JP6655643B2 - 学習支援システム、学習支援方法及び学習支援プログラム - Google Patents

Description

本発明は、利用者に対して、学習方法を提案するための学習支援システム、学習支援方法及び学習支援プログラムに関する。

自分のスキル向上のために、学習を行なうことがある。このような学習では、教材の費用や学費が必要になる場合がある。そこで、学習に要する費用を支援するための技術が検討されている（例えば、特許文献１参照）。この文献に記載された学費計画支援システムにおいては、各学校について収集した学費情報を利用者に提供するとともに、学費を確保するための提案や支援を行なう。このため、支援処理サーバは、成績履歴を取得して成績範囲を予測する。この成績範囲に応じて、候補校となる学校を検索し、登録イベントデータ記憶部から候補校の時系列学費を取得する。そして、時系列学費と、利用者において支出可能な教育費との差分累積額を時系列に算出する。

特開２００９−５９１８９号公報

しかしながら、スキルアップのための学習方法は多様であり、利用者の状況や学習目的によって、利用者に適した学習方法は異なる。また、学習目的を達成した場合にも、学習方法のコストパフォーマンスが悪ければ、効率的な学習を行なうことができない。

上記課題を解決する学習支援システムは、利用者の利用者属性を記録する利用者情報記憶部と、前記利用者毎に、前記利用者が用いた学習方法を含む学習履歴を記録する学習履歴情報記憶部と、前記利用者毎に、評価時期に関連付けて、利用者のレベルを記録したレベル情報記憶部と、利用者端末に接続された制御部とを備える。前記制御部が、各利用者について、前記レベル情報記憶部から、前記学習履歴情報記憶部に記録された学習方法に関して、学習前レベルと学習後レベルとから学習効果を算出し、前記利用者情報記憶部に記録された利用者属性と、学習方法と、学習効果とを関連付けた予測モデルを生成する分析処理と、前記利用者端末から、評価対象者の利用者属性を取得した場合、前記予測モデルを用いて、学習効果を得るための学習方法を特定し、出力する提案処理とを実行する。

本発明によれば、利用者に対して、効率的な学習方法を提案することができる。

本実施形態の学習支援システムの説明図。 本実施形態の情報記憶部の説明図であって、（ａ）は方法情報記憶部、（ｂ）は利用者情報記憶部、（ｃ）は学習履歴記憶部、（ｄ）はレベル情報記憶部、（ｅ）はモデル記憶部の説明図。 本実施形態の処理手順の説明図であって、（ａ）は利用者管理処理、（ｂ）は学習情報管理処理、（ｃ）は学習効果管理処理、（ｄ）は学習効果分析処理の説明図。 本実施形態の処理手順の説明図。

以下、図１〜図４に従って、学習支援システム、学習支援方法及び学習支援プログラムを具体化した一実施形態を説明する。本実施形態では、利用者の学習目的や状況に基づいて、利用者に対して学習方法を提案するサービスを提供する場合を想定する。

図１に示すように、本実施形態では、ネットワークを介して接続された利用者端末１０、ウェアラブル端末１１、支援サーバ２０、ホストシステム３０を用いる。
利用者端末１０は、本サービスの利用者が用いるコンピュータ端末である。この利用者端末１０は、キーボードやポインティングデバイス等の入力部や、ディスプレイ等の出力部を備える。また、利用者端末１０として、タッチパネルディスプレイ（入出力部）を備えたスマート端末を用いることも可能である。
更に、この利用者端末１０は、ＧＰＳ（Global Positioning System）により、位置情報を取得する。

ウェアラブル端末１１は、利用者の身体に装着されるデバイスである。このデバイスにより、利用者の身体状況（脈拍、血圧等）や、利用者の周囲状況（騒音や照明の明るさ）を取得する。これらの情報は、利用者端末１０を介して、支援サーバ２０に送信される。

支援サーバ２０は、利用者に対して、学習を支援するための情報を提供するコンピュータシステムである。この支援サーバ２０は、制御部２１、方法情報記憶部２２、利用者情報記憶部２３、学習履歴記憶部２４、レベル情報記憶部２５、モデル記憶部２６を備えている。

制御部２１は、図示しないＣＰＵ等の制御手段、ＲＡＭ及びＲＯＭ等のメモリを備え、後述する処理（利用管理段階、学習情報取得段階、効果情報取得段階、分析段階、提案段階等の各処理等）を行なう。そして、学習支援プログラムを実行することにより、制御部２１は、利用管理部２１１、学習情報取得部２１２、効果情報取得部２１３、分析部２１４、提案部２１５として機能する。

