JP5949143B2 - 情報処理装置および情報処理方法 - Google Patents

情報処理装置および情報処理方法 Download PDF

Info

Publication number
JP5949143B2
JP5949143B2 JP2012115605A JP2012115605A JP5949143B2 JP 5949143 B2 JP5949143 B2 JP 5949143B2 JP 2012115605 A JP2012115605 A JP 2012115605A JP 2012115605 A JP2012115605 A JP 2012115605A JP 5949143 B2 JP5949143 B2 JP 5949143B2
Authority
JP
Japan
Prior art keywords
learner
operation history
estimation unit
information processing
processing apparatus
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.)
Active
Application number
JP2012115605A
Other languages
English (en)
Other versions
JP2013242433A (ja
Inventor
康治 浅野
康治 浅野
則行 山本
則行 山本
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Priority to JP2012115605A priority Critical patent/JP5949143B2/ja
Priority to US13/858,291 priority patent/US10657836B2/en
Priority to CN201310176263.3A priority patent/CN103426337B/zh
Publication of JP2013242433A publication Critical patent/JP2013242433A/ja
Application granted granted Critical
Publication of JP5949143B2 publication Critical patent/JP5949143B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B3/00—Manually or mechanically operated teaching appliances working with questions and answers
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Description

本開示は、情報処理装置および情報処理方法に関する。
近年、学習における電子化が進行している。例えば、教科書などの教材が電子的に提供されるだけではなく、従来は教師との間でされていた問題の正誤判定などのやりとりをコンピュータが自動的に行ったり、教師との間で通信回線を介してやりとりしたりすることも一般的になっている。
こうした電子化された学習において、生徒（学習者）の状況をより詳細に把握し、その状況に合わせて教材や演習問題などの提供をより的確なものにする技術が提案されている。かかる技術は、例えば特許文献１〜３に記載されている。
特開２０１１−７９６３号公報 特開２００６−２３５０６号公報 特開２００９−７５４６９号公報
上記の特許文献１〜３は、学習をしている学習者の状況を、学習者の心拍数や皮膚温度といった生体情報に基づいて推定する技術を開示している。しかしながら、こうした技術では、生体情報の測定のための機器を装着することによって学習者が煩わしさを感じることもあった。
また、生体情報によって推定されるのは、学習者の精神的な状態であって、それが必ずしも学習コンテンツの習得という意味での学習状況を示すわけではない。それゆえ、上記の技術によってもなお、学習コンテンツの習得については、テストの結果（正答か誤答か）による判定に依存していた。テストの結果による習得の判定は、例えば回答までのプロセスが間違っているにもかかわらず結果の回答だけが合っている、といったような場合が識別されないため、判定方法としては誤差が多く、十分とはいえない。
そこで、本開示では、学習の支援のために有用な指標をより簡便に取得することが可能な、新規かつ改良された情報処理装置および情報処理方法を提案する。
本開示によれば、学習コンテンツ利用中の学習者による学習者端末の入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得する操作履歴取得部と、上記操作履歴情報に基づいて上記学習者の上記学習コンテンツに対する受容特性を推定する受容特性推定部とを備える情報処理装置が提供される。
また、本開示によれば、学習コンテンツ利用中の学習者による学習者端末の入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得することと、上記操作履歴情報に基づいて上記学習者の上記学習コンテンツに対する受容特性を推定することとを含む情報処理方法が提供される。
上記の構成では、推定に用いられる情報が操作履歴情報であるため、学習者の負担なく簡便に取得することが可能である。また、推定されるのが学習者の学習コンテンツに対する受容特性であるため、これを例えば管理者による指導や演習問題の提供などに容易に反映させることができる。
以上説明したように本開示によれば、学習の支援のために有用な指標をより簡便に取得することができる。
本開示の第１の実施形態に係る学習システムの構成を概略的に示す図である。 本開示の第１の実施形態に係る学習システムの実装の一例を示す図である。 本開示の第１の実施形態に係る学習者端末および管理者端末の概略的な機能構成を示すブロック図である。 本開示の第１の実施形態における学習者端末の表示の一例を示す図である。 本開示の第１の実施形態における管理者端末の表示の一例を示す図である。 本開示の第１の実施形態に係るサーバの概略的な機能構成を示すブロック図である。 本開示の第１の実施形態における全体的な処理の例を示すフローチャートである。 本開示の第１の実施形態における授業モードの処理の例を示すフローチャートである。 本開示の第１の実施形態における演習モードの処理の例を示すフローチャートである。 本開示の第１の実施形態におけるテストモードの処理の例を示すフローチャートである。 本開示の第１の実施形態における理解度の推定処理を示すフローチャートである。 本開示の第１の実施形態における思考特性の推定処理を示すフローチャートである。 本開示の第２の実施形態に係る学習システムの構成を概略的に示す図である。 本開示の第２の実施形態における管理者端末の概略的な機能構成を示すブロック図である。 本開示の第３の実施形態に係る学習システムの構成を概略的に示す図である。 情報処理装置のハードウェア構成を説明するためのブロック図である。
以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
なお、説明は以下の順序で行うものとする。
１．第１の実施形態
１−１．学習システムの構成
１−２．各装置の構成
１−３．処理フロー
１−４．理解度の推定
１−５．思考特性の推定
１−６．演習問題の選択
２．第２の実施形態
３．第３の実施形態
４．ハードウェア構成
５．補足
（１．第１の実施形態）
まず、図１〜図１２を参照して、本開示の第１の実施形態について説明する。
（１−１．学習システムの構成）
図１は、本開示の第１の実施形態に係る学習システムの構成を概略的に示す図である。図１を参照すると、学習システム１０は、学習者端末１００、管理者端末２００、およびサーバ３００を含む。学習者端末１００と、管理者端末２００と、サーバ３００とは、有線または無線の各種のネットワーク４００によって互いに接続される。
学習者端末１００は、学習システム１０を利用する学習者によって使用される。学習者は、例えば学校での学習の場合は生徒である。後述するように、学習者端末１００は、入力部および表示部の機能を有し、学習者に対して例えば教科書やノートなどの機能を提供する。図示された例のように、複数の学習者端末１００（学習者端末１００ａ，１００ｂ，１００ｃ、数はこれに限られない）が学習システム１０に含まれてもよい。
管理者端末２００は、学習システム１０を利用する学習の管理者によって使用される。管理者は、例えば学校での学習の場合は教師である。後述するように、管理者端末２００も、入力部および表示部の機能を有し、管理者に対して例えば学習者の学習状況を管理する機能を提供する。図示された例のように、複数の管理者端末２００（管理者端末２００１，２００ｂ、数はこれに限られない）が学習システム１０に含まれてもよい。
サーバ３００は、学習者端末１００および管理者端末２００から取得した情報を格納および処理し、また適切な情報をこれらの端末に提供する。後述するように、サーバ３００は、操作履歴ＤＢや学習コンテンツＤＢ、受容特性推定部などの機能を有し、学習者端末１００の操作履歴に基づいて学習者の学習コンテンツに対する受容特性を推定することが可能である。図示された例では、サーバ３００が、上記の受容特性推定部を含む解析サーバ３００ａと、操作履歴ＤＢを含むデータサーバ３００ｂとの組み合わせによって実現されているが、サーバ３００の機能は、ネットワーク５００に接続された単一の装置、または協働する任意の数の装置によって実現されうる。
上記の学習システム１０は、例えば学習者と管理者とが同じ場所に存在する環境下での学習に用いられうる。この場合、学習者端末１００と、管理者端末２００とは、同じ場所に配置される。サーバ３００も同じ場所に配置されてもよい。このような例としては、学習者である生徒と管理者である教師とが共に教室内に存在する、学校での授業の例が挙げられる。
あるいは、学習システム１０は、学習者と管理者とが異なる場所に存在する環境下での学習に用いられてもよい。この場合、学習者端末１００と、管理者端末２００とは、それぞれ異なる場所に配置される。このような例としては、学習者である生徒が教室で自習し、管理者である教師が別室でこれを監督する、学校での自習の例が挙げられる。また、同様の例として、学習者が自宅でｅラーニングの教材を利用する例も挙げられる。
図２は、本開示の第１の実施形態に係る学習システムの実装の一例を示す図である。図示された例の学習システム１０において、学習者端末１００は、２つのディスプレイを有するノート型の端末装置である。学習者端末１００は、学習システム１０の専用端末であってもよいし、ノートＰＣ（Personal Computer）、タブレットＰＣ、またはスマートフォンなどの汎用端末であってもよい。
一方、図示された例において、管理者端末２００は、本体に接続されるディスプレイ、キーボード、およびマウスを有するデスクトップＰＣ型の端末装置である。管理者端末２００も、学習システム１０の専用端末であってもよいし、各種のＰＣまたはスマートフォンのような汎用端末であってもよい。
図示された例では、学習者端末１００、管理者端末２００、およびサーバ３００を互いに接続するネットワーク４００として、インターネット４００ａと、学習者端末１００からＷｉ−Ｆｉ（Wireless Fidelity；登録商標）などの無線通信によってアクセスされるアクセスポイント４００ｂとを含む。
（１−２．各装置の構成）
（学習者端末、管理者端末の機能構成）
図３は、本開示の第１の実施形態に係る学習者端末および管理者端末の概略的な機能構成を示すブロック図である。図３を参照すると、学習者端末１００は、入力部１１０と、入力制御部１２０と、出力部１３０と、出力制御部１４０と、通信部１５０とを含む。管理者端末２００は、入力部２１０と、入力制御部２２０と、出力部２３０と、出力制御部２４０と、通信部２５０とを含む。なお、これらの機能構成は、いずれも、例えば後述する情報処理装置のハードウェア構成を用いて実現されうる。例えば、入力制御部１２０，２２０と出力制御部１４０，２４０とは、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）などを用いてソフトウェア的に実現されうる。
