JP6711498B1 - 学習支援装置及び学習支援方法 - Google Patents

Abstract

【課題】意図した能力を高めやすく成長しやすい学習支援装置を提供する。【解決手段】能力に応じた難易度が設定された行動詳細を提示し学習を支援する学習支援装置であって、第１の所定の周期で、複数の行動詳細が提示される設定画面を提示し、使用者が設定する行動詳細に基づいて、第１の所定の周期の期間中の行動詳細を設定する行動詳細設定部４と、第１の所定の周期よりも短い第２の所定の周期で、行動詳細の設定に基づいて使用者に対して行動詳細の提示を行い、期間中に使用者によって入力される実施の状況を取得する取得部５と、第１の所定の周期で、実施の状況に基づいて使用者のそれぞれについて複数のパラメータを算出するパラメータ算出部７と、第１の所定の周期で、複数のパラメータに基づいて行動詳細の難易度を更新する難易度更新部８と、第１の所定の周期で、難易度に基づいて提示する行動詳細の内容を選定するレコメンド選定部９と、を備える。【選択図】図１

Description

本発明の実施の形態は、学習支援装置及び学習支援方法に関する。

例えば特許文献１には、経験を学習に変えて体験者による経験情報の入力を誘引する情報処理装置が記載されている。

特開２０１５−２２８１３０号公報

しかしながら特許文献１に記載されたような従来の装置では、装置の使用者がある能力を高めたいといった課題を明確に把握している場合においても、課題に対して適切な行動を特定し提案するといったことはなされていない。

このため、特許文献１に記載されたような従来の装置では、使用者が必ずしも成長しやすいとはいえないという課題がある。

本発明の実施の形態は、使用者が学習効率の高い行動を通して意図した能力を高めやすく成長しやすい学習支援装置を提供することを目的とする。

使用者が行う内容が記載され使用者の能力に応じた難易度が設定された行動詳細を提示することで、使用者の学習を支援する学習支援装置であって、第１の所定の周期で、複数の行動詳細が提示される設定画面を提示し使用者が設定画面において設定する行動詳細に基づいて、第１の所定の周期の期間中に使用者が行う行動詳細を設定する行動詳細設定部と、第１の所定の周期よりも短い第２の所定の周期で、行動詳細の設定に基づいて使用者に対して行動詳細の提示を行い、期間中に使用者によって回答される実施の状況を取得する取得部と、第１の所定の周期で、実施の状況に基づいて使用者のそれぞれについて複数のパラメータを算出するパラメータ算出部と、第１の所定の周期で、複数のパラメータに基づいて行動詳細の難易度を更新する難易度更新部と、第１の所定の周期で、難易度に基づいて使用者に提示する行動詳細の内容を選定するレコメンド選定部と、第１の所定の周期で、使用者によって入力された任意の行動詳細を取得し、機械学習を利用することで統一された記載へと変更して別の使用者に提示する行動詳細登録部と、を備え、行動詳細には、行動詳細を実施する対象者となる使用者の属性である対象者属性が設定され、行動詳細には、行動詳細を登録した登録者の属性である登録者属性が設定され、難易度は複数の大区分と複数の小区分とからなり、行動詳細登録部は、汎用性が高いか否か及び既存の行動詳細と類似していないか否かを判断したうえで行動詳細を登録し、レコメンド選定部は、難易度が大区分において高い又は低い行動詳細の内容から使用者に提示する行動詳細の内容を選定し、レコメンド選定部は、対象者属性をすべて満たす行動詳細を選定し、レコメンド選定部は、対象者属性だけでは行動詳細を選定できない場合登録者属性を参照して行動詳細を選定する学習支援装置を提供する。

使用者が行う内容が記載され使用者の能力に応じた難易度が設定された行動詳細を提示することで、使用者の学習を支援する学習支援装置が実行する学習支援方法であって、第１の所定の周期で、複数の行動詳細が提示される設定画面を提示し使用者が設定画面において設定する行動詳細に基づいて、第１の所定の周期の期間中に使用者が行う行動詳細を設定する第１のステップと、第１の所定の周期よりも短い第２の所定の周期で、行動詳細の設定に基づいて使用者に対して行動詳細の提示を行い、期間中に使用者によって回答される実施の状況を取得する第２のステップと、第１の所定の周期で、実施の状況に基づいて使用者のそれぞれについて複数のパラメータを算出する第３のステップと、第１の所定の周期で、複数のパラメータに基づいて行動詳細の難易度を更新する第４のステップと、第１の所定の周期で、難易度に基づいて使用者に提示する行動詳細の内容を選定する第５のステップと、第１の所定の周期で、使用者によって入力された任意の行動詳細を取得し、機械学習を利用することで統一された記載へと変更して別の使用者に提示する第６のステップと、を備え、行動詳細には、行動詳細を実施する対象者となる使用者の属性である対象者属性が設定され、行動詳細には、行動詳細を登録した登録者の属性である登録者属性が設定され、難易度は複数の大区分と複数の小区分とからなり、行動詳細は、汎用性が高いか否か及び既存の行動詳細と類似していないか否かを判断されたうえで登録され、難易度が大区分において高い又は低い行動詳細の内容から使用者に提示する行動詳細の内容は選定され、対象者属性をすべて満たす行動詳細が選定され、対象者属性だけでは行動詳細が選定できない場合登録者属性が参照されて行動詳細が選定される学習支援方法を提供する。

