JP6661139B1 - 情報処理装置及び情報処理方法 - Google Patents
情報処理装置及び情報処理方法 Download PDFInfo
- Publication number
- JP6661139B1 JP6661139B1 JP2019141099A JP2019141099A JP6661139B1 JP 6661139 B1 JP6661139 B1 JP 6661139B1 JP 2019141099 A JP2019141099 A JP 2019141099A JP 2019141099 A JP2019141099 A JP 2019141099A JP 6661139 B1 JP6661139 B1 JP 6661139B1
- Authority
- JP
- Japan
- Prior art keywords
- lesson
- unit
- learning
- time
- test
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 25
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000004088 simulation Methods 0.000 claims abstract description 185
- 238000012360 testing method Methods 0.000 claims description 328
- 230000000694 effects Effects 0.000 abstract description 41
- 238000010586 diagram Methods 0.000 abstract description 33
- 238000004364 calculation method Methods 0.000 abstract description 15
- 238000000034 method Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 36
- 238000003745 diagnosis Methods 0.000 description 29
- 238000012797 qualification Methods 0.000 description 20
- 238000012549 training Methods 0.000 description 16
- 230000007423 decrease Effects 0.000 description 15
- 230000014509 gene expression Effects 0.000 description 13
- 238000002405 diagnostic procedure Methods 0.000 description 7
- 230000007704 transition Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
図1は、サーバ1及び端末2の構成例を示すブロック図である。
サーバ1は、試験の講座の受講の申込前または申込後に、学習者に応じた効果的な講座の受講をシミュレーションすることができる。また、サーバ1は、講座の受講を申込済みの学習者に対して、インターネットなどのネットワークを介して、講座のコンテンツを配信することもできる。サーバ1は、情報処理装置の一例である。ここでは、ある学習者を例にして説明する。以下では、ある学習者は、対象者とも称される。ここでは、中小企業診断士の一次試験を試験の例として説明するが、試験はこれに限定されない。中小企業診断士の一次試験は、7科目それぞれ100点満点の合計700点満点の試験である。
プロセッサ11は、入力項目出力部111、入力情報取得部112、テスト出力部113、解答情報取得部114、テスト結果出力部115、算出部116、割当部117、取得部118、シミュレーション部119及びシミュレーション結果出力部120を実装する。
テスト結果出力部115によるテスト結果の算出例について説明する。まず、テスト結果出力部115は、解答情報に基づいて対象者の解答の正誤を判断する。次に、テスト結果出力部115は、解答の正誤に基づいて、実力診断テストの結果を算出する。実力診断テストの結果は、科目別の得点(100点満点中の得点)及び科目別の得点の合計点(700点満点中の得点)を含む。次に、テスト結果出力部115は、実力診断テストの難易度と実際の試験の難易度との関係を考慮して、講座受講前の科目別の予測得点(100点満点中の予測得点)を算出する。講座受講前の科目別の予測得点は、対象者が講座受講前に試験を受けたと想定した場合に、対象者が獲得可能と予測される試験の科目別の得点である。なお、実力診断テストが各科目について実際の試験で出題される1以上のテーマの問題を含んでいない場合、テスト結果出力部115は、適宜補完しながら、講座の受講前の科目別の予測得点を算出してもよい。次に、テスト結果出力部115は、講座受講前の科目別の予測得点を合算し、講座受講前の試験の予測得点(700点満点中の予測得点)を算出する。
