んである)、条件ユニットの番号(_J=01)を書き入れる。SC_CONDにも同様、タイミング条件の番号を書き入れる(これは分析時に容易になるよう用いることがある)。
スケジュールテーブルが作成されるか、または必要なスケジュールテーブルをスケジュールデータベース2から抽出すると、各識別条件コードに必要なコンテンツの種類とその数が特定される。コンテンツをどの識別条件に割り振るかについては、各コンテンツの属性情報と識別条件コードの属性情報を対応させて割り振るほか、できる限りランダムに割り振ることが望ましい。
なお、(9)で述べているように、カウンターバランス法をとり、複数の個人のデータをまとめて一般傾向を捉える場合には、カウンターバランス法に基づきコンテンツに識別条件を割り振る。このカウンターバランス法に基づいてコンテンツに識別条件を割り振る方法を簡単に説明する。まず、比較検討したい条件(例えば、繰り返し条件1,2,3回)に割り振るコンテンツ項目として、対象者全員に同じ項目グループを割り振るようにあらかじめ必要なコンテンツ項目を決めておく(特殊な属性条件を書き入れておけばよい)。その項目グループに対しては、個別に次の処理を施し、最終的にコンテンツデータベースに加えておけばよい。すなわち、その項目グループのコンテンツデータベースにSET、CONDの2つフィールドを設け、比較検討したい条件数のセットにそのグループをランダムに分け、分けられたセットごとにSETフィールドに記号(3条件ならA,B,C等)を書き入れる(条件セットと呼ぶ)。比較検討したい条件と割り当てる条件セットの対応を次のように別途作成(繰り返し条件が、1,2,3回の場合、セット条件がA,B,Cの場合)する。条件とセットの対応にカウンターバランス条件(CB条件)の番号を割り振る。
CB条件(2)(2回−A、3回−B、1回−C)
CB条件(3)(3回−A、1回−B、2回−C)
また、学習者をランダムにCB条件に割り振り、割り振られたCB条件の条件とセットの対応にあわせて、CONDフィールドにSETフィールドの記号に対応する条件の記号(1,2,3など)を記入する。識別条件を割り振る際に、繰り返し条件(REPEATフィールド)がCONDフィールドの条件に対応するように、コンテンツ項目を識別条件を書き入れていく。この操作を該当する学習者全員について実行し、分析の時点で分析対象とする学習者のCB条件の総人数を(ランダムに抽出するなどして)等しくした上で、検討する繰り返し条件ごとに平均値などをとって比較すれば、コンテンツ項目の材料の効果が相殺された形でデータを得ることができ精度を上げることができる。
呈示ユニットに対応する呈示リストを抽出する場合、必要に応じて、何番目の呈示ユニットに対応する呈示リストを生成するか指定する。一般的には、呈示ユニットの順番で一つひとつ呈示リストを抽出するが、複数の呈示ユニットを指定して、その分の呈示リストを全て抽出しておくことも可能である(特にリストをネットワークを通じてダウンロードするような場合は、まとめてダウンロードすることが考えられる)。異なる端末で同じスケジュールテーブルに従って呈示リストを生成する場合は、どの呈示ユニットが既に生成されているかなどをスケジュールテーブルを基にして把握することで、学習の履歴の同期(シンクロナイズ)も可能である。つまり、どの呈示ユニットまでが呈示リストになっているか(学習できる状況にあるか)を、スケジュールテーブル、もしくは別のファイルとして記録し、それを利用して呈示リスト生成履歴を把握し、学習がなされていない呈示リストを適宜生成し、提供することが可能である。
例として、図7のスケジュールテーブルに基づいて、1ヵ月目の1日目の呈示ユニットに対応する呈示リストの抽出方法を説明する。まず、生成する範囲が1ヵ月目の1日目の分といった形で指定されたとすると、図7のMONTHとDAYに対応するスケジュールテーブルの範囲が限定される(図7の、MONTH=1、DAY=1の部分)。続いて、その範囲の識別条件コード(EXP COND)の情報の全てもしくは一部の情報が書き込まれているコンテンツを、コンテンツリストから抽出し、呈示条件に従って呈示リストを構成していく。例えば、図7の1ヶ月目の1日目の最初のスケジュール条件(AT条件)の識別条件(EXP_COND)は次の4種類である。
2)0101_A=W1 _T=T_R= 3_ST=AT_SC=0101_J=01
3)0101_A=W1 _T=T_R= 6_ST=AT_SC=0101_J=01
4)0101_A=W1 _T=T_R= 8_ST=AT_SC=0101_J=01
それぞれの識別条件のうち、「_A=」から始まり「_SC」の前までの文字列を取り出すとそれぞれ次のようになる(W1の次の空白は、属性情報の文字幅が最大に固定されているため)。
2’)W1 _T=T_R= 3_ST=AT
3’)W1 _T=T_R= 6_ST=AT
4’)W1 _T=T_R= 8_ST=AT
コンテンツデータベースのうち、これらの条件が識別条件としてEXP_CONDフィールドに書き込まれており、さらに、「_SC=」と「_J=」ではさまれているタイミング条件の通し番号のうち、呈示ユニットの通し番号を意味する文字(呈示ユニットの通し番号が2桁で表されているこの例では、_J=の直前の2桁の01)の両者をEXP_CONDに含んでいる項目はコンテンツデータベースには1項目しかないはずである(なぜならATスケジュール条件のスケジュール情報では、各条件に対応する項目数は1つと定義されているから)。何番目のイベントサイクルユニットであっても、属性条件と呈示条件と呈示ユニットの通し番号が一致している項目は、コンテンツリストにはNで示された数(ATの場合は1)しかない。その項目をまず抽出する。同様に、その日のスケジュール条件の全てについて、対応するコンテンツ項目を抽出する。
この手順は、コンテンツの呈示条件や学習の仕方などに依存する。ここで一つの呈示方法を紹介する。最も利用しやすく、かつ様々なコンテンツに対して適用可能な学習とテストを兼ね備えたデータの収集方法である。
各呈示条件に従ってコンテンツが呈示された時点で、そのイベントに対してなされた反応を、図16のような反応データベース3に書き込む(K6)。図16では、F00フィールドには熟知度評定の値を、F NORMには、英語の熟知度評定の標準値(基準値)、ANSは記憶テストの反応、(J01、J02、・・・)のフィールドは図19の自己評定の反応を得点化して表している(A:良い、B:もう少し、C:だめ、D:全くだめ)という評定を(A=3、B=2、C=1、D=0)と点数化している。(JT01、JT02・・・)のフィールドはそれぞれの反応に要した時間が記録される(この時間を解析すれば、各学習者がどのくらい学習に時間を費やしているのかを容易に把握しフィードバックすることが可能である。)。
