JP6963935B2 - Class curriculum and attendance order proposal system - Google Patents

Class curriculum and attendance order proposal system Download PDF

Info

Publication number
JP6963935B2
JP6963935B2 JP2017159646A JP2017159646A JP6963935B2 JP 6963935 B2 JP6963935 B2 JP 6963935B2 JP 2017159646 A JP2017159646 A JP 2017159646A JP 2017159646 A JP2017159646 A JP 2017159646A JP 6963935 B2 JP6963935 B2 JP 6963935B2
Authority
JP
Japan
Prior art keywords
lesson
curriculum
difficulty level
dependency
syllabus
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
JP2017159646A
Other languages
Japanese (ja)
Other versions
JP2019040259A (en
Inventor
輝彦 卯木
幸雄 高橋
健二 梅澤
純 久保田
Original Assignee
株式会社フォトロン
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 株式会社フォトロン filed Critical 株式会社フォトロン
Priority to JP2017159646A priority Critical patent/JP6963935B2/en
Publication of JP2019040259A publication Critical patent/JP2019040259A/en
Application granted granted Critical
Publication of JP6963935B2 publication Critical patent/JP6963935B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明の実施形態は、学校や企業内研修等における授業のカリキュラムや授業の受講順序を提案する授業のカリキュラム及び受講順序提案システムに関する。 An embodiment of the present invention relates to a lesson curriculum and a lesson order proposal system that proposes a lesson curriculum and a lesson order of attendance in school or in-house training.

学校や企業内研修等における授業のカリキュラムは、教員がその経験をもとに、手間や時間をかけて作成している。また、授業の受講者は、授業の内容を表したシラバス等を参考にして授業を選択し、その受講すべき受講順序を決めている。更に、授業のシラバスや受講者のニーズ、能力等を考慮して、受講すべき授業を推奨する発明が特許文献１に開示されている。 The curriculum of classes in schools and in-house training is created by teachers based on their experience, taking time and effort. In addition, the learners of the lesson select the lesson with reference to the syllabus, etc., which expresses the content of the lesson, and decide the order of taking the lesson. Further, Patent Document 1 discloses an invention that recommends a lesson to be taken in consideration of the syllabus of the lesson, the needs and abilities of the students, and the like.

特開２００６−１３９１３０号公報Japanese Unexamined Patent Publication No. 2006-139130

ところが、特許文献１に記載の発明は、授業のカリキュラムを見直すことはできるものの、カリキュラムを一から作成することを支援するものではない。また、特許文献１に記載の発明は、受講者に対して受講すべき授業を推奨できるものの、それらの受講順序を提示するものではない。 However, although the invention described in Patent Document 1 can review the curriculum of the lesson, it does not support the creation of the curriculum from scratch. Further, although the invention described in Patent Document 1 can recommend the lessons to be taken to the students, it does not present the order of taking those lessons.

本発明の実施形態は、上述の事情を考慮してなされたものであり、授業のカリキュラムを容易に作成でき、また、授業の受講すべき受講順序を的確に提示できる授業のカリキュラム及び受講順序提案システムを提供することを目的とする。 The embodiment of the present invention has been made in consideration of the above-mentioned circumstances, and the curriculum and the order of attendance of the lesson can be easily created and the order of attendance of the lesson can be accurately presented. The purpose is to provide a system.

本発明の実施形態における授業のカリキュラム及び受講順序提案システムは、授業のシラバス、及びインターネットにより取得可能なインターネット情報を入力データとして、機械学習により前記授業の難易度及び依存関係を推定する解析部と、前記解析部により推定された前記授業の難易度及び依存関係に基づいて、前記授業間における授業内容の難易度が過大な飛躍を生じないように、または前記授業内容が一般的な概念から専門的な概念へ移行するように、前記授業のカリキュラムを作成するカリキュラム作成部と、前記解析部により推定された前記授業の難易度及び依存関係に基づいて、前記授業内容が易しいものから難しいものへ、または一般的な内容から専門的な内容へ順次移行するように、前記授業の受講すべき順序を提示する受講順序提示部と、を有することを特徴とするものである。 The lesson curriculum and lesson order proposal system according to the embodiment of the present invention includes an analysis unit that estimates the difficulty level and dependency of the lesson by machine learning using the lesson syllabus and the Internet information that can be acquired via the Internet as input data. Based on the difficulty level and dependency of the lesson estimated by the analysis unit, the difficulty level of the lesson content between the lessons does not cause an excessive leap, or the lesson content is specialized from a general concept. Based on the curriculum creation department that creates the curriculum of the lesson and the difficulty level and dependency of the lesson estimated by the analysis department, the lesson content is changed from easy to difficult so as to shift to the general concept. Or, it is characterized by having a lesson order presentation unit that presents the order in which the lessons should be taken so as to sequentially shift from general contents to specialized contents.

