JP7010987B2 - 学習支援システム、学習支援方法およびプログラム - Google Patents

Description

本発明は、学習支援システム、学習支援方法およびプログラムに関する。

学習者に対して未習項目を最適学習項目として提供するシステムが開示されている（特許文献１）。

ＷＯ２０１０／１１９５７１

特許文献１に記載されている発明は、学習者側通信端末から管理サーバにキーワードとなるデータを送信する。管理サーバは、当該キーワードに基づいて、文書データベースに記憶されている文書の中から所定の類似度の文書を抽出し、学習範囲を画定する。さらに、管理サーバは、学習側通信端末において入力されたデータに基づいて、当該学習範囲の中から、未習項目と推定される項目を最適学習項目として自動生成する。これにより、学習者に対して、最適な学習内容を提示することができる。

しかしながら、特許文献１に記載されている発明では、未習項目に基づいて、学習者に対して出題する学習項目を生成しているが、学習者が所定の問題に対して不正解であった場合、その結果を考慮した出題がなされないため、見直し学習ができない虞があった。

本発明はこのような課題に鑑みてなされたものであり、その目的は、学習者が間違えた問題に関連した、学習者にとって適切な問題を提供することにある。

上記課題を解決するために本発明に係る学習支援システムは、第１問題に対する学習者の解答を取得する取得部と、前記解答が正解か否かを判定する解答判定部と、前記解答判定部において不正解と判定された場合、不正解に関する傾向を特定する傾向特定部と、特定された前記不正解に関する傾向に基づいて、前記第１問題に関連する第２問題を所定の手段で特定する学び方モデルを選定する学び方モデル選定部と、選定された前記学び方モデルで特定された前記第２問題を、前記学習者に対して出力する出力部と、を備える。

上記課題を解決するために本発明に係る学習支援方法は、コンピュータが、第１問題に対する学習者の解答を取得する取得ステップと、前記解答が正解か否かを判定する解答判定ステップと、前記解答判定ステップにおいて不正解と判定された場合、不正解に関する傾向を特定する傾向特定ステップと、特定された前記不正解に関する傾向に基づいて、前記第１問題に関連する第２問題を所定の手段で特定する学び方モデルを選定する学び方モデル選定ステップと、選定された前記学び方モデルで特定された前記第２問題を、前記学習者に対して出力する出力ステップと、を実行する。

上記課題を解決するために本発明に係るプログラムは、コンピュータに、第１問題に対する学習者の解答を取得させることと、前記解答が正解か否かを判定させることと、不正解と判定された場合、不正解に関する傾向を特定させることと、特定された前記不正解に関する傾向に基づいて、前記第１問題に関連する第２問題を所定の手段で特定する学び方モデルを選定させることと、選定された前記学び方モデルで特定された前記第２問題を、前記学習者に対して出力させることと、を実現させる。

本発明によれば、学習者が間違えた問題に関連した、学習者にとって適切な問題を、提供することができる。

本実施形態における学習支援システムの一例を示す構成図である。 学習支援サーバ装置のハードウェア構成の一例を示す構成図である。 学習支援サーバ装置を構成の一例を示す構成図である。 学び方モデル対応テーブルの一例を示す構成図である。 関連性テーブルの一例を示す構成図である。 習熟度テーブルの一例を示す構成図である。 学習用端末装置を構成の一例を示す構成図である。 学習支援サーバ装置の処理手順の一例を示すフロー図である。 学習支援サーバ装置の難易度を特定する処理手順の一例を示すフロー図である。

以下添付図面を参照しながら本発明の実施形態について説明する。説明の理解を容易にするため、各図面において同一の構成要素に対しては可能な限り同一の符号を付して、重複する説明は省略する。
＝＝＝学習支援システム１＝＝＝

図１は、本実施形態における学習支援システム１の一例を示す構成図である。図１に示すように、学習支援システム１は、学習支援サーバ装置１０、学習用端末装置２０を含む。学習支援システム１では、学習支援サーバ装置１０及び学習用端末装置２０がネットワークＮを介して相互に通信可能に接続される。なお、本実施形態においては、学習支援システム１は複数の装置で構成されるように説明するが、一の装置において実現されてもよく、例えば学習用端末装置２０のみで実現されてもよい。