端末2は、講座の受講の申込前または申込後に、サーバ1によるシミュレーションで用いられる情報をサーバ1へ提供することができる。端末2は、対象者による講座の受講に用いられてもよい。例えば、端末2は、PC(Personal Computer)であるが、スマートフォン及びタブレットなどであってもよく、これらに限定されない。端末2は、ウェブブラウザを用いて表示してもよいし、アプリを用いて表示してもよい。
ROM22は、上述のROM12と同様のハードウェアで構成される。
RAM23は、上述のRAM13と同様のハードウェアで構成される。
記憶装置24は、上述の記憶装置14と同様のハードウェアで構成される。プログラムは、ネットワークを介して端末2にダウンロードされてもよい。プログラムは、CD−ROMなどのコンピュータ可読記憶媒体に記憶されたものが端末2にインストールされたものでもよい。
通信インタフェース25は、上述の通信インタフェース15と同様のハードウェアで構成される。
入力装置26は、対象者による操作に基づいて指示を受け付ける装置である。例えば、入力装置26は、キーボードまたはタッチパッドなどであるが、これらに限定されない。
表示装置27は、種々の画面を表示する装置である。例えば、表示装置27は、液晶ディスプレイであるが、これに限定されない。表示装置27は、表示部の例である。
なお、端末2のハードウェア構成は、上述の構成に限定されるものではない。端末2は、適宜、上述の構成要素の省略及び変更並びに新たな構成要素の追加を可能とする。
プロセッサ21は、プログラムを実行することで、取得部211、表示制御部212及び出力部213を実装する。
取得部211は、サーバ1の入力項目出力部111から出力される入力項目データをサーバ1から取得する。表示制御部212は、入力項目データに含まれる必須項目データに基づいて必須項目の画面を表示装置27に表示させる。
必須項目に関する画面は、「対象資格」項目、「合格目標の試験」項目及び「学習可能時間」の項目の入力欄を表示する。ここでは、対象者は、「対象資格」項目の入力欄に中小企業診断士を入力したものとする。対象者は、「合格目標の試験」の入力欄に2020年10月試験を入力したものとする。
必須項目に関する画面は、平日及び週末(平日以外の日)のそれぞれについて、朝、日中及び夜の学習可能な時間数の入力欄を表示する。これと共にまたはこれに代えて、必須項目に関する画面は、曜日毎に、朝、日中及び夜の学習可能な時間数の入力欄を表示する。
例えば、学習可能時間の詳細設定に関する画面は、図2に例示する必須項目に関する画面での対象者による「カレンダーで詳細な予定を入力」ボタンのクリックに基づいて遷移してもよい。学習可能時間の詳細設定に関する画面は、図2に例示する「学習可能時間」の項目の入力欄に入力された情報をカレンダーの各日のセルに反映して表示する。学習者は、カレンダーの各日のセルをクリックすることで、日毎の学習可能な時間数を変更することができる。
出力部213は、必須項目に関する画面での学習者による入力の完了に基づいて、必須項目入力情報をサーバ1へ出力する。
図4は、任意項目に関する画面を例示する図である。
例えば、表示制御部212は、図2に例示する必須項目に関する画面での「次に進む」ボタンのクリックに基づいて、入力項目データに含まれる任意項目データに基づいて任意項目に関する画面を表示装置27に表示させてもよい。
任意項目に関する画面は、「以前の受験経験」項目及び「以前の学習経験」項目などの入力欄を表示する。「以前の受験経験」項目の入力欄は、受験経験の有無、受験時期及び受験時の科目別の得点などの項目の入力欄を含む。任意項目に関する画面は、「以前の学習経験」項目の入力欄は、学習経験の有無、科目別のレベルの自己評価などの項目を含む。
出力部213は、任意項目に関する画面での学習者による入力の完了に基づいて、任意項目入力情報をサーバ1へ出力する。
取得部211は、サーバ1のテスト出力部113から出力される実力診断テストデータをサーバ1から取得する。表示制御部212は、実力診断テストデータに基づいて実力診断テストに関する画面を表示装置27に表示させる。
例えば、実力診断テストに関する画面は、図4に例示する任意項目に関する画面から遷移してもよい。
ここでは、実力診断テストに関する画面は、通常版のテストまたは簡易版のテストを選択可能に表示する。
出力部213は、実力診断テストに関する画面での学習者による入力の完了に基づいて、解答情報をサーバ1へ出力する。
取得部211は、サーバ1のテスト結果出力部115から出力されるテスト結果データをサーバ1から取得する。表示制御部212は、テスト結果データに基づいて実力診断テスト結果に関する画面を表示装置27に表示させる。
例えば、テスト結果に関する画面は、図5に例示する任意項目に関する画面から遷移してもよい。