図示されているように、学習者端末１００および管理者端末２００は、同様の機能構成をとりうる。従って、以下の説明では、学習者端末１００の機能構成について説明し、管理者端末２００の機能構成の説明に代える。なお、例えばそれぞれの入力部および出力部にどの要素が含まれるかといった細かい部分については、学習者端末１００と管理者端末２００との機能構成は異なりうる。
入力部１１０は、学習者端末１００に対するユーザの各種の入力操作を取得する。入力部１１０は、例えば、ペン、タッチパネル、カメラ、マイク、キーボード、マウス、またはボタンなどを含みうる。このうち、ペンは、例えばディスプレイ上に設けられたタッチパネルと組み合わせて使用され、手書きで文字や図形を入力したり、ＧＵＩ（Graphical User Interface）としてディスプレイに表示された操作メニューを選択したりするのに用いられうる。
入力制御部１２０は、入力部１１０が取得した入力操作を処理する。例えば、入力制御部１２０は、入力部１１０に含まれるペンやタッチパネル、キーボード、マウスなどによって取得された文字や図形などの入力操作を、出力部１３０に含まれるディスプレイの表示に反映させるために出力制御部１４０に提供する。また、入力制御部１２０は、入力部１１０によって取得された所定の入力操作の情報を、当該入力操作が取得された時刻に対応付けて、管理者端末２００またはサーバ３００に送信するために通信部１５０に提供する。
出力部１３０は、ユーザである学習者に対して各種の情報を出力する。出力部１３０は、例えば、ディスプレイ、スピーカー、またはプリンタなどを含みうる。出力部１３０は、例えば、ディスプレイによって教科書やノートなどの画像を表示する。また、ディスプレイには、入力部１１０によって取得された学習者の入力操作に応じて、文字や図形などが表示されてもよい。なお、ディスプレイには、例えばＬＣＤ（Liquid Crystal Display）、ＰＤＰ（Plasma Display Panel）、ＣＲＴ（Cathode Ray Tube）ディスプレイ、または電子ペーパーなどが用いられうる。
出力制御部１４０は、出力部１３０による情報の出力を制御する。例えば、出力制御部１４０は、出力部１３０に含まれるディスプレイによる表示を、入力制御部１２０や通信部１５０から提供された情報に応じて更新する。より具体的には、出力制御部１４０は、入力部１１０によって取得された文字や図形などの入力操作の情報を入力制御部１２０から取得し、文字や図形をディスプレイに表示させる。また、出力制御部１４０は、管理者端末２００から受信された学習に関する指示の情報や、サーバ３００から受信された学習者の受容特性に関する情報や学習コンテンツなどを通信部１５０から取得し、これに基づいてディスプレイの表示を変化させたり、スピーカーやプリンタから情報を出力したりしてもよい。
通信部１５０は、通信装置を用いて実現され、他の装置との間でデータを送受信する。上述のように、例えば、通信部１５０は、入力制御部１２０から取得した学習者の入力操作に関する情報を、管理者端末２００またはサーバ３００に送信する。また、通信部１５０は、管理者端末２００から学習に関する指示の情報を受信して、出力制御部１４０に提供する。さらに、通信部１５０は、サーバ３００から学習者の受容特性に関する情報や学習コンテンツなどを受信して、出力制御部１４０に提供する。
（学習者端末の表示例）
図４は、本開示の第１の実施形態における学習者端末の表示の一例を示す図である。図示された例において、学習者端末１００は、出力部１３０として、２つのディスプレイ１３１ａ，１３１ｂを有する。なお、これは学習者端末１００を２つのディスプレイを有する種類の端末装置に限定するものではない。また、入力部１１０の例としてペン１１１が示されているが、これは学習者端末１００が必ずペン１１１を有することを意味するものではない。学習者端末１００は、必ずしも手書き入力が可能なものでなくてよく、専らタッチパネルやハードウェアボタンによって入力を受け付けるものであってもよい。
ディスプレイ１３１ａには、教科書画像５１０と、ＧＵＩ画像５３０ａとが表示される。教科書画像５１０は、現在利用されている学習コンテンツの教科書の内容を示す。ＧＵＩ画像５３０ａは、教科書画像５１０に対する操作に対応する。図示された例では、教科書を選択する、ブックマーク、拡大／縮小、ページめくりといった操作に対応するＧＵＩ画像５３０ａが表示されている。学習者は、入力部１１０に含まれるペン１１１などを用いてこれらのＧＵＩ画像５３０ａを選択することによって、教科書画像５１０の表示に対する所定の操作を実行することが可能である。また、教科書画像５１０の任意の位置にペン１１１などを用いて接触することで、アンダーラインなどの書き込みが可能であってもよい。
一方、ディスプレイ１３１ｂには、ノート画像５２０と、ＧＵＩ画像５３０ｂとが表示される。ノート画像５２０は、現在利用されている学習コンテンツのノートの内容を示す。ＧＵＩ画像５３０ｂは、ノート画像５２０に対する操作に対応する。図示された例では、書き込む、消す、色の設定、太さの設定、ブックマーク、ページめくり、ノートの終了といった操作に対応するＧＵＩ画像５３０ｂが表示されている。学習者は、入力部１１０に含まれるペン１１１などを用いてこれらのＧＵＩ画像５３０ｂを選択することによって、ノート画像５２０の表示に対する所定の操作を実行することが可能である。ノート画像５２０に対する書き込みは、ノート画像５２０の任意の位置にペン１１１などを用いて接触することで実行可能である。なお、ノート画像５２０は、所定の記入箇所が表示されるワークブック形式のものであってもよいし、罫線などが表示されうるフリーフォーマットのものであってもよい。
（管理者端末の表示例）
図５は、本開示の第１の実施形態における管理者端末の表示の一例を示す図である。図示された例において、管理者端末２００は、出力部２３０としてディスプレイ２３１を有する。なお、これは管理者端末２００を１つのディスプレイを有する種類の端末装置に限定するものではない。
ディスプレイ２３１には、教科書画像６１０と、ノート一覧画像６２０と、ノート詳細画像６３０とが表示される。教科書画像６１０は、現在学習者端末１００で表示されている教科書画像を示す。ノート一覧画像６２０は、複数の学習者の一部または全部について、現在学習者端末１００で表示されているノート画像を縮小表示する。ノート詳細画像６３０は、複数の学習者のうちのいずれかについて、現在学習者端末１００で表示されているノート画像を拡大表示する。
管理者端末２００を使用する管理者は、例えば、教科書画像６１０を用いて学習を進行させる一方で、ノート一覧画像６２０によって各学習者の学習状況をチェックし、例えば気になる学習者について、ノート詳細画像６３０を表示させて学習状況をさらにチェックする。このような管理者の操作は、例えば管理者端末２００が入力部２１０として有するキーボート２１１やマウス２１３によって取得されうる。
（サーバ装置の機能構成）
図６は、本開示の第１の実施形態に係るサーバの概略的な機能構成を示すブロック図である。図６を参照すると、サーバ３００は、通信部３１０と、制御部３２０と、操作履歴ＤＢ３３０と、受容特性推定部３４０と、演習問題選択部３７０と、学習コンテンツＤＢ３８０とを含む。なお、これらの機能構成は、いずれも、例えば後述する情報処理装置のハードウェア構成を用いて実現されうる。例えば、制御部３２０と、受容特性推定部３４０と、演習問題選択部３７０とは、ＣＰＵ、ＲＡＭ、ＲＯＭなどを用いてソフトウェア的に実現されうる。
なお、上記の図１の例のように、サーバ３００は、例えば解析サーバ３００ａとデータサーバ３００ｂとの組み合わせによって実現されうる。この場合、上記の受容特性推定部３４０と演習問題選択部３７０とが解析サーバ３００ａに含まれ、操作履歴ＤＢ３３０および学習コンテンツＤＢ３８０がデータサーバ３００ｂに含まれうる。通信部３１０と制御部３２０とは、両方のサーバに含まれうる。
通信部３１０は、通信装置を用いて実現され、学習者端末１００および管理者端末２００との間でデータを送受信する。例えば、通信部３１０は、学習者端末１００／管理者端末２００で取得された学習者／管理者の入力操作に関する情報を受信する。また、通信部３１０は、受容特性推定部３４０における推定の結果や、演習問題選択部３７０における選択の結果の情報を、管理者端末２００または学習者端末１００に送信してもよい。
制御部３２０は、サーバ３００の各部を制御する。例えば、制御部３２０は、通信部３１０が受信した学習者／管理者の入力操作に関する情報を、操作履歴ＤＢ３３０に格納する。また、制御部３２０は、操作履歴ＤＢ３３０から操作履歴情報を読み出して受容特性推定部３４０に提供する。さらに、制御部３２０は、受容特性推定部３４０による推定の結果を、演習問題選択部３７０に提供してもよい。また、制御部３２０は、必要に応じて学習コンテンツを学習コンテンツＤＢ３８０から読み出し、通信部３１０を介して学習者端末１００および管理者端末２００に提供する。
操作履歴ＤＢ３３０には、学習者端末１００および管理者端末２００から受信した操作履歴情報が格納される。操作履歴情報は、学習者端末１００および管理者端末２００のそれぞれにおいて取得された、ユーザである学習者または管理者による入力操作情報を、当該入力操作が取得された時刻に対応付けた情報でありうる。操作履歴ＤＢ３３０は、この操作履歴情報を蓄積し、必要に応じて受容特性推定部３４０に提供する。
受容特性推定部３４０は、学習者端末１００のユーザである学習者の、学習コンテンツに対する受容特性を推定する。本実施形態において、受容特性推定部３４０は、理解度推定部３５０と、思考特性推定部３６０とを含む。他の実施形態では、理解度推定部３５０または思考特性推定部３６０のいずれかだけが含まれてもよい。受容特性推定部３４０によって推定された受容特性の情報は、例えば管理者端末２００、または学習者端末１００に提供される。ここでいう“学習コンテンツ”、および“受容特性”について、以下で明細書中での意味を説明する。
“学習コンテンツ”は、学習システム１０において学習者によって利用されるコンテンツである。学習コンテンツは、例えば、教科書およびノートを用いた授業コンテンツや、演習問題を用いた演習コンテンツ、およびテストコンテンツなどを含みうる。学習コンテンツには、例えば科目（語学、算数、理科、社会、など）、または科目中の単元（算数であれば、足し算、引き算、かけ算、割り算、など）のような単位が設定される。後述する学習者の受容特性は、例えば、この単位ごとに推定されうる。この学習コンテンツは、本実施形態では学習コンテンツＤＢ３８０に格納される。
“受容特性”は、学習コンテンツを受容するにあたって学習者が示す特性である。受容特性の１つの例は、理解度推定部３５０によって推定される理解度である。理解度は、学習者が学習コンテンツをどの程度理解したかを示す指標である。学習コンテンツの理解は、上記の科目や単元に応じて様々に定義されうる。例えば語学の場合、単語や文法を習得し、それらを使って読解や作文ができることでありうる。一方、算数の場合は、定理や公式を習得し、それらを使って計算ができることでありうる。また、理科や社会の場合は、知識を正しく記憶することでありうる。
また、受容特性の別の例は、思考特性推定部３６０によって推定される思考特性である。思考特性は、学習者が学習コンテンツに対して思考するにあたっての特性である。思考特性は、例えば、“ケアレス型”（うっかりミスが多いタイプ）、“トライ＆エラー型”（いろいろな方法を試してみるタイプ）、“てきぱき型”（手際よく正解に至るタイプ）、“熟考型”（時間をかけて１つの方法に取り組むタイプ）などのように、いくつかの型に分類される。
上記のような“受容特性”を、受容特性推定部３４０は、操作履歴ＤＢ３３０から取得した学習コンテンツ利用中の学習者の入力操作の履歴に基づいて推定する。つまり、受容特性推定部３４０によって推定される“受容特性”は、学習者がどのように学習コンテンツを受容しているかを示すものであり、例えば単純にテストによって測られる学習の到達度よりも包括的な概念といえる。
演習問題選択部３７０は、付加的に設けられる。演習問題選択部３７０は、学習者端末１００のユーザである学習者に対して、受容特性推定部３４０によって推定された当該学習者の学習コンテンツに対する受容特性に基づいて、適切な演習問題を選択する。ここで選択される演習問題は、各学習者にパーソナライズされているともいえる。なお、受容特性に基づいて選択される演習問題の具体的な例については後述する。
（１−３．処理フロー）
（全体の処理フロー）