本発明の実施形態によれば、授業のカリキュラムを容易に作成でき、また、授業の受講すべき受講順序を的確に提示できる。 According to the embodiment of the present invention, the curriculum of the lesson can be easily created, and the order in which the lesson should be taken can be accurately presented.

一実施形態に係る授業のカリキュラム及び受講順序提案システムの構成を示すブロック図。A block diagram showing the structure of the lesson curriculum and the attendance order proposal system according to one embodiment. 図１の授業のカリキュラム及び受講順序提案システムが実行する手順を示すフローチャート。The flowchart which shows the curriculum of the lesson of FIG. 1 and the procedure which the attendance order suggestion system executes.

以下、本発明を実施するための形態を、図面に基づき説明する。図１は、一実施形態に係る授業のカリキュラム及び受講順序提案システムの構成を示すブロック図である。 Hereinafter, embodiments for carrying out the present invention will be described with reference to the drawings. FIG. 1 is a block diagram showing the structure of the lesson curriculum and the attendance order proposal system according to the embodiment.

この図１に示す授業のカリキュラム及び受講順序提案システム１０は、主に、学校や企業内研修等における授業のカリキュラムの作成、授業の受講順序の提示、及び既存のカリキュラムの改善点の提示を行なうものであり、解析部１１、出力保持部１２、カリキュラム作成部１３、受講順序提示部１４及びカリキュラム改善提示部１５を有して構成される。ここで、授業のカリキュラムの用語は、授業の科目を含めた授業内容を系統立てて配列したものであり、授業の順序を含む。 The lesson curriculum and lesson order proposal system 10 shown in FIG. 1 mainly prepares the lesson curriculum in schools and in-house training, presents the lesson attendance order, and presents points for improvement of the existing curriculum. It is composed of an analysis unit 11, an output holding unit 12, a curriculum creation unit 13, a lesson order presentation unit 14, and a curriculum improvement presentation unit 15. Here, the terminology of the lesson curriculum is a systematic arrangement of lesson contents including lesson subjects, and includes the order of lessons.

これらの解析部１１、出力保持部１２、カリキュラム作成部１３、受講順序提示部１４及びカリキュラム改善提示部１５は、プロセッサ及びメモリを備えたコンピューターシステムにより実行される。 The analysis unit 11, the output holding unit 12, the curriculum creation unit 13, the course order presentation unit 14, and the curriculum improvement presentation unit 15 are executed by a computer system including a processor and a memory.

解析部１１は、授業のシラバス１６及びインターネット情報１７を入力データとして、機械学習により授業の難易度及び依存（包含）関係を推定して出力するものである。ここで、シラバス１６は、授業の概要を示すものであり、授業の内容や授業計画、教員名、教科書、専門書（参考書）等が掲載されている。このシラバス１６中から抽出された頻出用語が、解析部１１への入力データとされる。また、インターネット情報１７は、ウィキペディア（Ｗｉｋｉｐｅｄｉａ）等のインターネット百科事典の情報、及びシラバス１６に掲載された専門書の内容（目次、本文、索引など）に関する情報を含む、インターネットにより取得可能な情報である。 The analysis unit 11 estimates and outputs the difficulty level and the dependency (inclusion) relationship of the lesson by machine learning using the syllabus 16 of the lesson and the Internet information 17 as input data. Here, the syllabus 16 shows the outline of the lesson, and the contents of the lesson, the lesson plan, the teacher's name, the textbook, the specialized book (reference book), and the like are posted. Frequently used terms extracted from the syllabus 16 are input data to the analysis unit 11. In addition, the Internet information 17 is information that can be obtained via the Internet, including information on Internet encyclopedias such as Wikipedia and information on the contents (table of contents, text, index, etc.) of specialized books published in the syllabus 16. be.