テスト結果に関する画面は、700点満点中の講座受講前の試験の予測得点(318点)を表示する。テスト結果に関する画面は、講座受講後の試験の予測得点の内訳となる講座受講前の科目別の予測得点を表示する。テスト結果に関する画面は、講座受講前の試験の予測得点及び講座受講前の科目別の予測得点に代えて、実力診断テストの結果そのもの(科目別の得点(100点満点中の得点)及び科目別の得点の合計点(700点満点中の得点))を表示してもよい。
取得部211は、サーバ1のシミュレーション結果出力部120から出力されるシミュレーション結果データをサーバ1から取得する。表示制御部212は、シミュレーション結果データに基づいてシミュレーション結果に関する画面を表示装置27に表示させる。
例えば、図7に例示するシミュレーション結果に関する画面は、図6に例示するテスト結果に関する画面での対象者による「シミュレーション結果に進む」ボタンのクリックに基づいて遷移してもよい。
例えば、図8に例示するシミュレーション結果の詳細に関する画面は、図7に例示する画面シミュレーション結果に関する画面での対象者による「選択する」ボタンのクリックに基づいて遷移してもよい。
例えば、図9に例示するシミュレーション結果の詳細に関する画面は、図8に例示する画面から遷移してもよい。
図10は、サーバ1の動作例を示すフローチャートである。なお、図10に示される1以上の動作は、適宜変更または省略されてもよい。
まず、シミュレーションの対象となる講座の構成例について説明する。
図11は、講座の構成例を示す図である。ここでは、中小企業診断士の講座を例にして説明する。
図12は、試験の予測得点の計算式を例示する図である。
試験の予測得点の計算式は、式(1)〜(4)で示される。
割合調整後の予測得点=レッスン単位別の予測得点×配点割合…式(2)
科目別の予測得点=割合調整後の予測得点の科目別合計…式(3)
試験の予測得点=科目別の予測得点の合計…式(4)
式(1)及び(2)におけるレッスン単位別の予測得点は、レッスン単位に含まれる各アウトプットレッスンの予測得点を単純平均した予測得点である。例えば、レッスン単位別の予測得点は、100点満点中の予測得点である。
式(2)における配点割合は、科目の満点(100点)に対して各レッスン単位のテーマに割り当てられた配点の割合である。配点割合は、後述するレッスン別配点テーブルで管理されている。
式(2)及び(3)における割合調整後の予測得点は、レッスン単位別の予測得点を配点割合に応じて調整した後のレッスン単位別の予測得点である。
式(3)及び(4)における科目別の予測得点は、割合調整後の予測得点の合計によって得られ、対象者が獲得可能と予測される科目の予測得点である。例えば、科目別の予測点は、100点満点中の予測得点である。
一例では、レッスン単位別の予測得点は、各アウトプットレッスン予測得点を係数で補正し、補正後の各アウトプットレッスンの予測得点を単純平均したものであってもよい。係数は、アウトプットレッスンの難易度と実際の試験の難易度との関係を考慮して設定される。例えば、過去問のアウトプットレッスンの係数は、基礎問題のアウトプットレッスンの係数よりも大きくてもよい。基礎問題の係数及び過去問の係数は、レッスン単位間で共通化してもよいし、レッスン単位毎に設定されてもよい。これにより、試験の予測得点のシミュレーション精度は向上する。
科目1のレッスン別配点テーブルは、「1−1」〜「1−12」のレッスン単位と配点割合を紐付ける。科目1のレッスン別配点テーブルは、「1−1」〜「1−12」のレッスン単位の何れでも触れられていないテーマを「その他」とし、「その他」と配点割合を紐付ける。配点割合は、過去問を参照した出題数に基づいて決定されてもよいし、過去問を参照した配点に基づいて決定されてもよい。科目1のレッスン別配点テーブルは、適宜更新されてもよい。科目1のレッスン別配点テーブルを例にして説明したが、科目2〜7のレッスン別配点テーブルは、科目1のレッスン別配点テーブルと同様に構成される。
横軸は、アウトプットレッスンの学習時間を示す。縦軸は、アウトプットレッスンの予測得点を示す。アウトプットレッスンの予測得点の上限は、100点とする。典型的な習熟度曲線では、図14に例示するように、学習開始から間もないうちの所定時間当たりの予測得点の上昇効果(伸び率)は大きい。学習開始から時間が経過するにつれて、予測得点自体は高くなるが、所定時間当たりの予測得点の上昇効果は小さくなる。最終的には、予測得点は、どれだけ学習時間を長くしてもある得点のままとなる。または、予測得点は、あるタイミングで満点となり、どれだけ学習時間を長くしても満点のままとなる。このように、予測得点の上昇効果は、学習開始からの時間の経過につれて小さくなる。
別の例では、プロセッサ11は、任意項目入力情報と習熟度曲線の軌跡とを紐付けるデータベースを参照し、対象者の任意項目入力情報に基づいてデータベースから習熟度曲線を選択してもよい。この例では、データベースは、アウトプットレッスン毎に用意されていてもよい。プロセッサ11は、対象者の任意項目入力情報に一致または類似する任意項目入力情報をデータベースで検索し、データベースから習熟度曲線を選択してもよい。