図７は、本開示の第１の実施形態における全体的な処理の例を示すフローチャートである。図示されているように、本実施形態では、学習システム１０の動作モードとして授業モード、演習モード、およびテストモードの３つが設定される。処理フローでは、まず、管理者端末２００が動作モードを選択する管理者の操作を取得する（ステップＳ１０１）。これは、例えば授業、演習、またはテストの開始時に、管理者端末２００を用いて実行される初期処理でありうる。
次に、管理者端末２００は、管理者によって選択されたモードが授業モードであるか否かを判定する（ステップＳ１０３）。授業モードが選択されていた場合、管理者端末２００は選択されたモードをサーバ３００および学習者端末１００に通知し、以下、学習システム１０は授業モードで動作する（ステップＳ１０５）。ここで、授業モードは、管理者（例えば教師）のインストラクションに従って、学習者（例えば生徒）がテキストを読み進めたり、ワークブックなどで演習問題を解いたりする場合に選択されるモードである。なお、学習システム１０の授業モードでの動作については後述する。
一方、ステップＳ１０３で、授業モードが選択されなかった場合、管理者端末２００は、管理者によって選択されたモードが演習モードであるか否かを判定する（ステップＳ１０７）。演習モードが判定されていた場合、管理者端末２００は選択されたモードをサーバ３００および学習者端末１００に通知し、以下、学習システム１０は演習モードで動作する（ステップＳ１０９）。ここで、演習モードは、管理者（例えば教師）のインストラクションなしで、学習者（例えば生徒）が演習問題を解く場合に選択されるモードである。なお、学習システム１０の演習モードでの動作については後述する。
一方、ステップＳ１０７で、演習モードが選択されなかった場合、管理者端末２００は、管理者によって選択されたモードがテストモードであるか否かを判定する（ステップＳ１１１）。テストモードが判定されていた場合、管理者端末２００は選択されたモードをサーバ３００および学習者端末１００に通知し、以下、学習システム１０はテストモードで動作する（ステップＳ１１３）。ここで、テストモードは、管理者（例えば教師）の開始の指示によって学習者（例えば生徒）に問題が提示され、管理者の終了の指示までの間に学習者がその問題に回答する場合に選択されるモードである。なお、学習システム１０のテストモードでの動作については後述する。
一方、ステップＳ１１１で、テストモードが選択されなかった場合、管理者端末２００は、モードが正しく選択されなかったと判定する。この場合、管理者端末２００は、モードを正しく選択するように警告を表示し（ステップＳ１１５）、モード選択に戻る（ステップＳ１０１）。
（授業モードの処理フロー）
図８は、本開示の第１の実施形態における授業モードの処理の例を示すフローチャートである。上述のように、授業モードは、管理者（例えば教師）のインストラクションに従って、学習者（例えば生徒）がテキストを読み進めたり、ワークブックなどで演習問題を解いたりする場合に選択されるモードである。
まず、付加的な構成として、授業の開始時に、サーバ３００の理解度推定部３５０が、学習者の過去の操作履歴に基づいて、学習者の理解度を推定する（ステップＳ２０１）。なお、学習者の理解度の推定の処理の詳細については後述する。ここで、推定される理解度は、例えば今回の授業で学習する科目についての学習者のこれまでの理解度でありうる。また、推定される理解度は、今回の授業で学習する単元に関連する、過去の学習された単元（例えば、算数で割り算の場合であればかけ算のような）の学習者の理解度であってもよく、また関連する単元の理解度から推定される今回学習する単元の学習者の理解度であってもよい。
次に、ステップＳ２０１を受けた付加的な構成として、サーバ３００から管理者端末２００に学習者の理解度を示す情報が送信され、これに従って管理者端末２００の表示が更新される（ステップＳ２０３）。例えば、管理者端末２００の表示には、各学習者の理解度が直接的に表示されてもよい。また、管理者端末２００の表示、例えば学習者のリストや、上記の図５の例で説明したノート一覧画像６２０などが、各学習者の理解度に応じてソートされてもよい。
このような表示によって、例えば、管理者は、今回の授業内容に対する理解度が十分でない可能性がある学習者を前もって把握し、その学習者に特に注目しながら授業を進めることができる。
授業の開始後、サーバ３００の制御部３２０は、学習者端末１００において学習者の入力操作が取得されたか否かを判定する（ステップＳ２０５）。上記のように、学習者端末１００からは、取得された入力操作の情報が、当該入力操作が取得された時刻に対応付けてサーバ３００に送信される。ここで、入力操作が取得された場合、入力操作履歴に基づく理解度の推定に関するステップＳ２０７〜Ｓ２１３の処理が実行される。
一方、ステップＳ２０５において入力操作が取得されなかった場合、サーバ３００は、管理者端末２００において授業終了の入力操作がされたか否かを判定する（ステップＳ２１５）。ここで、授業終了の入力操作がされた場合、一連の処理は終了する。授業終了の入力操作がされなかった場合、サーバ３００は、再び学習者の入力操作が取得されたか否かを判定する（ステップＳ２０５）。
入力操作履歴に基づく理解度の推定に関する処理として、まず、サーバ３００の制御部３２０が、学習者端末１００から受信された入力操作を示す操作履歴情報を、操作履歴ＤＢ３３０に保存する（ステップＳ２０７）。上記のように、学習者端末１００から提供される操作履歴情報は、学習者による学習者端末１００の入力操作を、当該入力操作が取得された時刻に対応付けた情報である。従って、操作履歴ＤＢ３３０には、各学習者の一連の操作履歴が、それぞれ時刻に対応付けて格納されうる。
次に、制御部３２０は、操作履歴ＤＢ３３０から学習者の操作履歴を取得して、理解度推定部３５０に提供する（ステップＳ２０９）。制御部３２０は、さらに、管理者端末２００によって同様に取得されてサーバ３００に送信され、操作履歴ＤＢ３３０に格納された管理者の操作履歴を取得して、理解度推定部３５０に提供してもよい。ここで理解度推定部３５０に提供される操作履歴は、上記のステップＳ２０７で保存された操作履歴に限らず、過去に取得された操作履歴、および他の学習者の操作履歴などが、理解度推定部３５０における理解度の推定のおいて必要な分だけ提供されうる。
次に、理解度推定部３５０が、学習者の理解度を推定する（ステップＳ２１１）。ここで推定される理解度は、今回の授業で学習している単元に対する学習者の理解度、すなわち授業に対する学習者のリアルタイムの理解度でありうる。なお、学習者の理解度の推定の処理の詳細については後述する。
次に、サーバ３００から管理者端末２００に学習者の理解度を示す情報が送信され、これに従って管理者端末２００の表示が更新される（ステップＳ２１３）。例えば、管理者端末２００の表示には、各学習者の理解度が直接的に表示されてもよい。また、管理者端末２００の表示、例えば学習者のリストや、上記の図５の例で説明したノート一覧画像６２０などが、各学習者の理解度に応じてソートされてもよい。
このような表示によって、例えば、管理者は、授業内容に対する各学習者の理解度をリアルタイムで把握し、理解度が比較的低い学習者に特に注目しながら授業を進めることができる。また、管理者は、学習者全体の理解度をリアルタイムで把握し、それに応じて授業のペースを調整することもできる。
（演習モードの処理フロー）
図９は、本開示の第１の実施形態における演習モードの処理の例を示すフローチャートである。上述のように、演習モードは、管理者（例えば教師）のインストラクションなしで、学習者（例えば生徒）が演習問題を解く場合に選択されるモードである。
まず、付加的な構成として、演習の開始時に、サーバ３００の理解度推定部３５０が、学習者の過去の操作履歴に基づいて、学習者の理解度を推定する（ステップＳ３０１）。なお、学習者の理解度の推定の処理の詳細については後述する。ここで、推定される理解度は、例えば今回の演習で出題される科目についての学習者のこれまでの理解度でありうる。また、推定される理解度は、今回の演習で出題される単元に関連する、過去の学習された単元の学習者の理解度であってもよく、また関連する単元の理解度から推定される今回学習する単元の学習者の理解度であってもよい。
次に、これも付加的な構成として、サーバ３００の思考特性推定部３６０が、学習者の過去の操作履歴に基づいて、学習者の思考特性を推定する（ステップＳ３０３）。思考特性推定部３６０は、ステップＳ３０１で推定された学習者の理解度にさらに基づいて、思考特性を推定してもよい。なお、学習者の思考特性の推定の処理の詳細については後述する。ここで、推定される思考特性の対象範囲は、ステップＳ３０１における理解度の推定と同様に、さまざまに設定されうる。
なお、本実施形態では、後述するように思考特性の推定にあたって理解度の情報が用いられるため、上記のように理解度の推定に続いて思考特性の推定が実行される。しかしながら、他の実施形態では、推定された理解度の情報を用いずに思考特性を推定することも可能である。この場合、理解度の推定なしで思考特性の推定だけが実行されてもよい。また、理解度の推定と思考特性の推定との処理の順序は逆であってもよいし、また並行していてもよい。
次に、ステップＳ３０１，Ｓ３０３を受けた付加的な構成として、サーバ３００の演習問題選択部３７０が、学習者の推定された理解度および思考特性に応じて演習問題を選択する（ステップＳ３０５）。なお、理解度および思考特性に応じた演習問題の選択の例については、後述する。本実施形態において、学習者の理解度と思考特性とは、いずれか一方が推定されてもよいし、両方が推定されてもよい。また、両方が推定されたとしても、演習問題選択部３７０は、そのいずれか一方に応じて演習問題を選択してもよい。
これによって、例えば、演習を受ける学習者に対して、その学習者の理解度や思考特性に応じて適切な演習問題を呈示して回答させることができる。従って、演習の効果をより高めることができる。
演習の開始後、サーバ３００の制御部３２０は、学習者端末１００において学習者の入力操作が取得されたか否かを判定する（ステップＳ３０７）。上記のように、学習者端末１００からは、取得された入力操作の情報が、当該入力操作が取得された時刻に対応付けてサーバ３００に送信される。ここで、入力操作が取得された場合、入力操作履歴に基づく理解度および思考特性の推定に関するステップＳ３０９〜Ｓ３１７の処理が実行される。
一方、ステップＳ３０７において入力操作が取得されなかった場合、サーバ３００は、管理者端末２００において演習終了の入力操作がされたか否かを判定する（ステップＳ３１９）。ここで、演習終了の入力操作がされた場合、一連の処理は終了する。演習終了の入力操作がされなかった場合、サーバ３００は、再び学習者の入力操作が取得されたか否かを判定する（ステップＳ３０７）。
入力操作履歴に基づく理解度の推定に関する処理として、まず、サーバ３００の制御部３２０が、学習者端末１００から受信された入力操作を示す操作履歴情報を、操作履歴ＤＢ３３０に保存する（ステップＳ３０９）。上記のように、学習者端末１００から提供される操作履歴情報は、学習者による学習者端末１００の入力操作を、当該入力操作が取得された時刻に対応付けた情報である。従って、操作履歴ＤＢ３３０には、各学習者の一連の操作履歴が、それぞれ時刻に対応付けて格納されうる。
次に、制御部３２０は、操作履歴ＤＢ３３０から学習者の操作履歴を取得して、理解度推定部３５０に提供する（ステップＳ３１１）。ここで理解度推定部３５０に提供される操作履歴は、上記のステップＳ３０９で保存された操作履歴に限らず、過去に取得された操作履歴、および他の学習者の操作履歴などが、理解度推定部３５０における理解度の推定のおいて必要な分だけ提供されうる。
次に、理解度推定部３５０が、学習者の理解度を推定する（ステップＳ３１３）。ここで推定される理解度は、今回の演習で出題されている単元に対する学習者の理解度、すなわち演習に対する学習者のリアルタイムの理解度でありうる。なお、学習者の理解度の推定の処理の詳細については後述する。
次に、思考特性推定部３６０が、学習者の思考特性を推定する（ステップＳ３１５）。ここで、推定される特性は、今回の演習で出題されている単元の問題に対する学習者の思考特性、すなわち演習問題に対する学習者のリアルタイムの思考特性でありうる。なお、学習者の思考特性の推定の処理の詳細については後述する。