機械学習は、授業のシラバス１６及びインターネット情報１７を入力データとし、この入力データに対応する出力データとしての正解データを授業の難易度及び依存関係とし、これらの入力データと正解データのセットを大量に、解析部１１として機能するコンピュータに入力して機械学習のモデルを構築し、このモデルに、正解データが未知な入力データである授業のシラバス１６及びインターネット情報１７を入力することで、授業の難易度及び依存関係を推定して出力させるものである。 In machine learning, the syllabus 16 and the Internet information 17 of the lesson are used as input data, the correct answer data as the output data corresponding to the input data is used as the difficulty level and the dependency of the lesson, and a large amount of these input data and the correct answer data are set. By inputting to a computer functioning as the analysis unit 11 to construct a machine learning model, and inputting the class syllabus 16 and the Internet information 17 whose correct answer data is unknown input data into this model, the class The difficulty level and the dependency relationship are estimated and output.

この機械学習で出力される授業の難易度及び依存関係は、次のようにして推定されたものである。つまり、シラバス１６中で出現頻度の高い頻出用語が、ウィキペディア等のインターネット情報１７を用いて、例えば上位・下位関係抽出ツール等により上位語または下位語に判別される。シラバス１６に上位語が多い場合には、授業は入門または初級編であり、シラバス１６に下位語（専門用語）が多い場合には、授業は中級または上級編であると判定される。従って、上述のように、上位語または下位語がシラバス１６中に多いか否かで授業の難易度及び依存関係が推定されるのである。なお、授業の依存関係は、複数の授業における授業の包含関係や従属関係を意味する。 The difficulty level and dependency of the lesson output by this machine learning are estimated as follows. That is, frequently occurring terms appearing frequently in the syllabus 16 are discriminated into hypernyms or hyponyms by using Internet information 17 such as Wikipedia, for example, by a hyper / hyponym extraction tool or the like. If the syllabus 16 has many hypernyms, the lesson is judged to be introductory or beginner's, and if the syllabus 16 has many hyponyms (technical terms), the lesson is judged to be intermediate or advanced. Therefore, as described above, the difficulty level and the dependency relationship of the lesson are estimated depending on whether or not there are many hypernyms or hyponyms in the syllabus 16. The class dependency means the inclusion relationship and the subordination relationship of the lessons in a plurality of lessons.

出力保持部１２は、解析部１１により推定された授業の難易度及び依存関係を、カリキュラム作成部１３、受講順序提示部１４、カリキュラム改善提示部１５が利用するために保持する。 The output holding unit 12 holds the difficulty level and the dependency relationship of the lesson estimated by the analysis unit 11 for use by the curriculum creation unit 13, the attendance order presentation unit 14, and the curriculum improvement presentation unit 15.

カリキュラム作成部１３は、解析部１１にて推定された授業の難易度及び依存関係に基づいて、授業のカリキュラムを作成する。例えば、授業間における授業内容の難易度が過大な飛躍（ギャップ）を生じないように、または授業間の授業内容が一般的な概念から専門的な概念へ移行するように、授業のカリキュラムを作成する。 The curriculum preparation unit 13 prepares a lesson curriculum based on the difficulty level and the dependency relationship of the lesson estimated by the analysis unit 11. For example, create a lesson curriculum so that the difficulty of lesson content between lessons does not cause an excessive leap (gap), or the lesson content between lessons shifts from a general concept to a specialized concept. do.