利用管理部２１１は、本サービスの利用者の登録処理を実行する。
学習情報取得部２１２は、利用者の学習状況に関する情報を取得する処理を実行する。
効果情報取得部２１３は、学習に応じた効果に関する情報を取得する処理を実行する。
分析部２１４は、利用者の状況情報に基づいて、学習効果を評価する処理を実行する。
提案部２１５は、利用者に対して、学習に関する提案を提供する処理を実行する。

図２（ａ）に示すように、方法情報記憶部２２には、学習方法についての方法管理レコード２２０が記録される。方法管理レコード２２０は、学習方法が登録された場合に記録される。方法管理レコード２２０には、学習種別、カテゴリ、学習方法、金額、標準目標に関するデータが記録される。

学習種別データ領域には、学習対象を特定するための識別子に関するデータが記録される。学習対象には、例えば、英語学習、資産運用のスキルアップ等を用いることができる。

カテゴリデータ領域には、学習方法が属するカテゴリ（例えば、教材、セミナー等）を特定する識別子に関するデータが記録される。
学習方法データ領域には、学習方法を特定する識別子（例えば、教材名、セミナー名等）に関するデータが記録される。

金額データ領域には、この学習方法を用いる場合に要する費用（金額）に関するデータが記録される。例えば、学習材（教材）に関しては、教材費が記録される。
標準目標データ領域には、この学習方法を用いる場合の標準的な目標（学習後のレベルや、学習に要する総時間）に関するデータが記録される。

図２（ｂ）に示すように、利用者情報記憶部２３には、利用者についての利用者管理レコード２３０が記録される。利用者管理レコード２３０は、利用者登録が行なわれた場合に記録される。利用者管理レコード２３０には、利用者コード、口座番号、顧客コード、端末コード、利用者属性に関するデータが記録される。

利用者コードデータ領域には、サービスの各利用者を特定するための識別子に関するデータが記録される。
口座番号データ領域には、この利用者が金融機関に開設した口座を特定するための識別子（金融機関名、本支店名、口座種別、口座番号）に関するデータが記録される。

顧客コードデータ領域には、金融機関における顧客として、この利用者を特定するための識別子に関するデータが記録される。
端末コードデータ領域には、この利用者が用いる利用者端末１０を特定するための識別子に関するデータが記録される。

利用者属性データ領域には、この利用者の属性（例えば、性別や職業）を特定するための識別子に関するデータが記録される。なお、このデータ領域に、利用者の経験（学歴や職歴）や、学習履歴に関するデータを記録するようにしてもよい。

図２（ｃ）に示すように、学習履歴記憶部２４には、利用者の学習履歴についての学習履歴管理レコード２４０が記録される。学習履歴管理レコード２４０は、学習状況情報を取得した場合に記録される。学習履歴管理レコード２４０には、利用者コード、学習日時、学習場所、学習種別、学習方法、学習状態、学習環境に関するデータが記録される。

利用者コードデータ領域には、各利用者を特定するための識別子に関するデータが記録される。
学習日時データ領域には、学習開始日時、学習終了日時、学習時間に関するデータが記録される。

学習場所データ領域には、学習を行なった場所を特定するための位置に関するデータが記録される。学習場所としては、例えば、自宅、図書館、学校等、場所の種類を特定できる情報を用いる。

学習種別データ領域には、学習対象を特定するための識別子に関するデータが記録される。
学習方法データ領域には、学習方法を特定する識別子に関するデータが記録される。
学習状態データ領域には、学習時の利用者の心身状態に関するデータが記録される。本実施形態では、ウェアラブル端末１１から取得した身体情報に基づいて評価した心身状態（例えば、集中力、ストレス等）の特徴量に関するデータを記録する。

学習環境データ領域には、学習時の周囲状況に関するデータが記録される。本実施形態では、ウェアラブル端末１１から取得した周囲状況（例えば、騒音レベルや照明レベル）の特徴量に関するデータを記録する。

図２（ｄ）に示すように、レベル情報記憶部２５には、利用者の学習効果についてのレベル管理レコード２５０が記録される。レベル管理レコード２５０は、学習効果情報を取得した場合に記録される。レベル管理レコード２５０には、利用者コード、日時、学習種別、レベルに関するデータが記録される。

利用者コードデータ領域には、各利用者を特定するための識別子に関するデータが記録される。
日時データ領域には、評価を行なった年月日及び時刻に関するデータが記録される。
学習種別データ領域には、学習対象を特定するための識別子に関するデータが記録される。