本発明によれば使用者が学習を通して意図した能力を高めやすく成長しやすい学習支援装置を実現できる。

図１は、本実施の形態による学習支援装置の構成を示すブロック図である。 図２は、本実施の形態による行動詳細リストテーブルを示す図である。 図３は、本実施の形態による業種、職種及び役職の一覧を格納するテーブルを示す図である。 図４は、本実施の形態による不登録行動詳細リストテーブル、類似行動詳細リストテーブル及び個人別行動詳細リストテーブルを示す図である。 図５は、本実施の形態による初回設定の際の初回設定画面を示す図である。 図６は、本実施の形態による回答の際の回答画面を示す図である。 図７は、本実施の形態による確認の際の確認画面を示す図である。 図８は、本実施の形態による２回目以降の設定の際の設定画面を示す図である。 図９は、本実施の形態による学習支援処理の処理手順を示すフローチャートである。 図１０は、本実施の形態によるパラメータ算出処理の処理手順を示すフローチャートである。 図１１は、本実施の形態による難易度更新処理の処理手順を示すフローチャートである。 図１２は、本実施の形態によるレコメンド選定処理の処理手順を示すフローチャートである。 図１３は、本実施の形態による行動詳細登録処理の処理手順を示すフローチャートである。

以下図面を用いて、本発明の実施の形態の一態様を詳述する。

図１は、本実施の形態による学習支援装置１の構成を示すブロック図である。図１に示すように、本実施の形態による学習支援装置１は、中央演算装置２、主記憶装置３及び補助記憶装置２０を備える。

中央演算装置２は、例えばＣＰＵ（Central Processing Unit）であって、主記憶装置３に記憶されたプログラムを呼び出すことで処理を実行する。主記憶装置３は、例えばＲＡＭ（Random Access Memory）であって、後述の行動詳細設定部４、取得部５、行動詳細登録部６、パラメータ算出部７、難易度更新部８及びレコメンド選定部９といったプログラムを記憶する。

補助記憶装置２０は、例えばＳＳＤ（Solid State Drive）やＨＤＤ（Hard Disk Drive）であって、後述の行動詳細リストテーブルＴＢ１、不登録行動詳細リストテーブルＴＢ５、類似行動詳細リストテーブルＴＢ６及び個人別行動詳細リストテーブルＴＢ７といったテーブルを記憶する。

学習支援装置１は、使用者が行う内容が記載された行動詳細を提示することで使用者の学習を支援する。行動詳細には難易度が設定される。使用者は、例えば個々の端末を用いて学習支援装置１と通信を行い、個々の端末上で操作を行う。個々の端末とは例えばパーソナルコンピュータやスマートフォンなどとする。

例えば経済産業省が提唱した社会人基礎力の能力要素である主体性を例に以下の説明を行う。行動詳細とは、例えば「誰かに仕事の相談をする際には、自分なりに一案用意した上で相談する。」とする。

行動詳細設定部４は、第１の所定の周期で、複数の行動詳細が提示される設定画面を提示し使用者が設定画面において設定する行動詳細に基づいて、第１の所定の周期の期間中に使用者が行う行動詳細を設定する。具体的には、第１の所定の周期とは１カ月とし、行動詳細設定部４は、初回設定の際を除いては、例えば毎月１日の午前８時などの決まった時間である第１の所定のタイミングで、行動詳細を設定する。

取得部５は、第１の所定の周期よりも短い第２の所定の周期で、行動詳細の設定に基づいて使用者に対して行動詳細の提示を行い、期間中に使用者によって回答される実施の状況を取得する。

具体的には、実施の状況とは、例えば行動詳細に記載された内容を達成できたか否かとする。また例えば第２の所定の周期とは毎日とする。なお取得部５は、毎日の例えば１７時などの決まった時間である所定のタイミングまでに使用者から回答がない場合は、使用者に対して回答するようにメールなどを送付する。

行動詳細登録部６は、第１の所定の周期で、使用者によって追加された任意の行動詳細を取得し、例えば機械学習を利用することで統一された記載へと変更して別の使用者に提示する。

なお行動詳細登録部６は、機械学習を利用することで統一された記載へと変更された行動詳細に関して、機械学習を利用することで後述の対象者属性の各項目を設定する。行動詳細を追加した使用者には、追加した内容そのままが行動詳細として提示される。

このため後述の個人別行動詳細リストテーブルＴＢ７には追加した内容そのままが行動詳細として保持され、後述の行動詳細リストテーブルＴＢ１には統一された記載が行動詳細として保持される。

パラメータ算出部７は、第１の所定の周期で、実施の状況に基づいて使用者のそれぞれについて複数のパラメータを算出する。具体的には、例えば複数のパラメータは、平均達成率及び平均改善速度とする。

平均達成率は、期間中における実施の状況から算出される達成できたか否かの割合である達成率の複数の使用者の平均値である。また平均改善速度は、期間中の前半から後半にかけて達成できることが増えていっているかどうかの指標である改善速度の複数の使用者の平均値である。

難易度更新部８は、第１の所定の周期で、複数のパラメータに基づいて行動詳細の難易度を更新する。具体的には、難易度は複数の大区分と複数の小区分とからなり、それぞれの大区分は複数の同数の小区分からなり、大区分及び小区分は平均改善速度及び平均達成率に基づいて更新される。