全ての呈示リストに関するイベントが終了したところで、コンテンツ番号と反応等が書き込まれている反応履歴リストを、必要に応じてネットワークを通じてデータ分析のサーバなどへ返信する。なお、個人履歴データファイルには、その呈示ユニットの通し番号や学習し始めた時刻、終了した時刻、期日、呈示ユニット内に設けられたフェイズの開始/終了時刻などが書き込まれている。これらのデータを基に学習のデータを解析すれば、朝学習したほうが成績がよいとか、何時ごろ学習をする人の成績がよいなどといった予測やパーソナリティーや学習スタイル等の推定など原理的には可能になる。
個人反応データベースの、識別条件コードには、スケジュール条件のほか、呈示条件、属性情報も含まれている。従って、このコードに含まれている情報を使えば(もちろん呈示条件のフィールドや属性情報のフィールドをそのまま使っても良い)、一定のスケジュールに対する学習成績などの反応をまとめて代表値を、各イベントサイクルユニットごとに得ることが可能になる。そしてこれらのデータを利用すれば、後述するような各種の分析が行える(K7)。
(スケジュール条件の説明)
以下では、本スケジュール構成法と分析方法を採用して、既に実施済みの実験結果を紹介する。図17は、高校生に英単語の学習を一定のスケジュールに従って継続してもらった長期学習実験における、自己評定値に見られる学習の積み重ねの平均的な様子である。横軸はインターバルユニット(24日:約1ヶ月)の順番(このスケジュールでは月に対応)、その中にある各棒グラフは提示条件(1〜8回の学習条件)、縦軸はそれぞれに対応する自己評定値(成績)を意味する。
1 0 0 0 … 0 1 0 …… 0 1 …
ちなみに、1ヵ月(24日とする)を最小のイベント期間とすれば、次のようにコード化される。
1 1 1 1 1 1
・呈示条件1(繰り返し回数):反復回数で1〜8回の8条件
・呈示条件2(学習方法):D(英単語の熟知度評定を行わずドリル学習を行う条件)
・イベントサイクルユニット:24日(=1ヵ月と呼ぶ)
・この条件ではインターバルとイベントサイクルユニットがともに1ヵ月であり、一致している。
・条件ユニット:2日
・呈示ユニット内での、繰り返し回数条件の割り振り方:奇数日は1、3、6、8回条件、偶数日は2、4、5、7回条件が割り振られた。
図17の1ヵ月に1回のペースで学習する条件の単語の成績を月ごとにみると、きちんと上昇している様子がわかる。各月の中の棒グラフは繰り返し回数の条件に対応しており、各月の最初にその単語に対してなされた自己評定の反応を得点化して表している(A:良い、B:もう少し、C:だめ、D:全くだめ)の評定を(A=3、B=2、C=1、D=0)と点数化している。この評定値は、呈示される英単語の意味を自分がどの程度のレベルまで学習しているのかという自己評定である(学習の到達度を推定するためには非常に有効な指標になることがこの結果からもわかる)。
英単語の実験結果を例にすると、図18A、B、Cは、1ヵ月に1回のペースで学習(イベント)を継続していった場合に学習の効果がどのように表れるのか、また、同じスケジュールで学習を続けていった場合に、学習が完了するのにどのくらいの期間が必要であるのかを予測することも可能であることがわかる。しかし、その予測は図18A、B、Cのように、3、4ヵ月程度学習を継続しないと導き出すことは難しい。見通しがなく、3ヵ月程度の学習を継続する場合、案外やる気が続かないものである。つまり、もっと短期間で学習などのイベントの効果の表れ方の見通しを得たい場合がある。そのような予測を可能にする方法を説明する。
すると、a=Y/X となる。
Y=P×LM となる。
結果的には、前述した上昇率の平均値を取ってその各上昇率の比を計算する方法と同様の結果となる。
係数a=0.1/0.2=0.5となる。
Y=0.5×0.5=0.25
となり、(B)のグラフの斜線部のように成績の上昇の程度が予測できる。
ここで、パーソナリティー因子Zとは、各個人の慎重度等を所定の指標により得点化したもの等が考えられる。例えば、客観テストの成績の上昇率と自己評定の成績の上昇率とのギャップの大きさ等を得点としても良い。慎重な学習者は、自己評定の到達度実際の学力よりも低く見積もる可能性が高いので、通常、上昇率Yの値は低くなり、この因子を考慮する意味がある。
もちろん、逆に長いインターバル条件から、短いインターバル条件の成績の変化を予測することもできる。
図22の各スケジュールA1、A2、x、y、zに対応するセル内の1、2の数字は、1という呈示条件か、2という呈示条件で、ある特定のコンテンツ(対象)に関するイベントが生起したことを表し、0はそのイベントが生起しなかったことを意味している。呈示ユニットは、イベントが生起する最小の期間であり、例えば、この期間を1日とすると、呈示ユニットの数字は第何日目になるのかを表している。
様々なイベントを、イベントの種類とタイミング条件で表現し、データを収集(もしくは既有のデータを利用)し類似度を利用することで、特定の目的を達成するため、どのようなイベントをどのようなタイミングで行う(対処する)と効率的であるのか等を推定することが有効である。例えば、Sという会社からTという人へダイレクトメールを送るというイベントを例にとると、ある個人が、ある対象(商品やサービスや契約など)の購入申し込みというイベントを生起させるためには、会社が個人へダイレクトメールを送ったり電話勧誘を行う場合、どのようなスケジュールで対処することが有効なのかがあらかじめ分かっていることは有効である。
図24により、イベントスケジュール推定法を説明する。特定の商品の購入申し込みを期待する企業が、顧客Xへダイレクトメールを使った勧誘を行う場合、呈示ユニット3で、企業からダイレクトメールが届くというイベントが生起し、それと同じ呈示ユニットでXさんから質問のイベントが生起したとする。以下同様に、図のXさんのイベントの太枠で囲まれているマトリックス(スケジュールマトリックスと呼ぶ)が記録されたとする。この状態で、呈示ユニット9の時期に申し込みイベントを期待したいとき、どのようなイベントのパターンが生起するようにすると効率的であるのかを、既に蓄えられているA、B、C、さん(もしくはXさんの過去の)のスケジュールマトリックスを使って推定する作業を行うことが可能である。