レベルデータ領域には、学習対象について取得したレベルが記録される。例えば、語学学習の場合には、語学試験を特定するための情報に対して、点数や合否が記録される。また、資産運用のスキルアップを対象とする学習については、資産の運用状況を評価したレベルが記録される。

図２（ｅ）に示すように、モデル記憶部２６には、学習情報に基づいて、学習効果を予測するための予測モデル２６０が記録される。この予測モデルは、学習種別毎に登録されている。予測モデル２６０としては、例えば、利用者属性や学習情報を構成する要素から、学習効果を算出するための関数式を用いることができる。また、利用者属性や学習情報を構成する要素から、学習効果を算出する深層学習により生成したネットワークモデルを用いることも可能である。

図１に示すホストシステム３０は、金融機関の顧客情報や取引情報を管理するコンピュータシステムである。このホストシステム３０は、顧客情報記憶部３２、口座情報記憶部３３、取引情報記憶部３４を備える。

顧客情報記憶部３２には、顧客を管理するための顧客管理レコードが記録される。顧客管理レコードは、金融機関の顧客となった場合に登録される。この取引管理レコードには、顧客コード、個人情報、顧客属性、口座番号、認証情報に関するデータが記録される。

顧客コードデータ領域には、各顧客を特定するための識別子に関するデータが記録される。
個人情報コードデータ領域には、この顧客の個人情報（例えば、氏名、住所、連絡先）を特定するための識別子に関するデータが記録される。

顧客属性データ領域には、この顧客の属性（例えば、性別や職業）を特定するための識別子に関するデータが記録される。
口座番号データ領域には、この顧客が保有する口座を特定するための識別子に関するデータが記録される。
認証情報データ領域には、この顧客を認証するための情報（例えば、パスワード）に関するデータが記録される。

口座情報記憶部３３には、顧客が開設した口座を利用しての取引を管理するための口座管理レコードが記録される。口座管理レコードは、金融機関において口座が開設された場合に登録される。この口座管理レコードには、口座番号、口座残高、口座履歴に関するデータが記録される。

口座番号データ領域には、各口座を特定するための識別子に関するデータが記録される。
口座残高データ領域には、この口座の残高に関するデータが記録される。
口座履歴データ領域には、この口座における入金や出金について、入出金日時や金額、摘要等に関するデータが記録される。

取引情報記憶部３４には、顧客との取引を管理するための取引管理レコードが記録される。取引管理レコードは、金融機関の顧客となった場合に登録される。この取引管理レコードには、顧客コード、取引履歴に関するデータが記録される。

顧客コードデータ領域には、各顧客を特定するための識別子に関するデータが記録される。
取引履歴データ領域には、この顧客との間で行なわれた取引について、取引日時や取引種別、取引金額、取引場所に関するデータが記録される。取引種別については、この金融機関において購入された金融商品を特定するための識別子が記録される。取引場所については、取引が行なわれた店舗を特定するための識別子が記録される。

次に、図３、図４を用いて、上記のシステムを用いて行なわれる各処理を説明する。
（利用者管理処理）
図３（ａ）を用いて、利用者管理処理を説明する。本サービスの利用を希望する場合、利用者端末１０を用いて、支援サーバ２０にアクセスする。

まず、支援サーバ２０の制御部２１は、利用者情報の取得処理を実行する（ステップＳ１−１）。具体的には、制御部２１の利用管理部２１１は、利用者端末１０に利用者認証画面を出力する。この利用者認証画面は、支援サーバ２０からホストシステム３０へのリダイレクト接続により表示され、金融機関の顧客を認証するための画面である。この利用者認証画面には、顧客コード、認証情報の入力欄を備えている。利用者認証画面に入力された顧客コード、認証情報を取得したホストシステム３０は、顧客情報記憶部３２に記憶されている顧客コード及び認証情報を用いて、本人認証を行なう。本人認証ができない場合には、ホストシステム３０は、利用者端末１０に対してエラーメッセージを出力する。

一方、本人認証を完了した場合、ホストシステム３０は、顧客情報記憶部３２に記録されている顧客属性及び口座番号を支援サーバ２０に提供する。この場合、利用管理部２１１は、ホストシステム３０から、顧客属性、口座番号及び顧客コードを取得する。なお、利用者の経験（学歴や職歴）や、学習履歴を取得する場合には、利用管理部２１１が、利用者登録画面を利用者端末１０に出力する。この利用者登録画面には、経験や学習履歴の入力欄が設けられている。利用者登録画面の各入力欄への入力を完了した場合、利用管理部２１１は、利用者登録画面から各種情報を取得する。

次に、支援サーバ２０の制御部２１は、利用者情報の登録処理を実行する（ステップＳ１−２）。具体的には、制御部２１の利用管理部２１１は、利用者コードを付与する。そして、利用管理部２１１は、利用者端末１０の端末コード、ホストシステム３０や利用者端末１０から取得した各種情報を記録した利用者管理レコード２３０を生成し、利用者情報記憶部２３に記録する。

（学習情報管理処理）
図３（ｂ）を用いて、学習情報管理処理を説明する。利用者が学習を行なう場合、ウェアラブル端末１１を起動して身体に装着する。そして、利用者端末１０を支援サーバ２０に接続する。この場合、ウェアラブル端末１１を、近距離通信手段により、利用者端末１０に接続しておく。

まず、支援サーバ２０の制御部２１は、ユーザ特定処理を実行する（ステップＳ２−１）。具体的には、制御部２１の利用管理部２１１は、利用者端末１０から端末コードを取得する。次に、利用管理部２１１は、利用者情報記憶部２３から端末コードが記録された利用者管理レコード２３０を取得する。そして、利用管理部２１１は、利用者管理レコード２３０に記録された利用者コードを特定する。

次に、支援サーバ２０の制御部２１は、学習開始情報の取得処理を実行する（ステップＳ２−２）。具体的には、制御部２１の学習情報取得部２１２は、利用者端末１０に学習登録画面を出力する。この学習登録画面には、場所、学習種別、学習方法の入力欄が設けられている。ここで、利用者端末１０は、ＧＰＳにより、利用者の位置情報を取得し、場所の入力欄に初期設定する。なお、学習登録画面に、直接、場所を入力するようにしてもよい。更に、学習登録画面に、学習方法（例えば、学習に用いる教材名やセミナー名）を入力する。そして、学習情報取得部２１２は、利用者端末１０から場所、学習種別、学習方法に関する情報を取得する。そして、学習情報取得部２１２は、利用者コード、学習日時を記録した学習履歴管理レコード２４０を生成し、学習履歴記憶部２４に記録する。更に、学習情報取得部２１２は、この学習履歴管理レコード２４０に、利用者端末１０から取得した各種情報（場所、学習種別、学習方法に関する情報）を記録する。

次に、支援サーバ２０の制御部２１は、学習状況情報の取得処理を実行する（ステップＳ２−３）。具体的には、利用者端末１０は、ウェアラブル端末１１で計測した心身状態情報や、利用者端末１０で集音をした周囲音等の環境情報を取得する。そして、利用者端末１０は、学習を継続している間、心身状態情報、環境情報を蓄積する。そして、利用者端末１０において学習の終了入力が行なわれた場合、利用者端末１０は、支援サーバ２０に心身状態情報、環境情報を送信する。この場合、制御部２１の学習情報取得部２１２は、利用者端末１０から心身状態情報、環境情報を取得する。

次に、支援サーバ２０の制御部２１は、学習情報の登録処理を実行する（ステップＳ２−４）。具体的には、制御部２１の学習情報取得部２１２は、利用者端末１０から取得した心身状態情報、環境情報に基づいて、それぞれの特徴量を算出し、学習履歴管理レコード２４０に、学習状態、学習環境として記録する。

（学習効果管理処理）
図３（ｃ）を用いて、学習効果管理処理を説明する。学習効果を登録する場合、利用者端末１０を用いて、支援サーバ２０にアクセスする。

まず、支援サーバ２０の制御部２１は、ステップＳ２−１と同様に、ユーザ特定処理を実行する（ステップＳ３−１）。
次に、支援サーバ２０の制御部２１は、効果情報の取得処理を実行する（ステップＳ３−２）。具体的には、制御部２１の効果情報取得部２１３は、利用者端末１０に各種効果登録画面を出力する。例えば、学習効果が試験の点数で評価できる場合には、試験の点数を入力する。また、学習効果が、資産運用スキルの向上の場合には、資産の運用結果を入力する。また、学習効果として生活レベルを評価する場合には、効果情報取得部２１３は、ホストシステム３０から口座情報や取引情報（例えば、ローン借入返済状況やクレジット利用状況）を取得し、信用スコアリングを算出するようにしてもよい。また、取引情報（例えば、インターネットバンキング利用状況やパスワード設定状況）からＩＴやセキュリティ等に対する習熟度を評価したリテラシースコアリングを算出して、生活レベルを評価するようにしてもよい。

次に、支援サーバ２０の制御部２１は、効果情報の登録処理を実行する（ステップＳ３−３）。具体的には、制御部２１の効果情報取得部２１３は、利用者コード、現在日時、学習種別、レベルを記録したレベル管理レコード２５０を生成し、レベル情報記憶部２５に記録する。

（学習効果分析処理）
図３（ｄ）を用いて、学習効果分析処理を説明する。この学習効果分析処理は、定期的に実行される。ここでは、処理対象の学習方法を特定し、学習方法毎に以下の処理を実行する。

まず、支援サーバ２０の制御部２１は、処理対象の学習方法の利用者の特定評価処理を実行する（ステップＳ４−１）。具体的には、制御部２１の分析部２１４は、処理対象の学習方法が学習履歴記憶部２４に記録されている利用者を特定する。

そして、特定した利用者毎に、以下の処理を繰り返す。
ここでは、支援サーバ２０の制御部２１は、評価処理を実行する（ステップＳ４−２）。具体的には、制御部２１の分析部２１４は、この利用者について学習前のレベルと、新たに取得したレベル（学習後のレベル）とを取得する。この場合、分析部２１４は、学習前のレベルから学習後のレベルへの変化を学習効果として、利用者コードに関連付けてメモリに仮記憶する。

次に、支援サーバ２０の制御部２１は、利用者属性、学習履歴の取得処理を実行する（ステップＳ４−３）。具体的には、制御部２１の分析部２１４は、この利用者コードが記録された利用者管理レコード２３０を利用者情報記憶部２３から抽出し、利用者属性を取得する。更に、分析部２１４は、この利用者コード、学習方法が記録された学習履歴管理レコード２４０を学習履歴記憶部２４から抽出する。そして、分析部２１４は、学習時間、学習場所、学習状態、学習環境を取得し、統計値を算出する。統計値としては、例えば、学習時間については合計値を用い、学習場所、学習状態、学習環境に関しては最頻値を用いる。更に、分析部２１４は、利用者属性や、学習時間、学習場所、学習状態、学習環境の統計値に関連付けて学習効果をメモリに仮記憶する。
特定したすべての利用者について、上記処理を繰り返す。

次に、支援サーバ２０の制御部２１は、学習効果の解析処理を実行する（ステップＳ４−４）。具体的には、制御部２１の分析部２１４は、学習要素（学習方法、利用者属性、学習時間、学習場所、学習状態、学習環境）を変数とする解析により、学習効果の要因分析を行なう。この場合、解析手法としては、多変量解析や深層学習を用いることができる。そして、分析部２１４は、学習要素と学習効果とを関連づける予測モデル２６０を生成し、モデル記憶部２６に記録する。
そして、学習方法毎について上記処理を繰り返す。

（提案処理）
次に、図４を用いて、提案処理を説明する。学習提案を希望する場合、利用者端末１０を用いて、支援サーバ２０にアクセスする。

ここでは、支援サーバ２０の制御部２１は、ステップＳ２−１と同様に、ユーザ特定処理を実行する（ステップＳ５−１）。なお、利用者登録されていない場合には、利用者管理処理（図２（ａ））を実行する。

次に、支援サーバ２０の制御部２１は、学習種別の取得処理を実行する（ステップＳ５−２）。具体的には、制御部２１の提案部２１５は、利用者端末１０に学習種別入力画面を出力する。この学習種別入力画面には、学習種別の入力欄が設けられている。そして、提案部２１５は、学習種別入力画面に入力された学習種別に関する情報を取得する。

次に、支援サーバ２０の制御部２１は、利用者属性の取得処理を実行する（ステップＳ５−３）。具体的には、制御部２１の提案部２１５は、利用者管理レコード２３０に記録された利用者属性を取得する。

次に、支援サーバ２０の制御部２１は、学習状況情報の取得処理を実行する（ステップＳ５−４）。具体的には、制御部２１の提案部２１５は、学習履歴記憶部２４において、この利用者コードが記録された学習履歴管理レコード２４０を検索する。学習履歴管理レコード２４０を抽出できた場合、提案部２１５は、この学習履歴管理レコード２４０に記録されている学習状態や学習環境の統計値を取得する。一方、学習履歴管理レコード２４０を抽出できない場合、提案部２１５は、利用者端末１０に学習環境入力画面を出力する。この学習環境入力画面には、利用者が学習のために主に利用する場所の学習環境や、利用者の学習状態に関する情報の入力欄が設けられている。そして、提案部２１５は、学習環境入力画面に入力された環境情報を取得する。