なお、本実施形態では、後述するように思考特性の推定にあたって理解度の情報が用いられるため、上記のように理解度の推定に続いて思考特性の推定が実行される。しかしながら、他の実施形態では、推定された理解度の情報を用いずに思考特性を推定することも可能である。この場合、理解度の推定なしで思考特性の推定だけが実行されてもよい。また、理解度の推定と思考特性の推定との処理の順序は逆であってもよいし、また並行していてもよい。
次に、演習問題選択部３７０が、学習者の推定された理解度および思考特性に応じて演習問題を選択する（ステップＳ３１７）。なお、理解度および思考特性に応じた演習問題の選択の例については、後述する。本実施形態において、学習者の理解度と思考特性とは、いずれか一方が推定されてもよいし、両方が推定されてもよい。また、両方が推定されたとしても、演習問題選択部３７０は、そのいずれか一方に応じて演習問題を選択してもよい。
これによって、例えば、演習を受ける学習者に対して、その学習者の理解度や思考特性に応じて適切な演習問題を呈示して回答させることができる。従って、演習の効果をより高めることができる。
（テストモードの処理フロー）
図１０は、本開示の第１の実施形態におけるテストモードの処理の例を示すフローチャートである。上述のように、テストモードは、管理者（例えば教師）の開始の指示によって学習者（例えば生徒）に問題が提示され、管理者の終了の指示までの間に学習者がその問題に回答する場合に選択されるモードである。
まず、管理者端末２００が、テストの開始を示す操作者の指示を取得し（ステップＳ４０１）、一連の処理が開始される。テストの開始後、サーバ３００の制御部３２０は、学習者端末１００において学習者の入力操作が取得されたか否かを判定する（ステップＳ４０３）。上記のように、学習者端末１００からは、取得された入力操作の情報が、当該入力操作が取得された時刻に対応付けてサーバ３００に送信される。
ここで、入力操作が取得された場合、サーバ３００の制御部３２０が、学習者端末１００から受信された入力操作を示す操作履歴情報を、操作履歴ＤＢ３３０に保存する（ステップＳ４０５）。上記のように、学習者端末１００から提供される操作履歴情報は、学習者による学習者端末１００の入力操作を、当該入力操作が取得された時刻に対応付けた情報である。従って、操作履歴ＤＢ３３０には、各学習者の一連の操作履歴が、それぞれ時刻に対応付けて格納されうる。
なお、テストモードでは、理解度および思考特性の推定は実行されない。これは、本実施形態では、テストでは学習者があらかじめ決められた問題に回答するだけであり、管理者からの何らかの働きかけや、問題の選択といった余地がないためである。他の実施形態では、理解度や思考特性を推定して、例えば管理者端末２００を介して管理者に提供してもよい。また、ここで保存された操作履歴情報は、例えば以後に実施される授業や演習での理解度や思考特性の推定に利用されうる。
一方、ステップＳ４０３において入力操作が取得されなかった場合、サーバ３００は、管理者端末２００においてテスト終了の入力操作がされたか否かを判定する（ステップＳ４０７）。ここで、演習終了の入力操作がされた場合、一連の処理は終了する。演習終了の入力操作がされなかった場合、サーバ３００は、再び学習者の入力操作が取得されたか否かを判定する（ステップＳ４０３）。
（１−４．理解度の推定）
続いて、本開示の第１の実施形態における理解度の推定処理について説明する。上述の通り、本実施形態では、サーバ３００の理解度推定部３５０が、学習コンテンツ利用中の学習者の入力操作の履歴に基づいて、学習者の学習コンテンツに対する理解度を推定する。
（操作履歴について）
まず、本実施形態において、理解度の推定に用いられる学習者の入力操作の履歴について説明する。学習者端末１００において取得される学習者の入力操作は、例えば以下の種類を含みうる。
・ページ操作（ページ送り、ページ保存など）
・図形描画操作（直線、円、フリーハンド、手書き文字、マーカー、色の選択、線種の選択、塗りつぶし色の選択、塗りつぶしパターンの選択、描画位置指定など）
・テキスト入力（キーボードによる入力、手書き文字の文字認識機能によるテキスト化など）
・取消操作（消しゴム機能による消去、範囲指定消去、直前操作取消（ｕｎｄｏ）など）
上記のような入力操作が、当該入力操作が取得された時刻に対応付けられて、操作履歴として操作履歴ＤＢ３３０に格納されている。理解度推定部３５０は、この操作履歴を必要に応じて取得して、学習者の理解度の推定に利用する。また、理解度推定部３５０は、同様にして管理者端末２００に取得され、操作履歴ＤＢ３３０に格納されている管理者の操作履歴をあわせて利用してもよい。
（推定アルゴリズムの例）
ある学習者が、授業、演習、またはテストの中で、ある作業（例えば管理者から指示された一連の操作や、問題への回答など）にかかる所要時間をｘとする。他の学習者も含めた学習者全体での、上記作業を行うのにかかる時間の平均をＸとすると、上記学習者の所要時間の全体の中での相対値Ｒｘは、Ｒｘ＝（ｘ−Ｘ）／Ｘと表される。
次に、上記の学習者が、ある作業中に取消操作を実行した回数をｃとする。他の学習者も含めた学習者全体でも、上記作業中の取消操作の回数の平均をＣとすると、上記学習者の取消操作回数の全体の中での相対値Ｒｃは、Ｒｃ＝（ｃ−Ｃ）／Ｃと表される。
この時、理解度を推定する第１の方法（所定の規則に基づく方法）の一例では、理解度が高いと判定される相対所要時間の閾値をＴｈｘ、同じく相対取消操作回数の閾値をＴｈｃとし、理解度が低いと判定される閾値を相対所要時間の閾値をＴｌｘ、同じく相対取消操作回数の閾値をＴｌｃとすると、以下のような規則を定義することによって、理解度を３段階で判定することができる。
（１） （Ｔｈｘ＞Ｒｘ）かつ（Ｔｈｃ＞Ｒｃ）の場合、理解度が高いと判定する
（２） （Ｔｌｘ＜Ｒｘ）かつ（Ｔｌｃ＜Ｒｃ）の場合、理解度低いと判定する
（３） 上記以外の場合、理解度が普通と判定する
一方、理解度を推定する第２の方法（統計的な方法）の一例では、重回帰分析の手法を用いる。この場合、理解度の指標として、ある単元のテストの成績を０〜１に正規化した値をＳとする。そして、上記の相対所要時間Ｒｘ、相対消去回数Ｒｃ、およびＳの値の組を、過去に同一単元を学習した学習者について収集する。このデータをもとに、ＲｘおよびＲｃを説明変数、Ｓを目的変数として重回帰分析を実行すると、以下のような回帰式が得られる。このような回帰式を使えば、学習者のＲｘ、Ｒｃを操作履歴から取得した上で、これらの値を用いて理解度Ｓを推定することができる。
Ｓ＝ａ＊Ｒｘ＋ｂ＊Ｒｃ
このような理解度の推定は、例えば、演習モードなどで問題への回答に対応する操作履歴が取得された場合は、問題ごとに操作所要時間や消去操作回数を算出し、比較することによって実行されうる。また、授業モードなどで管理者の指示に対応する入力操作の操作履歴が取得された場合は、その指示に対応する入力操作ごとに操作所要時間や消去操作回数を算出し、比較することによって実行されうる。なお、管理者の指示は、管理者端末２００において管理者の指示に関する入力操作を時刻とともに取得することによって特定されうる。
（処理フローの例）
図１１は、本開示の第１の実施形態における理解度の推定処理を示すフローチャートである。以下の推定処理は、例えば、処理履歴ＤＢ３３０に格納された学習者の一連の処理履歴を対象として順次実行されてもよいし、また新たに取得された学習者の入力操作を対象として、必要に応じて過去の処理履歴を参照して実行されてもよい。
まず、理解度推定部３５０は、処理対象になる学習者の操作履歴が、問題への回答に関する操作履歴であるか否かを判定する（ステップＳ５０１）。問題への回答に関する操作履歴は、例えば演習モードやテストモードで取得される他、授業モードでも、ワークブックなどに組み込まれた演習問題への回答の場合に取得されうる。問題への回答に関するもの以外の操作履歴としては、例えば、授業モードで管理者からの指示に応じて教科書を開いたり、ノートなどに書き込んだりするときの操作履歴がある。
上記のステップＳ５０１において、操作履歴が問題への回答に関するものであった場合、理解度推定部３５０は、回答の正誤を判定する（ステップＳ５０３）。次に、理解度推定部３５０は、制御部３２０を介して、回答の正誤が共通する他の学習者の回答に関する操作履歴を操作履歴ＤＢ３３０から取得する（ステップＳ５０５）。本実施形態では、操作履歴が問題への回答に関するものであった場合、学習者の回答が正答であれば、同じように正答を入力した他の学習者との比較によって、上記の相対所要時間Ｒｘや、相対消去回数Ｒｃが算出される。なお、ここで取得される操作履歴は、問題の回答の始めから終わりまでの操作履歴でありうる。つまり、操作所要時間や消去操作回数は、問題ごとに算出される。
これによって、例えば、演習やテストで学習者が正答を入力した場合に、回答を放棄した結果誤答になった他の学習者などの影響を除去して理解度を推定でき、相対値を用いた理解度の推定の精度を向上させることができる。なお、例えば授業中の演習問題への回答など、学習者全体が同じように問題に回答することが想定されるような場合には、回答の正誤に関わらず学習者全体の操作履歴を取得してもよい。あるいは、理解度推定部３５０は、操作所要時間や消去操作回数と同様に、回答の正誤を理解度推定のパラメータの１つとして用いてもよい。
一方、ステップＳ５０１において、操作履歴が問題への回答に関するものではなかった場合、理解度推定部３５０は、管理者の指示時刻を特定する（ステップＳ５０７）。ここで時刻特定される管理者の指示は、処理対象になる学習者の操作履歴に関連する指示である。例えば、学習者の操作履歴が教科書へのマーキングの操作履歴である場合、教科書にマーキングするよう指示する管理者の操作履歴が取得され、この操作履歴に関連付けられた時刻から、指示時刻が特定される。なお、管理者の操作履歴は、例えば、管理者端末２００の入力部２１０に含まれるペンによるメニューの選択や、マイクによって指示音声を取得して指示内容を解析することによって取得されうる。
ステップＳ５０７に続いて、理解度推定部３５０は、管理者の指示時刻以降の他の学習者の操作履歴を操作履歴ＤＢ３３０から取得する（ステップＳ５０９）。これによって、管理者が指示をしてから、各学習者がその指示に反応して操作入力を開始するまでの経過時間を算出することができる。また、取消操作回数についても、管理者の指示に対応した各学習者の操作入力について取得することができる。
次に、理解度推定部３５０は、学習者の操作所要時間を、他の学習者と比較する（ステップＳ５１１）。ここでの処理は、例えば、上記の相対所要時間Ｒｘを算出する処理でありうる。また、理解度推定部３５０は、学習者の消去操作回数を、他の学習者と比較する（ステップＳ５１３）。そして、理解度推定部３５０は、これらの比較結果に基づいて、学習者の理解度を判定する（ステップＳ５１５）。ステップＳ５１１〜Ｓ５１５では、例えば上記で説明したような、所定の規則に基づく理解度の推定、または統計的な方法による理解度の推定の処理が実行される。
以上のようにして推定される各学習者の理解度は、例えば問題に対する回答の正誤をポイント化した指標に比べて、学習コンテンツに対する学習者の受容特性をより包括的に表現する指標といえる。例えば、本実施形態における理解度は、学習者が問題に対して正答を入力した場合でも、同じく正答を入力した学習者の間で操作所要時間や消去回数を比較することによって推定される。そのため、学習者がどの程度学習コンテンツを理解しているかをより詳細に表現することが可能である。
また、本実施形態における理解度は、学習者が問題に対して回答した場合だけではなく、授業中などに管理者の指示に対して何らかの操作をした場合の操作所要時間や消去回数をも用いて推定される。そのため、学習の結果としての演習時やテストのときの問題への回答を通じてだけではなく、学習の過程である授業中の挙動を通じても学習者の理解度を判定することが可能である。これによって、例えば管理者が授業中にリアルタイムで学習者の理解度に応じた個別の対応をとったり、授業では理解しているものの問題は解けない、といったような学習者の特性を見抜いたりすることができる。
（１−５．思考特性の推定）
続いて、本開示の第１の実施形態における思考特性の推定処理について説明する。上述の通り、本実施形態では、サーバ３００の思考特性推定部３６０が、学習コンテンツ利用中の学習者の入力操作の履歴に基づいて、学習者の学習コンテンツに対する思考特性を推定する。