学習支援サーバ装置１０は、学習用端末装置２０を介して学習者に各種問題を提供する情報処理装置である。また、学習支援サーバ装置１０は、学習者が問題に不正解したときに所定の方法で次の問題を選定する各種モデルを格納し、学習用端末装置２０を介して学習者に適切な問題を提供する。

学習用端末装置２０は、学習支援サーバ装置１０から提供された問題をディスプレイに表示して、学習者の各種操作を受け付ける情報処理装置である。学習用端末装置２０は、例えば、タブレット端末装置やパーソナルコンピュータにより構成される。なお、学習用端末装置２０は、例えば家庭用ゲーム機器（携帯型ゲーム機を含む）、携帯電話機（いわゆるフィーチャーフォン）、スマートフォン（多機能携帯電話機）、携帯情報端末（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、電子書籍リーダ、その他のコンピュータ機器により構成されてもよい。

ネットワークＮは、例えばインターネット等を含む情報処理に係る通信回線又は通信網であり、学習支援サーバ装置１０、学習用端末装置２０の間で各種情報の送受信可能に構成されていればよい。

以下、学習支援サーバ装置１０及び学習用端末装置２０の構成につき説明する。
＝＝＝学習支援サーバ装置１０＝＝＝

以下、図２を参照して、学習支援サーバ装置１０のハードウェア構成について説明する。図２は、本実施形態に係る学習支援サーバ装置１０のハードウェア構成の一例を示す構成図である。図２に示すように、学習支援サーバ装置１０は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphical processing unit）等のプロセッサ１０ａ、メモリ１０ｂ、ＨＤＤ（Hard Disk Drive）および／またはＳＳＤ（Solid State Drive）等の記憶装置１０ｃ、およびネットワークインターフェース１０ｄを備える。また、学習支援サーバ装置１０が備える各構成要素１０ａ～１０ｄはバスによってそれぞれ接続されている。

プロセッサ１０ａは、メモリ１０ｂや記憶装置１０ｃに格納されているプログラムを実行することで、図３以降で詳述するような処理および機能を実現する。メモリ１０ｂは、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）を含んでよく、ＲＯＭは、ブートプログラムなどのプログラムを記憶する。ＲＡＭは、プロセッサ１０ａのワークエリアとして使用される。記憶装置１０ｃは、プロセッサ１０ａの制御に応じてデータのリード／ライトを制御してディスクにデータを記憶する。記憶装置１０ｃは、例えば後述する各種テーブルを記憶する。

ネットワークインターフェース１０ｄは、インターネットなどのネットワークＮに接続され、該ネットワークＮを介して、学習用端末装置２０などの外部装置に接続される。そして、ネットワークインターフェース１０ｄは、ネットワークＮと学習支援サーバ装置１０を実現するコンピュータ装置の内部とのインターフェースをつかさどり、学習支援サーバ装置１０を実現するコンピュータ装置と外部装置との間におけるデータの入出力を制御する。

以下、図３を参照して、学習支援サーバ装置１０の構成について説明する。図３は、学習支援サーバ装置１０の構成の一例を示す構成図である。図３に示すように、学習支援サーバ装置１０は、例えば、記憶部１１、取得部１２、目標点特定部１３、問題特定部１４、解答判定部１５、傾向特定部１６、学び方モデル選定部１７、出力部１８、習熟度更新部１９を備える。