レコメンド選定部９は、第１の所定の周期で、難易度に基づいて使用者に提示する行動詳細の内容を選定する。具体的には、レコメンド選定部９は、能力要素毎に使用者が設定した複数の行動詳細の難易度の平均である平均難易度を算出し、平均難易度と同じ難易度の行動詳細を３つ選定し、平均難易度から小区分において１段階ずつ上下の行動詳細を選定する。

次に本実施の形態による行動詳細リストテーブルＴＢ１を示す図である図２を用いて行動詳細に紐づけられている項目について説明する。行動詳細リストテーブルＴＢ１に示すように、それぞれの行動詳細は、能力要素、難易度、平均達成率、平均改善速度、対象者属性及び登録者属性と紐づけられている。

行動詳細と紐づけられている各項目について説明する。行動詳細は、例えば番号などでのＩＤ情報で管理される。社会人基礎力を例に説明しているので、能力要素のそれぞれの欄に格納される値としては、主体性の他には、例えば働きかけ力や実行力といった内容が挙げられる。なお１２の能力要素のいずれにも属さない行動詳細についてはその他に分類されるものとする。

難易度は、例えば大区分として、簡単区分（以下、これをＡ区分と呼んでもよい）、やりがい区分（以下、これをＢ区分と呼んでもよい）及び難しい区分（以下、これをＣ区分と呼んでもよい）の３区分とする。また小区分として、１レベル、２レベル、３レベルの３区分とする。

このため、例えば難易度のそれぞれの欄には、簡単なものから難しいものの順にＡ１、Ａ２、Ａ３、Ｂ１、Ｂ２、Ｂ３、Ｃ１、Ｃ２及びＣ３となり、９段階の値のいずれか１つが格納される。なお例えばＡ１は、Ａ区分の１レベルを指すものとする。

平均達成率のそれぞれの欄には、０〜１００の値が格納される。平均達成率のそれぞれの欄に格納される値は、一ヶ月間において、何回実行したうちの何回が達成できたかを示す使用者毎の達成率を平均した値である。なお対象となる行動詳細を実施した使用者が３８５人以上いた場合は、計算負荷を減らすため３８５人分をランダムに選択する。

平均改善速度には、０〜１の値が格納される。平均改善速度のそれぞれの欄に格納される値は、一ヶ月間において、横軸を日付とし、縦軸を達成可否とした際の回帰係数を示す使用者毎の改善速度を平均した値である。

なお対象となる行動詳細を実施した使用者が３８５人以上いた場合は、計算負荷を減らすため３８５人分をランダムに選択する。また達成可否は、例えば、達成できた場合を１とし、達成できなかった場合を０とする。

対象者属性は、業種、職種、役職及びチェックテスト点数といった項目を備える。レコメンド選定部９は、対象者属性をすべて満たす行動詳細を選定する。例えば番号が１の行動詳細を例にすると、業種がＡ〜Ｔのいずれかであって、職種がＡ〜Ｋのいずれかであって、役職がＡ〜Ｊのいずれかであって、チェックテストの点数が０〜１０の範囲である使用者に対して、レコメンド選定部９は、番号が１の行動詳細を選ぶ。なおレコメンド選定部９は、対象者属性だけでは候補が絞り切れない場合は、登録者属性を参照して、行動詳細を選ぶ。

ここで本実施の形態による業種、職種及び役職の一覧を格納するテーブルＴＢ２〜ＴＢ４を示す図である図３を用いて対象者属性の各項目について説明する。業種は、テーブルＴＢ２に示すように、符号Ａが農業・林業を指す、符号Ｂが漁業を指す、といったように、符号Ａ〜Ｔで示される。

職種は、テーブルＴＢ３に示すように、符号Ａが管理的職業を指す、符号Ｂが専門・技術的職業を指す、といったように、符号Ａ〜Ｋで表される。役職は、テーブルＴＢ４に示すように、符号Ａが代表取締役社長を指す、符号Ｂが専務取締役を指す、といったように符号Ａ〜Ｊで示される。

チェックテスト点数は、社会人基礎力のスキル計測のためのテストの結果を示す。例えば社会人基礎力のスキル計測のためのテストは、主体性や働きかけ力などといった１２つの能力要素がそれぞれ１０点ずつの配点で計１２０点とする。

登録者属性は、業種、職種、役職及びチェックテスト点数といった項目を備える。行動詳細登録部６は、使用者が任意の行動詳細を追加する際に、使用者の業種、職種、役職及びチェックテスト点数といった情報を取得して、行動詳細と紐づけ、行動詳細リストテーブルＴＢ１に格納する。なお使用者毎の業種、職種及びチェックテスト点数といった対象者属性や登録者属性の各情報は、使用者が初回設定を行う初回設定の際に取得部５が取得する。

登録者属性が備える業種、職種、役職及びチェックテスト点数といった項目に関しては、対象者属性が備える業種、職種、役職及びチェックテスト点数といった項目と同様であるため、説明を省略する。

次に本実施の形態による不登録行動詳細リストテーブルＴＢ５、類似行動詳細リストテーブルＴＢ６及び個人別行動詳細リストテーブルＴＢ７を示す図である図４を用いて説明を行う。

行動詳細登録部６は、不登録行動詳細リストテーブルＴＢ５に示すような学習内容として汎用性がない不登録行動詳細の欄に格納されている行動詳細を取得すると、行動詳細を行動詳細リストテーブルＴＢ１には保持しない。

例えば不登録行動詳細リストテーブルＴＢ５は、機械学習を利用した推論部によって生成されるものとする。推論部は行動詳細登録部６に含まれていてもよいし、学習支援装置１の外部であってもよい。