学習者の成績の把握や評価を行い、学習到達度の予測とその表示に重点をおいた学習者評価システムについて説明する。
(d44)それをあらかじめ登録されている学習者へ送信する。
(d50)必要に応じて、最終的に登録が完了した状態など(インストール先や送信メールアドレスなど)の情報とあわせて、登録完了の情報をセンターに送信する。
2 スケジュールデータベース
51 パソコン
52 携帯電話
53 モバイルパソコン
54 学習者端末
55 通信網
57 学習スケジュールサービスサイト
58 サーバ5
Claims (6)
- 学習者端末とサーバとがネットワークにより接続された学習到達度評価システムが、学習用のコンテンツを学習者に呈示するタイミング条件と呈示条件との組み合わせにより得られるスケジュール条件の学習スケジュールを用いた学習の到達度を評価する方法であって、
前記サーバが、前記コンテンツを記憶手段に記憶する記憶工程と、
前記サーバが、前記記憶工程において記憶されたコンテンツを呈示するための学習スケジュールを生成する生成工程と、
前記サーバが、前記生成工程において生成された学習スケジュールに基づいて前記コンテンツを前記学習者端末に対して配信する配信工程と、
前記学習者端末が、前記配信工程において配信されたコンテンツを前記学習者に対して呈示する呈示工程と、
前記学習者端末が、前記呈示工程において呈示されたコンテンツに対する前記学習者の反応データを収集する収集工程と、
前記学習者端末が、前記収集工程において収集された反応データを前記サーバに対して送信する送信工程と、
前記サーバが、前記送信工程において送信された反応データに基づいて前記学習者の学習到達度を評価する評価工程と、
前記サーバが、前記評価工程において評価された学習到達度の予測結果と、サイトへのリンク情報とを前記学習者端末に対して転送する転送工程と、
前記学習者端末が、前記転送工程において転送された学習到達度の予測結果とリンク情報とを表示する表示工程とを備え、
前記生成工程では、全てのコンテンツに関するイベントが一定のタイミングで繰り返し生起するように、イベント生起の最小期間である呈示ユニット以上に長く、かつ、あるイベントの開始から次のイベントが起きる前までの間のインターバル以下の短い一定の期間をイベントサイクルユニットとして設け、各コンテンツに関する特定のイベントがそのイベントサイクルユニット内で一度生起するよう、前記記憶工程において記憶されたコンテンツを配置するようにした学習スケジュールを生成することを特徴とする学習到達度評価方法。 - 前記転送工程では、前記学習到達度に応じたサイトへのリンク情報を前記学習者端末に対して転送することを特徴とする請求項1記載の学習到達度評価方法。
- 前記転送工程では、前記評価工程において評価された学習到達度が一定レベルに到達した場合、前記学習到達度に応じたサイトへのリンク情報を前記学習者端末に対して転送することを特徴とする請求項1記載の学習到達度評価方法。
- 前記サーバが、前記学習到達度から算出される知識レベルに基づいて認定される学習段階別に、前記学習者が使用する検索ワードを登録する第1の登録工程と、
前記サーバが、前記第1の登録工程において登録された検索ワードに対応して前記学習者が訪問したサイトを登録する第2の登録工程と、
前記サーバが、前記第1の登録工程において登録された検索ワードと同じワードを用いて検索され、かつ、前記第2の登録工程において登録されたサイトと同じサイトが訪問された場合、そのサイトの訪問回数をカウントアップするカウントアップ工程と、
前記学習者端末が、前記カウントアップ工程においてカウントアップされた訪問回数の多いサイト順に前記検索結果を表示する表示工程と、
を有することを特徴とする請求項1記載の学習到達度評価方法。 - 前記学習到達度評価システムは、
前記呈示ユニット、前記イベントサイクルユニットが記憶され、前記呈示条件が前記呈示ユニットに割り付けられて記憶される第1の記憶手段と、
前記コンテンツが記憶され、前記呈示ユニットと前記呈示条件との組みが前記コンテンツに割り付けられて記憶される第2の記憶手段と、
を前記記憶手段として備え、
前記タイミング条件を、
入力された、前記コンテンツを呈示するイベントが生起する最小期間と、前記最小期間以上に長い第1の一定期間と、を読み込む工程と、
前記第1の一定期間に想定する前記イベントサイクルユニットを、前記最小期間を単位として生成して、前記第1の記憶手段に記憶する工程と、
前記最小期間に想定する前記呈示ユニットを、前記イベントサイクルユニットに前記最小期間の単位で各々一つ割り付けて生成し、前記第1の記憶手段に記憶する工程と、
前記呈示条件を、この生成された呈示ユニットに割り付けて、前記第1の記憶手段に記憶する工程と、
前記イベントサイクルユニット内で、
各コンテンツに関する前記イベントを前記呈示条件で1度、生起させるため、
前記コンテンツに対し、
前記割り付けられた、前記イベントサイクルユニットに前記最小期間の単位で各々一つ割り付けて生成された前記呈示ユニットと前記呈示条件との組みを、
一つ割り付けて、
前記第2の記憶手段に記憶する工程と、
によって生成し、
前記呈示条件を、
一つの呈示ユニット内でコンテンツを繰り返し生起させるイベントの反復回数を決定し、これを前記生成された呈示ユニットに割り付けるための前記呈示条件として前記第1の記憶手段に記憶する工程、
によって生成し、
前記第1の記憶手段の前記呈示ユニット、前記イベントサイクルユニット、前記呈示条件と、前記第2の記憶手段の前記コンテンツに割り付けられた前記呈示ユニットと前記呈示条件との組みとに基づいて、前記スケジュール条件を得る
ことを特徴とする請求項1記載の学習到達度評価方法。 - 学習用のコンテンツを学習者に呈示するタイミング条件と呈示条件との組み合わせにより得られるスケジュール条件の学習スケジュールを用いた学習の到達度を評価する、学習者端末とサーバとがネットワークにより接続された学習到達度評価システムであって、
前記コンテンツを記憶する前記サーバ側の記憶手段と、
前記記憶手段に記憶されたコンテンツを呈示するための学習スケジュールを生成する前記サーバ側の生成手段と、
前記生成手段により生成された学習スケジュールに基づいて前記コンテンツを前記学習者端末に対して配信する前記サーバ側の配信手段と、
前記配信手段により配信されたコンテンツを前記学習者に対して呈示する前記学習者端末側の呈示手段と、
前記呈示手段により呈示されたコンテンツに対する前記学習者の反応データを収集する前記学習者端末側の収集手段と、