まず、割当部117は、予め定められた標準学習時間を各レッスンに割り当てる。標準学習時間は、各レッスンの受講に最低限必要とされる時間である。標準学習時間は、適宜更新可能である。標準学習時間は、レッスン毎に異なっていてもよいし、同じであってもよい。例えば、標準学習時間は、インプットレッスン毎に異なっていてもよいし、同じであってもよい。例えば、標準学習時間は、アウトプットレッスン毎に異なっていてもよいし、同じであってもよい。例えば、レッスン単位が複数のアウトプットレッスンを含んでいる場合、複数のアウトプット学習レッスンのそれぞれの標準学習時間は、異なっていてもよいし、同じであってもよい。この時点では、各レッスンの割当学習時間の合計は、各レッスンの標準学習時間の合計に相当する。
一例では、シミュレーション部119は、以下に例示するようにレッスン単位別の予測得点を求め、式(2)〜(4)に基づいてレッスン受講後の試験の予測得点をシミュレーションしてもよい。式(4)で求まる試験の予測得点は、レッスン受講後の試験の予測得点に対応する。ここでは、アウトプットレッスンA受講後のレッスン単位別の予測得点を求める例について説明する。シミュレーション部119は、あるレッスン単位に含まれるアウトプットレッスンのうち直近で受講済となるアウトプットレッスンを抽出する。シミュレーション部119は、直近で受講済となるアウトプットレッスンの習熟度曲線を用いて、割当学習時間に応じたアウトプットレッスンの予測得点を取得する。シミュレーション部119は、取得したアウトプットレッスンの予測得点を、このレッスン単位の予測得点とする。つまり、このレッスン単位に未受講となるアウトプットレッスンが含まれていても、レッスン単位の予測得点は、未受講となるアウトプットレッスンの影響を受けず、変化しない。シミュレーション部119は、全てのレッスン単位について上記同様にレッスン単位の予測得点を求める。
別の例では、シミュレーション部119は、割当学習時間に応じたアウトプットレッスンの予測得点及びアウトプットレッスンの学習時間が0時間の場合のアウトプットレッスンの予測得点を適宜式(1)に代入し、レッスン受講後の試験の予測得点をシミュレーションしてもよい。例えば、シミュレーション部119は、2番目及び3番目のレッスンの割当学習時間に応じたアウトプットレッスンの予測得点及び4番目以降のレッスンの学習時間が0時間の場合のアウトプットレッスンの予測得点を式(1)に代入し、3番目のレッスン受講後の試験の予測得点をシミュレーションすることができる。この例では、取得部118は、各アウトプットレッスンの習熟度曲線を用いて、2番目及び3番目のレッスンの割当学習時間に応じたアウトプットレッスンの予測得点を取得する。取得部118は、各アウトプットレッスンの習熟度曲線を用いて、4番目のレッスン以降のレッスンについて学習時間が0時間の場合のアウトプットレッスンの予測得点をしている。
シミュレーション部119は、同様に、何れか1つのレッスンの割当学習時間に対する1単位時間の追加に応じて、試験の予測得点のシミュレーションを繰り返す。つまり、シミュレーション部119は、試験の予測得点のシミュレーションをm回繰り返す。
横軸は、各レッスンを示す。左側の縦軸は、学習時間を示す。右側の縦軸は、試験の予測得点を示す。棒グラフは、各レッスンの割当学習時間を示す。棒グラフの実線部分は、標準学習時間を示す。「7−12 O2」レッスンの棒グラフに付加されている破線は、1回目の1単位時間の追加を示す。
横軸は、各レッスンを示す。左側の縦軸は、学習時間を示す。右側の縦軸は、試験の予測得点を示す。棒グラフは、各レッスンの割当学習時間を示す。棒グラフの実線部分は、標準学習時間を示す。「7−12 O2」レッスンの棒グラフに付加されている破線は、1回目の1単位時間の追加を示す。「1−12 O2」レッスンの棒グラフに付加されている一点鎖線は、2回目の1単位時間の追加を示す。
三角印は、各レッスンの標準学習時間と2単位時間の合計に基づく試験の予測得点を示す。つまり、三角印は、各レッスンの割当学習時間の合計が各レッスンの標準学習時間と2単位時間の合計に相当する場合の例である。左側の縦軸の三角印は、各レッスンに標準学習時間が割り当てられ、さらに、「1−12 O2」レッスン及び「7−12 O2」レッスンそれぞれに1単位時間が追加されている状態における、講座受講前の試験の予測得点を示す。各レッスンに関連付けられている三角印は、各レッスンに標準学習時間が割り当てられ、さらに、「1−12 O2」レッスン及び「7−12 O2」レッスンそれぞれに1単位時間が追加されている状態における、各レッスン受講後の試験の予測得点を示す。例えば、「7−12 O2」レッスンに関連付けられている三角印は、「7−12 O2」レッスン受講後の試験の予測得点を示す。