例えば機械学習を利用した推論部は、例えば「誰かに仕事の相談をする際には、自分なりに一案用意した上で相談する。」という行動詳細に関しては、「自分なりに」という文言から対象となる能力要素を判断し、「相談する」という動詞から役職やチェックテストの対象となる範囲を判断する。業種や職種に関しては、対象となる文言がないため、全範囲を指定する。また推論部は、類似語句の中で一番使用される頻度が高い語句と、標準的な文型と、を使用するようにする。

行動詳細登録部６は、類似行動詳細リストテーブルＴＢ６に示すような、行動詳細リストテーブルＴＢ１に格納された行動詳細と類似するようなバリエーションの欄に格納されている行動詳細を取得すると、行動詳細を行動詳細リストテーブルＴＢ１には保持しない。

例えば類似行動詳細リストテーブルＴＢ６は、類似行動詳細の欄の行動詳細が入力であって、基本表現の欄が出力であるような、機械学習を利用した推論部によって生成されるものとする。また例えば取得部５は、使用者毎に、パラメータ算出部７が算出した達成率及び改善速度と行動詳細とを紐づけて個人別行動詳細リストテーブルＴＢ７に保持する。

次に本実施の形態による初回設定の際の初回設定画面３０を示す図である図５を用いて説明を行う。初回設定画面３０は、初回の設定の際に、行動詳細設定部４によって使用者に表示される。初回設定画面３０は、メッセージ欄３１と設定欄３２と設定ボタン４３とを備える。メッセージ欄３１には、使用者に行動詳細の設定を促す文章が表示されている。

設定欄３２は、見出し領域３３，３５，３７、設定領域３４，３６，３８、追加ボタン４１及び追加欄４２を備え、能力要素毎に各項目がまとまっている。見出し領域３３，３５，３７には、能力要素名が表示される。設定領域３４，３６，３８には、設定内容である行動詳細が表示される。

設定領域３４，３６，３８に表示される行動詳細は、使用者の業種、職種、役職及び能力要素毎のチェックテストの点数に基づいて表示される。設定領域３４，３６，３８の各行動詳細にはチェックボックスがあり、チェックボックスにチェックがついている行動詳細が選択される。設定ボタン４３が押下された際に選択されていた行動詳細は、後述の回答画面５０に表示される。

初回設定の際に表示される行動詳細は、能力要素毎のチェックテストの点数を変換した平均難易度に基づいて決定される。例えばチェックテストの点数が０，１点だと平均難易度はＡ１となり、チェックテストの点数が２点だと平均難易度がＡ２となり、チェックテストの点数が３点だと平均難易度がＡ３となる。

チェックテストの点数が４点だと平均難易度がＢ１となり、チェックテストの点数が５点だと平均難易度がＢ２となり、チェックテストの点数が６点だと平均難易度がＢ３となる。チェックテストの点数が７点だと平均難易度がＣ１となり、チェックテストの点数が８点だと平均難易度がＣ２となり、チェックテストの点数が９，１０点だと平均難易度がＣ３となる。

追加ボタン４１は、行動詳細を追加する際に使用するボタンであって、使用者に押下されると、追加欄４２が提示される。使用者によって追加欄４２に追加された内容は、行動詳細登録部６が取得する。

またどの能力要素にも属さない行動詳細は、その他に分類される。設定欄３２は、さらに見出し領域３９、設定領域４０を備える。見出し領域３９にその他と記載され、設定領域４０には行動詳細が表示される。なお設定領域４０に表示される行動詳細は、使用者によって追加されたもののみとする。

次に本実施の形態による回答の際の回答画面５０を示す図である図６を用いて説明を行う。回答画面５０は、使用者が第２の所定の周期で行動詳細の実施の状況を回答する際に、取得部５によって使用者に表示される画面である。回答画面５０は、日付領域５１、回答領域５２〜５５、メモ領域５６及び回答ボタン５７を備える。

日付領域５１には、使用者が回答する日付が表示される。回答領域５２〜５５には使用者によって設定された行動詳細が表示され、使用者は達成可否の情報である「できた」か「できなかった」かを、チェックボックスをチェックした後に回答ボタン５７を押下することで回答する。メモ領域５６は、使用者が回答の際に気づいたことなどをメモするための領域である。

次に本実施の形態による確認の際の確認画面６０を示す図である図７を用いて説明を行う。確認画面６０は、使用者が第１の所定の周期で行動詳細の実施の状況を確認する際に取得部５によって使用者に表示される画面である。

確認画面６０は、使用者名領域６１、実施期間領域６２、実施行動詳細一覧領域６３、実施結果領域６４及び総評領域６５を備える。使用者名領域６１には、対象となっている使用者の名前が表示される。実施期間領域６２には、第１の所定の周期の期間が表示される。なお実施期間領域６２に任意の期間を入力することで、入力した任意の期間の情報を表示することができる。実施行動詳細一覧領域６３には、実施する行動詳細が符号と紐づけられて表示される。

実施結果領域６４には、それぞれの日付毎に符号と紐づけられた各行動詳細を達成可否の情報と、メモをした情報及び使用者の上司などからのコメントの情報が表示される。なお「できた」は〇、「できなかった」は×で表示される。また実施結果領域６４には、達成率の行がもうけられ、使用者の行動詳細毎の達成率が表示される。総評領域６５に記載されるコメントは、例えば機械学習を利用して生成される。