前記収集手段により収集された反応データを前記サーバに対して送信する前記学習者端末側の送信手段と、
前記送信手段により送信された反応データに基づいて前記学習者の学習到達度を評価する前記サーバ側の評価手段と、
前記評価手段により評価された学習到達度の予測結果と、サイトへのリンク情報とを前記学習者端末に対して転送する前記サーバ側の転送手段と、
前記転送手段により転送された学習到達度の予測結果とリンク情報とを表示する前記学習者端末側の表示手段とを備え、
前記生成手段は、全てのコンテンツに関するイベントが一定のタイミングで繰り返し生起するように、イベント生起の最小期間である呈示ユニット以上に長く、かつ、あるイベントの開始から次のイベントが起きる前までの間のインターバル以下の短い一定の期間をイベントサイクルユニットとして設け、各コンテンツに関する特定のイベントがそのイベントサイクルユニット内で一度生起するよう、前記記憶工程において記憶されたコンテンツを配置するようにした学習スケジュールを生成することを特徴とする学習到達度評価システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009189351A JP4970505B2 (ja) | 2003-05-07 | 2009-08-18 | 学習到達度評価方法及び学習到達度評価システム |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003128792 | 2003-05-07 | ||
JP2003128792 | 2003-05-07 | ||
JP2009189351A JP4970505B2 (ja) | 2003-05-07 | 2009-08-18 | 学習到達度評価方法及び学習到達度評価システム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005506043A Division JP4391474B2 (ja) | 2003-05-07 | 2004-05-07 | スケジュールの作成方法及びスケジュール作成装置 |
Related Child Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009236610A Division JP5130272B2 (ja) | 2003-05-07 | 2009-10-13 | 学習効果予測方法及び学習効果予測装置 |
JP2010157097A Division JP5014473B2 (ja) | 2003-05-07 | 2010-07-09 | 勧誘スケジュール予測方法及び勧誘スケジュール予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009277249A JP2009277249A (ja) | 2009-11-26 |
JP4970505B2 true JP4970505B2 (ja) | 2012-07-11 |
Family
ID=33432054
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005506043A Expired - Lifetime JP4391474B2 (ja) | 2003-05-07 | 2004-05-07 | スケジュールの作成方法及びスケジュール作成装置 |
JP2009189351A Expired - Lifetime JP4970505B2 (ja) | 2003-05-07 | 2009-08-18 | 学習到達度評価方法及び学習到達度評価システム |
JP2009236610A Expired - Lifetime JP5130272B2 (ja) | 2003-05-07 | 2009-10-13 | 学習効果予測方法及び学習効果予測装置 |
JP2010157097A Expired - Lifetime JP5014473B2 (ja) | 2003-05-07 | 2010-07-09 | 勧誘スケジュール予測方法及び勧誘スケジュール予測装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005506043A Expired - Lifetime JP4391474B2 (ja) | 2003-05-07 | 2004-05-07 | スケジュールの作成方法及びスケジュール作成装置 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009236610A Expired - Lifetime JP5130272B2 (ja) | 2003-05-07 | 2009-10-13 | 学習効果予測方法及び学習効果予測装置 |
JP2010157097A Expired - Lifetime JP5014473B2 (ja) | 2003-05-07 | 2010-07-09 | 勧誘スケジュール予測方法及び勧誘スケジュール予測装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20060252016A1 (ja) |
EP (1) | EP1628253A4 (ja) |
JP (4) | JP4391474B2 (ja) |
CN (1) | CN1784693A (ja) |
WO (1) | WO2004100035A1 (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040260584A1 (en) * | 2001-11-07 | 2004-12-23 | Takafumi Terasawa | Schedule data distribution evaluating method |
AU2003241828A1 (en) * | 2003-05-28 | 2005-01-21 | Dentsu Inc. | Contact point navigation system and method, recording medium on which the method is recorded, and transmission medium for transmitting the method |
JP4536506B2 (ja) * | 2004-12-21 | 2010-09-01 | 富士通株式会社 | オンライン教育プログラムおよびオンライン教育装置 |