記憶部１１は、例えば、学び方モデル対応テーブル１１ａ、関連性テーブル１１ｂ、習熟度テーブル１１ｃを含んでいてもよい。

図４を参照して、学び方モデル対応テーブル１１ａについて説明する。図４に示すように、学び方モデル対応テーブル１１ａは、例えば、学び方モデルを識別する学び方モデルＩＤなどの適宜な項目を主キーとして、学習者における、「解答内容」、「学習履歴」、「習熟度」などの不正解傾向からなるレコードの集合体である。ここで、例えば、学び方モデルＩＤ「０１」は、学習内容の関連性を考慮した指導を実現するための第１学び方モデルに対応し、学び方モデルＩＤ「０２」は、学び方モデルＩＤ「０２」は、学習内容の関連性と学習者の習熟度を考慮した指導を実現するための第２学び方モデルに対応し、学び方モデルＩＤ「０３」は、誤答にあわせた指導を実現するための第３学び方モデルに対応し、学び方モデルＩＤ「０４」は、ヒント型指導を実現するための第４学び方モデルに対応する。第１学び方モデル乃至第４学び方モデルについては詳細に後述する。

図５を参照して、関連性テーブル１１ｂについて説明する。図５に示すように、関連性テーブル１１ｂは、例えば、所定の単元における複数の問題の集合であるユニットを識別するユニットＩＤなどの適宜な項目を主キーとして、問題間の関連性を示す「関連性」などからなるレコードの集合体である。

図６を参照して、習熟度テーブル１１ｃについて説明する。図６に示すように、習熟度テーブル１１ｃは、例えば、学習者を識別する学習者ＩＤなどの適宜な項目を主キーとして、ユニットＩＤ、習熟度などからなるレコードの集合体である。

取得部１２は、学習用端末装置２０などの外部装置から各種情報を取得する。また、取得部１２は、例えば、目標点に関する目標点情報、所定の問題に対する学習者の解答に関する解答情報などを取得する。

目標点特定部１３は、例えば、所定の問題（又はテスト）に対して学習者（又は管理者）が目標とした点数を示す「目標点」を特定する。

問題特定部１４は、例えば、目標点と、所定の問題（又はテスト）に対する、学習者の採点結果（解答結果）と、に基づいて問題を特定する。具体的には、問題特定部１４は、目標点が「８０点」の場合、学習者が所定の問題（テスト）に対して、採点結果「８０点」以上のとき、標準的な難易度の問題（テスト）を特定し、採点結果「８０点未満」のとき、標準的な難易度よりも低い難易度の問題（テスト）を特定する。これにより、学習者に適切な難易度の問題を出題できるため、学習者の学習意欲を向上させ、学習効率を向上できる。

解答判定部１５は、例えば、解答情報に基づいて所定の問題に対する解答者の解答が正解か否かを判定する。

傾向特定部１６は、例えば、解答判定部１５において、所定の問題（以下、「第１問題」という。）に対する学習者の解答が不正解と判定された場合、不正解に関する傾向（以下、「不正解傾向」という。）を特定する。「不正解傾向」とは、例えば、学習者の第１問題への「解答内容」、学習者の「学習履歴」、又は学習者の「習熟度」のうち少なくともいずれか一つに基づいて特定される、学習者の解答が不正解となる傾向である。

「解答内容」とは、例えば、多岐選択問題においてどの選択肢を選択したかということや、記述式問題においてどのような内容の解答を記載したかということなどである。傾向特定部１６は、例えば、当該解答内容に基づき第１問題に関する理解度を特定し、その特定した結果を不正解傾向として学び方モデル選定部１７に提供する。

「学習履歴」とは、例えば、過去において解答した問題（単元やユニットを含む）、その正誤、これまでの学習時間、所定の時間内（直前期）における学習時間などである。傾向特定部１６は、例えば、当該学習履歴に基づき過去において学習者が同様の間違いをしたか否か、又、間違えた頻度などを特定し、その特定した結果を不正解傾向として学び方モデル選定部１７に提供する。

「習熟度」とは、例えば、第１問題に関連する問題（単元やユニットを含む）の習熟の度合いを示す指標である。習熟度は、例えば、第１問題に類似する問題に対する過去の正答履歴や解答回数などに基づき算出される。傾向特定部１６は、当該習熟度を不正解傾向として学び方モデル選定部１７に提供する。