次に本実施の形態による２回目以降の設定の際の設定画面７０を示す図である図８を用いて説明を行う。設定画面７０は、２回目以降の設定の際に、行動詳細設定部４によって使用者に表示される。設定画面７０は、メッセージ欄３１と設定欄７１と設定ボタン４３とを備える。ここでは初回設定画面３０との差分のみを説明する。

設定欄７１は、設定欄３２に加えて、見出し領域７２、見出し領域７３及び設定領域７４，７５，７６を備える。見出し領域７２の下の領域には、前回実施した行動詳細が表示されている。見出し領域７３の下の領域には、今回実施を推奨する行動詳細が表示されている。設定領域７４，７５，７６には、今回実施を推奨する行動詳細が表示される。設定領域７４，７５，７６に表示される行動詳細は、レコメンド選定部９によって選定される。

次に本実施の形態による学習支援処理の処理手順を示すフローチャートである図９を用いて説明を行う。学習支援処理は第１の所定の周期で実施される。まず行動詳細設定部４は、対象の使用者の前回の情報が個人別行動詳細リストテーブルＴＢ７に保持されているか否かで初回設定か否かを判断する（Ｓ１）。

学習処理は、例えばタイマ関数などで呼び出され第１の所定の周期で定期的に処理を行う。なお使用者から継続中止の入力があった場合には学習処理は使用者への処理を停止する。

初回設定でありステップＳ１の判断で肯定結果を得ると（Ｓ１：ＹＥＳ）、レコメンド選定部９は、対象の使用者のチェックテストの点数を取得し（Ｓ２）、対象の能力要素毎のチェックテストの点数を平均難易度に変換する（Ｓ３）。

２回目以降の設定でありステップＳ１の判断で否定結果を得ると（Ｓ１：ＮＯ）、パラメータ算出部７は、パラメータ算出処理Ｓ１０を行う。ここで本実施の形態によるパラメータ算出処理Ｓ１０の処理手順を示すフローチャートである図１０を用いて説明を行う。パラメータ算出部７は、複数の使用者を対象とした処理である。

まずパラメータ算出部７は、行動詳細毎に達成率を算出し（Ｓ１１）、改善速度を取得する（Ｓ１２）。未処理の行動詳細がありステップＳ１３の判断で否定結果を得ると（Ｓ１３：ＮＯ）、パラメータ算出部７は、ステップＳ１１，Ｓ１２を繰り返す。

未処理の行動詳細がなくなりステップ１３の判断で肯定結果を得ると（Ｓ１３：ＹＥＳ）、パラメータ算出部７は、他の使用者に関して未処理か否かを判断する（Ｓ１４）。未処理である他の使用者がいてステップＳ１４の判断で否定結果を得ると（Ｓ１４：ＮＯ）、パラメータ算出部７は、未処理である他の使用者に関しても、ステップＳ１１〜Ｓ１３を繰り返す。

未処理である他の使用者がいなくなりステップＳ１４の判断で肯定結果を得ると（Ｓ１４：ＹＥＳ）、パラメータ算出部７は、行動詳細毎に、複数の使用者の達成率を平均して平均達成率を算出する（Ｓ１５）。次にパラメータ算出部７は、行動詳細毎に、複数の使用者の改善速度を平均して平均改善速度を算出し（Ｓ１６）、パラメータ算出処理Ｓ１０を終了する。なお上述のとおり、ステップＳ１５，Ｓ１６において、使用者数が３８５人を超える場合には、ランダムで３８５人を選択する。

図９に戻り説明を続ける。パラメータ算出処理Ｓ１０が終了すると、難易度更新部８は、難易度更新処理Ｓ２０を行う。ここで本実施の形態による難易度更新処理Ｓ２０の処理手順を示すフローチャートである図１１を用いて説明を行う。

まず難易度更新部８は、対象としている行動詳細の平均改善速度が他の行動詳細の平均改善速度と比較して上位４割に入るか否かを判断する（Ｓ２１）。対象としている行動詳細の平均改善速度が他の行動詳細の平均改善速度と比較して上位４割に入りステップＳ２１の判断で肯定結果を得ると（Ｓ２１：ＹＥＳ）、難易度更新部８は、対象としている行動詳細の大区分としての難易度をやりがい区分とする（Ｓ２２）。次にやりがい区分を平均改善速度で３等分に３つのレベルに分ける（Ｓ２３）。

対象としている行動詳細の平均改善速度が他の行動詳細の平均改善速度と比較して上位４割に入らずステップＳ２１の判断で否定結果を得ると（Ｓ２１：ＮＯ）、難易度更新部８は、対象としている行動詳細の平均達成率が他の行動詳細の平均達成率と比較して上位５割に入っているか否かを判断する（Ｓ２４）。

対象としている行動詳細の平均達成率が他の行動詳細の平均達成率と比較して上位５割に入りステップＳ２４の判断で肯定結果を得ると（Ｓ２４：ＹＥＳ）、難易度更新部８は、対象としている行動詳細の大区分としての難易度を簡単区分とする（Ｓ２５）。

対象としている行動詳細の平均達成率が他の行動詳細の平均達成率と比較して上位５割に入らずステップＳ２４の判断で否定結果を得ると（Ｓ２４：ＮＯ）、難易度更新部８は、対象としている行動詳細の大区分としての難易度を難しい区分とする（Ｓ２６）。

次に難易度更新部８は、簡単区分及び難しい区分をそれぞれ平均達成率で３等分に３つのレベルに分ける（Ｓ２７）。次に難易度更新部８は、未処理の能力要素がないか否かを判断する（Ｓ２８）。

未処理の能力要素がありステップＳ２８の判断で否定結果を得ると（Ｓ２８：ＮＯ）、難易度更新部８は、ステップ２１〜２７を繰り返す。未処理の能力要素がなくなりステップＳ２８の判断で肯定結果を得ると（Ｓ２８：ＹＥＳ）、難易度更新部８は、難易度更新処理Ｓ２０を終了する。

図９に戻り説明を続ける。次にレコメンド選定部９は、レコメンド選定処理Ｓ３０を行う。ここで本実施の形態によるレコメンド選定処理Ｓ３０の処理手順を示すフローチャートである図１２を用いて説明を行う。

まずレコメンド選定部９は、対象の能力要素に含まれる行動詳細の平均難易度を算出する（Ｓ３１）。なお初回設定（Ｓ１：ＹＥＳ）の場合、すでに平均難易度は算出されているため、ステップＳ３１はスキップする。

次にレコメンド選定部９は、平均難易度の大区分が簡単区分、やりがい区分又は難しい区分のどれであるかを判断する（Ｓ３２）。ステップＳ３２の判断が簡単区分となった場合（Ｓ３２：簡単区分）、レコメンド選定部９は、小区分は平均難易度のレベルと同じ行動詳細であって、大区分がやりがい区分である行動詳細を３つ選定する（Ｓ３３）。

ステップＳ３２の判断がやりがい区分となった場合（Ｓ３２：やりがい区分）、レコメンド選定部９は、小区分は平均難易度のレベルと同じ行動詳細であって、大区分がむずかしい区分である行動詳細を３つ選定する（Ｓ３４）。

ステップＳ３２の判断が難しい区分となった場合（Ｓ３２：難しい区分）、レコメンド選定部９は、小区分は平均難易度のレベルと同じ行動詳細であって、大区分が簡単区分である行動詳細を３つ選定する（Ｓ３５）。

次にレコメンド選定部９は、平均難易度の上下にレベルがあるか否かを判断する（Ｓ３６）。平均難易度の上下にレベルがありステップＳ３６の判断で肯定結果を得ると（Ｓ３６：ＹＥＳ）、レコメンド選定部９は、上下１レベルの行動詳細を１つずつ選定する（Ｓ３７）。なお上下のレベルは大区分間をまたいでもよいものとする。

平均難易度の上下のどちらかにレベルがなくステップＳ３６の判断で否定結果を得ると（Ｓ３６：ＮＯ）、レコメンド選定部９は、上１レベル又は下１レベルの行動詳細を２つ選定する（Ｓ３８）。

次にレコメンド選定部９は、未処理の能力要素がないか否かを判断する（Ｓ３９）。未処理の能力要素がありステップＳ３９の判断で否定結果を得ると（Ｓ３９：ＮＯ）、レコメンド選定部９は、ステップＳ３１〜Ｓ３８を繰り返す。

未処理の能力要素がなくなりステップＳ３９の判断で肯定結果を得ると（Ｓ３９：ＹＥＳ）、レコメンド選定部９は、レコメンド選定処理Ｓ３０を終了する。以上のようにレコメンド選定部９は、計５つの推奨する行動詳細を選定する。

図９に戻り説明を続ける。レコメンド選定処理Ｓ３０が終了すると、行動詳細設定部４は、第１の所定の周期で、複数の行動詳細が提示される設定画面を提示し使用者が設定画面において設定する行動詳細に基づいて、第１の所定の周期の期間中に使用者が行う行動詳細を設定する（Ｓ４）。

次に行動詳細登録部６は、行動詳細登録処理Ｓ４０を行う。ここで本実施の形態による行動詳細登録処理Ｓ４０の処理手順を示すフローチャートである図１３を用いて説明を行う。

まず行動詳細登録部６は、取得した追加欄４２に追加された内容が学習内容として汎用性が高いか否か不登録行動詳細リストテーブルＴＢ５を参照し判断する（Ｓ４１）。取得した追加欄４２に追加された内容が学習内容として汎用性が高くステップＳ４１の判断で肯定結果を得ると（Ｓ４１：ＹＥＳ）、行動詳細登録部６は、取得した追加欄４２に追加された内容が行動詳細リストテーブルＴＢ１に格納された行動詳細と類似していないか否か類似行動詳細リストテーブルＴＢ６を参照し判断する（Ｓ４２）。

取得した追加欄４２に追加された内容が行動詳細リストテーブルＴＢ１に格納された行動詳細と類似していてステップＳ４２の判断で否定結果を得ると（Ｓ４２：ＮＯ）、行動詳細登録部６は、行動詳細登録処理Ｓ４０を終了する。

取得した追加欄４２に追加された内容が行動詳細リストテーブルＴＢ１に格納された行動詳細と類似しておらずステップＳ４２の判断で肯定結果を得ると（Ｓ４２：ＹＥＳ）、行動詳細登録部６は、取得した追加欄４２に追加された内容を行動詳細リストテーブルＴＢ１に登録し（Ｓ４３）、行動詳細登録処理Ｓ４０を終了する。

取得した追加欄４２に追加された内容が学習内容として適切ではなくステップＳ４１の判断で否定結果を得ると（Ｓ４１：ＮＯ）、行動詳細登録部６は、行動詳細登録処理Ｓ４０を終了する。

図９に戻り説明を続ける。行動詳細登録処理Ｓ４０が終了すると、取得部５は第２の所定の周期で実施の状況を取得し（Ｓ５，Ｓ６，Ｓ７）、第１の周期の期間が終了すると、学習支援処理はタイマ関数などで呼び出され再度ステップＳ１から処理を行う。

以上のように、本実施の形態による学習支援装置１は、第１の所定の周期といった期間内の使用者の実施の状況を取得して、行動詳細の難易度を設定し、難易度を用いて他の使用者の実施の状況と比較して、使用者の能力を把握する。学習支援装置１は、使用者の能力を把握することで次の第１の所定の周期において使用者に適した学習効率の高い適切な行動詳細を推奨する。

このため、本実施の形態による学習支援装置１は、使用者に対して例えば能力要素の能力を高めるといった使用者の課題に対する適切な行動を特定し提案することができる。このため、本実施の形態による学習支援装置１を使用する使用者は成長しやすい。

なお本実施の形態においては、取得部５は、使用者が初回設定を行う初回設定の際に、対象者属性や登録者属性の情報として使用する使用者毎の業種、職種、役職及びチェックテスト点数を取得するとしたが、本実施の形態はこれに限らない。例えば取得部５は、適正タイプや会社規模といった情報も取得してよく、チェックテストの結果判明する適正タイプや会社規模といった情報は、対象者属性や登録者属性情報の情報として使用されてもよい。

また本実施の形態においては、対象とする行動詳細の難易度の区分分けに平均改善速度及び平均達成率を用いたが、本実施の形態はこれに限らない。対象とする行動詳細の難易度の区分分けに使用者が回答するまでの時間である回答時間や使用者がメモをする割合であるメモ率や使用者の上司がコメントをする割合であるコメント率を用いてもよい。

また本実施の形態においては、使用者は第１の所定の周期で設定を行うとしているが、本実施の形態はこれに限らない。使用者は任意のタイミングで設定をしてもよく、任意のタイミングで設定された行動詳細については、パラメータ算出処理Ｓ１０の対象とはならない。

また本実施の形態においては、使用者は個々の端末を用い学習支援装置１と通信を行うとしたが、これに限らず、学習支援装置１にディスプレイや入力装置が接続されており、使用者は学習支援装置１を直接操作してもよい。

また本実施の形態においては、行動詳細設定部４、取得部５、行動詳細登録部６、パラメータ算出部７、難易度更新部８及びレコメンド選定部９は、プログラムとしたがこれに限らず論理回路でもよい。

また本実施の形態においては、行動詳細設定部４、取得部５、行動詳細登録部６、パラメータ算出部７、難易度更新部８、レコメンド選定部９、行動詳細リストテーブルＴＢ１、不登録行動詳細リストテーブルＴＢ５、類似行動詳細リストテーブルＴＢ６及び個人別行動詳細リストテーブルＴＢ７は１つの装置に実装されておらず、ネットワークで接続された複数の装置に分散して実装されていてもよい。

また本実施の形態においては、第２の所定の周期とは毎日としたがこれに限らない。例えば第２の所定の周期として、毎週水曜日及び金曜日としてもよい。

１……学習支援装置、２……中央演算装置、３……主記憶装置、４……行動詳細設定部、５……取得部、６……行動詳細登録部、７……パラメータ算出部、８……難易度更新部、９……レコメンド選定部、２０……補助記憶装置。

Claims (5)

1. 使用者が行う内容が記載され前記使用者の能力に応じた難易度が設定された行動詳細を提示することで、前記使用者の学習を支援する学習支援装置であって、
   第１の所定の周期で、複数の前記行動詳細が提示される設定画面を提示し前記使用者が前記設定画面において設定する前記行動詳細に基づいて、前記第１の所定の周期の期間中に前記使用者が行う前記行動詳細を設定する行動詳細設定部と、
   前記第１の所定の周期よりも短い第２の所定の周期で、前記行動詳細の前記設定に基づいて前記使用者に対して前記行動詳細の提示を行い、前記期間中に前記使用者によって入力される実施の状況を取得する取得部と、
   前記第１の所定の周期で、前記実施の状況に基づいて前記使用者のそれぞれについて複数のパラメータを算出するパラメータ算出部と、
   前記第１の所定の周期で、複数の前記パラメータに基づいて前記行動詳細の前記難易度を更新する難易度更新部と、
   前記第１の所定の周期で、前記難易度に基づいて前記使用者に提示する前記行動詳細の内容を選定するレコメンド選定部と、
   前記第１の所定の周期で、前記使用者によって入力された任意の前記行動詳細を取得し、機械学習を利用することで統一された記載へと変更して別の使用者に提示する行動詳細登録部と、を備え、
   前記行動詳細には、前記行動詳細を実施する対象者となる前記使用者の属性である対象者属性が設定され、
   前記行動詳細には、前記行動詳細を登録した登録者の属性である登録者属性が設定され、
   前記難易度は複数の大区分と複数の小区分とからなり、
   前記行動詳細登録部は、汎用性が高いか否か及び既存の前記行動詳細と類似していないか否かを判断したうえで前記行動詳細を登録し、
   前記レコメンド選定部は、前記難易度が前記大区分において高い又は低い前記行動詳細の内容から前記使用者に提示する前記行動詳細の内容を選定し、
   前記レコメンド選定部は、前記対象者属性をすべて満たす前記行動詳細を選定し、
   前記レコメンド選定部は、前記対象者属性だけでは前記行動詳細を選定できない場合前記登録者属性を参照して前記行動詳細を選定する学習支援装置。
2. 前記行動詳細登録部は、汎用性が高いか否かの判断を、不登録行動詳細リストテーブルを参照して判断し、
   前記行動詳細登録部は、既存の前記行動詳細と類似していないか否の判断を、類似行動詳細リストテーブルを参照して判断し、
   前記不登録行動詳細リストテーブル及び前記類似行動詳細リストテーブルには、前記行動詳細に含まれる動詞から前記属性が判断された結果が保存される、
   請求項１に記載の学習支援装置。
3. 使用者が行う内容が記載され前記使用者の能力に応じた難易度が設定された行動詳細を提示することで、前記使用者の学習を支援する学習支援装置であって、
   第１の所定の周期で、複数の前記行動詳細が提示される設定画面を提示し前記使用者が前記設定画面において設定する前記行動詳細に基づいて、前記第１の所定の周期の期間中に前記使用者が行う前記行動詳細を設定する行動詳細設定部と、
   前記第１の所定の周期よりも短い第２の所定の周期で、前記行動詳細の前記設定に基づいて前記使用者に対して前記行動詳細の提示を行い、前記期間中に前記使用者によって入力される実施の状況を取得する取得部と、
   前記第１の所定の周期で、前記実施の状況に基づいて前記使用者のそれぞれについて複数のパラメータを算出するパラメータ算出部と、
   前記第１の所定の周期で、複数の前記パラメータに基づいて前記行動詳細の前記難易度を更新する難易度更新部と、
   前記第１の所定の周期で、前記難易度に基づいて前記使用者に提示する前記行動詳細の内容を選定するレコメンド選定部と、を備え、
   前記行動詳細には、前記行動詳細を実施する対象者となる前記使用者の属性である対象者属性が設定され、
   前記難易度は複数の大区分と複数の小区分とからなり、
   前記レコメンド選定部は、前記難易度が前記大区分において高い又は低い前記行動詳細の内容から前記使用者に提示する前記行動詳細の内容を選定し、
   前記レコメンド選定部は、前記対象者属性をすべて満たす前記行動詳細を選定し、
   複数の前記パラメータは、前記期間中における実施の状況から算出される達成できたか否かの割合である達成率の複数の前記使用者の平均値である平均達成率と、前記期間中の前半から後半にかけて達成できることが増えていっているかどうかの指標である改善速度の複数の前記使用者の平均値である平均改善速度と、であり、
   複数の前記使用者が３８５人以上の場合、ランダムで３８５人が選択され、
   前記改善速度は横軸を日付とし縦軸を達成可否とした際の回帰係数であって、
   それぞれの前記大区分は複数の同数の前記小区分からなり、前記大区分及び前記小区分は前記平均改善速度及び前記平均達成率に基づいて更新される、学習支援装置。
4. 前記レコメンド選定部は、前記使用者が設定した複数の前記行動詳細の前記難易度の平均である平均難易度を算出し、前記平均難易度と同じ前記難易度の前記行動詳細を３つ選定し、前記平均難易度から前記小区分において１段階ずつ上下の前記行動詳細を選定し、
   前記レコメンド選定部は、前記小区分において上下のどちらかに前記行動詳細がない場合、１段階上又は１段階下の前記行動詳細を２つ選定する、請求項１に記載の学習支援装置。
5. 使用者が行う内容が記載され前記使用者の能力に応じた難易度が設定された行動詳細を提示することで、前記使用者の学習を支援する学習支援装置が実行する学習支援方法であって、
   第１の所定の周期で、複数の前記行動詳細が提示される設定画面を提示し前記使用者が前記設定画面において設定する前記行動詳細に基づいて、前記第１の所定の周期の期間中に前記使用者が行う前記行動詳細を設定する第１のステップと、
   前記第１の所定の周期よりも短い第２の所定の周期で、前記行動詳細の前記設定に基づいて前記使用者に対して前記行動詳細の提示を行い、前記期間中に前記使用者によって入力される実施の状況を取得する第２のステップと、
   前記第１の所定の周期で、前記実施の状況に基づいて前記使用者のそれぞれについて複数のパラメータを算出する第３のステップと、
   前記第１の所定の周期で、複数の前記パラメータに基づいて前記行動詳細の前記難易度を更新する第４のステップと、
   前記第１の所定の周期で、前記難易度に基づいて前記使用者に提示する前記行動詳細の内容を選定する第５のステップと、
   前記第１の所定の周期で、前記使用者によって入力された任意の前記行動詳細を取得し、機械学習を利用することで統一された記載へと変更して別の使用者に提示する第６のステップと、を備え、
   前記行動詳細には、前記行動詳細を実施する対象者となる前記使用者の属性である対象者属性が設定され、
   前記行動詳細には、前記行動詳細を登録した登録者の属性である登録者属性が設定され、
   前記難易度は複数の大区分と複数の小区分とからなり、
   前記行動詳細は、汎用性が高いか否か及び既存の前記行動詳細と類似していないか否かを判断されたうえで登録され、
   前記難易度が大区分において高い又は低い前記行動詳細の内容から前記使用者に提示する前記行動詳細の内容は選定され、
   前記対象者属性をすべて満たす前記行動詳細が選定され、
   前記対象者属性だけでは前記行動詳細が選定できない場合前記登録者属性が参照されて前記行動詳細が選定される学習支援方法。

Images