図１２は、本開示の第１の実施形態における思考特性の推定処理を示すフローチャートである。以下の推定処理は、例えば、処理履歴ＤＢ３３０に格納された学習者の一連の処理履歴を対象として順次実行されてもよいし、また新たに取得された学習者の入力操作を対象として、必要に応じて過去の処理履歴を参照して実行されてもよい。
まず、思考特性推定部３６０は、学習コンテンツに対する他の学習者の理解度を推定する（ステップＳ６０１）。本実施形態において、思考特性の推定処理は、例えば上記の図９に示す演習モードの動作において、学習者の理解度の推定（ステップＳ３１３）に続いて実行される（ステップＳ３１５）ため、推定対象になる学習者の理解度は既に推定されているという前提である。従って、例えば理解度を推定することなく思考特性を推定する他の実施形態では、ここで推定対象の学習者を含む学習者全体の理解度がそれぞれ推定される。他の理解度を推定する処理は、例えば上記で図１１などを参照して説明した処理と同様である。
次に、思考特性推定部３６０は、推定対象になる学習者と理解度が同程度である他の学習者の操作履歴を取得する（ステップＳ６０３）。以下の思考特性の推定処理では、ここで取得された、理解度が同程度である他の学習者の操作履歴が用いられる。これによって、例えば、理解度が高い、または低いことによる操作所要時間や消去操作回数への影響（理解度が高いために操作所要時間が短い、理解度が低いために消去操作回数が多い、など）が除去され、思考特性の推定の精度が向上しうる。なお、例えば、理解度を推定することなく思考特性を推定する場合などは、必ずしも操作履歴を理解度が同程度の他の学習者のものに限定しなくてもよい。このような場合、他の学習者全体の操作履歴が取得される。
次に、思考特性推定部３６０は、学習者の操作所要時間を他の学習者と比較する（ステップＳ６０５）。また、思考特性推定部３６０は、学習者の消去操作回数を他の学習者と比較する（ステップＳ６０７）。そして、思考特性推定部３６０は、これらの比較結果に基づいて、学習者の思考特性を判定する（ステップＳ６０９）。
ステップＳ６０５〜Ｓ６０９における思考特性の判定によって、例えば、学習者は以下のように型に分類される。操作所要時間の長短、および消去操作回数の多少は、例えば他の学習者を含めた学習者全体の平均値との比較によって判定されうる。
（１）ケアレス型・・・操作所要時間が短く、消去操作回数が多い
（２）トライ＆エラー型・・・操作所要時間が長く、消去操作回数が多い
（３）てきぱき型・・・操作所要時間が短く、消去操作回数が少ない
（４）熟考型・・・操作所要時間が長く、消去操作回数が少ない
このような分類によって、例えば、学習者が問題への回答を導き出すにあたってどのような過程をたどったかを、簡潔に表す分類が可能になる。これによって、同じく問題に対して正答を入力した学習者であっても、一方は楽々と回答を導き出し、もう一方は苦労を重ねて回答に到達したといったようなことが判別できるようになる。このような思考特性の情報は、例えばそのまま管理者端末２００に送信され、管理者による学習者の状態の把握に利用されてもよい。また、思考特性の情報は、後述するように演習問題選択部３７０に提供され、演習問題の学習者ごとのパーソナライズに利用されてもよい。
（１−６．演習問題の選択）
続いて、本開示の第１の実施形態における演習問題の選択処理について説明する。本実施形態では、付加的な構成として、例えば演習モードにおいて、推定された学習者の理解度や思考特性に応じて、サーバ３００の演習問題選択部３７０が適切な演習問題を選択する。以下では、上述した学習者の思考特性推定の例に対応して、それぞれの思考特性、および理解度に応じて、どのような問題が選択されうるかの例について説明する。
（１）理解度が低く、ケアレス型の場合
難易度が低い基本的な問題を数多く選択し、演習量を確保して習熟を図る。
（２）理解度が低く、トライ＆エラー型の場合
まず難易度が低い基本的な問題を選択し、回答の操作所要時間の減少傾向がみられてきたら徐々に難易度の高い問題に切り替える。
（３）理解度が低く、てきぱき型の場合
適当に考えて答えていると推定されるので、難易度がやや高い課題を選択し、じっくり考える習慣をつける。
（４）理解度が低く、熟考型の場合
単に処理時間が遅いと推定されるので、難易度が低い基本的な問題を数多く選択し、演習量を確保して回答のスピードアップを図る。
（５）理解度が高く、ケアレス型の場合
難易度が中程度の問題をやや多めに選択し、演習量を確保して回答の正確性の向上を図る。
（６）理解度が高く、トライ＆エラー型の場合
回答の最初に全体の見通しを立てるのが苦手であると推定されるので、基本的な手順や知識の問題ではなく、複数の手順や知識を組み合わせる応用問題を主に選択する。
（７）理解度が高く、てきぱき型の場合
難易度が中程度〜高い問題を混合して出題し、自信を失わないように配慮しながら、難易度が高い問題にもチャレンジさせる。
（８）理解度が高く、熟考型の場合
難易度が高い応用問題を厳選し、思考力や応用力をより高める。
一般的に、学習者のモチベーションの維持のためには、実力よりもいくらか高いレベルの問題にチャレンジするのが効果的である。その一方で、問題のレベルが高すぎると、学習者が自信を失いモチベーションが低下する可能性がある。上記の例は、かかる見識に基づいて、理解度および思考特性に基づいて出題する課題の種類を選択する例である。他にも、理解度や思考特性に応じて問題を選択する手法はありうるので、そうした手法を用いて演習問題が選択されてもよい。また、上述のように、他の実施形態では、理解度または思考特性のいずれか一方だけが推定されうる。その場合は、演習問題は、理解度または思考特性のいずれか一方に基づいて選択されうる。また、理解度と思考特性とが両方推定される場合でも、その一方だけに基づいて演習問題が選択されてもよい。
以上で説明した本開示の第１の実施形態では、学習コンテンツに対する学習者の理解度や思考特性といった受容特性を推定することによって、例えば、授業時の管理者によるきめの細かい指導が可能になる。また、演習時に出題される問題を、回答のプロセスにおける学習者の傾向まで考慮して最適化することができる。
（２．第２の実施形態）
次に、図１３および図１４を参照して、本開示の第２の実施形態について説明する。本実施形態は、操作履歴の取得やそれに基づいた受容特性の推定といった点においては上記の第１の実施形態と同様であるが、推定の処理を管理者端末で実行する点が第１の実施形態とは異なる。それゆえ、以下では、かかる相違点について主に説明する。
図１３は、本開示の第２の実施形態に係る学習システムの構成を概略的に示す図である。図１３を参照すると、学習システム２０は、学習者端末１００、管理者端末２００，１２００、およびサーバ１３００を含む。学習者端末１００と、管理者端末２００，１２００と、サーバ３００とは、有線または無線の各種のネットワーク４００によって互いに接続される。
学習者端末１００は、第１の実施形態における学習者端末１００と同様の構成を有するため、ここでは詳細な説明を省略する。
管理者端末１２００ａは、第１の実施形態における管理者端末２００と同様の機能に加えて、解析サーバ３００ａの機能を有する。かかる管理者端末１２００のより詳細な構成については後述する。学習システム２０には、管理者端末１２００ａの他に、第１の実施形態と同様の管理者端末２００ｂが含まれていてもよい。なお、図示された例は一例であり、学習システム２０には、例えば１または複数の管理者端末１２００だけが含まれていてもよく、またこれに加えて１または複数の管理者端末２００が含まれていてもよい。
サーバ１３００は、第１の実施形態におけるサーバ３００の機能のうち、解析サーバ３００ａの機能を含まない。従って、サーバ１３００は、専らデータサーバ３００ｂとして機能する。解析サーバ３００ａの機能は、上記の通り管理者端末１２００によって実現される。
上記の学習システム２０でも、第１の実施形態における学習システム１０と同様に、学習者端末１００と管理者端末２００，１２００、およびサーバ１３００の設置場所は任意に設定されうる。
図１４は、本開示の第２の実施形態における管理者端末の概略的な機能構成を示すブロック図である。図１４を参照すると、管理者端末１２００は、入力部２１０と、入力制御部２２０と、出力部２３０と、出力制御部２４０と、通信部２５０と、制御部２６０と、受容特性推定部３４０と、演習問題選択部３７０とを含む。なお、これらの機能構成は、いずれも、例えば後述する情報処理装置のハードウェア構成を用いて実現されうる。例えば、入力制御部２２０と、出力制御部２４０と、制御部２６０と、受容特性推定部３４０と、演習問題選択部３７０とは、ＣＰＵ、ＲＡＭ、ＲＯＭなどを用いてソフトウェア的に実現されうる。
上記の構成要素は、制御部２６０を除いて、上記の第１の実施形態で管理者端末２００またはサーバ３００の構成要素として説明された、同一の符号を有する構成要素と共通する構成を有しうる。つまり、管理者端末１２００は、第１の実施形態でいう管理者端末２００と解析サーバ３００ａとを組み合わせたものといえる。これらの構成要素については、例えば、第１の実施形態における説明で“内部的な伝送”と“装置間の通信”とを相互に置き換えることによって十分に説明可能であるため、ここでは重複した詳細な説明は省略する。
制御部２６０は、管理者端末１２００の各部を制御する。例えば、制御部２６０は、入力制御部２２０から提供された管理者の所定の入力操作を、通信部２５０を介してサーバ３００に送信する。また、制御部２６０は、受容特性推定部３４０による推定の結果を、出力制御部２４０に提供したり、通信部２５０を介して他の管理者端末２００または学習者端末１００に送信したりする。さらに、制御部２６０は、サーバ３００の操作履歴ＤＢ３３０から操作履歴情報を読み出して受容特性推定部３４０に提供する。また、制御部２６０は、受容特性推定部３４０による推定の結果を、演習問題選択部３７０に提供してもよい。
（３．第３の実施形態）
次に、図１５を参照して、本開示の第３の実施形態について説明する。本実施形態は、操作履歴の取得やそれに基づいた受容特性の推定といった点においては上記の第１の実施形態と同様であるが、サーバが設けられない点が第１の実施形態とは異なる。それゆえ、以下では、かかる相違点について主に説明する。
図１５は、本開示の第３の実施形態に係る学習システムの構成を概略的に示す図である。図１５を参照すると、学習システム３０は、学習者端末１００、管理者端末２００，２２００を含む。学習者端末１００と、管理者端末２００，２２００とは、有線または無線の各種のネットワーク４００によって互いに接続される。
学習者端末１００は、第１の実施形態における学習者端末１００と同様の構成を有するため、ここでは詳細な説明を省略する。
管理者端末２２００ａは、第１の実施形態における管理者端末２００と同様の機能に加えて、解析サーバ３００ａおよびデータサーバ３００ｂの機能を有する。管理者端末２２００の機能構成は、例えば、上記の図１４で説明した第２の実施形態に係る管理者端末１２００の機能構成に、さらに操作履歴ＤＢ３３０を追加したものでありうる。それぞれの構成要素については既に説明されているため、ここでは重複した詳細な説明は省略する。
なお、学習システム３０には、管理者端末２２００ａの他に、第１の実施形態と同様の管理者端末２００ｂが含まれていてもよい。なお、図示された例は一例であり、学習システム３０には、例えば１または複数の管理者端末２２００だけが含まれていてもよく、またこれに加えて１または複数の管理者端末２００が含まれていてもよい。
以上で説明した本開示の第３の実施形態では、操作履歴の取得やそれに基づいた受容特性の推定の処理が、管理者端末２２００によって完結する。第２の実施形態や第３の実施形態から明らかなように、本開示の実施形態では、操作履歴の取得やそれに基づいた受容特性の推定の処理が、サーバや管理者端末に任意の形で分散されうる。また、これらの処理は、もちろん学習者端末にも分散されうる。あるいは、操作履歴の取得やそれに基づいた受容特性の推定の処理は、学習者端末、管理者端末、サーバのいずれかで集約的に実行されうる。このとき、操作履歴の取得やそれに基づいた受容特性の推定の処理を実行するいずれかの装置が、本開示でいう情報処理装置でありうる。
（４．ハードウェア構成）
最後に、図１６を参照して、本開示の実施形態に係る情報処理装置のハードウェア構成について説明する。図１６は、情報処理装置のハードウェア構成を説明するためのブロック図である。図示された情報処理装置９００は、例えば、上記の実施形態における学習者端末１００、管理者端末２００，１２００，２２００、およびサーバ３００，１３００を実現しうる。