受講順序提示部１４は、解析部１１にて推定された授業の難易度及び依存関係に基づいて、受講者が授業を受講すべき受講順序を提示する。例えば、授業内容が易しいものから難しいものへ、または一般的な内容から専門的な内容へ順次移行するように、受講すべき授業の受講順序を受講者に提示する。受講者の受講履歴や成績が判る場合には、受講順序提示部１４は、これらを考慮して授業の受講順序を受講者に提示してもよい。 The attendance order presentation unit 14 presents the attendance order in which the student should take the lesson based on the difficulty level and the dependency relationship of the lesson estimated by the analysis unit 11. For example, the order of the lessons to be taken is presented to the learner so that the lesson content is gradually changed from easy to difficult, or from general content to specialized content. When the attendance history and grades of the students are known, the attendance order presentation unit 14 may present the attendance order of the lessons to the students in consideration of these.

カリキュラム改善提示部１５は、解析部１１にて推定された授業の難易度及び依存関係に基づいて、カリキュラム作成部１３により作成された授業のカリキュラムと、他の手法により作成された既存の授業のカリキュラムとを比較して、この既存の授業のカリキュラムの改善点を提示する。 The curriculum improvement presentation unit 15 is based on the lesson difficulty level and the dependency relationship estimated by the analysis unit 11, and the curriculum of the lesson created by the curriculum creation unit 13 and the existing lesson created by other methods. It compares with the curriculum and presents improvements to the curriculum of this existing lesson.

例えば、まず、特定の大学のシラバス１６及びインターネット情報１７から解析部１１が構築した機械学習のモデルに、他大学のシラバス１６及びインターネット情報１７を入力して、解析部１１がこの他大学の授業の難易度及び依存関係を推定して出力し、これに基づいてカリキュラム作成部１３が、この他大学の授業のカリキュラムを新たに作成する。次に、カリキュラム改善提示部１５は、カリキュラム作成部１３が新たに作成した授業のカリキュラムと、他大学において他の手法により作成された既存の授業のカリキュラムとを比較して、異なった箇所（例えば授業順序など）を改善点として提示する。 For example, first, the syllabus 16 and the Internet information 17 of another university are input to the machine learning model constructed by the analysis department 11 from the syllabus 16 and the Internet information 17 of a specific university, and the analysis department 11 teaches the other university. The difficulty level and the dependency relationship are estimated and output, and the curriculum preparation unit 13 newly creates a curriculum for classes at other universities based on this. Next, the curriculum improvement presentation unit 15 compares the curriculum of the lesson newly created by the curriculum creation unit 13 with the curriculum of the existing lesson created by another method at another university, and differs (for example). (Class order, etc.) is presented as an improvement point.

次に、上述のように構成された授業のカリキュラム及び受講順序提案システム１０の動作手順を、図１及び図２に基づいて説明する。 Next, the curriculum of the lesson configured as described above and the operation procedure of the attendance order proposal system 10 will be described with reference to FIGS. 1 and 2.

まず、授業のシラバス１６及びインターネット情報１７を入力データとし、この入力データに対応する正解データを授業の難易度及び依存関係とし、これらの入力データと正解データのセットを大量に、解析部１１として機能するコンピュータに入力して、機械学習のモデルを構築する（Ｓ１）。 First, the syllabus 16 and the Internet information 17 of the lesson are used as input data, the correct answer data corresponding to the input data is used as the difficulty level and the dependency of the lesson, and a large amount of these input data and the correct answer data are set as the analysis unit 11. Input to a functioning computer to build a machine learning model (S1).

次に、ステップＳ１で構築されたモデルに、シラバス１６中から抽出された頻出用語を入力データとして入力し（Ｓ２）、更に、ウィキペディア等のインターネット情報１７を入力データとして入力する（Ｓ３）。これらの入力データが上記モデルに入力されることで、解析部１１は、授業の難易度及び依存関係を推定して出力する（Ｓ４）。 Next, in the model constructed in step S1, frequently-used terms extracted from the syllabus 16 are input as input data (S2), and further, Internet information 17 such as Wikipedia is input as input data (S3). By inputting these input data into the model, the analysis unit 11 estimates and outputs the difficulty level and the dependency relationship of the lesson (S4).