横軸は、各レッスンを示す。左側の縦軸は、学習時間を示す。右側の縦軸は、試験の予測得点を示す。棒グラフは、各レッスンの割当学習時間を示す。棒グラフの実線部分は、標準学習時間を示す。棒グラフに付加されている斜線のブロックは、各レッスンに追加された1単位時間を示す。このように、典型例では、各アウトプットレッスンには、標準学習時間に対して1以上の1単位時間が追加されている。また、各アウトプットレッスンに追加される1単位時間の数は、アウトプットレッスン毎に異なる。
式(1)〜(4)から分かるように、インプットレッスンの受講は、試験の予測得点に寄与しないので、各インプットレッスンには、1単位時間は追加されていない。式(1)〜(4)がインプットレッスンの受講(例えば、受講時間)を考慮するように変形される場合、各インプットレッスンには、1以上の数の1単位時間が追加され得る。
図18に例示するフローチャートは、図10に例示するステップS109〜S111の詳細な一例を示す。
プロセッサ11は、忘却曲線を用いて、試験の予測得点をシミュレーションしてもよい。例えば、プロセッサ11は、上述の図18のステップS205において、講座受講後の試験の予測得点をシミュレーションする。
図19及び図20は、忘却を考慮した講座受講後の試験の予測得点のシミュレーション例を示す図である。図19は、プロセッサ11がステップS203において実力養成期の「1−1 O2」レッスンの割当学習時間に1単位時間を追加する前に、講座受講後の試験の予測得点をシミュレーションする例を示す。図20は、プロセッサ11がステップS203において実力養成期の「1−1 O2」レッスンの割当学習時間に1単位時間を追加した後に、講座受講後の試験の予測得点をシミュレーションする例を示す。
講座受講後の試験の予測得点の計算式は、式(5)〜(6)で示される。
割合調整後の予測得点=講座受講後のレッスン単位別の予測得点×配点割合…式(5) 講座受講後の試験の予測得点=割合調整後の予測得点の合計…式(6)
式(5)及び(6)における割合調整後の予測得点は、講座受講後のレッスン単位別の予測得点を配点割合に応じて調整した後のレッスン単位別の予測得点である。
図21は、忘却曲線を考慮したレッスン単位別の予想得点の推移を例示する図である。図21は、レッスン単位「1−1」の予測得点の推移を例示する。横軸は、基礎力養成期の「1−1 O1」レッスンの受講後からの経過日数を示す。縦軸は、レッスン単位「1−1」の予測得点を示す。ここでは、先の「1−1 O1」レッスンと先の「1−1 O1」レッスンは、間隔をあけずに受講しているものとする。後の「1−1 O1」レッスンと後の「1−1 O1」レッスンは、間隔をあけずに受講しているものとする。
サーバ1は、シミュレーション結果に基づいて、対象者による講座の受講開始後の進捗を管理する。例えば、サーバ1は、対象者による総学習時間に関するシミュレーション結果の選択に応じて、総学習時間に関するシミュレーション結果に沿って進捗を管理する。例えば、サーバ1は、対象者による他の総学習時間に関するシミュレーション結果の選択に応じて、他の総学習時間に関するシミュレーション結果に沿って進捗を管理する。
プロセッサ11は、図22に例示する進捗管理に関するデータを生成し、通信インタフェース15を介して、進捗管理に関するデータを端末2へ出力する。
シミュレーション部119は、1番目のレッスンから対象者が受講を終了したレッスンについては、「実績スコア」項目で示される対象者が実際に獲得した各アウトプットレッスンの得点を式(1)に代入する。この例では、各アウトプットレッスンの得点は、レッスン成果の一例となる。シミュレーション部119は、対象者が受講を終了したレッスンの次のレッスンから最後のレッスンについては、「目標スコア」項目で示される割当学習時間に応じた各アウトプットレッスンの予測得点を式(1)に代入する。これにより、シミュレーション部119は、式(1)〜(4)を用いて、対象者が受講を終了したレッスンの実績を考慮した実績予測得点をシミュレーションすることができる。
以下、本願の出願当初の特許請求の範囲の記載を付記する。
[C1]
学習者の学習予定を取得する取得部と、
前記学習予定に基づいて学習開始日から学習終了日までの総学習時間を算出する算出部と、
前記総学習時間に基づいて、複数のレッスンの各々に割当学習時間を割り当てる割当部と、
前記割当学習時間に応じて、学習効果をシミュレーションするシミュレーション部と、
前記シミュレーション部によるシミュレーション結果を出力する出力部と、
を備える情報処理装置。
[C2]
前記学習効果は、試験の予測得点または前記試験の予測得点範囲を含む、[C1]に記載の情報処理装置。
[C3]
前記シミュレーション結果は、前記学習効果を含む、
[C1]に記載の情報処理装置。
[C4]
前記シミュレーション結果は、各レッスンの前記割当学習時間を含む、
[C1]に記載の情報処理装置。
[C5]
前記シミュレーション部は、前記割当学習時間に応じた各レッスンの成果に基づいて、前記学習効果をシミュレーションする、[C1]に記載の情報処理装置。
[C6]