次に、支援サーバ２０の制御部２１は、優先項目の取得処理を実行する（ステップＳ５−５）。具体的には、制御部２１の提案部２１５は、利用者端末１０に優先項目入力画面を出力する。この優先項目入力画面には、学習を行なう際に、利用者が優先する項目の入力欄が設けられている。本実施形態では、優先項目として、「費用」、「目標（到達レベル）」のいずれかの選択欄が設けられている。そして、提案部２１５は、優先項目入力画面に入力された優先項目を取得する。

優先項目の取得処理（ステップＳ５−５）において、優先項目として「費用」を取得した場合、支援サーバ２０の制御部２１は、希望費用の取得処理を実行する（ステップＳ５−６）。具体的には、制御部２１の提案部２１５は、利用者端末１０に費用入力画面を出力する。この費用入力画面には、利用者において、学習のために負担できる費用の範囲の設定欄が設けられている。そして、提案部２１５は、費用入力画面に入力された費用範囲に関する情報を取得する。

次に、支援サーバ２０の制御部２１は、希望費用内の学習方法の特定処理を実行する（ステップＳ５−７）。具体的には、制御部２１の提案部２１５は、方法情報記憶部２２から、費用範囲内の金額が記録された方法管理レコード２２０を特定する。なお、複数の学習方法を組み合わせた場合にも、方法管理レコード２２０の金額の合計が費用範囲内の場合には、この組み合わせについても、学習方法として特定する。

次に、支援サーバ２０の制御部２１は、特定した各学習方法（組み合わせを含む）について、効果の予測処理を実行する（ステップＳ５−８）。具体的には、制御部２１の提案部２１５は、モデル記憶部２６に記録された予測モデル２６０を用いて、利用者属性、学習状況情報を変数として設定し、学習効果を予測する。そして、提案部２１５は、学習方法に関連付けて、予測した学習効果（予測効果）をメモリに仮記憶する。
そして、特定したすべての学習方法について終了するまで、上記処理を繰り返す。

次に、支援サーバ２０の制御部２１は、予測効果に応じて、学習方法の順位付け処理を実行する（ステップＳ５−９）。具体的には、制御部２１の提案部２１５は、予測した学習効果に応じて、メモリに仮記憶した学習方法の順位付けを行なう。ここでは、予測効果が高い順番に並び替える。

一方、優先項目の取得処理（ステップＳ５−５）において、優先項目として「目標」を取得した場合、支援サーバ２０の制御部２１は、希望目標の取得処理を実行する（ステップＳ５−１０）。具体的には、制御部２１の提案部２１５は、利用者端末１０に目標入力画面を出力する。この目標入力画面には、学習により達成を希望する目標（到達レベル）の設定欄が設けられている。そして、提案部２１５は、目標入力画面に入力された目標に関する情報を取得する。

次に、支援サーバ２０の制御部２１は、目標に応じた学習方法の特定処理を実行する（ステップＳ５−１１）。具体的には、制御部２１の提案部２１５は、レベル情報記憶部２５を用いて、目標を超えるレベルが記録されたレベル管理レコード２５０を抽出する。そして、提案部２１５は、抽出したレベル管理レコード２５０の利用者コード、学習種別を特定する。次に、提案部２１５は、特定した利用者コード、学習種別が記録された学習履歴管理レコード２４０を学習履歴記憶部２４から抽出する。そして、提案部２１５は、抽出したすべての学習履歴管理レコード２４０に記録された学習方法を特定する。

次に、支援サーバ２０の制御部２１は、ステップＳ５−８と同様に、特定した各学習方法について、効果の予測処理を実行する（ステップＳ５−１２）。
次に、支援サーバ２０の制御部２１は、費用に応じて学習方法の順位付け処理を実行する（ステップＳ５−１３）。具体的には、制御部２１の提案部２１５は、予測した学習効果が目標に到達した学習方法について、金額に応じてメモリに仮記憶した学習方法を並び替える。例えば、金額が安いコストパフォーマンスが高い順番に並び替える。

そして、支援サーバ２０の制御部２１は、予測結果の出力処理を実行する（ステップＳ５−１４）。具体的には、制御部２１の提案部２１５は、特定した教材を用いた場合の学習効果を、利用者端末１０に出力する。

以上、本実施形態によれば、以下に示す効果を得ることができる。
（１）本実施形態では、支援サーバ２０の制御部２１は、学習情報管理処理、学習効果管理処理、学習効果分析処理を実行する。これにより、利用者の学習履歴に基づいて、学習効果を予測するためのモデルを生成することができる。

（２）本実施形態では、支援サーバ２０の制御部２１は、学習状況情報の取得処理を実行する（ステップＳ２−３）。これにより、学習時の利用者の心身状態や、学習環境を含めた学習履歴を記録することができる。