具体的に述べると、傾向特定部１６は、例えば、英語の文法問題において、学習者が過去進行形に関する問題を正解しなかった場合、過去進行形の学習内容と関係する学習内容（例えば過去形や現在進行形など）を特定する。そして、傾向特定部１６は、特定された学習内容について、過去の正答履歴を分析する。傾向特定部１６は、過去の正答履歴を分析した結果に基づいて、過去進行形の学習内容を理解するうえで、学習者における阻害要因がないか分析する。これにより、傾向特定部１６は、不正解傾向を特定することができる。

学び方モデル選定部１７は、不正解傾向に基づいて、学び方モデルを選定する。「学び方モデル」とは、例えば、第１問題に関連する問題（以下、「第２問題」という。）を、所定の手法により特定するモデルである。すなわち、学習支援システム１においては、学習者が第１問題に不正解すると、学習者に対して即時に第２問題を提供する。これにより、学習者の学習効率が向上する。

学び方モデル選定部１７は、例えば、学び方モデル対応テーブル１１ａを参照して、不正解傾向に対応する学び方モデルを選定してもよい。この場合、学び方モデル選定部１７は、例えば、学び方モデル対応テーブル１１ａの「解答内容」、「学習履歴」、「習熟度」の少なくともいずれかに対応する「学び方モデルＩＤ」を特定して、それに対応する学び方モデルを選定する。

なお、学び方モデル選定部１７は、例えば、不正解傾向と、それに対して適切な学び方モデルと、で学習された学習済みモデル（不図示）に、不正解傾向を入力することで、適切な学び方モデルを選定してもよい。また、学び方モデル選定部１７は、予め定められた学び方モデルを選定してもよい。

以下、学び方モデル選定部１７において選定される学び方モデル（第１学び方モデル～第４学び方モデル）の詳細について説明する。なお、以下に示す学び方モデルは一例を示すものであり、これらに限定されない。

第１学び方モデルは、例えば、第１問題と所定の問題との関連性に関する情報に基づいて、第２問題を特定するモデルである。「関連性」とは、第１問題と所定の問題とが単元の観点や具体的問題内容の観点で、どの程度、強い関連性を有しているかを示す指標である。例えば、図５において、問題ＩＤ「０００１」の問題に対して問題ＩＤ「１００１」の問題につき、関連性の強い「Ａ」が示されている。第１学び方モデルは、不正解であった第１問題に関連性が高い問題を、第２問題として特定する。これにより、学習者が不正解した直後に、学習者に対して最適な類題を提供できるため、学習効率を向上できる。

また、第１学び方モデルは、例えば、過去において、不正解した問題と当該問題の後に学習者に対して出題された問題とのセットと、その後の学習者の学習履歴と、に基づいて学習された学習済みモデル（不図示）を含むモデルであってもよい。この場合、第１学び方モデルに、不正解した第１問題を入力すれば、学習者にとって学習効果が高い第２問題が出力される。記憶部１１は、図５に示すテーブルを有しなくてもよい。これにより、統計的処理によって、学習者に対して最適な類題を提供できるため、学習効率を向上できる。

第２学び方モデルは、例えば、第１問題と所定の問題との関連性に関する情報と、図６を参照して特定された学習者の習熟度と、に基づいて、機械学習により、第２問題を特定するモデルである。これにより、学習者の習熟度に応じた第１問題に関連が深い問題を、第２問題として選定できるため、学習効率を向上できる。

第３学び方モデルは、例えば、第１問題が多岐選択問題である場合、学習者が選択した第１問題の選択肢に応じて第２問題を特定するモデルである。具体的には、第３学び方モデルは、例えば、各問題における不正解である各選択肢に対して復習に適当な問題を対応付けて格納し、学習者が選択した選択肢に対応する問題を、第２問題として特定する。これにより、適切な復習を提供できるため、学習効率を向上できる。

第４学び方モデルは、例えば、学習者による第１問題に関するヒントを要求する操作に応じて第２問題を特定するモデルである。具体的には、学習者が、学習用端末装置２０の表示部に表示される、第１問題に関するヒントを要求可能なオブジェクトを選択したときに、第４学び方モデルは、記憶部１１に格納されている所定のテーブル（不図示）を参照して、当該第１問題に対応する第２問題を特定する。これにより、学習者に対してヒントに相当する問題を提供することにより、学習者の学習を促進できるため、学習効率を向上できる。

出力部１８は、例えば、選定された学び方モデルで特定された第２問題を学習用端末装置２０に出力する。学習者は、学習用端末装置２０を介して第２問題について解答する。これにより、学習支援システム１は、学習者に対して不正解（つまずき）に応じた適切な問題を即時に提供可能となるため、学習者の学習効率を向上できる。

習熟度更新部１９は、例えば、第１問題に対する学習者の解答、又は第２問題に対する学習者の解答の少なくともいずれかに基づいて、学習者の習熟度を更新する。例えば、問題に対する学習者の正答履歴に基づいて、ユニットごとに設定される習熟度を更新する。例えば、学習者が第１問題に正解した場合、第１問題が含まれるユニットの習熟度を高め、学習者が第１問題に正解しない場合、第１問題が含まれるユニットの習熟度を低める。これにより、学習者に対して習熟度に応じた問題を提供することができるため、学習者の学習効率を向上できる。
＝＝＝学習用端末装置２０＝＝＝

次に、学習用端末装置２０について説明する。学習用端末装置２０のハードウェア構成（不図示）は、学習支援サーバ装置１０のハードウェア構成に対して、例えば、入力操作を受け付ける入力デバイスと、情報の出力を行う出力デバイスとを加えた構成である。入力デバイスは、例えば、タッチパネル、マイク、キーボード、および／またはカメラであってよい。出力デバイスは、例えば、ディスプレイおよび／またはスピーカーであってよい。学習支援サーバ装置１０と同様の構成についてはその説明を省略する。

ディスプレイは、画面を発光させて画像を映し出す表示装置である。ディスプレイは例えば液晶ディスプレイ、有機ＥＬディスプレイなどである。

タッチパネルは、ディスプレイに積層され、操作位置に応じた信号をプロセッサ１０ａに対して出力する。タッチパネルは、たとえば抵抗膜方式や静電容量方式、音響パルス認識方式、超音波表面弾性波方式、赤外遮光方式、画像認識方式など公知の各種の方式のものを用いることができる。

マイクは、アナログデータとして入力された話者の声をアナログ／デジタル変換し、デジタル形式の音声データを生成する。

スピーカーは、例えば、音読メニューの実行時にデジタル形式の音声データをデジタル／アナログ変換し、アナログ形式の音声データに基づいて、スピーカーコーンにおけるコイルに通電するなどして音声を出力する。

カメラは、タッチパネルの操作によって撮像対象を撮像し、画像データを生成する。生成された画像データは、メモリ１０ｂなどに記憶される。

以下、図７を参照して学習用端末装置２０の構成について説明する。図７は、学習用端末装置２０の構成の一例を示す構成図である。図７に示すように、学習用端末装置２０は、例えば、取得部２１、記憶部２２、問題表示部２３、解答入力受付部２４、解答表示部２５を備える。

取得部２１は、学習支援サーバ装置１０から各種情報を取得する。

記憶部２２は、取得部２１を介して学習支援サーバ装置１０から取得した各種情報を格納する。

すなわち、学習用端末装置２０においては、学習支援サーバ装置１０から学習者の学習に関する各種情報を取得して、該各種情報を記憶部２２に格納し、各部での処理に利用する。なお、学習用端末装置２０は、学習支援サーバ装置１０から該各種情報を取得せずに、予め該各種情報を記憶していてもよい。以下説明を省略するが、学習用端末装置２０は、例えば、所定の期間ごとに学習支援サーバ装置１０から各種情報をダウンロードして、ダウンロードした各種情報を記憶部２２から適宜取得して利用するものとしてよい。

問題表示部２３は、ディスプレイに問題を表示する。

解答入力受付部２４は、学習者によって入力された解答を受け付ける。解答入力受付部２４は、例えば、学習者がディスプレイのタッチパネルに接触して解答を記入し、プロセッサ１０ａが当該解答を標準文字に変換する。これにより、解答をディスプレイに表示することができる。

解答表示部２５は、学習者によって入力された解答をディスプレイに表示する。解答表示部２５は、所定の領域に学習者の手書き入力をプロセッサ１０ａが解析して標準文字に変換し、当該標準文字を表示する。これにより、学習者に対して手書き学習を提供できるため、学習者の学習効率を向上できる。
＝＝＝処理手順＝＝＝

図８、図９を参照して学習支援サーバ装置１０の処理手順について説明する。図８は、学習支援サーバ装置１０の処理手順を示すフロー図である。図９は、学習支援サーバ装置１０の難易度を特定する処理手順を示すフロー図である。

まず、Ｓ１０１において、学習支援システム１は、目標点を特定し、所定の問題につき、学習者が当該目標点を達成したか否かを判定する。そして、学習支援システム１は、判定結果に対応する難易度の問題を、学習者に提供する。

具体的に説明すると、図９に示すように、Ｓ１０１１において、「目標点」が設定されている状態において、学習者における例えば「チェック問題」の結果、目標点を達成した場合（Ｓ１０１２：ＹＥＳ）、難易度が標準的な「標準問題」を、学習者に提供する問題として特定する（Ｓ１０１３）。一方、学習者における例えば「チェック問題」の結果、目標点を達成できなかった場合（Ｓ１０１２：ＮＯ）、難易度が標準よりも低い「基本問題」を、学習者に提供する問題として特定する（Ｓ１０１４）。ここで、「チェック問題」とは、例えば、学習者の現在の学力を図るものであればよく、学習支援サーバ装置１０が学習者に対して提供するテストや問題などである。Ｓ１０１３において、「標準問題」を解答した結果、目標点を達成した場合（Ｓ１０１５：ＹＥＳ）、より難易度が高い「挑戦問題」を出題し（Ｓ１０１６）、目標点を達成できなかった場合（Ｓ１０１５：ＮＯ）、「基本問題」を出題する（Ｓ１０１７）。Ｓ１０１４において、「標準問題」を解答した結果、目標点を達成した場合（Ｓ１０１８：ＹＥＳ）、より難易度が高い「標準問題」を出題し（Ｓ１０１９）、目標点を達成できなかった場合（Ｓ１０１８：ＮＯ）、「基本問題」を出題する（Ｓ１０２０）。

次に、Ｓ１０２において、学習支援システム１は、特定された問題において、第１問題の解答情報を取得する。

次に、Ｓ１０３において、学習支援システム１は、第１問題の解答の正否を判定する。

次に、Ｓ１０４において、学習支援システム１は、第１問題に対する学習者の解答が不正解である場合、不正解傾向を特定する。

次に、Ｓ１０５において、学習支援システム１は、不正解傾向に基づき学習者の学習状態に応じた適切な問題を提供可能な学び方モデルを選定する。

次に、Ｓ１０６において、学習支援システム１は、学び方モデルにより第２問題を選定する。そして、学習支援システム１は、第２問題を学習用端末装置２０に出力する。これにより、学習者に対して不正解であった問題に類似する問題を即時に提供されるため、学習者は同様の問題を解答できるようになる。

次に、Ｓ１０７において、学習支援システム１は、ユニットの習熟度を更新する。これにより、適切な第２問題の選定が可能となるため、学習者の学習効率が向上する。
＝＝＝まとめ＝＝＝

本実施形態において、学習支援システム１は、第１問題に対する学習者の解答を取得する取得部１２と、解答が正解か否かを判定する解答判定部１５と、解答判定部１５において不正解と判定された場合、不正解に関する傾向を特定する傾向特定部１６と、特定された不正解に関する傾向に基づいて、第１問題に関連する第２問題を所定の手段で特定する学び方モデルを選定する学び方モデル選定部１７と、選定された学び方モデルで特定された第２問題を、学習者に対して出力する出力部１８と、を備える。本実施形態によれば、学習者が不正解の解答に対して、直ぐに類似問題を提供することで、学習者の学習効率の向上が図れる。