解析部１１にて推定された授業の難易度及び依存関係に基づいて、カリキュラム作成部１３が授業のカリキュラムを作成し（Ｓ５）、受講順序提示部１４が授業の受講すべき受講順序を提示する（Ｓ６）。 The curriculum creation unit 13 creates a lesson curriculum based on the lesson difficulty level and the dependency relationship estimated by the analysis unit 11 (S5), and the lesson order presentation unit 14 presents the lesson order to be taken. (S6).

また、カリキュラム改善提示部１５は、解析部１１により推定された授業の難易度及び依存関係に基づいてカリキュラム作成部１３により作成された授業のカリキュラムと、他の手法により作成された既存の授業のカリキュラムとを比較して、この既存の授業のカリキュラムの改善点を提示する（Ｓ７）。 In addition, the curriculum improvement presentation unit 15 is a curriculum of the lesson created by the curriculum creation unit 13 based on the difficulty level and the dependency of the lesson estimated by the analysis unit 11 and an existing lesson created by another method. In comparison with the curriculum, the points to be improved in the curriculum of this existing lesson are presented (S7).

以上のように構成されたことから、本実施形態によれば、次の効果（１）及び（２）を奏する。 Since it is configured as described above, according to the present embodiment, the following effects (1) and (2) are obtained.

（１）解析部１１による機械学習で推定される授業の難易度及び依存関係は、授業の内容等を表すシラバス１６中の頻出用語が、ウィキペディア等のインターネット情報１７を用いて、例えば上位・下位関係抽出ツール等により上位語または下位語に判別され、この上位語または下位語がシラバス１６中に多いか否かで正確に推定されるものである。従って、この正確に推定された授業の難易度及び依存関係に基づいてカリキュラム作成部１３が授業のカリキュラム作成するで、多大な手間や時間を掛けることなく授業のカリキュラムを容易に作成できる。また、解析部１１により正確に推定された授業の難易度及び依存関係に基づいて受講順序提示部１４は、授業の受講すべき受講順序を受講者に的確に提示できる。 (1) Regarding the difficulty level and dependency of the lesson estimated by the analysis unit 11 by machine learning, the frequently-used words in the syllabus 16 indicating the contents of the lesson are, for example, higher and lower using the Internet information 17 such as Wikipedia. It is discriminated into a hypernym or a hyponym by a relation extraction tool or the like, and is accurately estimated based on whether or not the hypernym or hyponym is abundant in the syllabus 16. Therefore, since the curriculum creation unit 13 creates the lesson curriculum based on the accurately estimated difficulty level and the dependency relationship, the lesson curriculum can be easily created without spending a lot of time and effort. In addition, the lesson order presentation unit 14 can accurately present the lesson order to be taken to the learner based on the lesson difficulty level and the dependency relationship accurately estimated by the analysis unit 11.

（２）カリキュラム改善提示部１５は、解析部１１による機械学習で正確に推定された授業の難易度及び依存関係に基づいてカリキュラム作成部１３が作成した授業のカリキュラムを、既存の授業のカリキュラムと比較し、この既存の授業のカリキュラムの改善点を提示する。この結果、既存の授業のカリキュラムに関して授業内容の難易度の飛躍（ギャップ）を示したり、学習効率を向上させるために授業順序の変更を提示したりすることができる。 (2) The curriculum improvement presentation unit 15 uses the curriculum of the lesson created by the curriculum creation unit 13 based on the difficulty level and the dependency of the lesson accurately estimated by the machine learning by the analysis unit 11 as the curriculum of the existing lesson. We will compare and present improvements to this existing lesson curriculum. As a result, it is possible to show a leap (gap) in the difficulty level of the lesson content with respect to the existing lesson curriculum, and to present a change in the lesson order in order to improve learning efficiency.

以上、本発明の実施形態を説明したが、この実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。この実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができ、また、それらの置き換えや変更は、発明の範囲や要旨に含まれると共に、特許請求の範囲に記載された発明とその均等の範囲に含まれる。 Although the embodiment of the present invention has been described above, this embodiment is presented as an example and is not intended to limit the scope of the invention. This embodiment can be implemented in various other forms, and various omissions, replacements, and changes can be made without departing from the gist of the invention, and the replacements and changes thereof can be made. , It is included in the scope and gist of the invention, and is also included in the scope of the invention described in the claims and the equivalent scope thereof.