情報処理装置９００は、ＣＰＵ（Central Processing unit）９０１、ＲＯＭ（Read Only Memory）９０３、およびＲＡＭ（Random Access Memory）９０５を含む。また、情報処理装置９００は、ホストバス９０７、ブリッジ９０９、外部バス９１１、インターフェース９１３、入力装置９１５、出力装置９１７、ストレージ装置９１９、ドライブ９２１、接続ポート９２３、通信装置９２５を含んでもよい。さらに、入力装置９１５は、必要に応じて、撮像装置または各種センサなどを含んでもよい。情報処理装置９００は、ＣＰＵ９０１に代えて、またはこれとともに、ＤＳＰ（Digital Signal Processor）などの処理回路を有してもよい。
ＣＰＵ９０１は、演算処理装置および制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、またはリムーバブル記録媒体９２７に記録された各種プログラムに従って、情報処理装置９００内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータなどを記憶する。ＲＡＭ９０５は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一次記憶する。ＣＰＵ９０１、ＲＯＭ９０３、およびＲＡＭ９０５は、ＣＰＵバスなどの内部バスにより構成されるホストバス９０７により相互に接続されている。さらに、ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Peripheral Component Interconnect/Interface）バスなどの外部バス９１１に接続されている。
入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなど、ユーザによって操作される装置である。入力装置９１５は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、情報処理装置９００の操作に対応した携帯電話などの外部接続機器９２９であってもよい。入力装置９１５は、ユーザが入力した情報に基づいて入力信号を生成してＣＰＵ９０１に出力する入力制御回路を含む。ユーザは、この入力装置９１５を操作することによって、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりする。
出力装置９１７は、取得した情報をユーザに対して視覚的または聴覚的に通知することが可能な装置で構成される。出力装置９１７は、例えば、ＬＣＤ（Liquid Crystal Display）、ＰＤＰ（Plasma Display Panel）、有機ＥＬ（Electro-Luminescence）ディスプレイなどの表示装置、スピーカーおよびヘッドホンなどの音声出力装置、ならびにプリンタ装置などでありうる。出力装置９１７は、情報処理装置９００の処理により得られた結果を、テキストまたは画像などの映像として出力したり、音声または音響などの音声として出力したりする。
ストレージ装置９１９は、情報処理装置９００の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Hard Disk Drive）などの磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイスなどにより構成される。このストレージ装置９１９は、ＣＰＵ９０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。
ドライブ９２１は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブル記録媒体９２７のためのリーダライタであり、情報処理装置９００に内蔵、あるいは外付けされる。ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録を書き込む。
接続ポート９２３は、機器を情報処理装置９００に直接接続するためのポートである。接続ポート９２３は、例えば、ＵＳＢ（Universal Serial Bus）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Small Computer System Interface）ポートなどでありうる。また、接続ポート９２３は、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（High-Definition Multimedia Interface）ポートなどであってもよい。接続ポート９２３に外部接続機器９２９を接続することで、情報処理装置９００と外部接続機器９２９との間で各種のデータが交換されうる。
通信装置９２５は、例えば、通信ネットワーク９３１に接続するための通信デバイスなどで構成された通信インターフェースである。通信装置９２５は、例えば、有線または無線ＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、またはＷＵＳＢ（Wireless USB）用の通信カードなどでありうる。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Asymmetric Digital Subscriber Line）用のルータ、または、各種通信用のモデムなどであってもよい。通信装置９２５は、例えば、インターネットや他の通信機器との間で、ＴＣＰ／ＩＰなどの所定のプロトコルを用いて信号などを送受信する。また、通信装置９２５に接続される通信ネットワーク９３１は、有線または無線によって接続されたネットワークであり、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信などである。
以上、情報処理装置９００のハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。かかる構成は、実施する時々の技術レベルに応じて適宜変更されうる。
（５．補足）
以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
本開示の実施形態は、例えば、上記で説明したような情報処理装置、情報処理システム、情報処理方法、コンピュータを情報処理装置として機能させるためのプログラム、および当該プログラムが記録された記録媒体を含む。
なお、以下のような構成も本開示の技術的範囲に属する。
（１）学習コンテンツ利用中の学習者による学習者端末の入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得する操作履歴取得部と、
前記操作履歴情報に基づいて前記学習者の前記学習コンテンツに対する受容特性を推定する受容特性推定部と
を備える情報処理装置。
（２）前記受容特性推定部は、前記操作履歴情報に基づいて前記入力操作の所要時間を算出し、該所要時間を他の学習者の所要時間と比較することによって前記受容特性を推定する、前記（１）に記載の情報処理装置。
（３）前記操作履歴取得部は、前記学習者の管理者が使用する管理者端末の指示入力操作と該指示入力操作が取得された時刻とを対応付けて示す指示操作履歴情報を取得し、
前記受容特性推定部は、前記操作履歴情報と前記指示操作履歴情報とに基づいて、前記指示入力操作から前記入力操作までの時間として前記所要時間を算出する、前記（２）に記載の情報処理装置。
（４）前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、
前記受容特性推定部は、前記問題ごとに前記所要時間を算出する、前記（２）または（３）に記載の情報処理装置。
（５）前記操作履歴取得部は、取消操作を含む前記入力操作に対応する前記操作履歴情報を取得し、
前記受容特性推定部は、前記取消操作の回数を算出し、該回数を他の学習者の回数と比較することによって前記受容特性を推定する、前記（１）〜（４）のいずれか１項に記載の情報処理装置。
（６）前記操作履歴取得部は、前記学習者の管理者が使用する管理者端末の指示入力操作と該指示入力操作が取得された時刻とを対応付けて示す指示操作履歴情報を取得し、
前記受容特性推定部は、前記操作履歴情報と前記指示操作履歴情報とに基づいて、前記指示入力操作に対応する前記入力操作ごとに前記回数を算出する、前記（５）に記載の情報処理装置。
（７）前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、
前記受容特性推定部は、前記問題ごとに前記回数を算出する、前記（５）または（６）に記載の情報処理装置。
（８）前記受容特性に応じて、前記学習者に提供される前記学習コンテンツに関する演習問題を選択する演習問題選択部をさらに備える、前記（１）〜（７）のいずれか１項に記載の情報処理装置。
（９）前記受容特性を示す情報が、前記学習者の管理者が使用する管理者端末に提供される、前記（１）〜（８）のいずれか１項に記載の情報処理装置。
（１０）前記受容特性を示す情報は、前記管理者端末における前記学習者を示す情報の表示を変化させるための情報として提供される、前記（９）に記載の情報処理装置。
（１１）前記受容特性推定部は、前記学習者の前記学習コンテンツに対する理解度を推定する理解度推定部を含む、前記（１）〜（１０）のいずれか１項に記載の情報処理装置。
（１２）前記理解度推定部は、前記操作履歴情報に基づいて前記入力操作の所要時間を算出し、該所要時間を所定の閾値と比較することによって前記理解度を推定する、前記（１１）に記載の情報処理装置。
（１３）前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、
前記理解度推定部は、前記所要時間を、前記問題への回答の正誤が共通する他の学習者の所要時間の平均値と比較することによって前記理解度を推定する、前記（１２）に記載の情報処理装置。
（１４）前記操作履歴取得部は、取消操作を含む前記入力操作に対応する前記操作履歴情報を取得し、
前記理解度推定部は、前記取消操作の回数を算出し、該回数を所定の閾値と比較することによって前記理解度を推定する、前記（１１）〜（１３）のいずれか１項に記載の情報処理装置。
（１５）前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、
前記理解度推定部は、前記回数を、前記問題への回答の正誤が共通する他の学習者の回数の平均値と比較することによって前記理解度を推定する、前記（１４）に記載の情報処理装置。
（１６）前記受容特性推定部は、前記学習者が前記学習コンテンツに関する問題に回答するときの思考特性を推定する思考特性推定部を含む、前記（１）〜（１５）のいずれか１項に記載の情報処理装置。
（１７）前記思考特性推定部は、前記思考特性に応じて前記学習者を分類する、前記（１６）に記載の情報処理装置。
（１８）前記操作履歴取得部は、取消操作を含む前記入力操作に対応する前記操作履歴情報を取得し、
前記思考特性推定部は、前記操作履歴情報に基づいて前記入力操作の所要時間を算出するとともに前記取消操作の回数を算出し、前記所要時間または前記回数のうちの少なくともいずれかを所定の閾値と比較することによって前記思考特性を推定する、前記（１６）または（１７）に記載の情報処理装置。
（１９）前記受容特性推定部は、前記学習者の前記学習コンテンツに対する理解度を推定する理解度推定部を含み、
前記思考特性推定部は、前記所要時間または前記回数を、前記理解度が共通する他の学習者の平均値と比較することによって前記思考特性を推定する、前記（１８）に記載の情報処理装置。
（２０）学習コンテンツ利用中の学習者による学習者端末の入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得することと、
前記操作履歴情報に基づいて前記学習者の前記学習コンテンツに対する受容特性を推定することと
を含む情報処理方法。
１０，２０，３０ 学習システム
１００ 学習者端末
２００，１２００，２２００ 管理者端末
３００，１３００ サーバ
３１０ 通信部
３２０ 制御部
３３０ 操作履歴ＤＢ
３４０ 受容特性推定部
３５０ 理解度推定部
３６０ 思考特性推定部
３７０ 演習問題選択部