本実施形態において、学習支援システム１の傾向特定部１６は、学習者の第１問題への解答内容、学習者の学習履歴、又は学習者の習熟度のうち少なくともいずれか一つに基づいて、不正解に関する傾向を特定する。本実施形態によれば、学習者に応じた不正解の傾向を適切に特定できるため、学習者の学習効率の向上が図れる。

本実施形態において、学習支援システム１の学び方モデルは、第１問題と所定の問題との関連性に関する情報に基づいて第２問題を特定することを含む（第１学び方モデル）。本実施形態によれば、不正解であった第１問題との関連性を考慮した第２問題を特定できるため、学習者の学習効率の向上が図れる。

本実施形態において、学習支援システム１の学び方モデルは、第１問題と所定の問題との関連性に関する情報と、学習者の習熟度と、に基づいて、第２問題を特定することを含む（第２学び方モデル）。本実施形態によれば、不正解であった第１問題との関連性に加えて、習熟度をも考慮した第２問題を特定できるため、学習者の学習効率の向上が図れる。

本実施形態において、学習支援システム１の学び方モデルは、学習者が選択した第１問題の選択肢に応じて第２問題を特定することを含む（第３学び方モデル）。本実施形態によれば、選択式問題に対して適切な第２問題を選定できるため、学習者の学習効率の向上が図れる。

本実施形態において、学習支援システム１の学び方モデルは、学習者による第１問題に関するヒントを要求する操作に応じて第２問題を特定することを含む（第４学び方モデル）。本実施形態によれば、ヒントに代えて解法を学ぶために適切な問題を提供することで、学習者の学習効率の向上が図れる。

本実施形態において、学習支援システム１は、第１問題に対する学習者の解答、又は第２問題に対する学習者の解答の少なくともいずれかに基づいて、学習者の習熟度を更新する習熟度更新部１９をさらに備える。本実施形態によれば、学習者に対して習熟度に応じた問題を提供することができるため、学習者の学習効率を向上できる。

本実施形態において、学習支援システム１は、所定の問題に対する目標点を特定する目標点特定部１３と、特定された前記目標点と、所定の問題に対する学習者の解答結果と、に基づいて、第１問題を特定する問題特定部１４とをさらに備える。本実施形態によれば、学習者に適切な難易度の問題を出題できるため、学習者の学習効率を向上できる。

以上、本発明の実施形態を説明したが、これは本発明の説明のための例示であって、本発明の範囲をこの実施形態にのみ限定する趣旨ではない。本発明は、他の種々の実施形態でも実施することが可能である。

１…学習支援システム、１０…学習支援サーバ装置、１１…記憶部、１２…取得部、１３…目標点特定部、１４…問題特定部、１５…解答判定部、１６…傾向特定部、１７…学び方モデル選定部、１８…出力部、１９…習熟度更新部、２０…学習用端末装置、２１…取得部、２２…記憶部、２３…問題表示部、２４…解答入力受付部、２５…解答表示部。

Claims (9)