前記複数のレッスンは、複数のアウトプット学習のレッスンを含み、
前記成果は、前記割当学習時間に応じた各アウトプット学習のレッスンで獲得可能と予測される得点である、[C5]に記載の情報処理装置。
[C7]
前記シミュレーション部は、忘却曲線を用いて、前記学習効果をシミュレーションする、[C1]に記載の情報処理装置。
[C8]
前記シミュレーション部は、前記総学習時間とは異なる長さの他の総学習時間に基づく他の学習効果をシミュレーションし、
前記シミュレーション結果は、前記総学習時間に基づく前記学習効果及び前記他の総学習時間に基づく前記他の学習効果を含む、
請求項1に記載の情報処理装置。
[C9]
学習者の学習予定を取得することと、
前記学習予定に基づいて学習開始日から学習終了日までの総学習時間を算出することと、
前記総学習時間に基づいて、複数のレッスンの各々に割当学習時間を割り当てることと、
前記割当学習時間に応じて、学習効果をシミュレーションすることと、
シミュレーション結果を出力することと、
を備える情報処理方法。
Claims (6)
- 学習者の学習予定を取得する取得部と、
前記学習予定に基づいて学習開始日から学習終了日までの総学習時間を算出する算出部と、
前記総学習時間に基づいて、試験の講座を構成する複数のレッスンの各々に標準学習時間または前記標準学習時間と1以上の数の単位時間との合計である割当学習時間を割り当てる割当部と、
前記割当学習時間に応じた各レッスンの予測得点に基づいて、前記複数のレッスンのうち前記単位時間の追加によって前記講座受講後の前記試験の予測総得点を最も高くするレッスンを判断するシミュレーション部と、
前記総学習時間に基づく各レッスンの前記割当学習時間を出力する出力部と、
を備え、
前記割当部は、前記シミュレーション部で判断されたレッスンの前記割当学習時間に前記単位時間を追加し、各レッスンの前記割当学習時間の合計が前記総学習時間となるまで、各レッスンに前記割当学習時間を割り当てる、
情報処理装置。 - 前記出力部は、前記総学習時間に基づく前記講座受講後の前記試験の予測総得点または前記講座受講後の前記試験の予測総得点範囲を出力する、
請求項1に記載の情報処理装置。 - 前記複数のレッスンは、複数のアウトプット学習のレッスンを含み、
前記予測得点は、前記割当学習時間に応じた各アウトプット学習のレッスンで獲得可能と予測される得点である、請求項1に記載の情報処理装置。 - 前記シミュレーション部は、忘却曲線を用いて、前記予測総得点をシミュレーションする、請求項1に記載の情報処理装置。
- 前記出力部は、前記総学習時間に基づく前記講座受講後の前記試験の予測総得点または前記講座受講後の前記試験の予測総得点範囲及び前記総学習時間とは異なる長さの他の総学習時間に基づく前記講座受講後の前記試験の予測総得点または前記講座受講後の前記試験の予測総得点範囲を出力する、
請求項1に記載の情報処理装置。 - 学習者の学習予定を取得することと、
前記学習予定に基づいて学習開始日から学習終了日までの総学習時間を算出することと、
前記総学習時間に基づいて、試験の講座を構成する複数のレッスンの各々に標準学習時間または前記標準学習時間と1以上の数の単位時間との合計である割当学習時間を割り当てることと、
前記割当学習時間に応じた各レッスンの予測得点に基づいて、前記複数のレッスンのうち前記単位時間の追加によって前記講座受講後の前記試験の予測総得点を最も高くするレッスンを判断することと、
前記判断されたレッスンの前記割当学習時間に前記単位時間を追加し、各レッスンの前記割当学習時間の合計が前記総学習時間となるまで、各レッスンに前記割当学習時間を割り当てることと、
前記総学習時間に基づく各レッスンの前記割当学習時間を出力することと、
を備える情報処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019141099A JP6661139B1 (ja) | 2019-07-31 | 2019-07-31 | 情報処理装置及び情報処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019141099A JP6661139B1 (ja) | 2019-07-31 | 2019-07-31 | 情報処理装置及び情報処理方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020012401A Division JP2021026215A (ja) | 2020-01-29 | 2020-01-29 | 情報処理装置及び情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6661139B1 true JP6661139B1 (ja) | 2020-03-11 |
JP2021026282A JP2021026282A (ja) | 2021-02-22 |
Family