（３）本実施形態では、支援サーバ２０の制御部２１は、学習効果の解析処理を実行する（ステップＳ４−４）。この場合、学習要素として利用者属性、学習時間、学習場所、学習状態、学習環境を用いる。これにより、これらの学習要素を変数として学習効果を予測するモデルを生成することができる。

（４）本実施形態では、支援サーバ２０の制御部２１は、学習状況情報の取得処理を実行する（ステップＳ５−４）。この場合、制御部２１の提案部２１５は、学習履歴記憶部２４において、この利用者コードが記録された学習履歴管理レコード２４０を検索する。これにより、過去の学習履歴に基づいて、学習状況情報を取得することができる。

（５）本実施形態では、優先項目として「費用」を取得した場合、支援サーバ２０の制御部２１は、希望費用の取得処理（ステップＳ５−６）、希望費用内の学習方法の特定処理（ステップＳ５−７）、効果の予測処理（ステップＳ５−８）を実行する。これにより、利用者が希望する費用を考慮して、効率的な学習方法を提案することができる。

（６）本実施形態では、優先項目として「目標」を取得した場合、支援サーバ２０の制御部２１は、目標の取得処理（ステップＳ５−１０）、目標に応じた学習方法の特定処理（ステップＳ５−１１）、効果の予測処理（ステップＳ５−１２）を実行する。これにより、利用者が希望する目標を考慮して、効率的な学習方法を提案することができる。

本実施形態は、以下のように変更して実施することができる。本実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
・上記実施形態では、ウェアラブル端末１１を用いて、利用者の身体状況や、利用者の周囲状況を取得する。これらの情報を取得する方法は、ウェアラブル端末１１を用いる場合に限定されるものではない。例えば、利用者端末１０のカメラで撮影した画像を用いて、瞳孔の大きさや動き、体温等を用いて身体状況を取得するようにしてもよい。また、利用者端末１０を用いて、利用者の周囲状況を取得するようにしてもよい。

・上記実施形態では、支援サーバ２０の制御部２１は、学習状況情報の取得処理を実行する（ステップＳ５−４）。ここで、学習履歴管理レコード２４０を抽出できない場合、提案部２１５は、利用者端末１０に学習環境入力画面を出力する。これに代えて、ウェアラブル端末１１を用いたサンプル期間を設け、このサンプル期間において学習状況情報を収集するようにしてもよい。

・上記実施形態では、支援サーバ２０の制御部２１は、優先項目の判定処理を実行する（ステップＳ５−５）。ここでは、優先項目として、「費用」、「目標」を選択する。優先項目は、これに限定されるものではない。例えば、学習時間や学習場所を優先項目として用いることも可能である。

・上記実施形態では、利用者端末１０やウェアラブル端末１１から各種情報を取得する。情報源は、これに限定されるものではない。インターネットを介して、各種情報を提供する情報提供サイトを用いることも可能である。例えば、利用者の所在地に基づいて、天候情報サイトから天候情報を取得し、学習履歴記憶部２４に学習要素として記録してもよい。また、方法情報記憶部２２に記録された学習方法に関する情報を、各種教材情報を提供する教材情報サイトから取得するようにしてもよい。

・上記実施形態では、支援サーバ２０の制御部２１は、目標に応じた学習方法の特定処理を実行する（ステップＳ５−１１）。ここで、目標を超えるレベルが記録されたレベル管理レコード２５０を抽出できない場合には、支援サーバ２０の制御部２１は、方法管理レコード２２０に記録された標準目標を用いて、目標を超える学習方法を特定するようにしてもよい。

・上記実施形態では、支援サーバ２０の制御部２１は、目標に応じた学習方法の特定処理を実行する（ステップＳ５−１１）。そして、支援サーバ２０の制御部２１は、特定した各学習方法について、効果の予測処理を実行する（ステップＳ５−１２）。これに代えて、方法情報記憶部２２に記録された学習種別のすべての学習方法について、効果の予測処理を行なうようにしてもよい。この場合には、効果の予測処理の後で、目標を超える学習方法を特定する。

１０…利用者端末、１１…ウェアラブル端末、２０…支援サーバ、２１…制御部、２１１…利用管理部、２１２…学習情報取得部、２１３…効果情報取得部、２１４…分析部、２１５…提案部、２２…方法情報記憶部、２３…利用者情報記憶部、２４…学習履歴記憶部、２５…レベル情報記憶部、２６…モデル記憶部、３０…ホストシステム、３２…顧客情報記憶部、３３…口座情報記憶部、３４…取引情報記憶部。

Claims (8)