JP5671897B2 (ja) * | 2010-09-13 | 2015-02-18 | 富士ゼロックス株式会社 | 画面制御装置、画像形成装置およびプログラム |
US8452772B1 (en) * | 2011-08-01 | 2013-05-28 | Intuit Inc. | Methods, systems, and articles of manufacture for addressing popular topics in a socials sphere |
US8745014B2 (en) * | 2011-10-19 | 2014-06-03 | Pivotal Software, Inc. | Time series data mapping into a key-value database |
EP2988261A4 (en) * | 2013-04-17 | 2016-09-14 | Sony Corp | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD, AND PROGRAM |
CN103440152B (zh) * | 2013-09-09 | 2017-02-15 | 中国农业银行股份有限公司 | 一种程序变更评价方法及系统 |
KR101672145B1 (ko) * | 2015-10-30 | 2016-11-03 | 박형용 | 개인 맞춤형 학습 및 분석 서비스 제공 방법 |
JP2019020916A (ja) * | 2017-07-13 | 2019-02-07 | 株式会社Onion | 情報処理装置 |
CN107134185A (zh) * | 2017-07-17 | 2017-09-05 | 广东麦贝科技有限公司 | 一种在线教育培训方法和系统 |
JP6397146B1 (ja) * | 2018-02-05 | 2018-09-26 | atama plus株式会社 | 学習支援装置及びプログラム |
JP6919594B2 (ja) * | 2018-02-23 | 2021-08-18 | 日本電信電話株式会社 | 学習スケジュール生成装置、方法およびプログラム |
KR102476023B1 (ko) * | 2020-04-22 | 2022-12-08 | 이효정 | 예상 성취 등급 정보를 제공하는 방법 및 예상 성취 등급 정보 기반의 학습 플래너를 제공하는 방법 |
CN112150021B (zh) * | 2020-09-29 | 2023-09-26 | 京东科技控股股份有限公司 | 时间表生成方法、装置、系统、存储介质及电子设备 |
KR102476575B1 (ko) * | 2022-01-17 | 2022-12-13 | (주)플레이스터디 | 딥러닝 이미지 인식을 통한 omr 답안지 자동 채점 및 학습 관리 솔루션 제공 방법 및 그 시스템 |
JP7348375B1 (ja) | 2022-11-18 | 2023-09-20 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
KR102627731B1 (ko) * | 2023-09-18 | 2024-01-24 | 이동근 | 학생의 학업성취를 위한 맞춤형 학습방향 설정 서비스 제공 장치 및 방법 |
Family Cites Families (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2870117B2 (ja) * | 1990-04-27 | 1999-03-10 | 株式会社日立製作所 | 最適計画作成方法 |
US5519606A (en) * | 1992-01-21 | 1996-05-21 | Starfish Software, Inc. | System and methods for appointment reconciliation |
US5467268A (en) * | 1994-02-25 | 1995-11-14 | Minnesota Mining And Manufacturing Company | Method for resource assignment and scheduling |
US5623404A (en) * | 1994-03-18 | 1997-04-22 | Minnesota Mining And Manufacturing Company | System and method for producing schedules of resource requests having uncertain durations |
US5601432A (en) * | 1995-01-20 | 1997-02-11 | Mastery Rehabilitation Systems, Inc. | Educational organizer |
US5692125A (en) * | 1995-05-09 | 1997-11-25 | International Business Machines Corporation | System and method for scheduling linked events with fixed and dynamic conditions |
US5732399A (en) * | 1995-06-07 | 1998-03-24 | Sun Microsystems, Inc. | Method and apparatus for associating calendar events with contextual information and other calendar events |
JP3204063B2 (ja) * | 1996-01-10 | 2001-09-04 | 日本電気株式会社 | スケジュール管理システム |
JP3534528B2 (ja) * | 1996-04-11 | 2004-06-07 | シャープ株式会社 | スケジュール管理装置 |
JP3505320B2 (ja) * | 1996-05-27 | 2004-03-08 | シャープ株式会社 | 情報処理装置 |
US5864869A (en) * | 1996-07-18 | 1999-01-26 | Doak; Ron K. | Method and manufacture of lesson plans and classroom organizers utilizing computers and software |