例えば、複数の大学の授業について、解析部１１による機械学習によって授業の難易度及び依存関係をそれぞれ推定し、これらの推定結果を、大学間で行われる単位互換の指標として利用してもよい。 For example, for lessons at a plurality of universities, the difficulty level and the dependency relationship of the lessons may be estimated by machine learning by the analysis unit 11, and these estimation results may be used as an index of credit compatibility between universities.

１０…授業のカリキュラム及び受講順序提案システム
１１…解析部
１２…出力保持部
１３…カリキュラム作成部
１４…受講順序提示部
１５…カリキュラム改善提示部
１６…シラバス
１７…インターネット情報 10 ... Class curriculum and course order proposal system 11 ... Analysis section 12 ... Output holding section 13 ... Curriculum creation section 14 ... Course order presentation section 15 ... Curriculum improvement presentation section 16 ... Syllabus 17 ... Internet information

Claims (4)

授業のシラバス、及びインターネットにより取得可能なインターネット情報を入力データとして、機械学習により前記授業の難易度及び依存関係を推定する解析部と、
前記解析部により推定された前記授業の難易度及び依存関係に基づいて、前記授業間における授業内容の難易度が過大な飛躍を生じないように、または前記授業内容が一般的な概念から専門的な概念へ移行するように、前記授業のカリキュラムを作成するカリキュラム作成部と、
前記解析部により推定された前記授業の難易度及び依存関係に基づいて、前記授業内容が易しいものから難しいものへ、または一般的な内容から専門的な内容へ順次移行するように、前記授業の受講すべき順序を提示する受講順序提示部と、を有することを特徴とする授業のカリキュラム及び受講順序提案システム。 An analysis unit that estimates the difficulty level and dependency of the lesson by machine learning using the syllabus of the lesson and the Internet information that can be obtained from the Internet as input data.
Based on the difficulty level and dependency of the lesson estimated by the analysis unit, the difficulty level of the lesson content between the lessons does not cause an excessive leap, or the lesson content is specialized from a general concept. The curriculum creation department that creates the curriculum of the lesson so as to shift to a new concept,
Based on the difficulty level and dependency of the lesson estimated by the analysis unit, the lesson content is changed from easy to difficult, or from general content to specialized content. A lesson curriculum and a lesson order proposal system characterized by having a lesson order presentation section that presents the order in which lessons should be taken. 前記解析部により推定された前記授業の難易度及び依存関係に基づいてカリキュラム作成部により作成された前記授業のカリキュラムと、他の手法により作成された既存の授業のカリキュラムとを比較して、この既存の授業のカリキュラムの改善点を提示するカリキュラム改善提示部を、更に有することを特徴とする請求項１に記載の授業のカリキュラム及び受講順序提案システム。 The curriculum of the lesson created by the curriculum creation department based on the difficulty level and the dependency of the lesson estimated by the analysis department is compared with the curriculum of the existing lesson created by another method. The lesson curriculum and attendance order proposal system according to claim 1, further comprising a curriculum improvement presentation unit that presents improvement points of the existing lesson curriculum. 前記インターネット情報は、インターネット百科事典に記載された情報、及びシラバスに掲載された専門書の内容に関する情報を含むことを特徴とする請求項１または２に記載の授業のカリキュラム及び受講順序提案システム。 The class curriculum and attendance order proposal system according to claim 1 or 2, wherein the Internet information includes information described in an Internet encyclopedia and information regarding the contents of a specialized book published in a syllabus. 前記機械学習は、授業のシラバス及びインターネット情報を入力データとし、この入力データに対応する正解データを授業の難易度及び依存関係とし、これらの入力データと正解データのセットを大量に、解析部として機能するコンピュータに入力してモデルを構築し、このモデルに、正解データが未知な入力データである授業のシラバス及びインターネット情報を入力することで、授業の難易度及び依存関係を推定して出力させるものであることを特徴とする請求項１乃至３のいずれか１項に記載の授業のカリキュラム及び受講順序提案システム。 In the machine learning, the syllabus and the Internet information of the lesson are used as input data, the correct answer data corresponding to the input data is used as the difficulty level and the dependency of the lesson, and a large amount of these input data and the correct answer data are used as the analysis unit. A model is constructed by inputting to a functioning computer, and the difficulty level and dependency of the class are estimated and output by inputting the class syllabus and Internet information whose correct answer data is unknown input data. The class curriculum and attendance order proposal system according to any one of claims 1 to 3, characterized in that the data is one.
JP2017159646A 2017-08-22 2017-08-22 Class curriculum and attendance order proposal system Active JP6963935B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017159646A JP6963935B2 (en) 2017-08-22 2017-08-22 Class curriculum and attendance order proposal system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017159646A JP6963935B2 (en) 2017-08-22 2017-08-22 Class curriculum and attendance order proposal system