1. 利用者の利用者属性を記録する利用者情報記憶部と、
   前記利用者毎に、前記利用者が用いた学習方法を含む学習履歴を記録する学習履歴情報記憶部と、
   前記利用者毎に、評価時期に関連付けて、利用者のレベルを記録したレベル情報記憶部と、
   利用者端末に接続された制御部とを備えた学習支援システムであって、
   前記制御部が、
   各利用者について、前記レベル情報記憶部から、前記学習履歴情報記憶部に記録された学習方法に関して、学習前及び学習後の取引情報を取得し、前記学習前及び学習後の取引情報を用いて、前記利用者の取引に関するスコアリングを行なうことにより、学習前レベルと学習後レベルとから学習効果を算出し、
   前記利用者情報記憶部に記録された利用者属性と、学習方法と、学習効果とを関連付けた予測モデルを生成する分析処理と、
   前記利用者端末から、評価対象者の利用者属性を取得した場合、前記予測モデルを用いて、学習効果を得るための学習方法を特定し、出力する提案処理とを実行することを特徴とする学習支援システム。
2. 前記学習履歴情報記憶部には、前記利用者が学習方法を用いたときの学習状況が記録され、
   前記分析処理において、更に前記学習状況を、前記学習効果に関連付けた予測モデルを生成し、
   前記提案処理において、評価対象者の学習状況を取得し、
   前記評価対象者の学習状況に対して、前記予測モデルを用いて、学習方法を特定することを特徴とする請求項１に記載の学習支援システム。
3. 前記利用者が装着したウェアラブル端末を用いて、学習時の学習状況を取得することを特徴とする請求項２に記載の学習支援システム。
4. 前記学習状況には、学習時の心身状態に関する情報を含めることを特徴とする請求項２又は３に記載の学習支援システム。
5. 前記学習状況には、学習時の学習環境に関する情報を含めることを特徴とする請求項２〜４の何れか一項に記載の学習支援システム。
6. 学習方法を用いる場合に要する費用が記録される方法情報記憶部を更に備え、
   前記制御部が、前記提案処理において、前記予測モデルを用いて予測した学習効果が、予め特定された目標に到達した学習方法についての費用を前記方法情報記憶部から取得し、前記費用に応じて前記学習方法を並び替えて出力することを特徴とする請求項１〜５の何れか一項に記載の学習支援システム。
7. 利用者の利用者属性を記録する利用者情報記憶部と、
   前記利用者毎に、前記利用者が用いた学習方法を含む学習履歴を記録する学習履歴情報記憶部と、
   前記利用者毎に、評価時期に関連付けて、利用者のレベルを記録したレベル情報記憶部と、
   利用者端末に接続された制御部とを備えた学習支援システムを用いて、学習支援を行なう方法であって、
   前記制御部が、
   各利用者について、前記レベル情報記憶部から、前記学習履歴情報記憶部に記録された学習方法に関して、学習前及び学習後の取引情報を取得し、前記学習前及び学習後の取引情報を用いて、前記利用者の取引に関するスコアリングを行なうことにより、学習前レベルと学習後レベルとから学習効果を算出し、
   前記利用者情報記憶部に記録された利用者属性と、学習方法と、学習効果とを関連付けた予測モデルを生成する分析処理と、
   前記利用者端末から、評価対象者の利用者属性を取得した場合、前記予測モデルを用いて、学習効果を得るための学習方法を特定し、出力する提案処理とを実行することを特徴とする学習支援方法。
8. 利用者の利用者属性を記録する利用者情報記憶部と、
   前記利用者毎に、前記利用者が用いた学習方法を含む学習履歴を記録する学習履歴情報記憶部と、
   前記利用者毎に、評価時期に関連付けて、利用者のレベルを記録したレベル情報記憶部と、
   利用者端末に接続された制御部とを備えた学習支援システムを用いて、学習支援を行なうためのプログラムであって、
   前記制御部を、
   各利用者について、前記レベル情報記憶部から、前記学習履歴情報記憶部に記録された学習方法に関して、学習前及び学習後の取引情報を取得し、前記学習前及び学習後の取引情報を用いて、前記利用者の取引に関するスコアリングを行なうことにより、学習前レベルと学習後レベルとから学習効果を算出し、
   前記利用者情報記憶部に記録された利用者属性と、学習方法と、学習効果とを関連付けた予測モデルを生成する分析処理と、
   前記利用者端末から、評価対象者の利用者属性を取得した場合、前記予測モデルを用いて、学習効果を得るための学習方法を特定し、出力する提案処理とを実行する手段として機能させることを特徴とする学習支援プログラム。

Images