ID=69998042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019141099A Active JP6661139B1 (ja) | 2019-07-31 | 2019-07-31 | 情報処理装置及び情報処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6661139B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7282408B1 (ja) | 2021-12-06 | 2023-05-29 | 株式会社リモディ | 情報処理装置、プログラム、情報処理方法、及び情報処理システム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62182963A (ja) * | 1986-02-07 | 1987-08-11 | Fujitsu Ltd | 対話型個別学習スケジユ−ル作成処理装置 |
JPH08278745A (ja) * | 1995-04-05 | 1996-10-22 | Sharp Corp | 教育装置及び教育方法 |
JP4386975B2 (ja) * | 1997-04-30 | 2009-12-16 | 幸男 渡邊 | コンピュータ反復学習方法 |
JP3877283B2 (ja) * | 2001-10-19 | 2007-02-07 | 株式会社ジィエフケー | 電子学習装置 |
JP5001746B2 (ja) * | 2007-08-16 | 2012-08-15 | 株式会社フォーサイト | 学習支援システム |
JP5681305B1 (ja) * | 2014-01-22 | 2015-03-04 | 秀太郎 武田 | 効率的な学習時間配分装置及び学習時間配分プログラム |
-
2019
- 2019-07-31 JP JP2019141099A patent/JP6661139B1/ja active Active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7282408B1 (ja) | 2021-12-06 | 2023-05-29 | 株式会社リモディ | 情報処理装置、プログラム、情報処理方法、及び情報処理システム |
WO2023106303A1 (ja) * | 2021-12-06 | 2023-06-15 | 株式会社リモディ | 情報処理装置、プログラム、情報処理方法、ユーザ端末、プログラム、及び情報処理システム |
JP2023084038A (ja) * | 2021-12-06 | 2023-06-16 | 株式会社リモディ | 情報処理装置、プログラム、情報処理方法、及び情報処理システム |
Also Published As
Publication number | Publication date |
---|---|
JP2021026282A (ja) | 2021-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230206778A1 (en) | Context-aware adaptive data processing application | |
Lim | Predicting successful completion using student delay indicators in undergraduate self-paced online courses | |
Roy et al. | Underestimating the duration of future events: Memory incorrectly used or memory bias? | |
Kyndt et al. | ‘Time is not enough.’Workload in higher education: a student perspective | |
Marsh | Institutional characteristics and student retention in public 4-year colleges and universities | |
Koppenhaver et al. | Structuring the classroom for performance: Cooperative learning with instructor‐assigned teams | |
Wanberg et al. | Can job seekers achieve more through networking? The role of networking intensity, self‐efficacy, and proximal benefits | |
Te Wierik et al. | Career guidance and student success in Dutch higher vocational education | |
Baars et al. | Effects of problem solving after worked example study on secondary school children’s monitoring accuracy | |
Orvis et al. | An examination of the role individual differences play in videogame–based training | |
Magana et al. | Characterizing the interplay of cognitive and metacognitive knowledge in computational modeling and simulation practices | |
US20180068579A1 (en) | Methods and systems for providing career inspiration, motivation and guidance to a user | |
JPH1115361A (ja) | コンピュータ反復学習方法 | |
Sibulkin et al. | Diverse colleges of origin of African American doctoral recipients, 2001–2005: Historically Black colleges and universities and beyond | |
Finley et al. | Genetic counseling supervisors’ self‐efficacy for select clinical supervision competencies | |
JP6661139B1 (ja) | 情報処理装置及び情報処理方法 | |
Pepin et al. | Gamification: an innovative approach to reinforce clinical knowledge for MD-PhD students during their PhD research years | |
Cabrera et al. | Gender differences to relative performance feedback: A field experiment in education | |
JP7171053B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Khachikian et al. | Changes in student effort and grade expectation in the course of a term | |
JP2021026215A (ja) | 情報処理装置及び情報処理方法 | |
JP7311212B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Matenga et al. | Evaluation of the Implementation of a Timer in Gamified Programming Exercises | |
Smojver Ažić et al. | Adjustment to college and the student mentoring programme | |
JP7021758B1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190731 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190731 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20190806 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190902 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191001 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191217 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200109 |
|
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: 20200128 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200129 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6661139 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |