JP6955079B1 - 学習支援装置、学習支援方法及びコンピュータプログラム - Google Patents
学習支援装置、学習支援方法及びコンピュータプログラム Download PDFInfo
- Publication number
- JP6955079B1 JP6955079B1 JP2020207895A JP2020207895A JP6955079B1 JP 6955079 B1 JP6955079 B1 JP 6955079B1 JP 2020207895 A JP2020207895 A JP 2020207895A JP 2020207895 A JP2020207895 A JP 2020207895A JP 6955079 B1 JP6955079 B1 JP 6955079B1
- Authority
- JP
- Japan
- Prior art keywords
- learning
- examinee
- unit
- examination
- growth
- 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
- 238000000034 method Methods 0.000 title claims description 36
- 238000004590 computer program Methods 0.000 title claims description 5
- 230000010365 information processing Effects 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims description 33
- 238000010801 machine learning Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 238000003066 decision tree Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 22
- 238000010586 diagram Methods 0.000 abstract description 9
- 238000013459 approach Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000012887 quadratic function Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 235000006481 Colocasia esculenta Nutrition 0.000 description 1
- 240000004270 Colocasia esculenta var. antiquorum Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
第1実施形態では、大学入学を志す学習者、すなわち受験生が、志望校に合格するための学力を得る場合において、その受験生に対して学習すべき学習コンテンツを提示させる場合の例を示す。また、そのような受験生向けの学習コンテンツとして、志望校の試験科目を分類し、細分化した項目の例について説明する。
例えば、受験生の志望校の入試科目として数学Iがあるとする。この場合、数学Iで学習すべき内容の中に、数と式、2次関数、図形と計量がある。これらの入試科目の内容は、例えば数と式では整式の展開、整式の因数分解などである。2次関数は、関数とグラフ、2次関数のグラフ、2次方程式、2次不等式などに細分化することができる。
なお、図2では2階層の例が示されているが、3階層以上であってもよい。
以下、本発明を適用した学習支援装置の実施の形態例を説明する。学習支援装置は、表示機能及び通信機能を有する情報処理装置とコンピュータプログラムとの協働により実現することができる。
図3は、学習支援装置として機能する情報処理装置の構成例を示す図である。この情報処理装置1は、例えばデータベース(以下、「DB」と記載する)を複数種有するデータベースシステムであり、大量のデータから所定の条件に基づいて検索したデータを出力するように構成される。情報処理装置1は、CPU(Central Processing Unit)10、ROM(Read Only Memory)11、RAM(Random Access Memory)12、及びI/Oインタフェース13を基本構成要素として備える。CPU10、ROM11、RAM12、及びI/Oインタフェース13は、バス14を介して通信可能に接続される。I/Oインタフェース13には、入力装置2、出力装置3、及び大容量記憶装置4が接続される大容量記憶装置4には、試験に合格した者の学習レベルが、学習コンテンツごとに時系列に変化する実績レベルとして保持されている。
大容量記憶装置4は、例えばHDD(Hard Disk Drive)、SSD(Solid State Drive)等の書き換え可能な記憶装置である。大容量記憶装置4は、受験生の学習レベルと受験生が合格を目指す試験の出題傾向の分析結果とを保持する保持手段として機能する。大容量記憶装置4は、クラウドに設けられるオンラインストレージであってもよい。第1実施形態の大容量記憶装置4は、受験生が併願校を選定するのに有用な情報を提供するためのデータベースも構築される。
情報処理装置1は、入力部101、出力部102、制御部103、単元DB管理部104、受験生DB管理部105、及び伸び幅算出部107として動作する。大容量記憶装置4には、単元DB40、受験生DB41、試験結果DB42が構築される。図5(a)〜(c)は、大容量記憶装置4に保存されるデータの説明図である。
なお、図5(a)は、単元データの一部を例示したものであって、実際の単元データには、2次関数、図形と計量等の、志望校の受験科目(この例では数学)に関連付けられた単元の単元ID等が含まれるものであってよい。
また、受験生の志望校の受験科目に属する科目及び単元のみを単元データに保存することで、受験に不要な科目や単元を受験生に提示しないようにもできる。
「志望校情報」は、当該受験生のその時点の志望校、学部、学科を表す「学校ID」、「学部ID」、「学科ID」を含む。「成績履歴」は、当該受験生の模擬試験等の結果(得点、偏差値等)を含む成績の履歴である。
また、受験生DB管理部105は、制御部103の制御により受験生DB41を参照し、必要な情報の読み出しを行う。
図5(c)は、試験結果データの説明図である。試験結果データは、受験生データから受験生名、受験生ID、在学校ID、及び成績履歴を抽出して生成される。図5(c)の例では、第1模試(模試ID:M1)における「受験生名(受験太郎)」、「受験生ID(J1)」、「単元名」(式の計算、実数、1次方程式、1次不等式及び集合と論理)、「単元ID」が示されている。また、「単元」ごとに受験生の「得点率(%)」、「Aライン得点率」、「配点」が示されている。受験生の「得点率(%)」は、受験生が得た得点を配点で割った値(%)である。「Aライン得点率」は、志望校の合格可能性が所定値以上(「Aライン」)となる得点率である。第1実施形態では、便宜上、志望校の合格可能性が80%以上となる得点率をAライン得点率とした。なお、Aライン得点率に対応する合格可能性の確率は80%に限られるものではなく、その他の数値や判定基準を用いてもよい。例えば、合格可能性が所定値以上となる他の基準による得点率をAライン得点率としてもよい。
ここで、1回の演習での予測増加得点率は任意の手法で求めることができるが、第1実施形態では、以下の3つの項目A〜Cをパラメータとした。
A 過去問演習回数
B Aの過去問演習における直近の数回、例えば3回の平均得点率
C 修了判定テストでの得点率
Cについても、Bと同様にして、修了判定テストでの得点率が低いとその値が大きくなるように定める。また、修了判定テストは、その単元の内容をすべて学習し終えた後に行われるテストであり、過去問演習よりも入試に近い難易度で行われることから、過去問演習テストよりも、伸び幅に与える影響を大きくすることが好ましい。
例えば、伸び幅が一番大きくなる単元、あるいは、伸び幅が所定値以上に大きくなる単元を「優先的に学習すべき単元」として特定する。また、制御部103は、優先的に学習すべき単元を表す画像を生成する。制御部103は、この優先的に学習すべき単元を表す画像を、出力部102を介して出力装置3から視認可能に出力する。出力装置3がディスプレイの場合、選定支援画像がディスプレイに表示される。出力装置3がプリンタの場合、選定支援画像が用紙に印刷される。これにより受験生に対して優先的に学習すべき単元が提示される。制御部103は、出力装置3から画像を出力する表示制御手段として機能する。
以下、優先的に学習すべき単元の決定法についての詳細例を説明する。上述の説明では、伸び幅が一番大きくなる単元、あるいは、伸び幅が所定値以上に大きくなる単元を「優先的に学習すべき単元」として特定した。
第1実施形態では、志望校での入試における得点の伸び幅が大きくなるほど優先度の値が大きくなるように、単元ごとに優先度を算出し、優先度が高い単元を受験生に提示する。優先度の算出では、伸び幅Sに加えて、伸び代及び出題頻度を用いる。
また、出題頻度(β)の例として、志望校でのその単元の出題頻度(例えば志望校の直近10年の出題頻度)を用いることができる。出題頻度が高くなるにつれて、出題頻度の値が大きくなる。
伸び幅Sを、伸び代と出題頻度とのうち少なくとも一方によって補正した値を優先度として用いる。
なお、伸び代は、この例に限られるものではなく、学習コンテンツや単元等の任意の学習範囲において、志望校に合格するための目標となる得点率と、受験生の得点率と、その志望校の入試におけるその学習範囲の出現頻度(あるいは予想配点)とにより定めることができる。伸び代は、学習範囲において、志望校の配点が高くなるほど大きくなり、かつ、受験生の得点率が低いほど大きくなるように定められる。このように定めることで、伸び代が大きい学習範囲は、得点率を高くすることで、志望校の入試における得点を高くする余地がある学習範囲を表すことになる。
図6は、第1実施形態において優先的に学習すべき単元の優先度を算出する処理の手順を示すフローチャートである。この処理は、例えば制御部103が、入力部101を介して入力装置2から優先度算出処理の開始指示を受け付けることで開始される。開始指示には、受験生ID及び優先度を求める科目名が含まれている。
伸び幅算出部107は、これらの過去問回数等と、受験生DB41に保存された受験生データのAライン得点率などから、上述したように単元ごとに伸び幅を求める(S103)。
上述した例では、受験生が学習を行う時期を参照することなく優先度を算出した。しかし、受験生が学習を行う時期を参照したうえで伸び幅を算出することや、優先度の算出において受験生が学習を行う時期を参照して優先度を算出することもできる。
以下、受験生が学習を行う時期を参照したうえで伸び幅を算出する例を示す。
第1実施形態では、伸び幅を例えば上述したパラメータA、B及びCの加算値として算出した。
このように受験の時期を参照したうえで伸び幅を算出することで、優先的に学習すべき単元をより正確に求めることができる。このとき、単元によってDの定義を変更してもよい。
図7に、志望校の受験科目に数I、数IIが含まれているが数IIIは含まれていない例における、単元DB40に保存される単元データの一例を示す。図5(a)に示した例では例として数Iを示したが、図7の例では数II(科目ID:T)及び数IIIが示されている。
以上のことから、上述した伸び幅及び優先度の算出において、志望校の受験科目に含まれない科目の単元ではあるものの志望校の受験科目の単元に関連性が深い単元を含めて算出を行うことで、志望校の入試における得点率を高くすることができる。
Claims (11)
- 受験生の学習レベルと前記受験生が合格を目指す試験の出題傾向の分析結果とを保持する保持手段と、
前記受験生が前記試験の合格に向けて学習可能な複数の学習コンテンツを取得する取得手段と、
取得した複数の学習コンテンツの各々について前記受験生が所定量学習したと仮定した場合の前記学習レベルの伸び幅を前記分析結果に基づいて推定する推定手段と、
前記伸び幅に基づいて前記複数の学習コンテンツに対する学習順序の優先度を算出するとともに前記優先度をランキングする制御手段と、
を有することを特徴とする学習支援装置。 - 前記推定手段は、前記学習コンテンツを少なくとも1回又は1問学習したと仮定した場合に前記学習レベルが変化する値を前記伸び幅と推定することを特徴とする、
請求項1に記載の学習支援装置。 - 前記保持手段は、前記試験に合格した者の学習レベルを前記学習コンテンツごとに時系列に変化する実績レベルとして保持しており、
前記制御手段は、前記受験生の前記学習コンテンツでの得点率と前記受験生が合格を目指す試験での前記学習コンテンツの予想される配点とに基づいて定められる、前記学習コンテンツにおける伸び代を前記実績レベルと関連付けて出力することを特徴とする、
請求項1又は2に記載の学習支援装置。 - 前記制御手段は、当該学習コンテンツにおける伸び代と前記試験における出題頻度との少なくとも一方によって前記伸び幅を補正することを特徴とする、
請求項3に記載の学習支援装置。 - 前記学習コンテンツは、前記試験に合格するために必要な知識を所定の修得順序で整理した単元と、前記知識を複数の前記単元にまたがって整理した少なくとも1つのジャンルとを組み合わせて構成されており、前記学習レベルが、前記単元及び前記ジャンルごとに関連付けられていることを特徴とする、
請求項1から4のいずれか一項に記載の学習支援装置。 - 前記推定手段は、複数種類の情報を入力とし、推定過程で生じる決定木をランダムに選択する機械学習ツールにより前記伸び幅を導出することを特徴とする、
請求項1から3のいずれか一項に記載の学習支援装置。 - 前記伸び代は、前記試験における前記配点が高くなるほど大きくなり、かつ、前記受験生の前記得点率が低いほど大きくなることを特徴とする、
請求項3又は4に記載の学習支援装置。 - 前記伸び幅が、当該受験生の学習回数又は前記得点率によって増減することを特徴とする、請求項3又は4に記載の学習支援装置。
- 前記伸び幅が、前記試験の受験日までの残日数に応じて増減することを特徴とする、
請求項3、4、8のいずれか一項に記載の学習支援装置。 - 情報処理装置により実行される学習支援方法であって、
前記情報処理装置が、受験生の学習レベルと前記受験生が合格を目指す試験の出題傾向の分析結果とを保持し、
前記情報処理装置が、前記受験生が前記試験の合格に向けて学習可能な複数の学習コンテンツを取得し、
前記情報処理装置が、取得した複数の学習コンテンツの各々について前記受験生が所定量学習したと仮定した場合の前記学習レベルの伸び幅を前記分析結果に基づいて推定し、
前記情報処理装置が、前記伸び幅に基づいて前記複数の学習コンテンツに対する学習順序の優先度を算出するとともに前記優先度をランキングすることを特徴とする、
学習支援方法。 - コンピュータを請求項1〜9のいずれか1項に記載の学習支援装置として機能させるためのコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020207895A JP6955079B1 (ja) | 2020-12-15 | 2020-12-15 | 学習支援装置、学習支援方法及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020207895A JP6955079B1 (ja) | 2020-12-15 | 2020-12-15 | 学習支援装置、学習支援方法及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6955079B1 true JP6955079B1 (ja) | 2021-10-27 |
JP2022094804A JP2022094804A (ja) | 2022-06-27 |
Family
ID=78150225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020207895A Active JP6955079B1 (ja) | 2020-12-15 | 2020-12-15 | 学習支援装置、学習支援方法及びコンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6955079B1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007188314A (ja) * | 2006-01-13 | 2007-07-26 | Takuto:Kk | 動画データ抽出システムおよびコンピュータプログラム |
JP2015121682A (ja) * | 2013-12-24 | 2015-07-02 | 富士通株式会社 | 学習支援プログラム、学習支援装置および学習支援方法 |
JP2017090554A (ja) * | 2015-11-04 | 2017-05-25 | 株式会社エジュテックジャパン | 学習支援システム及びプログラム |
JP2019061000A (ja) * | 2017-09-26 | 2019-04-18 | カシオ計算機株式会社 | 学習支援装置、学習支援システム、学習支援方法及びプログラム |
JP2019168556A (ja) * | 2018-03-22 | 2019-10-03 | 弘道 外山 | 学習支援システム、学習支援サーバ及び学習支援プログラム |
JP2020166816A (ja) * | 2019-11-11 | 2020-10-08 | Kiyoラーニング株式会社 | 情報処理装置 |
-
2020
- 2020-12-15 JP JP2020207895A patent/JP6955079B1/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007188314A (ja) * | 2006-01-13 | 2007-07-26 | Takuto:Kk | 動画データ抽出システムおよびコンピュータプログラム |
JP2015121682A (ja) * | 2013-12-24 | 2015-07-02 | 富士通株式会社 | 学習支援プログラム、学習支援装置および学習支援方法 |
JP2017090554A (ja) * | 2015-11-04 | 2017-05-25 | 株式会社エジュテックジャパン | 学習支援システム及びプログラム |
JP2019061000A (ja) * | 2017-09-26 | 2019-04-18 | カシオ計算機株式会社 | 学習支援装置、学習支援システム、学習支援方法及びプログラム |