US5842009A (en) * | 1996-09-30 | 1998-11-24 | Apple Computer, Inc. | System for automatically retrieving information relevant to a user's scheduled event |
JP3285780B2 (ja) * | 1996-11-22 | 2002-05-27 | 株式会社インフォメディア研究所 | 対話型オンラインシステムにおける管理システム |
US6022221A (en) * | 1997-03-21 | 2000-02-08 | Boon; John F. | Method and system for short- to long-term memory bridge |
JP4386975B2 (ja) * | 1997-04-30 | 2009-12-16 | 幸男 渡邊 | コンピュータ反復学習方法 |
JPH10333538A (ja) * | 1997-05-29 | 1998-12-18 | Fujitsu Ltd | ネットワーク型教育システム、ネットワーク型教育システムの講師側プログラムが記録された記録媒体、および受講者側プログラムが記録された記録媒体 |
US6047260A (en) * | 1997-06-05 | 2000-04-04 | Attention Control Systems, Inc. | Intelligent planning and calendaring system with cueing feature and floating tasks |
CA2228574A1 (en) * | 1997-06-05 | 1999-08-02 | Attention Control Systems, Inc. | An automatic planning and cueing system and method |
JPH1124543A (ja) * | 1997-06-27 | 1999-01-29 | Sony Corp | 記憶補助装置 |
US6159014A (en) * | 1997-12-17 | 2000-12-12 | Scientific Learning Corp. | Method and apparatus for training of cognitive and memory systems in humans |
DE19852896A1 (de) * | 1998-11-17 | 2000-05-18 | Alcatel Sa | Verfahren zur automatischen Erstellung und Überwachung eines Ablaufplans für einen Lernkurs durch einen Rechner |
US6353447B1 (en) * | 1999-01-26 | 2002-03-05 | Microsoft Corporation | Study planner system and method |
JP3258636B2 (ja) * | 1999-03-16 | 2002-02-18 | 株式会社不思議ネットワーク | 学習支援装置および学習支援方法、並びに記録媒体 |
US6549939B1 (en) * | 1999-08-31 | 2003-04-15 | International Business Machines Corporation | Proactive calendar notification agent |
JP2001092878A (ja) * | 1999-09-27 | 2001-04-06 | Fujitsu Ltd | スケジュール提示およびそれに応じたアクション提案・実行装置,その処理方法,その処理のためのプログラムを記録した記録媒体,スケジュール記録媒体,および自動スケジュール生成装置 |
US6370355B1 (en) * | 1999-10-04 | 2002-04-09 | Epic Learning, Inc. | Blended learning educational system and method |
US6581039B2 (en) * | 1999-11-23 | 2003-06-17 | Accenture Llp | Report searching in a merger and acquisition environment |
JP2001183970A (ja) * | 1999-12-22 | 2001-07-06 | Eikoh Inc | 学習支援システム、その方法、及びその記録媒体 |
US20030129574A1 (en) * | 1999-12-30 | 2003-07-10 | Cerego Llc, | System, apparatus and method for maximizing effectiveness and efficiency of learning, retaining and retrieving knowledge and skills |
US6652283B1 (en) * | 1999-12-30 | 2003-11-25 | Cerego, Llc | System apparatus and method for maximizing effectiveness and efficiency of learning retaining and retrieving knowledge and skills |
JP3818825B2 (ja) * | 2000-04-14 | 2006-09-06 | アイリス株式会社 | 通信網を利用した学習者個別学習計画書作成提供システム |
US20040115596A1 (en) * | 2001-04-23 | 2004-06-17 | Jonathan Scott Snyder | System for scheduling classes and managing educational resources |
JP2001356981A (ja) * | 2000-06-14 | 2001-12-26 | Current Inc | メール広告装置及びメール広告方法 |