Claims (19)

  1. 学習コンテンツ利用中の学習者による学習者端末の入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得する操作履歴取得部と、
    前記操作履歴情報に基づいて前記学習者の前記学習コンテンツに対する受容特性を推定する受容特性推定部と、
    を備え、
    前記受容特性推定部は、前記学習者が前記学習コンテンツに関する問題に回答するときの思考特性を推定する思考特性推定部を含む、情報処理装置。
  2. 前記受容特性推定部は、前記操作履歴情報に基づいて前記入力操作の所要時間を算出し、該所要時間を他の学習者の所要時間と比較することによって前記受容特性を推定する、請求項１に記載の情報処理装置。
  3. 前記操作履歴取得部は、前記学習者の管理者が使用する管理者端末の指示入力操作と該指示入力操作が取得された時刻とを対応付けて示す指示操作履歴情報を取得し、
    前記受容特性推定部は、前記操作履歴情報と前記指示操作履歴情報とに基づいて、前記指示入力操作から前記入力操作までの時間として前記所要時間を算出する、請求項２に記載の情報処理装置。
  4. 前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、
    前記受容特性推定部は、前記問題ごとに前記所要時間を算出する、請求項２に記載の情報処理装置。
  5. 前記操作履歴取得部は、取消操作を含む前記入力操作に対応する前記操作履歴情報を取得し、
    前記受容特性推定部は、前記取消操作の回数を算出し、該回数を他の学習者の回数と比較することによって前記受容特性を推定する、請求項１に記載の情報処理装置。
  6. 前記操作履歴取得部は、前記学習者の管理者が使用する管理者端末の指示入力操作と該指示入力操作が取得された時刻とを対応付けて示す指示操作履歴情報を取得し、
    前記受容特性推定部は、前記操作履歴情報と前記指示操作履歴情報とに基づいて、前記指示入力操作に対応する前記入力操作ごとに前記回数を算出する、請求項５に記載の情報処理装置。
  7. 前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、
    前記受容特性推定部は、前記問題ごとに前記回数を算出する、請求項５に記載の情報処理装置。
  8. 前記受容特性に応じて、前記学習者に提供される前記学習コンテンツに関する演習問題を選択する演習問題選択部をさらに備える、請求項１に記載の情報処理装置。
  9. 前記受容特性を示す情報が、前記学習者の管理者が使用する管理者端末に提供される、請求項１に記載の情報処理装置。
  10. 前記受容特性を示す情報は、前記管理者端末における前記学習者を示す情報の表示を変化させるための情報として提供される、請求項９に記載の情報処理装置。
  11. 前記受容特性推定部は、前記学習者の前記学習コンテンツに対する理解度を推定する理解度推定部を含む、請求項１に記載の情報処理装置。
  12. 前記理解度推定部は、前記操作履歴情報に基づいて前記入力操作の所要時間を算出し、該所要時間を所定の閾値と比較することによって前記理解度を推定する、請求項１１に記載の情報処理装置。
  13. 前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、
    前記理解度推定部は、前記所要時間を、前記問題への回答の正誤が共通する他の学習者の所要時間の平均値と比較することによって前記理解度を推定する、請求項１２に記載の情報処理装置。
  14. 前記操作履歴取得部は、取消操作を含む前記入力操作に対応する前記操作履歴情報を取得し、
    前記理解度推定部は、前記取消操作の回数を算出し、該回数を所定の閾値と比較することによって前記理解度を推定する、請求項１１に記載の情報処理装置。
  15. 前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、
    前記理解度推定部は、前記回数を、前記問題への回答の正誤が共通する他の学習者の回数の平均値と比較することによって前記理解度を推定する、請求項１４に記載の情報処理装置。
  16. 前記思考特性推定部は、前記思考特性に応じて前記学習者を分類する、請求項１に記載の情報処理装置。
  17. 前記操作履歴取得部は、取消操作を含む前記入力操作に対応する前記操作履歴情報を取得し、
    前記思考特性推定部は、前記操作履歴情報に基づいて前記入力操作の所要時間を算出するとともに前記取消操作の回数を算出し、前記所要時間または前記回数のうちの少なくともいずれかを所定の閾値と比較することによって前記思考特性を推定する、請求項１に記載の情報処理装置。
  18. 前記受容特性推定部は、前記学習者の前記学習コンテンツに対する理解度を推定する理解度推定部を含み、
    前記思考特性推定部は、前記所要時間または前記回数を、前記理解度が共通する他の学習者の平均値と比較することによって前記思考特性を推定する、請求項１７に記載の情報処理装置。
  19. 学習コンテンツ利用中の学習者による学習者端末の入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得することと、
    前記操作履歴情報に基づいて前記学習者の前記学習コンテンツに対する受容特性を推定することと、
    を含み、
    前記受容特性を推定することは、前記学習者が前記学習コンテンツに関する問題に回答するときの思考特性を推定すること、をさらに含む、情報処理方法。
JP2012115605A 2012-05-21 2012-05-21 情報処理装置および情報処理方法 Active JP5949143B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2012115605A JP5949143B2 (ja) 2012-05-21 2012-05-21 情報処理装置および情報処理方法
US13/858,291 US10657836B2 (en) 2012-05-21 2013-04-08 Information processing device and information processing method for estimation of acceptance ability
CN201310176263.3A CN103426337B (zh) 2012-05-21 2013-05-14 信息处理装置和信息处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012115605A JP5949143B2 (ja) 2012-05-21 2012-05-21 情報処理装置および情報処理方法

Publications (2)

Publication Number Publication Date
JP2013242433A JP2013242433A (ja) 2013-12-05
JP5949143B2 true JP5949143B2 (ja) 2016-07-06

Family

ID=49581589

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012115605A Active JP5949143B2 (ja) 2012-05-21 2012-05-21 情報処理装置および情報処理方法

Country Status (3)

Country Link
US (1) US10657836B2 (ja)
JP (1) JP5949143B2 (ja)
CN (1) CN103426337B (ja)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6470694B2 (ja) * 2013-02-01 2019-02-13 パーラー ラブズ、インコーポレイテッド リーダ・アクティビティを評価するためのシステム及び方法
JP5408380B1 (ja) * 2013-06-17 2014-02-05 富士ゼロックス株式会社 情報処理プログラム及び情報処理装置
US9959317B2 (en) 2014-03-05 2018-05-01 Empire Technology Development Llc Semantic data generation
JP6591763B2 (ja) * 2014-03-07 2019-10-16 国立大学法人鳥取大学 認知症予防システム
US20160259765A1 (en) * 2014-05-04 2016-09-08 Daqi Li Document interaction evaluator based on an ontology
JP2016139293A (ja) * 2015-01-28 2016-08-04 株式会社東芝 書き写し度算出システム、方法及びプログラム
JP6469242B2 (ja) * 2015-10-07 2019-02-13 株式会社日立製作所 コンテンツを参照するユーザに対して提示する情報を制御するシステム及び方法
JP6462741B2 (ja) * 2016-03-30 2019-01-30 三菱Ｕｆｊ信託銀行株式会社 金融リテラシーコンサルティングシステム及びその方法
JP6527653B2 (ja) * 2016-05-19 2019-06-05 小島　章利 情報処理装置及びその制御方法、コンピュータプログラム
JP2018159881A (ja) * 2017-03-23 2018-10-11 株式会社リクルートホールディングス 予測装置及び予測方法
CN107122328A (zh) * 2017-04-25 2017-09-01 安徽庆睿实业有限责任公司 一种学生用智能笔记本
JP6824105B2 (ja) * 2017-04-28 2021-02-03 日本電信電話株式会社 情報処理装置、情報処理方法および情報処理プログラム
US10567577B2 (en) * 2017-08-31 2020-02-18 Kyocera Document Solutions Inc. Information processing system and information processing method
KR102116436B1 (ko) * 2018-04-27 2020-05-28 (주)웅진씽크빅 학습자의 예측 점수 분석 정보 제공방법
KR102107992B1 (ko) * 2018-07-27 2020-05-08 (주)웅진씽크빅 학습자의 예측 점수 분석 정보 제공방법
CN110009952A (zh) * 2019-04-12 2019-07-12 上海乂学教育科技有限公司 基于增强现实的自适应学习移动终端及学习方法
JP7375478B2 (ja) * 2019-11-01 2023-11-08 株式会社セガ 情報システムおよびプログラム
JP6722960B1 (ja) * 2020-01-20 2020-07-15 株式会社フォーサイト 学習支援システムおよび学習支援方法
JP7253216B2 (ja) * 2020-04-28 2023-04-06 株式会社日立製作所 学習支援システム

Family Cites Families (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3748754A (en) * 1971-12-13 1973-07-31 Berge D Method and apparatus for simultaneously teaching and testing a student
JPH06301328A (ja) * 1993-04-13 1994-10-28 Mitsubishi Electric Corp Ｃａｉ学習装置
US20070254270A1 (en) * 1996-03-27 2007-11-01 Michael Hersh Application of multi-media technology to computer administered personal assessment, self discovery and personal developmental feedback
JPH10149087A (ja) * 1996-11-21 1998-06-02 Doruchie:Kk 個別学習教育装置
US6986664B1 (en) * 1997-03-03 2006-01-17 Robolaw Corporation Method and apparatus for improving performance on multiple-choice exams
US8195085B2 (en) * 2000-09-11 2012-06-05 Indu Anand Method of developing educational materials based on multiple-choice questions
JP2002108199A (ja) * 2000-10-03 2002-04-10 Tierra Com:Kk 学習テスト方法及び学習テストシステム
JP3986252B2 (ja) * 2000-12-27 2007-10-03 修 家本 学習者に応じた教材提示パターンの適応的決定方法および装置
JP2002221893A (ja) * 2001-01-25 2002-08-09 Takeshi Hashimoto 学習支援システム
JP2002287608A (ja) * 2001-03-27 2002-10-04 Ideia Corporation:Kk 学習支援システム
US20040014016A1 (en) * 2001-07-11 2004-01-22 Howard Popeck Evaluation and assessment system
US7052277B2 (en) * 2001-12-14 2006-05-30 Kellman A.C.T. Services, Inc. System and method for adaptive learning
US7347694B2 (en) * 2002-01-16 2008-03-25 Oculearn, Llc Method and apparatus for screening aspects of vision development and visual processing related to cognitive development and learning on the internet
JP2003255819A (ja) * 2002-03-05 2003-09-10 Toppan Printing Co Ltd 成績向上支援装置および問題出題方法並びにそのプログラム
JP2003271750A (ja) * 2002-03-13 2003-09-26 Byuudento:Kk 教育システム
US20050191605A1 (en) * 2002-12-31 2005-09-01 Nguyen Hoanganh T. Method and apparatus for improving math or other educational skills
JP3957648B2 (ja) * 2003-03-04 2007-08-15 株式会社ワオ・コーポレーション 採点方法、情報処理装置およびそのプログラム
JP2004302215A (ja) * 2003-03-31 2004-10-28 Nacse Japan Kk 学習支援システム及び装置
JP2005055550A (ja) * 2003-08-08 2005-03-03 Hitachi Ltd オンライン学習支援装置及び方法
US20050053904A1 (en) * 2003-08-13 2005-03-10 Jennifer Shephard System and method for on-site cognitive efficacy assessment
US20050191609A1 (en) * 2004-02-14 2005-09-01 Adaptigroup Llc Method and system for improving performance on standardized examinations
JP4631014B2 (ja) 2004-07-07 2011-02-16 学校法人東海大学 電子教材学習支援装置と電子教材学習支援システム及び電子教材学習支援方法並びに電子学習支援プログラム
US20070042335A1 (en) * 2005-05-11 2007-02-22 Ctb Mcgraw-Hill System and method for assessment or survey response collection using a remote, digitally recording user input device
CN101009051A (zh) * 2006-01-24 2007-08-01 金在宇 学习认知度确认方法及其设计
CN101542415B (zh) * 2006-06-21 2012-08-15 松下电器产业株式会社 服务提供系统
US20080126319A1 (en) * 2006-08-25 2008-05-29 Ohad Lisral Bukai Automated short free-text scoring method and system
JP2009075469A (ja) 2007-09-21 2009-04-09 Brother Ind Ltd 学習支援装置、及び学習支援プログラム
CN101458677A (zh) * 2007-12-12 2009-06-17 毛思原 数位回复式教学评量系统及其方法
US8064817B1 (en) * 2008-06-02 2011-11-22 Jakob Ziv-El Multimode recording and transmitting apparatus and its use in an interactive group response system
JP5456370B2 (ja) * 2009-05-25 2014-03-26 任天堂株式会社 発音評価プログラム、発音評価装置、発音評価システムおよび発音評価方法
JP5392906B2 (ja) 2009-06-24 2014-01-22 学校法人東京電機大学 遠隔学習システム及び遠隔学習方法
CN101673478A (zh) * 2009-10-12 2010-03-17 广州市陪你学教育科技有限公司 一种有相互竞争环境的虚拟教室系统与方法
US20120288845A1 (en) * 2009-11-18 2012-11-15 Kumar Gl Umesh Assessment for efficient learning and top performance in competitive exams - system, method, user interface and a computer application
TWI409722B (zh) * 2010-03-08 2013-09-21 Prime View Int Co Ltd 測驗系統及其方法
US8834166B1 (en) * 2010-09-24 2014-09-16 Amazon Technologies, Inc. User device providing electronic publications with dynamic exercises
US20130252215A1 (en) * 2010-12-06 2013-09-26 National University Corporation Okayama University Method and device for verifying onset of dementia
US10490096B2 (en) * 2011-07-01 2019-11-26 Peter Floyd Sorenson Learner interaction monitoring system
US20130280681A1 (en) * 2012-04-16 2013-10-24 Vivek Narayan System and method for monitoring food consumption
US20140272889A1 (en) * 2013-03-15 2014-09-18 Career Education Center Computer implemented learning system and methods of use thereof

Also Published As

Publication number Publication date
JP2013242433A (ja) 2013-12-05
US20130309646A1 (en) 2013-11-21
CN103426337B (zh) 2017-04-12
US10657836B2 (en) 2020-05-19
CN103426337A (zh) 2013-12-04

Similar Documents

Publication Publication Date Title
JP5949143B2 (ja) 情報処理装置および情報処理方法
Russell et al. Elements of Success: Supporting at-risk student resilience through learning analytics
JP2013242434A (ja) 情報処理装置、情報処理方法および情報処理システム
CN111177413A (zh) 学习资源推荐方法、装置和电子设备
KR101899038B1 (ko) 빅데이터 분석을 이용한 온라인 학습 및 교육 콘텐츠 저작 시스템
JP2015102556A (ja) 学習支援プログラムおよび学習支援装置
US10188337B1 (en) Automated correlation of neuropsychiatric test data
JP2017097030A (ja) 学習支援装置
CN112289434A (zh) 基于vr的医疗培训模拟方法、装置、设备及存储介质
CN113748449B (zh) 评估和培训系统
Ghadirli et al. An adaptive and intelligent tutor by expert systems for mobile devices
JP2017173418A (ja) 学習支援システム、プログラム、情報処理方法、及び情報処理装置
JP6777999B2 (ja) プログラム、情報処理方法、及びサーバ装置
Badr et al. Meta principles of technology accessibility design for users with learning disabilities: towards inclusion of the differently enabled
Soyibnazarov ELECTRONIC EDUCATION IN SPORTS
Pourmand et al. What makes a good endoscopic teacher: a qualitative analysis
McCarthy et al. Speed and accuracy measures of school-age readers with visual impairments using a refreshable braille display
Ali The students’ perception on the implementation of online distance learning among the foundation students of Universiti Selangor
Altimentova et al. Adaptive models of computer training
JP7427906B2 (ja) 情報処理装置、制御方法及びプログラム
JP2018120109A (ja) 学習支援プログラム、学習支援方法および学習支援装置
JP6824105B2 (ja) 情報処理装置、情報処理方法および情報処理プログラム
KR20160006586A (ko) 아바타 서비스 제공 시스템, 방법 및 컴퓨터 판독 가능한 기록 매체
JP7442611B2 (ja) イベント支援システム、イベント支援方法、イベント支援プログラム
DiNapoli et al. Simulating remote support for mathematical perseverance through a digital sketching application

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150108

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20160212

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20160216

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160411

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: 20160510

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160523

R151 Written notification of patent or utility model registration

Ref document number: 5949143

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250