1. 第１問題に対する学習者の解答を取得する取得部と、
   前記解答が正解か否かを判定する解答判定部と、
   前記解答判定部において不正解と判定された場合、不正解に関する傾向を特定する傾向特定部と、
   前記傾向特定部で特定された前記不正解に関する傾向に基づいて、異なる複数の学び方モデルの中から、当該不正解に関する傾向に対応する一つの学び方モデルを選定する学び方モデル選定部と、
   選定された前記学び方モデルで特定される、前記第１問題に関連する第２問題を、前記学習者に対して出力する出力部と、
   を備え、
   前記学び方モデルは、所定の指導を実現するための学び方に関するモデルであり、
   前記異なる複数の学び方モデルは、前記第１問題に関連する前記第２問題を、前記学習者に関する情報に基づいて、それぞれ異なる手法により特定するためのモデルであり、
   前記異なる複数の学び方モデルの少なくとも一つは、前記学習者による前記第１問題に関するヒントを要求する操作に応じて、当該要求されたヒントに相当する前記第２問題を特定するモデルである、
   学習支援システム。
2. 前記学び方モデル選定部は、前記不正解に関する傾向と、前記不正解に関する傾向に対応する学び方モデルと、で学習された学習済みモデルを含み、前記学習済みモデルに、前記解答判定部において不正解と判定された前記第１問題に対する前記学習者の解答が入力されて、前記複数の学び方モデルのうち一つの学び方モデルを選定する、
   請求項１に記載の学習支援システム。
3. 前記傾向特定部は、前記学習者の前記第１問題への解答内容、前記学習者の学習履歴、又は前記学習者の習熟度のうち少なくともいずれか一つに基づいて、前記不正解に関する傾向を特定する、
   請求項１または請求項２に記載の学習支援システム。
4. 前記異なる複数の学び方モデルの少なくとも一つは、前記第１問題と所定の問題との関連性に関する情報と、前記学習者の習熟度と、に基づいて、前記第２問題を特定することを含む、
   請求項１乃至３のいずれか一項に記載の学習支援システム。
5. 前記第１問題は、多岐選択問題であり、
   前記異なる複数の学び方モデルの少なくとも一つは、前記学習者が選択した前記第１問題の選択肢に応じて前記第２問題を特定することを含む、
   請求項１乃至４のいずれか一項に記載の学習支援システム。
6. 前記第１問題に対する学習者の解答、又は前記第２問題に対する学習者の解答の少なくともいずれかに基づいて、前記学習者の習熟度を更新する習熟度更新部、
   をさらに備える請求項４に記載の学習支援システム。
7. 所定の問題に対する目標点を特定する目標点特定部と、
   特定された前記目標点と、前記所定の問題に対する学習者の解答結果と、に基づいて、前記第１問題を特定する問題特定部と、
   をさらに備える請求項１乃至６のいずれか一項に記載の学習支援システム。
8. コンピュータが、
   第１問題に対する学習者の解答を取得する取得ステップと、
   前記解答が正解か否かを判定する解答判定ステップと、
   前記解答判定ステップにおいて不正解と判定された場合、不正解に関する傾向を特定する傾向特定ステップと、
   前記傾向特定ステップで特定された前記不正解に関する傾向に基づいて、異なる複数の学び方モデルの中から、当該不正解に関する傾向に対応する一つの学び方モデルを選定する学び方モデル選定ステップと、
   選定された前記学び方モデルで特定される、前記第１問題に関連する第２問題を、前記学習者に対して出力する出力ステップと、
   を実行し、
   前記学び方モデルは、所定の指導を実現するための学び方に関するモデルであり、
   前記異なる複数の学び方モデルは、前記第１問題に関連する前記第２問題を、前記学習者に関する情報に基づいて、それぞれ異なる手法により特定するためのモデルであり、
   前記異なる複数の学び方モデルの少なくとも一つは、前記学習者による前記第１問題に関するヒントを要求する操作に応じて、当該要求されたヒントに相当する前記第２問題を特定するモデルである、
   学習支援方法。
9. コンピュータに、
   第１問題に対する学習者の解答を取得させることと、
   前記解答が正解か否かを判定させることと、
   不正解と判定された場合、不正解に関する傾向を特定させることと、
   特定された前記不正解に関する傾向に基づいて、異なる複数の学び方モデルの中から、当該不正解に関する傾向に対応する一つの学び方モデルを選定させることと、
   選定された前記学び方モデルで特定される、前記第１問題に関連する第２問題を、前記学習者に対して出力させることと、
   を実現させ、
   前記学び方モデルは、所定の指導を実現するための学び方に関するモデルであり、
   前記異なる複数の学び方モデルは、前記第１問題に関連する前記第２問題を、前記学習者に関する情報に基づいて、それぞれ異なる手法により特定するためのモデルであり、
   前記異なる複数の学び方モデルの少なくとも一つは、前記学習者による前記第１問題に関するヒントを要求する操作に応じて、当該要求されたヒントに相当する前記第２問題を特定するモデルである、
   プログラム。

Images