US6507726B1 (en) * | 2000-06-30 | 2003-01-14 | Educational Standards And Certifications, Inc. | Computer implemented education system |
US6711378B2 (en) * | 2000-06-30 | 2004-03-23 | Fujitsu Limited | Online education course with customized course scheduling |
JP2002024495A (ja) * | 2000-07-11 | 2002-01-25 | Honda Motor Co Ltd | スケジュール管理システム |
US6468085B1 (en) * | 2000-07-28 | 2002-10-22 | Assessment Technology Inc. | Scale builder and method |
US7029034B2 (en) * | 2000-11-09 | 2006-04-18 | Newell Patricia M | Calendar kit and apparatus for behavior modification and a method for using the same |
US6704541B1 (en) * | 2000-12-06 | 2004-03-09 | Unext.Com, L.L.C. | Method and system for tracking the progress of students in a class |
JP3984473B2 (ja) * | 2000-12-27 | 2007-10-03 | 楽天株式会社 | 広告送信システム |
JP2002258736A (ja) * | 2001-03-05 | 2002-09-11 | Ntt Me Corp | 人材育成支援システム及び方法、並びにコンピュータプログラム |
US6767211B2 (en) * | 2001-03-13 | 2004-07-27 | Carolyn W. Hall | Method and apparatus for behaviorally reinforced training with guided practice |
JP3671368B2 (ja) * | 2001-05-30 | 2005-07-13 | 株式会社マーズフラッグ | Web情報検索装置、web情報検索方法及びその方法をコンピュータに実行させるプログラム |
JP2003058033A (ja) * | 2001-08-21 | 2003-02-28 | Sony Corp | 学習システムおよび学習装置 |
JP4022382B2 (ja) * | 2001-09-25 | 2007-12-19 | 日本電信電話株式会社 | 学習支援方法、代理応答サーバ、学習支援プログラム、および同プログラムを記録した記録媒体 |
JP3904869B2 (ja) * | 2001-09-26 | 2007-04-11 | 株式会社東芝 | 学習支援装置および学習支援方法 |
US20040260584A1 (en) * | 2001-11-07 | 2004-12-23 | Takafumi Terasawa | Schedule data distribution evaluating method |
JP3764456B2 (ja) * | 2001-11-07 | 2006-04-05 | 孝文 寺澤 | スケジュールの作成方法及びそのプログラム並びにスケジュールの作成方法のプログラムを記憶した記憶媒体 |
US20030152904A1 (en) * | 2001-11-30 | 2003-08-14 | Doty Thomas R. | Network based educational system |
US6877987B2 (en) * | 2002-01-02 | 2005-04-12 | International Business Machines Corporation | Pervasive educational assistant and study aid for students |
US8275811B2 (en) * | 2002-11-27 | 2012-09-25 | Accenture Global Services Limited | Communicating solution information in a knowledge management system |
US20050053900A1 (en) * | 2003-09-05 | 2005-03-10 | Steven Kaufmann | Method of teaching a foreign language to a student providing measurement in a context based learning system |
-
2004
- 2004-05-07 EP EP04731730A patent/EP1628253A4/en not_active Ceased
- 2004-05-07 US US10/555,605 patent/US20060252016A1/en not_active Abandoned
- 2004-05-07 CN CN200480012305.9A patent/CN1784693A/zh active Pending
- 2004-05-07 WO PCT/JP2004/006487 patent/WO2004100035A1/ja active Application Filing
- 2004-05-07 JP JP2005506043A patent/JP4391474B2/ja not_active Expired - Lifetime
-
2009
- 2009-08-18 JP JP2009189351A patent/JP4970505B2/ja not_active Expired - Lifetime
- 2009-10-13 JP JP2009236610A patent/JP5130272B2/ja not_active Expired - Lifetime
-
2010
- 2010-07-09 JP JP2010157097A patent/JP5014473B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JP2010231817A (ja) | 2010-10-14 |
JP2009277249A (ja) | 2009-11-26 |
JP5014473B2 (ja) | 2012-08-29 |
JP4391474B2 (ja) | 2009-12-24 |
JP5130272B2 (ja) | 2013-01-30 |
US20060252016A1 (en) | 2006-11-09 |
CN1784693A (zh) | 2006-06-07 |
EP1628253A4 (en) | 2008-04-16 |
WO2004100035A1 (ja) | 2004-11-18 |
EP1628253A1 (en) | 2006-02-22 |
JP2010009073A (ja) | 2010-01-14 |
JPWO2004100035A1 (ja) | 2006-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4970505B2 (ja) | 学習到達度評価方法及び学習到達度評価システム | |
Al-Rahmi et al. | Social media–based collaborative learning: The effect on learning success with the moderating role of cyberstalking and cyberbullying | |
Rooks et al. | An empirical test of stage models of e-government development: Evidence from Dutch municipalities | |
US20140244337A1 (en) | Schedule Creating Method | |
CN101739854A (zh) | 利用计算机系统来对用户进行自适应评估的方法及其装置 | |
Elahi et al. | Classification of researches and evolving a consolidating typology of management studies | |
WO2002052373A2 (en) | Collecting user responses over a network | |
Dominguez et al. | Toward a usable academic library web site: A case study of tried and tested usability practices | |
JP2009169461A (ja) | トレーニング支援システム、トレーニング支援方法及びトレーニング支援プログラム | |
JP3764456B2 (ja) | スケジュールの作成方法及びそのプログラム並びにスケジュールの作成方法のプログラムを記憶した記憶媒体 | |
Miller | The design cycle and a mixed methods approach for improving usability: A case study | |
JPWO2006137479A1 (ja) | ウェブ広告システムとウェブ広告プログラム | |
Issa | Online survey: best practice | |
Alqudah et al. | E-government in Jordan and studying the extent of the e-government development index according to the United Nations report | |
JP4280086B2 (ja) | 介護予防支援システム | |
JP4291790B2 (ja) | イベント効果評価方法 | |
Crea et al. | Structured home study evaluations: Perceived benefits of SAFE versus conventional home studies | |
JP2005209220A5 (ja) | ||
Sobrino-Duque et al. | Usevalia: Managing Inspection-Based Usability Audits | |
JP7004986B1 (ja) | 人材管理システム、サーバ、人材管理方法、及びプログラム | |
JP2004110502A (ja) | 分析結果提供方法、分析結果提供システム | |
Simmers et al. | User Satisfaction in the Internet-Anchored Workplace: An Exploration Study | |
Rossel | The influence of explanations in recommender systems on user engagement | |
Chen et al. | Technology acceptance analysis of local government tourism website | |
JP2023095384A (ja) | 支援活動の情報管理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090818 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20111213 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120213 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120306 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120404 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150413 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4970505 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
EXPY | Cancellation because of completion of term |