Publications (2)

Publication Number Publication Date
JP2019040259A JP2019040259A (en) 2019-03-14
JP6963935B2 true JP6963935B2 (en) 2021-11-10

Family

ID=65726415

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017159646A Active JP6963935B2 (en) 2017-08-22 2017-08-22 Class curriculum and attendance order proposal system

Country Status (1)

Country Link
JP (1) JP6963935B2 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022180815A1 (en) * 2021-02-26 2022-09-01 富士通株式会社 Information processing program, information processing method, and information processing device

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040115596A1 (en) * 2001-04-23 2004-06-17 Jonathan Scott Snyder System for scheduling classes and managing educational resources
JP2001350850A (en) * 2000-06-08 2001-12-21 Hitachi Ltd Method for supporting studying subject selection and device for the same and recording medium with its processing program recorded
JP2006139130A (en) * 2004-11-12 2006-06-01 Nomura Research Institute Ltd System and method for curriculum analysis
US20160217113A1 (en) * 2015-01-27 2016-07-28 Carnegie Learning, Inc. Dependency-sensitive syllabus editor

Also Published As

Publication number Publication date
JP2019040259A (en) 2019-03-14

Similar Documents

Publication Publication Date Title
Horn The Future Is Now: Preparing a New Generation of CBI Teachers.
Coxhead Replication research in pedagogical approaches to formulaic sequences: Jones & Haywood (2004) and Alali & Schmitt (2012)
Cahyaningati et al. The Use of Multimodal Text in Enhancing Engineering Students' Reading Skill.
Steiner et al. Curriculum literacy in schools of education? The hole at the center of American teacher preparation
US20180005539A1 (en) Custom educational documents
Qamariah Developing Islamic English instructional materials based on school-based curriculum
Nahari et al. From Memorising to Visualising: The Effect of Using Visualisation Strategies to Improve Students' Spelling Skills.
Shurygin et al. Modern approaches to teaching future teachers of mathematics: the use of mobile applications and their impact on students’ motivation and academic success in the context of STEM education
JP6963935B2 (en) Class curriculum and attendance order proposal system
Richtel Teachers resist high-tech push in Idaho schools
Steele Teaching social studies to middle school students with learning problems
Lattimer Real-world literacies: Disciplinary teaching in the high school classroom
Sari et al. Teaching writing by using the process-genre approach at junior high schools
Maaß Identifying drivers for mathematical modelling–a commentary
Amos et al. Integrating academic reading and writing skills development with core content in science and engineering
Barathayomi et al. Designing English for Specific Purpose Syllabus for Editing Course
November Clearing the confusion between technology rich and innovative poor: Six questions
Chuang The effectiveness of digital materials as a means of teaching the English article system
Luly et al. Language in context: A model of language oriented library instruction
Rahmawati The readability level of reading texts in the English language textbooks used by the tenth grade
Chanioti Dyslexia in primary school: A new platform for identifying reading errors and improving reading skills
Mkenda et al. Intercultural Connections: Chinua Achebe’s Things Fall Apart in Language Classrooms
Bilousova et al. Developing digital learning aids for pre-service IT specialists using the functional approach in holistic vocational training
Søby Hidden curriculum in teacher education
Evans et al. The Introductory Chapter

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200701

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210730

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210810

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210902

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: 20211012

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211018

R150 Certificate of patent or registration of utility model

Ref document number: 6963935

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150