JP2019168556A (ja) * | 2018-03-22 | 2019-10-03 | 弘道 外山 | 学習支援システム、学習支援サーバ及び学習支援プログラム |
JP2020166816A (ja) * | 2019-11-11 | 2020-10-08 | Kiyoラーニング株式会社 | 情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2022094804A (ja) | 2022-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Almond et al. | Bayesian networks in educational assessment | |
JP6960688B2 (ja) | 学習効率に基づいて個人カスタマイズ型教育コンテンツを提供するための機械学習方法、装置及びコンピュータプログラム | |
Taconis et al. | Teaching science problem solving: An overview of experimental work | |
CA2340811A1 (en) | Learning method | |
Riofrıo-Luzcando et al. | Predicting student actions in a procedural training environment | |
Annizar et al. | Problem solving analysis of rational inequality based on IDEAL model | |
US20240177624A1 (en) | Learning management systems and methods therefor | |
Williamson et al. | Effects of Algorithmic Transparency in Bayesian Knowledge Tracing on Trust and Perceived Accuracy. | |
JP4447411B2 (ja) | 学習者習得特性分析システム及びその方法並びにプログラム | |
Dijkstra et al. | Clustering children's learning behaviour to identify self-regulated learning support needs | |
Latypova | Automated system for checking works with free response using intelligent tutor’s comment analysis in engineering education | |
JP6955079B1 (ja) | 学習支援装置、学習支援方法及びコンピュータプログラム | |
JP2006079113A (ja) | テスト出題装置、とテスト出題方法およびプログラム | |
Pong-inwong et al. | Teaching evaluation using data mining on moodle LMS forum | |
KR20220022592A (ko) | 유전자지문적성검사와 다중능력검사를 융합한 맞춤형 진로탐색시스템 및 방법 | |
Mosel | The learning process | |
JP2012068572A (ja) | 出題頻度と学習者の弱点を考慮した問題抽出機能を備えるe−learningシステム及び方法 | |
Grivokostopoulou et al. | Estimating the difficulty of exercises on search algorithms using a neuro-fuzzy approach | |
Wang | Handling exponential state space in a POMDP-based intelligent tutoring system | |
JP6437684B1 (ja) | 問題作成支援システム、方法、およびプログラム | |
Milinković et al. | Using decision tree classifier for analyzing students’ activities | |
Wang | A New Technique of Policy Trees for Building a POMDP based Intelligent Tutoring System. | |
RU2407061C1 (ru) | Способ обучения оператора набору текста на клавиатуре компьютера | |
Ashar et al. | Algebraic thinking process analysis of senior high school students in solving absolute value mathematics problem | |
JP6940675B1 (ja) | 併願校選定支援装置、併願校選定支援方法、コンピュータプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210226 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210518 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210702 |
|
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: 20210914 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210930 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6955079 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |