JP7021758B1 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Abstract

【課題】学習者が試験で獲得可能と予測される試験スコアを取得する技術を提供する。【解決手段】実施形態によれば、情報処理装置は、対象ユーザによる単元に関連付けられたアウトプットレッスンの受講に基づいて前記アウトプットレッスンのスコアを取得し、前記アウトプットレッスンのスコアに基づいて、前記対象ユーザの前記単元の実力を示す単元スコアを更新する単元スコア処理部と、前記対象ユーザの複数の単元の単元スコアに基づいて、前記対象ユーザの予測試験スコアを取得する試験スコア予測部と、を備える。【選択図】図８

Description

本開示は、学習を支援する情報処理装置、情報処理方法及び情報処理プログラムに関する。

近年、資格試験等の講座をインターネット経由で配信するサービスが広まっている。学習者は、資格試験の合格を目指して、限られた時間の中で講座を受講する。
学習者の学習意欲を維持させるための技術の開発が進められている。学習期間中に、学習者が試験を受けると想定した場合に現時点で学習者が試験で獲得可能と予測される試験スコアを学習者に提示することは、学習者の学習意欲を維持させることに繋がる可能性がある。

特許文献１には、複数の学習者の学習行動、テスト結果、ポイント、本試験の合否の情報に基づいて、学習を効率的に支援するために学習者へ付与するポイント又は学習者から剥奪するポイントを算出することが記載されている。

特許６８１５６７３号公報

しかしながら、特許文献１に開示された技術は、学習者が試験で獲得可能と予測される試験スコアを学習者に提示するものではない。

そこで、本発明は、学習者が試験で獲得可能と予測される試験スコアを取得する技術を提供しようとするものである。

本開示による情報処理装置は、対象ユーザによる単元に関連付けられたアウトプットレッスンの受講に基づいて前記アウトプットレッスンのスコアを取得し、前記アウトプットレッスンのスコアに基づいて、前記対象ユーザの前記単元の実力を示す単元スコアを更新する単元スコア処理部と、前記対象ユーザの複数の単元の単元スコアに基づいて、前記対象ユーザの予測試験スコアを取得する試験スコア予測部と、を備える。

本開示による情報処理装置、情報処理方法及び情報処理プログラムは、学習者が試験で獲得可能と予測される試験スコアを取得する技術を提供しようとするものである。

図１は、第１の実施形態に係るサーバの構成例を示すブロック図である。 図２は、第１の実施形態に係るサーバに記憶される配点割合データの構成例を示す図である。 図３は、第１の実施形態に係るサーバにより実行されるアウトプットレッスンのスコアの取得に基づく処理の一例を示すフローチャートである。 図４は、第１の実施形態に係るサーバにより実行される単元スコアの更新処理の一例を示すフローチャートである。 図５は、第１の実施形態に係るサーバにより実行される時間経過に基づく処理の一例を示すフローチャートである。 図６は、第１の実施形態に係るサーバにより実行される単元スコアの更新処理の別の例を示すフローチャートである。 図７は、第１の実施形態に係るサーバにより実行される定着度の更新処理の一例を示すフローチャートである。 図８は、第１の実施形態に係るサーバにより実行される単元スコアの更新処理例を示す図である。 図９は、第１の実施形態に係るサーバにより実行される予測試験スコアの取得処理の一例を示すフローチャートである。 図１０は、第１の実施形態に係るサーバにより実行される各パラメータの最適化処理の一例を示すフローチャートである。 図１１は、第１の実施形態に係るサーバにより実行される試験スコア予測モデルの生成処理の一例を示すフローチャートである。 図１２は、第２の実施形態に係るサーバの構成例を示すブロック図である。 図１３は、第２の実施形態に係るサーバに記憶される第１の類似度データの構成例を示す図である。 図１４は、第２の実施形態に係るサーバにより実行される第１の予測単元スコアの取得処理の一例を示すフローチャートである。 図１５は、第２の実施形態に係るサーバにより実行される第１の単元スコア予測モデルの生成処理の一例を示すフローチャートである。 図１６は、第３の実施形態に係るサーバの構成例を示すブロック図である。 図１７は、第３の実施形態に係るサーバに記憶される第２の類似度データの構成例を示す図である。 図１８は、第３の実施形態に係るサーバにより実行される第２の予測単元スコアの取得処理の一例を示すフローチャートである。 図１９は、第３の実施形態に係るサーバにより実行される第２の単元スコア予測モデルの生成処理の一例を示すフローチャートである。 図２０は、第４の実施形態に係るサーバにより実行される第３の予測単元スコアの取得処理の一例を示すフローチャートである。 図２１は、第４の実施形態に係るサーバにより実行される第３の単元スコア予測モデルの生成処理の一例を示すフローチャートである。

以下、図面を参照していくつかの実施形態を説明する。

［第１の実施形態］
（構成例）
図１は、第１の実施形態に係るサーバ１の構成例を示すブロック図である。
サーバ１は、各種試験の講座の受講を登録している各ユーザの端末に対して、ネットワークＮＷを介して、講座のコンテンツを配信する電子機器である。サーバ１は、情報処理装置の一例である。ネットワークＮＷは、インターネット、モバイルネットワーク及びＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等のうちの少なくとも１以上のネットワークを含む。ここでは、端末２を所有するユーザを例にして説明する。端末２を所有するユーザは、対象ユーザともいう。ユーザは、受講者又は学習者ともいう。

試験は、合否を最終結果とする試験であっても、得点を最終結果とする試験であってもよく、限定されない。例えば、合否を最終結果とする試験は、資格の付与に関する試験である。資格の付与に関する試験は、国家資格の付与に関する試験であっても、民間資格の付与に関する試験であってもよい。例えば、得点を最終結果とする試験は、語学に関する試験である。試験は、入学試験であってもよい。試験は、テスト及び検定等を含む。

各試験の講座は、試験を構成する各科目について、複数の単元で構成される。単元は、テーマ等の内容に応じたまとまりである。各単元に関連付けられたレッスンは、インプットレッスン及びアウトプットレッスンを含む。

インプットレッスンは、ユーザが知識を取り込むためのレッスンである。一例では、インプットレッスンは、ウェブ上での受講形式である。インプットレッスンは、動画又は音声の視聴による受講形式であってもよい。インプットレッスンは、ウェブ上の電子化されたテキストの使用による受講形式であってもよい。インプットレッスンは、動画又は音声の視聴及びウェブ上の電子化されたテキストの使用を組み合わせた受講形式であってもよい。この例では、サーバ１は、ユーザの受講ログを取ることにより、ユーザによるインプットレッスンの受講時間を取得することができる。別の例では、インプットレッスンは、冊子等の紙媒体のテキストの使用による受講形式であってもよい。この例では、サーバ１は、ユーザによる入力に基づいて、ユーザによるインプットレッスンの受講時間を取得することができる。

アウトプットレッスンは、ユーザが問題を解くことにより知識の定着を確認するためのレッスンである。一例では、アウトプットレッスンは、ウェブ上での問題への解答による受講形式である。この例では、サーバ１は、ユーザのログを取ることにより、ユーザによるアウトプットレッスンの受講時間及びユーザがアウトプットレッスンで獲得したスコアを取得することができる。別の例では、アウトプットレッスンは、冊子等の実際のテキストに載っている問題への解答による受講形式である。この例では、サーバ１は、ユーザによる入力に基づいて、ユーザによるアウトプットレッスンの受講時間及びユーザがアウトプットレッスンで獲得したスコアを取得することができる。さらに別の例では、アウトプットレッスンは、記述式問題又は添削課題に対する解答による受講形式である。この例では、ユーザは、記述式問題または添削課題の解答を、文書データのアップロード又はウェブのフォームへの記入によってオンラインで提出することができる。講師は、オンラインで解答を採点及び添削を行い、ユーザがアウトプットレッスンで獲得したスコアを含む採点結果をユーザへ返却することができる。サーバ１は、講師によるオンラインでの採点に基づいて、ユーザがアウトプットレッスンで獲得したスコアを取得することができる。サーバ１は、ユーザによる入力に基づいて、ユーザによるアウトプットレッスンの受講時間を取得することができる。

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。中小企業診断士の一次試験は、７科目で構成されている。中小企業診断士の一次試験は、７科目のそれぞれが１００点満点の合計７００点満点の試験である。各科目は、１２個の単元で構成されているものとする。中小企業診断士の一次試験の講座を構成する試験の全ての単元は、全ての単元ともいう。全ての単元は、複数の単元の一例である。中小企業診断士の一次試験の講座は、大区分として、基礎力編と実力編に分かれているものとする。基礎力編及び実力編は、各科目に含まれる各単元について２つのアウトプットレッスンを含む。２つのアウトプットレッスンは、基礎問題のアウトプットレッスン及び過去問のアウトプットレッスンである。

サーバ１の構成例について説明する。
サーバ１は、プロセッサ１１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３、記憶装置１４及び通信インタフェース１５を備える。プロセッサ１１、ＲＯＭ１２、ＲＡＭ１３、記憶装置１４及び通信インタフェース１５は、データバス等を介して互いに接続される。図１では、通信インタフェースは、「通信Ｉ／Ｆ」と記載されている。

プロセッサ１１は、サーバ１全体の動作を制御する。プロセッサ１１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であるが、これに限定されない。プロセッサ１１は、フィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等を含む回路で構成されていてもよい。プロセッサ１１は、ＲＯＭ１２又は記憶装置１４に予め記憶されているプログラムをＲＡＭ１３に展開する。プロセッサ１１は、ＲＡＭ１３に展開されたプログラムを実行することで、後述する各部を実現し、種々の動作を実行する。

ＲＯＭ１２は、予め制御用のプログラム及び制御データ等を記憶する不揮発性のメモリである。

ＲＡＭ１３は、プロセッサ１１の処理中のデータ等を一時的に格納する揮発性のメモリである。

記憶装置１４は、データ及びプログラム等を記憶する不揮発性メモリで構成される装置である。記憶装置１４は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等で構成されるが、これらに限定されない。記憶装置１４は、記憶部の一例である。

記憶装置１４は、管理データ１４１を記憶する。
管理データ１４１は、単元スコアの更新に用いる各種パラメータ及び各ユーザのユーザデータを含む。単元スコアは、各ユーザの各単元の実力を示すスコアである。例えば、単元スコアは、現時点で、ユーザが単元の出題範囲について試験で獲得する可能性のある点数を１００点満点に換算した点数である。講座の受講開始時点における各単元の単元スコアを示す初期値は、対象ユーザの実績を示す講座の最初の実力診断テストに基づいて設定されてもよい。各単元の単元スコアの初期値は、最低点等の固定値に設定されてもよい。

各種パラメータは、難易度、忘却度、寄与度、定着作用度及び定着度を含む。
難易度は、各アウトプットレッスンの難しさの度合を示すパラメータである。難易度が高くなることは、アウトプットレッスンのスコアが単元スコアに反映され易くなることを意味する。これは、難易度が高くなるにつれてユーザの実力も上がる傾向にあるからである。アウトプットレッスンのスコアは、アウトプットレッスンの受講によりユーザがアウトプットレッスンで獲得した１００点満点中の点数である。難易度は、アウトプットレッスン毎に異なる。難易度は、「Ａ_Ｘ」で示されることもある。「Ａ」の下付き添え字の「Ｘ」は、アウトプットレッスンを識別する文字列である。例えば、科目１に含まれる単元１に関連付けられた基礎問題のアウトプットレッスンの難易度Ａ_１－１ａは、６０％とする。科目１に含まれる単元１に関連付けられた過去問のアウトプットレッスンの難易度Ａ_１－１ｂは、８０％とする。科目１に含まれる単元２に関連付けられた基礎問題のアウトプットレッスンの難易度Ａ_１－２ａは、６０％とする。科目１に含まれる単元２に関連付けられた過去問のアウトプットレッスンの難易度Ａ_１－２ｂは、８０％とする。基礎問題のアウトプットレッスンの難易度は、単元間で異ならなくてもいいし、単元間で異なってもよい。過去問のアウトプットレッスンの難易度は、単元間で異ならなくてもいいし、単元間で異なってもよい。難易度Ａ_Ｘは、変更可能であり得る。

忘却度は、時間経過に伴いスコアを減少させる度合を示すパラメータである。時間経過に伴いスコアを減少させるのは、時間経過に伴いユーザの記憶から知識が抜けるからである。ここでは、説明の簡略化のために、忘却度は、所定期間毎にスコアを低下させる度合を示すものとする。所定期間は１日であるものとするが、これに限定されない。忘却度は、ユーザ間で異ならないものとして説明するが、ユーザ毎に異なってもよい。忘却度は、「Ｂ」で示されることもある。例えば、忘却度Ｂは、４％とする。忘却度Ｂは、変更可能であり得る。

寄与度は、全ての単元の単元スコアに対する全ての単元に関連付けられた複数のアウトプットレッスンの寄与する度合を示すパラメータである。寄与度が高くなることは、アウトプットレッスンのスコアが重視され易くなり、現在の単元スコアが軽視され易くなることを意味する。アウトプットレッスンのスコアが重視され易くなることは、アウトプットレッスンのスコアが単元スコアに反映され易くなることを意味する。寄与度が低くなることは、アウトプットレッスンで高得点を獲得しても、単元スコアに反映され難くなることを意味する。ここでは、説明の簡略化のために、寄与度は、単元間で異ならないものとするが、これに限定されない。寄与度は、単元毎に異なってもよい。寄与度は、単元に複数のアウトプットレッスンが関連付けられている場合、アウトプットレッスン毎に異なってもよい。寄与度は、ユーザ間で異ならないものとして説明するが、ユーザ毎に異なってもよい。寄与度は、「Ｃ」で示されることもある。寄与度Ｃは、５０％とする。寄与度Ｃは、変更可能であり得る。

定着度は、アウトプットレッスンの定着度合を示すパラメータである。定着度は、同じアウトプットレッスンの受講回数に応じて増加する。例えば、同じアウトプットレッスンの受講回数が１回ずつ増加する毎に、定着度は３０％ずつ上がるものとする。定着度の増加幅は、これに限定されない。定着度の増加幅は、受講回数に応じて異なってもよい。同じアウトプットレッスンの受講回数が０回の場合、定着度は０％とする。同じアウトプットレッスンの受講回数が１回の場合、定着度は３０％とする。定着率が高くなることは、時間経過に伴うスコアの減少を抑え易くなることを意味する。スコアの減少を抑える安くなることは、アウトプットレッスンで得られた知識が定着により忘れ難くなることを意味する。定着度は、ユーザ間で異ならないものとして説明するが、ユーザ毎に異なってもよい。定着度は、「Ｄ_Ｙ」で示されることもある。「Ｄ」の下付き添え字の「Ｙ」は、アウトプットレッスンを識別する文字列である。定着度Ｄ_Ｙは、変更可能であり得る。

定着作用度は、定着度を作用させる度合を示すパラメータである。定着作用度が高くなることは、定着度を反映させ易くなるので、時間経過に伴うスコアの減少を抑え易くなることを意味する。定着作用度は、ユーザ間で異ならないものとして説明するが、ユーザ毎に異なってもよい。定着作用度は、「Ｅ」で示されることもある。定着作用度Ｅは、変更可能であり得る。

管理データ１４１は、各ユーザのユーザデータを含む。
ユーザデータは、全ての単元の単元スコアの履歴を含む。単元スコアの履歴は、初期値を含む。単元スコアの履歴は、後述する単元スコア処理部１１１による更新処理毎の単元スコアを含む。
ユーザデータは、講座の受講ログを含む。受講ログは、受講済の各レッスンの受講日時を含む。受講ログは、受講済の各レッスンの受講時間を含む。受講ログは、各アウトプットレッスンの受講に基づく各アウトプットレッスンのスコアを含む。アウトプットレッスンの受講に基づくアウトプットレッスンのスコアは、受講済のアウトプットレッスンのスコアである。同じアウトプットレッスンが複数回受講された場合、受講ログは、受講毎のアウトプットレッスンのスコアを含む。なお、アウトプットレッスンが模擬試験の場合、模擬試験の得点は、各単元に関連付けられたアウトプットレッスンのスコアと見做して分解されてもよい。模擬試験の得点は、模擬試験に含まれる設問単位で各単元に分解されてもよい。各単元に一対一で紐づく設問の得点は、その単元の得点に割り当てられてもよい。複数の単元に跨る設問の得点は、各単元に割り振られてもよい。講座の受講ログは、ユーザによる各レッスンの受講に基づいて単元スコア処理部１１１により取得される。

ユーザデータは、各アウトプットレッスンに設定された定着度Ｄ_Ｙを含む。各アウトプットレッスンに設定された定着度Ｄ_Ｙは、各アウトプットレッスンの受講回数に応じて変化する。

ユーザデータは、試験スコア予測部１１２により全ての単元の単元スコアに基づいて取得された予測試験スコアを含む。予測試験スコアは、ユーザが試験を受けると想定した場合に、現時点で、ユーザが試験で獲得可能と予測される７００点満点中の試験の総合点を示す試験スコアである。予測試験スコアは、１００点満点中の科目毎の得点を含んでもよい。ユーザデータは、試験スコア予測部１１７により異なるタイミングで取得された複数の予測試験スコアを含んでもよい。

ユーザデータは、ユーザにより端末を介してアンケートフォーム等で実績試験スコアを入力された場合、実績試験スコアを含む。実績試験スコアは、ユーザが実際に試験を受けて獲得した７００点満点中の試験の総得点を示す試験スコアである。実績試験スコアは、１００点満点中の科目毎の得点を含んでもよい。実績試験スコアは、単元毎の得点を含んでもよい。実績試験スコアは、自己採点による得点でもよいし、公式に通知された得点でもよい。実績試験スコアは、実際の試験の直前に行われる模擬試験をユーザが受けて獲得した得点を示す試験スコアであってもよい。この例では、模擬試験の試験スコアは、実際の試験の試験スコアの代用又は補完となり得る。模擬試験の試験スコアを収集することは、実際の試験の試験スコアのデータ量が不足する場合に有効である。

ユーザデータは、ユーザにより端末を介してユーザの属性を入力された場合、ユーザの属性を含んでもよい。ユーザの属性は、ユーザ固有の特徴である。例えば、ユーザの属性は、年齢、性別、職業、業界及び保有資格等の要素を含む。

各ユーザのユーザデータは、各ユーザによる受講又は情報の入力に基づいて更新され得る。

記憶装置１４は、配点割合データ１４２を記憶する。
配点割合データ１４２は、各科目について、各単元と各単元に割り当てられた配点割合とを紐付けたデータである。配点割合は、各科目の１００点満点に対して各単元に割り当てられた配点の割合である。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。配点割合データ１４２は、配点割合の更新に応じて更新される。

記憶装置１４は、試験スコア予測モデル１４３を記憶する。
試験スコア予測モデル１４３は、試験スコア予測用学習データに基づいて試験スコア予測モデル処理部１１５により生成される学習済モデルである。「生成」の表記は、新たに作成の態様だけでなく、更新の態様を含む。試験スコア予測用学習データは、試験スコア学習用入力データ及び試験スコア学習用出力データを含む。試験スコア学習用入力データは、全ての単元についての複数のユーザの単元スコアを含む。試験スコア学習用入力データは、複数のユーザの受講済の各レッスンの受講時間を含んでもよい。試験スコア学習用入力データは、複数のユーザの属性を含んでもよい。試験スコア学習用出力データは、複数のユーザの実績試験スコアを含む。試験スコア予測モデル１４３は、試験スコア予測用入力データの入力に基づいて、試験スコア予測用出力データを出力する。試験スコア予測用入力データは、全ての単元についての対象ユーザの単位スコアを含む。試験スコア予測用入力データは、対象ユーザの受講済の各レッスンの受講時間を含んでもよい。試験スコア予測用入力データは、対象ユーザの属性を含んでもよい。試験スコア予測用出力データは、対象ユーザの予測試験スコアを含む。試験スコア学習用入力データは、学習用入力データ又は入力データの一例である。試験スコア学習用出力データは、学習用出力データ又は出力データの一例である。試験スコア予測用入力データは、予測用入力データ又は入力データの一例である。試験スコア予測用出力データは、予測用出力データ又は出力データの一例である。

通信インタフェース１５は、ネットワークＮＷにより定義される通信プロトコルを使用してサーバ１を他の電子機器と通信可能に接続する種々のインタフェースを含む。

なお、サーバ１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。サーバ１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１１よって実現される各部について説明する。
プロセッサ１１は、単元スコア処理部１１１、試験スコア予測部１１２、出力部１１３、最適化処理部１１４及び試験スコア予測モデル処理部１１５を実現する。プロセッサ１１によって実現される各部は、各機能ということもできる。プロセッサ１１によって実現される各部は、プロセッサ１１、ＲＯＭ１２及びＲＡＭ１３を含む制御部によって実現されるということもできる。

単元スコア処理部１１１は、対象ユーザの単元スコアを更新する。現在の単元スコアは、単元スコアＳ_{ｃｕｒｒｅｎｔ}ともいう。単元スコアＳ_{ｃｕｒｒｅｎｔ}は、単元スコア処理部１１１による更新処理の対象となり得る。単元スコア処理部１１１による更新処理後の単元スコアは、単元スコアＳ_ｎｅｗともいう。

試験スコア予測部１１２は、対象ユーザの全ての単元の単元スコアに基づいて、対象ユーザの予測試験スコアを取得する。予測試験スコアは、科目毎の予測スコアを含んでもよい。

出力部１１３は、予測結果を端末２に出力する。予測結果は予測試験スコアを含む。

最適化処理部１１４は、単元スコアの更新に用いる各種パラメータを最適化する。

試験スコア予測モデル処理部１１５は、機械学習により試験スコア予測モデル１４３を生成する。

端末２について説明する。
端末２は、対象ユーザによる受講に用いられる電子機器である。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コンテンツを表示してもよいし、アプリを用いてコンテンツを表示してもよい。

端末２は、プロセッサ２１、ＲＯＭ２２、ＲＡＭ２３、記憶装置２４、通信インタフェース２５、入力装置２６及び表示装置２７を備える。プロセッサ２１、ＲＯＭ２２、ＲＡＭ２３、記憶装置２４、通信インタフェース２５、入力装置２６及び表示装置２７は、データバスなどを介して互いに接続される。

プロセッサ２１は、端末２全体の動作を制御する。プロセッサ２１は、上述のプロセッサ１１と同様のハードウェアで構成される。
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。
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、対象ユーザによる操作に基づいて指示を受け付ける装置である。入力装置２６は、キーボード又はタッチパッド等であるが、これらに限定されない。

表示装置２７は、画像を表示する装置である。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。例えば、表示装置２７は、予測結果を表示する。

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。

図２は、第１の実施形態に係るサーバ１に記憶される配点割合データ１４２の構成例を示す図である。
例えば、配点割合データ１４２は、図２に例示するテーブルである。図２には、科目１のテーブルを示しているが、科目２～７のテーブルは、科目１のテーブルと同様に構成される。
配点割合データ１４２は、各単元のレコードを含む。各単元のレコードは、配点割合を格納するフィールドを含む。「その他」は、科目１のうち「１－１」～「１－１２」の単元の何れでも触れられていない内容である。

（動作例）
次に、以上のように構成されたサーバ１の動作例を説明する。
なお、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。

図３は、第１の実施形態に係るサーバ１により実行されるアウトプットレッスンのスコアの取得に基づく処理の一例を示すフローチャートである。
単元スコア処理部１１１は、対象ユーザによるアウトプットレッスンの受講に基づいて図３に示す処理を開始する。単元スコア処理部１１１は、アウトプットレッスンの受講直後に処理を開始してもいいし、任意のタイミングに処理を開始してもよい。対象ユーザにより受講されたアウトプットレッスンは、対象アウトプットレッスンともいう。対象アウトプットレッスンは、アウトプットレッスンの一例である。対象アウトプットレッスンに関連付けられた単元は、対象単元ともいう。対象単元は、単元の一例である。

単元スコア処理部１１１は、対象ユーザによる対象単元に関連付けられた対象アウトプットレッスンの受講に基づいて対象アウトプットレッスンのスコアを取得する（ステップＳ１）。ステップＳ１では、例えば、単元スコア処理部１１１は、対象アウトプットレッスンの最新の受講に基づく対象アウトプットレッスンのスコアを管理データ１４１から取得する。対象アウトプットレッスンのスコアは、レッスンスコアＳ_１ともいう。

単元スコア処理部１１１は、レッスンスコアＳ_１に基づいて、対象ユーザの対象単元の単元スコアを更新する（ステップＳ２）。単元スコア処理部１１１は、対象単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}に対するレッスンスコアＳ_１の反映により、対象単元の単元スコアを更新する。対象単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}は、対象アウトプットレッスンの受講直前の対象単元の単元スコアとなる。

図４は、第１の実施形態に係るサーバに１より実行される単元スコアの更新処理の一例を示すフローチャートである。
図４は、図３に示すステップＳ２の典型例を示す。

単元スコア処理部１１１は、対象アウトプットレッスンに設定された難易度Ａ_Ｘに基づいてレッスンスコアＳ_１を調整する（ステップＳ２１）。ステップＳ２１では、例えば、単元スコア処理部１１１は、対象アウトプットレッスンに設定された難易度Ａ_Ｘを管理データ１４１から取得する。単元スコア処理部１１１は、レッスンスコアＳ_１に難易度Ａ_Ｘをかけることで、レッスンスコアＳ_１を調整する。レッスンスコアＳ_１に難易度Ａ_Ｘをかけて得られるスコアは、調整後のレッスンスコアＳ_２ともいう。

単元スコア処理部１１１は、対象ユーザの対象単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}を管理データ１４１から取得する（ステップＳ２２）。

単元スコア処理部１１１は、寄与度Ｃを管理データ１４１から取得する（ステップＳ２３）。寄与度Ｃは、対象単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}に対する対象アウトプットレッスンの寄与度となる。

単元スコア処理部１１１は、調整後のレッスンスコアＳ_２及び寄与度Ｃに基づいて、対象ユーザの対象単元の単元スコアを更新する（ステップＳ２４）。ステップＳ２４では、例えば、単元スコア処理部１１１は、寄与度Ｃに基づいて、調整後のレッスンスコアＳ_２と対象単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}との加重平均により対象単元の単元スコアＳ_ｎｅｗを取得する。例えば、計算式は、Ｓ_ｎｅｗ＝（Ｓ_２×Ｃ）＋｛Ｓ_{ｃｕｒｒｅｎｔ}×（１－Ｃ）｝である。単元スコア処理部１１１は、単元スコアＳ_ｎｅｗの取得に基づいて、対象ユーザの対象単元の単元スコアを単元スコアＳ_{ｃｕｒｒｅｎｔ}で示されるスコアからＳ_ｎｅｗで示されるスコアに更新する。単元スコア処理部１１１は、単元スコアＳ_ｎｅｗで示されるスコアを記憶装置１４に保存する。なお、単元スコアがある程度高い状態で対象ユーザが難易度Ａ_Ｘの低いアウトプットレッスンを受講すると、Ｓ_ｎｅｗで示されるスコアがＳ_{ｃｕｒｒｅｎｔ}で示されるスコアよりも低くなることがある。この場合、単元スコア処理部１１１は、アウトプットレッスンの受講に基づいて単元スコアが下がらないように、単元スコアを単元スコアＳ_{ｃｕｒｒｅｎｔ}で示されるスコアのまま維持してもよい。

上述のように、情報処理装置は、対象アウトプットレッスンのレッスンスコアＳ_１に基づいて、対象ユーザの対象単元の単元スコアを更新することができる。これにより、情報処理装置は、対象アウトプットレッスンを受講することで対象単元の実力が上がる傾向を反映した仕組みを対象単元の単元スコアの更新に適用することができる。情報処理装置は、この傾向を反映した単元スコアの更新により、現時点でユーザが試験で獲得可能と予測される試験スコアを取得することができる。

上述のように、情報処理装置は、難易度Ａ_Ｘに基づく調整後のレッスンスコアＳ_２及び寄与度Ｃに基づいて、対象ユーザの対象単元の単元スコアを更新することができる。情報処理装置は、難易度Ａ_Ｘ及び寄与度Ｃを用いることで、一度のアウトプットレッスンの受講で単元スコアを大幅に上げるのではなく、同じ単元のアウトプットレッスンで繰り返し高得点を出し続けることで、この単元の単元スコアを向上させることができる。このように、情報処理装置は、繰り返し同じ単元のアウトプットレッスンを受講することでこの単元の実力が徐々に上がる傾向を反映した仕組みを単元スコアの更新に適用することができる。情報処理装置は、この傾向を反映した単元スコアの更新により、現時点でユーザが試験で獲得可能と予測される試験スコアを取得することができる。

図５は、第１の実施形態に係るサーバ１により実行される時間経過に基づく処理の一例を示すフローチャートである。
単元スコア処理部１１１は、一定期間経過毎に図５に示す時間経過に基づく処理を開始する。一定期間は、忘却度Ｂに関する所定期間と同じ期間であってもよい。忘却度が１日毎に低下させる度合を示す場合、一定期間は、１日であってもよい。単元スコア処理部１１１は、毎日決まったタイミングに、時間経過に基づく処理を開始してもよい。

単元スコア処理部１１１は、一定期間経過したか否かを判断する（ステップＳ３）。ステップＳ３では、例えば、単元スコア処理部１１１は、前回の時間経過に基づく処理の終了後から一定期間経過したか否かを判断する。一定期間経過していない場合（ステップＳ３、ＮＯ）、単元スコア処理部１１１は、ステップＳ３の処理を繰り返す。一定期間経過した場合（ステップＳ３、ＹＥＳ）、処理は、ステップＳ３からステップＳ４に遷移する。

単元スコア処理部１１１は、忘却度Ｂに応じた時間経過に伴うスコアの減少度に基づいて、対象ユーザの全ての単元の単元スコアを更新する（ステップＳ４）。忘却度Ｂに応じた時間経過に伴うスコアの減少度については後述する。

図６は、第１の実施形態に係るサーバ１により実行される単元スコアの更新処理の別の例を示すフローチャートである。
図６は、図５に示すステップＳ４の典型例を示す。
単元スコア処理部１１１は、対象ユーザの全ての単元の単元スコアのそれぞれについて図６に示す処理を適用する。

単元スコア処理部１１１は、単元スコアＳ_{ｃｕｒｒｅｎｔ}を管理データ１４１から取得する（ステップＳ４１）。ステップＳ４１では、例えば、単元スコア処理部１１１は、単元の並び順に沿って順番に単元スコアＳ_{ｃｕｒｒｅｎｔ}を取得する。

単元スコア処理部１１１は、忘却度Ｂを管理データ１４１から取得する（ステップＳ４２）。

単元スコア処理部１１１は、単元の定着度を取得する（ステップＳ４３）。単元の定着度は、「Ｄ_Ｚ」で示されることもある。「Ｄ」の下付き添え字の「Ｚ」は、単元を識別する文字列である。定着度Ｄ_１－１は、科目１に含まれる単元１の定着度である。定着度Ｄ_１－２は、科目１に含まれる単元２の定着度である。ステップＳ４３では、例えば、単元スコア処理部１１１は、取得した単元スコアＳ_{ｃｕｒｒｅｎｔ}の単元に関連付けられた全てのアウトプットレッスンに設定された定着度Ｄ_Ｙを管理データ１４１から取得する。単元スコア処理部１１１は、単元スコアＳ_{ｃｕｒｒｅｎｔ}の単元に関連付けられた全てのアウトプットレッスンに設定された定着度Ｄ_Ｙに基づいて単元の定着度Ｄ_Ｚを取得する。単元スコア処理部１１１は、単元スコアＳ_{ｃｕｒｒｅｎｔ}の単元に関連付けられた全てのアウトプットレッスンに設定された定着度Ｄ_Ｙの平均により、単元の定着度Ｄ_Ｚを取得してもよい。なお、単元に１つのアウトプットレッスンのみ関連付けられている場合、単元の定着度Ｄ_Ｚは、単元に関連付けられたアウトプットレッスンに設定された定着度Ｄ_Ｙと等しい。

単元スコア処理部１１１は、定着作用度Ｅを管理データ１４１から取得する（ステップＳ４４）。

単元スコア処理部１１１は、忘却度Ｂ、単元の定着度Ｄ_Ｚ及び定着作用度Ｅに基づいて、対象ユーザの対象単元の単元スコアを更新する（ステップＳ４５）。ステップＳ４５では、例えば、単元スコア処理部１１１は、以下に例示する計算式を用いた計算により、単元スコアＳ_ｎｅｗを取得する。例えば、計算式は、Ｓ_ｎｅｗ＝Ｓ_{ｃｕｒｒｅｎｔ}×｛１－Ｂ×（１ーＤ_Ｚ×Ｅ）｝である。なお、計算式は、この式に限定されない。Ｂ×（１ーＤ_Ｚ×Ｅ）は、変数Ｆともいう。変数Ｆは、忘却度Ｂを含む。変数Ｆは、単元スコアを減らす方向に用いられる。そのため、変数Ｆは、忘却度Ｂに応じた時間経過に伴うスコアの減少度の一例である。単元スコア処理部１１１は、単元スコアＳ_ｎｅｗの取得に基づいて、単元スコアを単元スコアＳ_{ｃｕｒｒｅｎｔ}で示されるスコアからＳ_ｎｅｗで示されるスコアに更新する。単元スコア処理部１１１は、単元スコアＳ_ｎｅｗで示されるスコアを記憶装置１４に保存する。なお、時間経過に伴い単元スコアを更新するための計算式は、定着作用度Ｅを含まなくてもよい。この例では、計算式は、Ｓ_ｎｅｗ＝Ｓ_{ｃｕｒｒｅｎｔ}×｛１－Ｂ×（１ーＤ_Ｚ）｝であってもよい。

上述のように、情報処理装置は、忘却度Ｂに応じた時間経過に伴うスコアの減少度に基づいて、対象ユーザの複数の単元の単元スコアを更新することができる。情報処理装置は、時間経過に伴い対象ユーザの記憶から知識が抜ける傾向を反映した仕組みを単元スコアの更新に適用することができる。情報処理装置は、この傾向を反映した単元スコアの更新により、現時点でユーザが試験で獲得可能と予測される試験スコアを取得することができる。

図７は、第１の実施形態に係るサーバ１により実行される定着度Ｄ_Ｚの更新処理の一例を示すフローチャートである。
単元スコア処理部１１１は、対象ユーザによるアウトプットレッスンの受講に基づいて図７に示す処理を開始する。単元スコア処理部１１１は、アウトプットレッスンの受講直後に処理を開始してもいいし、任意のタイミングに処理を開始してもよい。

単元スコア処理部１１１は、対象アウトプットレッスンを特定する（ステップＳ５）。ステップＳ５では、例えば、単元スコア処理部１１１は、対象ユーザによるアウトプットレッスンの受講に基づいてアウトプットレッスンのスコアを記憶装置１４に保存した対象アウトプットレッスンを特定する。

単元スコア処理部１１１は、対象アウトプットレッスンの受講に基づいて、対象アウトプットレッスンに設定された定着度Ｄ_Ｙを更新する（ステップＳ６）。ステップＳ６では、例えば、単元スコア処理部１１１は、対象アウトプットレッスンの受講回数に応じて、対象アウトプットレッスンに設定された定着度Ｄ_Ｙを大きくするように更新する。単元スコア処理部１１１は、更新処理後の定着度Ｄ_Ｙを対象アウトプットレッスンに関連付けて記憶装置１４に保存する。

上述の変数Ｆは、定着度Ｄ_Ｙを含む。変数Ｆは、定着度Ｄ_Ｙの変化に応じて変わる。定着度Ｄ_Ｚが大きくなるにつれて、変数Ｆは小さくなる。定着度Ｄ_Ｚは対象アウトプットレッスンの受講毎に大きくなるので、変数Ｆは対象アウトプットレッスンの受講毎に小さくなる。定着度Ｄ_Ｙは、時間経過に伴うスコアの減少を抑える方向に作用する。対象アウトプットレッスンの受講に基づいて対象アウトプットレッスンに設定された定着度Ｄ_Ｙを大きくするように更新することは、対象アウトプットレッスンの受講に基づいて対象単元についての減少度を小さくすることの一例である。

上述のように、情報処理装置は、対象アウトプットレッスンの受講に基づいて、対象単元についての減少度を小さくすることができる。情報処理装置は、同じ単元のアウトプットレッスンを繰り返し受講することで定着度が高くなり、必要な知識を忘却し難くなる傾向を反映した仕組みを単元スコアの更新に適用することができる。情報処理装置は、この傾向を反映した単元スコアの更新により、現時点でユーザが試験で獲得可能と予測される試験スコアを取得することができる。

図８は、第１の実施形態に係るサーバ１により実行される単元スコアの更新処理例を示す図である。
説明の簡略化のため、対象ユーザは、一日に一つのアウトプットレッスンを受講するものとする。対象ユーザは、レッスン番号の若い順にアウトプットレッスンを受講するものとして説明するが、アウトプットレッスンの受講順は任意に選択可能であってもよい。同じアウトプットレッスンの複数回の受講も可能である。説明の簡略化のため、単元スコアについては、科目１の単元１－１及び単元１－２についてのみ示す。

「学習フロー」は、学習済のアウトプットレッスンの大区分として基礎力編又は実力編を示す。
「単元」は、学習済のアウトプットレッスンに関連付けられた単元を示す。
「レッスン」は、学習済のアウトプットレッスンを示す。学習済のアウトプットレッスンは、対象ユーザが受講した順に上から下に並べられている。
「難易度（Ａ_Ｘ）」は、「レッスン」で示されるアウトプットレッスンの難易度Ａ_Ｘを示す。

「単元直前得点（Ｓ_{ｃｕｒｒｅｎｔ}）」は、アウトプットレッスンの受講直前の「単元」で示される単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}を示す。
「レッスン得点（Ｓ_１）」は、「レッスン」で示されるアウトプットレッスンの受講に基づくレッスンスコアＳ_１を示す。
「難易度調整後レッスン得点（Ｓ_２）」は、「レッスン得点（Ｓ_１）」で示されるレッスンスコアＳ_１に「難易度（Ａ_Ｘ）」で示される難易度Ａ_Ｘをかけて得られる調整後のレッスンスコアＳ_２を示す。
「単元加重平均得点（Ｓ_ｎｅｗ）」は、「難易度調整後レッスン得点（Ｓ_２）」で示される調整後のレッスンスコアＳ_２と「単元直前得点（Ｓ_{ｃｕｒｒｅｎｔ}）」で示される単元スコアＳ_{ｃｕｒｒｅｎｔ}との加重平均により得られる単元スコアＳ_ｎｅｗを示す。

「スコア」の「単元１－１計」は、単元１－１の単元スコアの遷移を示す。単元１－１の単元スコアの初期値は、実力診断テストに基づいて設定される３０点である。単元１－１の単元スコアは、単元１－１に関連付けられたアウトプットレッスンの受講に基づいて上がることもあるし、時間経過に伴い下がることもある。

「スコア」の「１－１ａ」は、アウトプットレッスン１－１ａのスコアの遷移を示す。アウトプットレッスン１－１ａのスコアの初期値は、実力診断テストに基づいて単元１－１の単元スコアの初期値として設定される３０点をアウトプットレッスン１－１ａの難易度Ａ_１－１ａ（６０％）で割って得られる値（５０点）である。アウトプットレッスン１－１ａのスコアは、アウトプットレッスン１－１ａの受講に基づいて上がることもあるし、時間経過に伴い下がることもある。

「スコア」の「１－１ｂ」は、アウトプットレッスン１－１ｂのスコアの遷移を示す。アウトプットレッスン１－１ｂのスコアの初期値は、実力診断テストに基づいて単元１－１の単元スコアの初期値として設定される３０点をアウトプットレッスン１－１ｂの難易度Ａ_１－１ｂ（８０％）で割って得られる値（３７．５点）である。アウトプットレッスン１－１ｂのスコアは、アウトプットレッスン１－１ｂの受講に基づいて上がることもあるし、時間経過に伴い下がることもある。

「スコア」の「単元１－２計」は、単元１－２の単元スコアの遷移を示す。単元１－２の単元スコアの初期値は、実力診断テストに基づいて設定される３０点である。単元１－２の単元スコアは、単元１－２に関連付けられたアウトプットレッスンの受講に基づいて上がることもあるし、時間経過に伴い下がることもある。

「スコア」の「１－２ａ」は、アウトプットレッスン１－２ａのスコアの遷移を示す。アウトプットレッスン１－２ａのスコアの初期値は、実力診断テストに基づいて単元１－２の単元スコアの初期値として設定される３０点をアウトプットレッスン１－２ａの難易度Ａ_１－２ａ（６０％）で割って得られる値（５０点）である。アウトプットレッスン１－２ａのスコアは、アウトプットレッスン１－２ａの受講に基づいて上がることもあるし、時間経過に伴い下がることもある。

「スコア」の「１－２ｂ」は、アウトプットレッスン１－２ｂのスコアの遷移を示す。アウトプットレッスン１－２ｂのスコアの初期値は、実力診断テストに基づいて単元１－２の単元スコアの初期値として設定される３０点をアウトプットレッスン１－２ｂの難易度Ａ_１－２ｂ（８０％）で割って得られる値（３７．５点）である。アウトプットレッスン１－２ｂのスコアは、アウトプットレッスン１－２ｂの受講に基づいて上がることもあるし、時間経過に伴い下がることもある。

「スコア」の「科目１計」は、科目１を構成する複数の単元の単元スコアの平均値の遷移を示す。ここでは、説明の簡略化のため、「科目１計」は、「単元１－１計」で示される単元１－１の単元スコアと「単元１－２計」で示される単元１－２の単元スコアの平均値を示す。

「定着度」の「単元１－１」は、単元１－１の定着度Ｄ_１－１の遷移を示す。定着度Ｄ_１－１は、「定着度」の「１－１ａ」に示される定着度Ｄ_１－１ａと「定着度」の「１－１ｂ」に示される定着度Ｄ_１－１ｂの平均値である。定着度Ｄ_１－１の初期値は、０％である。定着度Ｄ_１－１は、定着度Ｄ_１－１ａ又は定着度Ｄ_１－１ｂの何れかが大きくなるにつれて大きくなる。

「定着度」の「１－１ａ」は、アウトプットレッスン１－１ａに設定された定着度Ｄ_１－１ａの遷移を示す。定着度Ｄ_１－１ａの初期値は、０％である。定着度Ｄ_１－１ａは、アウトプットレッスン１－１ａの受講毎に大きくなる。

「定着度」の「１－１ｂ」は、アウトプットレッスン１－１ｂに設定された定着度Ｄ_１－１ｂの遷移を示す。定着度Ｄ_１－１ｂの初期値は、０％である。定着度Ｄ_１－１ｂは、アウトプットレッスン１－１ｂの受講毎に大きくなる。

「定着度」の「単元１－２」は、単元１－２の定着度Ｄ_１－２の遷移を示す。定着度Ｄ_１－２は、「定着度」の「１－２ａ」に示される定着度Ｄ_１－２ａと「定着度」の「１－２ｂ」に示される定着度Ｄ_１－２ｂの平均値である。定着度Ｄ_１－２の初期値は、０％である。定着度Ｄ_１－２は、定着度Ｄ_１－２ａ又は定着度Ｄ_１－２ｂの何れかが大きくなるにつれて大きくなる。

「定着度」の「１－２ａ」は、アウトプットレッスン１－２ａに設定された定着度Ｄ_１－２ａの遷移を示す。定着度Ｄ_１－２ａの初期値は、０％である。定着度Ｄ_１－２ａは、アウトプットレッスン１－２ａの受講毎に大きくなる。

「定着度」の「１－２ｂ」は、アウトプットレッスン１－２ｂに設定された定着度Ｄ_１－２ｂの遷移を示す。定着度Ｄ_１－２ｂの初期値は、０％である。定着度Ｄ_１－２ｂは、アウトプットレッスン１－２ｂの受講毎に大きくなる。

単元１－１に関する単元スコア処理部１１１の処理例について説明する。
対象ユーザは、「レッスン」で示されるように、単元１－１に関連付けられたアウトプットレッスンを４回受講したものとする。「スコア」の「単元１－１ａ」及び「スコア」の「単元１－１ｂ」で示されるスコアのうち破線の丸で囲んだスコアは、アウトプットレッスンの受講に基づくスコアＳ_１である。

図８における一点鎖線で囲った部分を参照し、対象ユーザによる基礎力編のアウトプットレッスン１－１ａの受講に基づく単元１－１の単元スコアの更新について説明する。単元スコア処理部１１１は、「単元直前得点（Ｓ_{ｃｕｒｒｅｎｔ}）」で示されるアウトプットレッスン１－１ａの受講直前の単元１－１の単元スコアＳ_{ｃｕｒｒｅｎｔ}（３０点）を取得する。

単元スコア処理部１１１は、「レッスン得点（Ｓ_１）」で示されるアウトプットレッスン１－１ａの受講に基づくスコアＳ_１（８０点）に「難易度（Ａ_Ｘ）」で示されるアウトプットレッスン１－１ａの難易度Ａ_１－１ａ（６０％）をかけて得られる「難易度調整後レッスン得点（Ｓ_２）」で示される調整後のレッスンスコアＳ_２（４８点）を取得する。

単元スコア処理部１１１は、Ｓ_ｎｅｗ＝（Ｓ_２×寄与度Ｃ）＋｛Ｓ_{ｃｕｒｒｅｎｔ}×（１－寄与度Ｃ）｝により、「単元加重平均得点（Ｓ_ｎｅｗ）」で示される単元スコアＳ_ｎｅｗ（３９点）を取得する。単元スコア処理部１１１は、「スコア」の「単元１－１計」で示される単元１－１の単元スコアを、単元スコアＳ_{ｃｕｒｒｅｎｔ}（３０点）から単元スコアＳ_ｎｅｗ（３９点）に更新する。

対象ユーザによる単元１－１に関連付けられたアウトプットレッスンの受講に基づくアウトプットレッスンに設定された定着度Ｄ_Ｙ及び単元の定着度Ｄ_Ｚの更新について説明する。単元スコア処理部１１１は、対象ユーザによる基礎力編のアウトプットレッスン１－１ａの受講に基づいて、「定着度」の「１－１ａ」で示されるアウトプットレッスン１－１ａに設定された定着度Ｄ_１－１ａを、０％から３０％に更新する。単元スコア処理部１１１は、定着度Ｄ_１－１ａの更新に基づいて、「定着度」の「単元１－１」で示される定着度Ｄ_１－１を、０％から「定着度」の「１－１ａ」に示される定着度Ｄ_１－１ａ（３０％）と「定着度」の「１－１ｂ」に示される定着度Ｄ_１－１ｂ（０％）の平均値（１５％）に更新する。

同様に、単元スコア処理部１１１は、対象ユーザによる基礎力編のアウトプットレッスン１－１ｂの受講に基づいて、「定着度」の「１－１ｂ」で示される定着度Ｄ_１－１ｂを、０％から３０％に更新する。単元スコア処理部１１１は、定着度Ｄ_１－１ｂの更新に基づいて、「定着度」の「単元１－１」で示される定着度Ｄ_１－１を、１５％から「定着度」の「１－１ａ」に示される定着度Ｄ_１－１ａ（３０％）と「定着度」の「１－１ｂ」に示される定着度Ｄ_１－１ｂ（３０％）の平均値（３０％）に更新する。

同様に、単元スコア処理部１１１は、対象ユーザによる実力編のアウトプットレッスン１－１ａの受講に基づいて、「定着度」の「１－１ａ」で示される定着度Ｄ_１－１ａを、３０％から６０％に更新する。単元スコア処理部１１１は、定着度Ｄ_１－１ａの更新に基づいて、「定着度」の「単元１－１」で示される定着度Ｄ_１－１を、３０％から「定着度」の「１－１ａ」に示される定着度Ｄ_１－１ａ（６０％）と「定着度」の「１－１ｂ」に示される定着度Ｄ_１－１ｂ（３０％）の平均値（４５％）に更新する。

同様に、単元スコア処理部１１１は、対象ユーザによる実力編のアウトプットレッスン１－１ｂの受講に基づいて、「定着度」の「１－１ｂ」で示される定着度Ｄ_１－１ｂを、３０％から６０％に更新する。単元スコア処理部１１１は、定着度Ｄ_１－１ｂの更新に基づいて、「定着度」の「単元１－１」で示される定着度Ｄ_１－１を、４５％から「定着度」の「１－１ａ」に示される定着度Ｄ_１－１ａ（６０％）と「定着度」の「１－１ｂ」に示される定着度Ｄ_１－１ｂ（６０％）の平均値（６０％）に更新する。

図８における実線で囲った部分を参照し、時間経過に伴う単元１－１の単元スコアの更新について説明する。単元スコア処理部１１１は、単元１－１の単元スコアを、Ｓ_{ｃｕｒｒｅｎｔ}（８０点）から、Ｓ_ｎｅｗ（７７．８点）に更新する。Ｓ_ｎｅｗ（７７．８点）は、Ｓ_{ｃｕｒｒｅｎｔ}（８０点）×｛１－忘却度Ｂ（４％）×（１ー定着度Ｄ_１－１（３０％）×定着寄与度Ｅ（１００％））｝で求まる。同様に、単元スコア処理部１１１は、時間経過に伴い、単元１－１の単元スコアを、Ｓ_{ｃｕｒｒｅｎｔ}（７７．８点）から、Ｓ_ｎｅｗ（７５．６点）に更新する。以降同様である。なお、定着度Ｄ_１－１が更新された場合は、単元スコア処理部１１１は、更新された定着度Ｄ_１－１を用いる。

上述の単元スコア処理部１１１の処理による単元１－１の単元スコアの遷移について説明する。単元１－１の単元スコアは、初期値（３０点）からスタートする。単元１－１の単元スコアは、対象ユーザによる基礎力編のアウトプットレッスン１－１ａの受講に基づくレッスンスコアＳ_１により、初期値（３０点）から３９点に上がる。単元１－１の単元スコアは、対象ユーザによる基礎力編のアウトプットレッスン１－１ｂの受講に基づくレッスンスコアＳ_１により、３９点から４６．５点に上がる。その後、対象ユーザは、単元１－１に関連付けられたアウトプットレッスンを受講していないため、単元１－１の単元スコアは、時間経過に伴い４６．５点から３９．２点まで徐々に下がる。その後、単元１－１の単元スコアは、対象ユーザによる実力編のアウトプットレッスン１－１ａの受講に基づくレッスンスコアＳ_１により、３９．２点から４５．２点に上がる。単元１－１の単元スコアは、対象ユーザによる実力編のアウトプットレッスン１－１ｂの受講に基づくレッスンスコアＳ_１により、４５．２点から５５．０点に上がる。その後、対象ユーザは、単元１－１に関連付けられたアウトプットレッスンを受講していないため、単元１－１の単元スコアは、時間経過に伴い５５．０点から５３．２点まで徐々に下がる。なお、単元１－１の定着度Ｄ_１－１は６０％まで上がっているため、単元１－１の単元スコアは、定着度Ｄ_１－１が３０％の場合と比べて減少し難い。

図９は、第１の実施形態に係るサーバ１により実行される予測試験スコアの取得処理の一例を示すフローチャートである。
試験スコア予測部１１２は、対象ユーザの全ての単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}を管理データ１４１から取得する（ステップＳ７）。対象ユーザの全ての単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}は、単元スコア処理部１１１による更新処理に応じたスコアである。対象ユーザの全ての単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}の一部又は全部は、単元スコア処理部１１１による更新処理に応じて少なくとも１回更新されたスコアである。

試験スコア予測部１１２は、対象ユーザの全ての単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}に基づいて、対象ユーザの予測試験スコアを取得する（ステップＳ８）。ステップＳ８では、一例では、試験スコア予測部１１２は、対象ユーザの全ての単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}及び配点割合に基づいて、対象ユーザの予測試験スコアを取得する。この例では、試験スコア予測部１１２は、各単元について、単元スコアＳ_{ｃｕｒｒｅｎｔ}と配点割合データ１４２で示される配点割合とをかけて得られる点数を取得する。試験スコア予測部１１２は、科目毎に各単元について取得した点数を合算し、１００点満点中の各科目の点数を取得する。試験スコア予測部１１２は、各科目について取得した点数を合算し、７００点満点中の試験の総合点を対象ユーザの予測試験スコアとして取得する。試験スコア予測部１１２は、対象ユーザの予測試験スコアを記憶装置１４に保存する。

別の例では、試験スコア予測部１１２は、対象ユーザの全ての単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}及び試験スコア予測モデル１４３に基づいて、対象ユーザの予測試験スコアを取得する。この例では、試験スコア予測部１１２は、試験スコア予測モデル１４３に、試験スコア予測用入力データを入力する。試験スコア予測用入力データは、対象ユーザの全ての単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}を含む。試験スコア予測用入力データは、試験スコア予測部１１２により管理データ１４１から取得された対象ユーザの受講済の各レッスンの受講時間を含んでもよい。試験スコア予測用入力データは、試験スコア予測部１１２により管理データ１４１から取得された対象ユーザの属性を含んでもよい。試験スコア予測部１１２は、試験スコア予測モデル１４３への試験スコア予測用入力データの入力に基づいて、試験スコア予測モデル１４３から試験スコア予測用出力データを取得する。試験スコア予測用出力データは、対象ユーザの予測試験スコアを含む。試験スコア予測部１１２は、対象ユーザの予測試験スコアを記憶装置１４に保存する。

出力部１１３は、予測結果を端末２に出力する（ステップＳ９）。ステップＳ９では、例えば、出力部１１３は、ネットワークＮＷを介して、予測結果を表示可能な態様で端末２に出力する。予測結果は、試験スコア予測部１１２により取得された予測試験スコアを含む。予測結果は、全ての単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}を含んでもよい。端末２の表示装置２７は、予測結果を表示する。

上述のように、情報処理装置は、対象ユーザの全ての単元の単元スコア及び配点割合に基づいて、対象ユーザの予測試験スコアを取得することができる。情報処理装置は、配点割合を用いることにより、簡易な処理で予測試験スコアを予測することができる。

上述のように、情報処理装置は、対象ユーザの全ての単元の単元スコア及び試験スコア予測モデルに基づいて、対象ユーザの予測試験スコアを取得することができる。情報処理装置は、試験スコア予測モデルを用いることにより、予測試験スコアの予測精度を上げることができる。

図１０は、第１の実施形態に係るサーバ１により実行される各種パラメータの最適化処理の一例を示すフローチャートである。
最適化処理部１１４は、任意のタイミングで最適化処理を開始し、各種パラメータを更新してもよい。

最適化処理部１１４は、複数のユーザの予測試験スコアを管理データ１４１から取得する（ステップＳ１０）。

最適化処理部１１４は、複数のユーザの実績試験スコアを管理データ１４１から取得する（ステップＳ１１）。
最適化処理部１１４は、複数のユーザの予測試験スコア及び複数のユーザの実績試験スコアに基づく機械学習により、寄与度Ｃ、全ての単元に関連付けられた複数のアウトプットレッスンの難易度Ａ_Ｘ及び忘却度Ｂを最適化する（ステップＳ１２）。複数のユーザの実績試験スコアは、実際の試験の試験スコアであってもよい。複数のユーザの実績試験スコアは、実際の試験の試験スコアに代えて、上述のような模擬試験の試験スコアであってもよい。複数のユーザの実績試験スコアは、実際の試験の試験スコアを入力していないユーザについて模擬試験の試験スコアで補完したものであってもよい。ステップＳ１２では、例えば、最適化処理部１１４は、寄与度Ｃ、難易度Ａ_Ｘ及び忘却度Ｂを説明変数とし、実績試験スコアを目的変数とする。最適化処理部１１４は、各ユーザの予測試験スコアと実績試験スコアとの差分をできる限り小さくするように、機械学習により寄与度Ｃ、難易度Ａ_Ｘ及び忘却度Ｂを最適化する。最適化処理部１１４は、最適化された寄与度Ｃ、難易度Ａ_Ｘ及び忘却度Ｂを取得する。最適化処理部１１４は、最適化された寄与度Ｃ、難易度Ａ_Ｘ及び忘却度Ｂを記憶装置１４に保存する。なお、最適化処理部１１４は、寄与度Ｃ、難易度Ａ_Ｘ及び忘却度Ｂの少なくとも１つを最適化してもよい。最適化処理部１１４は、寄与度Ｃ、難易度Ａ_Ｘ及び忘却度Ｂの少なくとも１つに加えて、定着度Ｄ_Ｙ及び定着作用度Ｅの少なくとも何れかを最適化してもよい。

上述のように、情報処理装置は、単元スコアの更新に用いる各種パラメータを最適化することができる。情報処理装置は、各種パラメータの最適化により、予測試験スコアの予測精度を上げることができる。

図１１は、第１の実施形態に係るサーバ１により実行される試験スコア予測モデル１４３の生成処理の一例を示すフローチャートである。
試験スコア予測モデル処理部１１５は、任意のタイミングで試験スコア予測モデル１４３の生成処理を開始し、試験スコア予測モデル１４３を新たに作成してもよい。試験スコア予測モデル処理部１１５は、任意のタイミングで試験スコア予測モデル１４３の生成処理を開始し、試験スコア予測モデル１４３を更新してもよい。

試験スコア予測モデル処理部１１５は、試験スコア予測用学習データを取得する（ステップＳ１３）ステップＳ１３では、例えば、試験スコア予測モデル処理部１１５は、試験スコア学習用入力データ及び試験スコア学習用出力データを含む試験スコア予測用学習データを管理データ１４１から取得する。試験スコア予測モデル処理部１１５は、全ての単元についての複数のユーザの単元スコアＳ_{ｃｕｒｒｅｎｔ}を含む試験スコア学習用入力データを取得する。試験スコア予測モデル処理部１１５は、複数のユーザの受講済の各レッスンの受講時間を含む試験スコア学習用入力データを取得してもよい。試験スコア予測モデル処理部１１５は、複数のユーザの属性を含む試験スコア学習用入力データを取得してもよい。試験スコア予測モデル処理部１１５は、複数のユーザの実績試験スコアを含む試験スコア学習用出力データを取得する。

試験スコア予測モデル処理部１１５は、試験スコア予測用学習データに基づく機械学習により、試験スコア予測モデル１４３を生成する（ステップＳ１４）。ステップＳ１４では、例えば、試験スコア予測モデル処理部１１５は、機械学習により、試験スコア学習用出力データに対する試験スコア学習用入力データに含まれる各要素の関係を推定する。試験スコア予測モデル処理部１１５は、推定に基づいて試験スコア予測モデル１４３を生成する。機械学習は、ニューラルネットワーク等であるが、これに限定されない。

ユーザの単元スコアＳ_{ｃｕｒｒｅｎｔ}は、試験の出題範囲毎の習熟度を反映するので、試験スコアに影響を与え得る。試験スコアは、ユーザの単元スコアＳ_{ｃｕｒｒｅｎｔ}に応じて異なり得る。そのため、ユーザの単元スコアＳ_{ｃｕｒｒｅｎｔ}は、ユーザの実績試験スコアとの間には、一定の相関関係があり得る。

ユーザの受講済の各レッスンの受講時間は、試験の出題範囲毎の習熟度に影響を与えるので、試験スコアにも影響を与え得る。試験スコアは、ユーザの受講済の各レッスンの受講時間に応じて異なり得る。そのため、ユーザの受講済の各レッスンは、ユーザの実績試験スコアとの間には、一定の相関関係があり得る。

ユーザの属性は、試験の適正に影響を与えるので、試験スコアに影響を与え得る。試験スコアは、ユーザの属性に応じて異なり得る。そのため、ユーザの属性は、ユーザの実績試験スコアとの間には、一定の相関関係があり得る。年齢は、記憶力に影響を与えるので、試験スコアに影響を与え得る。そのため、試験スコアは、ユーザの年齢に応じて異なり得る。試験には、男性向きのものもあれば、女性向きのものもあり得る。そのため、試験スコアは、ユーザの性別に応じて異なり得る。試験には、職業及び業界毎に関連性の高い試験がある。そのため、試験スコアは、ユーザの職業及び業界に応じて異なり得る。試験には、出題形式及び出題範囲の似たものがある。ある試験で資格を保有するユーザは、この試験に似た試験で高い試験スコアを得る可能性がある。そのため、試験スコアは、保有資格に応じて異なり得る。

試験スコア予測モデル処理部１１５は、生成した試験スコア予測モデル１４３を記憶装置１４に保存する（ステップＳ１５）
上述のように、情報処理装置は、試験スコア予測モデルを生成することができる。情報処理装置は、試験スコア予測モデルを用いることにより、予測試験スコアの予測精度を上げることができる。

なお、上述の例では、アウトプットレッスンと単元の紐付けが多対１の例について説明したが、アウトプットレッスンと単元の紐付けは多対多であってもよい。多対１では、１つの単元が複数のアウトプットレッスンに紐付き、１つのアウトプットレッスンが１つの単元に紐付いている。多対多では、１つの単元が複数のアウトプットレッスンに紐付き、１つのアウトプットレッスンが複数の単元に紐付いている。例えば、「〇〇の総合問題」というアウトプットレッスンは、単元Ａ、単元Ｂ及び単元Ｃ等の複数の単元に紐付いてもよい。以下では、複数の単元に紐付く１つのアウトプットレッスンは、多対多のアウトプットレッスンともいう。

単元スコア処理部１１１は、多対多の対象アウトプットレッスンの受講に基づいて、対象アウトプットレッスンに関連付けられた複数（ここでは、Ｎとする）の対象単元のそれぞれの単元スコアを更新してもよい。この例では、単元スコア処理部１１１は、対象ユーザによる多対多の対象アウトプットレッスンの受講に基づいて、複数の対象単元のそれぞれのレッスンスコアＳ_１を取得する。単元スコア処理部１１１は、複数の対象単元のそれぞれのレッスンスコアＳ_１に基づいて、複数の対象単元のそれぞれの単元スコアを更新する。

単元スコア処理部１１１は、複数の対象単元のそれぞれのレッスンスコアＳ_１を、対象アウトプットレッスンが複数の対象単元のそれぞれに対して影響を及ぼす影響度に基づいて決定することができる。影響度は、対象アウトプットレッスンのスコアを各対象単元に割り振るための割合である。複数の対象単元のそれぞれのレッスンスコアＳ_１は、対象アウトプットレッスンのスコアに、各対象単元に対する影響度をかけて得られるスコアでもよい。

一例では、影響度は、Ｎ分の１と実装することができる。この例では、各対象単元に対する影響度は、Ｎ分の１となる。

別の例では、対象アウトプットレッスンに複数の対象単元のそれぞれの含有割合のようなパラメータが設定されている場合、単元スコア処理部１１１は、各対象単元に対する影響度を各対象単元の含有割合に基づいて決定することができる。例えば、「〇〇の総合問題」というアウトプットレッスンには、単元Ａの含有割合が５０％、単元Ｂの含有割合が３０％、単元Ｃの含有割合が２０％と予め設定されているものとする。単元スコア処理部１１１は、単元Ａ、単元Ｂ及び単元Ｃのそれぞれに対する影響度を、単元Ａ、単元Ｂ及び単元Ｃのそれぞれの含有割合に基づいて決定する。例えば、単元Ａに対する影響度は、含有割合に基づく５０％である。

さらに、対象アウトプットレッスンに含まれる各設問は、対象単元に紐付けられてもよい。これにより、より正確に対象単元に対する影響度を設定することができる。例えば、「〇〇の総合問題」というアウトプットレッスンは、１０問の設問を含むものとする。１０問のうちの５問は、単元Ａに紐付けられ、２問は、単元Ｂに紐付けられ、３問は、単元Ｃに紐付けられているものとする。この例では、単元Ａ、単元Ｂ及び単元Ｃのそれぞれに対する影響度は、対象アウトプットレッスンに含まれる各設問による各対象単元に対する影響度を対象単元毎に積算して得られる割合であってもよい。対象アウトプットレッスンが１０問の設問を含む場合、１つの設問による１つの対象単元に対する影響度は１０％である。５問に紐付けられた単元Ａに対する影響度は、５０％である。

なお、各設問は、１つの対象単元ではなく、複数（ここでは、ｎとする）の対象単元に紐付けられてもよい。例えば、設問１は、単元Ａと単元Ｂとの比較問題であり、単元Ａ及び単元Ｂに紐付けられているものとする。一例では、複数の対象単元に紐付けられた設問の各対象単元への影響度は、ｎ分の１と実装することができる。設問１による単元Ａ及び単元Ｂのそれぞれに対する影響度は、１つの設問による影響度１０％に対する２分の１の５％である。

別の例では、設問に複数の対象単元のそれぞれの含有割合のようなパラメータが設定されている場合、単元スコア処理部１１１は、複数の対象単元に紐付けられた設問の各対象単元への影響度を、複数の対象単元のそれぞれの含有割合に基づいて決定することができる。設問１には、単元Ａの含有割合が６０％、単元Ｂの含有割合が４０％と予め設定されているものとする。単元スコア処理部１１１は、設問１による単元Ａに対する影響度を、１つの設問による影響度１０％に対する６０％である６％と決定してもよい。

［第２の実施形態］
第２の実施形態は、単元間のスコアの関係性及びユーザの学習済単元の単元スコア（実績単元スコア）に基づいて、ユーザの未学習単元の単元スコア（予測対象単元についての予測単元スコア）を予測する実施形態である。
第２の実施形態では、第１の実施形態と同様の構成については同一の符号を付し、その説明を省略する。第２の実施形態では、主として、第１の実施形態と異なる部分について説明する。

図１２は、第２の実施形態に係るサーバ１の構成例を示すブロック図である。
記憶装置１４は、第１の実施形態と同様に、管理データ１４１、配点割合データ１４２及び試験スコア予測モデル１４３を記憶する。管理データ１４１に含まれる対象ユーザの全ての単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}は、少なくとも１つの単元についての対象ユーザの実績単元スコアに基づく単元スコア及び少なくとも１つの単元とは異なる予測対象単元についての対象ユーザの第１の予測単元スコアに基づく単元スコアを含む。

実績単元スコアは、講座の最初の実力診断テストに基づいて初期値を設定された単元の単元スコアであって、単元スコア処理部１１１による第１の予測単元スコアの取得処理で用いられる単元スコアである。実績単元スコアは、初期値の場合もあるし、第１の実施形態で説明した単元スコア処理部１１１による更新処理により初期値から更新された単元スコアの場合もある。実績単元スコアに基づく単元スコアは、単元スコア処理部１１１による第１の予測単元スコアの取得処理のタイミングによって、第１の実施形態で説明した単元スコア処理部１１１による更新処理により実績単元スコアから更新された単元スコアの場合もあるし、実績単元スコアの場合もある。

予測対象単元は、講座の最初の実力診断テストに基づいて初期値を設定されていない単元であって、単元スコア処理部１１１により第１の予測単元スコアを取得する対象となる単元である。第２の実施形態では、講座の最初の実力診断テストに基づいて初期値を設定されていない単元は、初期値として固定値を設定しないものとする。

第１の予測単元スコアは、予測対象単元について単元スコア処理部１１１により取得される予測単元スコアである。第１の予測単元スコアは、単元スコア処理部１１１による第１の予測単元スコアの取得処理のタイミングによって、初期値となることもあるし、講座の受講開始後の単元スコアとなることもある。第１の予測単元スコアに基づく単元スコアは、単元スコア処理部１１１による第１の予測単元スコアの取得処理のタイミングによって、第１の実施形態で説明した単元スコア処理部１１１による更新処理により第１の予測単元スコアから更新された単元スコアの場合もあるし、第１の予測単元スコアの場合もある。第１の予測単元スコアは、予測単元スコアの一例である。

「少なくとも１つの単元」の表記は、全ての単元のうちの全部ではない少なくとも１つの単元の意味を含む。「少なくとも１つの単元」の表記は、実績単元スコアを得られた対象ユーザの全ての単元の意味を含む。対象ユーザのユーザデータは、実績試験スコアを含んでいない。

記憶装置１４は、第１の類似度データ１４４を記憶する。
第１の類似度データ１４４は、全ての単元についての複数のユーザの実績単元スコアに基づく単元間のスコアの関係性を示すデータである。例えば、関係性は、類似度である。類似度は、単元間で単元スコアの類似する程度である。単元スコアの類似する程度は、単元間で学習する内容の類似する程度と相関を有する。単元間で学習する内容が類似するほど、単元スコアの類似する程度は高くなる。単元間のスコアの類似度等の関係性は、単元間に応じて異なる。

第１の類似度データ１４４は、単元スコア予測モデル処理部１１６により第１の単元スコア予測用学習データに基づいて生成される。第１の単元スコア予測用学習データは、全ての単元についての複数のユーザの実績単元スコアを含む。第１の単元スコア予測用学習データにおける複数のユーザは、実績試験スコアを取得されたユーザを含んでもよいし、実績試験スコアを取得されていないユーザを含んでもよい。第１の単元スコア予測用学習データにおける複数のユーザは、対象ユーザを含んでもよいし、含んでいなくてもよい。複数のユーザのそれぞれの実績単元スコアは、全ての単元の実績単元スコアでもよいし、全ての単元のうちの一部の実績単元スコアでもよい。第１の類似度データ１４４は、類似度データの一例である。第１の単元スコア予測用学習データは、単元スコア予測用学習データの一例である。

記憶装置１４は、第１の単元スコア予測モデル１４５を記憶する。
第１の単元スコア予測モデル１４５は、予測対象単元と全ての単元のそれぞれとの類似度で規定されるモデルである。第１の単元スコア予測モデル１４５に関する説明の「全ての単元」の表記は、全ての単元から予測対象単元を除く残りの単元と読み替えてもよい。第１の単元スコア予測モデル１４５に関する説明の「全ての単元」の表記は、少なくとも１つの単元と読み替えてもよい。

第１の単元スコア予測モデル１４５は、少なくとも１つの単元についての対象ユーザの実績単元スコアを、予測対象単元と全ての単元のそれぞれとの類似度へ適用することにより、予測対象単元についての対象ユーザの第１の予測単元スコアを出力する。例えば、第１の単元スコア予測モデル１４５は、単元毎に対象ユーザの実績単元スコアと類似度とをかけて得られる値に基づいて、対象ユーザの第１の予測単元スコアを出力する。実績単元スコアの第１の予測単元スコアの予測に寄与する程度は、類似度の大きさに応じて異なる。少なくとも１つの単元についての対象ユーザの実績単元スコアは、単元間のスコアの類似度等の関係性を用いることで、予測対象単元についての対象ユーザの第１の予測単元スコアとの間には、一定の相関関係があり得る。

予測対象単元が単元１－１２である場合を例にして説明する。第１の単元スコア予測モデル１４５は、少なくとも１つの単元についての対象ユーザの実績単元スコアを、単元１－１２と全ての単元のそれぞれとの類似度に適用する。第１の単元スコア予測モデル１４５は、単元毎に対象ユーザの実績単元スコアと類似度とをかけて得られる値に基づいて、単元１－１２における対象ユーザの第１の予測単元スコアを出力する。

第１の単元スコア予測モデル１４５は、第１の類似度データ１４４に基づいて単元スコア予測モデル処理部１１６により生成される学習済モデルである。第１の単元スコア予測モデル１４５は、第１の単元スコア予測用入力データの入力に基づいて、第１の単元スコア予測用出力データを出力する。第１の単元スコア予測用入力データは、少なくとも１つの単元についての対象ユーザの実績単元スコアを含む。第１の単元スコア予測用出力データは、予測対象単元についての対象ユーザの第１の予測単元スコアを含む。第１の単元スコア予測モデル１４５は、単元スコア予測モデルの一例である。第１の単元スコア予測用入力データは、単元スコア予測用入力データ又は入力データの一例である。第１の単元スコア予測用出力データは、単元スコア予測用出力データ又は出力データの一例である。

プロセッサ１１は、単元スコア処理部１１１、試験スコア予測部１１２、出力部１１３、最適化処理部１１４、試験スコア予測モデル処理部１１５及び単元スコア予測モデル処理部１１６を実現する。プロセッサ１１によって実現される各部は、各機能ということもできる。プロセッサ１１によって実現される各部は、プロセッサ１１、ＲＯＭ１２及びＲＡＭ１３を含む制御部によって実現されるということもできる。

単元スコア処理部１１１は、第１の実施形態と同様に、対象ユーザの単元スコアを更新する。単元スコア処理部１１１の処理は、第１の実施形態と同様であってよく、その説明を省略する。単元スコア処理部１１１は、予測対象単元についての対象ユーザの第１の予測単元スコアを取得する。

試験スコア予測部１１２は、第１の実施形態と同様に、対象ユーザの全ての単元の単元スコアに基づいて、対象ユーザの予測試験スコアを取得する。試験スコア予測部１１２の処理は、第１の実施形態と同様であってよく、その説明を省略する。

出力部１１３は、第１の実施形態と同様に、予測結果を端末２に出力する。予測結果は予測試験スコアを含む。出力部１１３の処理は、第１の実施形態と同様であってよく、その説明を省略する。

最適化処理部１１４は、第１の実施形態と同様に、単元スコアの更新に用いる各種パラメータを最適化する。最適化処理部１１４の処理は、第１の実施形態と同様であってよく、その説明を省略する。

試験スコア予測モデル処理部１１５は、第１の実施形態と同様に、機械学習により試験スコア予測モデルを生成する。試験スコア予測モデル処理部１１５の処理は、第１の実施形態と同様であってよく、その説明を省略する。

単元スコア予測モデル処理部１１６は、機械学習により第１の単元スコア予測モデル１４５を生成する。

図１３は、第２の実施形態に係るサーバ１に記憶される第１の類似度データ１４４の構成例を示す図である。
例えば、第１の類似度データ１４４は、図１３に例示するテーブルである。
第１の類似度データ１４４は、各単元のレコードを含む。各単元のレコードは、単元と、全ての単元のそれぞれとの類似度を格納するフィールドを含む。類似度は、０以上１以下の値である。単元間のスコアの類似度が１に近いと、単元間の内容は類似する傾向にある。この場合、ある単元の単元スコアが高いと、多くのユーザについては、別の単元の単元スコアも高い傾向にある。他方、単元間のスコアの類似度が０に低いと、単元間の内容は類似しない傾向にある。この場合、ある単元の単元スコアが高くても、ユーザによっては、別の単元の単元スコアは高いこともあるし、低いこともある。単元間のスコアの類似度が１に近くなるほど、単元間の単元スコアの相関は高くなる。

（動作例）
次に、以上のように構成されたサーバ１の動作例を説明する。
なお、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。

図１４は、第２の実施形態に係るサーバ１により実行される第１の予測単元スコアの取得処理の一例を示すフローチャートである。
単元スコア処理部１１１は、対象ユーザにより端末２で入力された指示により第１の予測単元スコアの取得処理を開始してもよい。単元スコア処理部１１１は、任意のタイミングに第１の予測単元スコアの取得処理を開始してもよい。

単元スコア処理部１１１は、少なく１つの単元についての対象ユーザの実績単元スコアを管理データ１４１から取得する（ステップＳ１６）。

単元スコア処理部１１１は、単元間のスコアの関係性及び取得された対象ユーザの実績単元スコアに基づいて、予測対象単元についての対象ユーザの第１の予測単元スコアを取得する（ステップＳ１７）。「取得された対象ユーザの実績単元スコア」の表記は、取得された少なくとも１つの単元についての対象ユーザの実績単元スコアの意味を含む。ステップＳ１７では、例えば、単元スコア処理部１１１は、第１の単元スコア予測モデル１４５及び取得された対象ユーザの実績単元スコアに基づいて、第１の予測単元スコアを取得する。

単元スコア処理部１１１は、第１の単元スコア予測モデル１４５に、第１の単元スコア予測用入力データを入力する。第１の単元スコア予測用入力データは、取得された対象ユーザの実績単元スコアを含む。単元スコア処理部１１１は、第１の単元スコア予測モデル１４５への第１の単元スコア予測用入力データの入力に基づいて、第１の単元スコア予測モデル１４５から第１の単元スコア予測用出力データを取得する。第１の単元スコア予測用出力データは、予測対象単元についての対象ユーザの第１の予測単元スコアを含む。単元スコア処理部１１１は、第１の予測単元スコアを記憶装置１４に保存する。

単元スコア処理部１１１は、全ての予測対象単元についての対象ユーザの第１の予測単元スコアを取得したか否かを判断する（ステップＳ１８）。全ての予測対象単元は、全ての単元のうち対象ユーザの実績単元スコアに関連付けられた少なくとも１つの単元を除く残りの単元である。単元スコア処理部１１１が全ての予測対象単元についての対象ユーザの第１の予測単元スコアを取得したと判断した場合（ステップＳ１８、ＹＥＳ）、処理は、終了する。単元スコア処理部１１１は、全ての予測対象単元についての対象ユーザの第１の予測単元スコアを取得していないと判断した場合（ステップＳ１８、ＮＯ）、ステップＳ１７の処理を繰り返す。単元スコア処理部１１１は、全ての予測対象単元についての対象ユーザの第１の予測単元スコアを取得するまで、予測対象単元毎にステップＳ１７の処理を繰り返す。

上述のように、情報処理装置は、複数の単元についての複数のユーザの実績単元スコアに基づく単元間のスコアの関係性及び対象ユーザの実績単元スコアに基づいて、予測対象単元についての対象ユーザの第１の予測単元スコアを取得することができる。これにより、情報処理装置は、実績単元スコアの得られていない単元についての単元スコアを予測することができる。

上述のように、情報処理装置は、第１の単元スコア予測モデル及び対象ユーザの実績単元スコアに基づいて、予測対象単元についての対象ユーザの第１の予測単元スコアを取得することができる。情報処理装置は、第１の単元スコア予測モデルを用いることにより、第１の予測単元スコアの予測精度を上げることができる。

図１５は、第２の実施形態に係るサーバ１により実行される第１の単元スコア予測モデル１４５の生成処理の一例を示すフローチャートである。
単元スコア予測モデル処理部１１６は、任意のタイミングで第１の単元スコア予測モデル１４５の生成処理を開始し、第１の単元スコア予測モデル１４５を新たに作成してもよい。単元スコア予測モデル処理部１１６は、任意のタイミングで第１の単元スコア予測モデル１４５の生成処理を開始し、第１の単元スコア予測モデル１４５を更新してもよい。

単元スコア予測モデル処理部１１６は、第１の単元スコア予測用学習データを取得する（ステップＳ１９）。ステップＳ１９では、例えば、単元スコア予測モデル処理部１１６は、全ての単元についての複数のユーザの実績単元スコアを含む第１の単元スコア予測用学習データを管理データ１４１から取得する。

単元スコア予測モデル処理部１１６は、第１の単元スコア予測用学習データに基づく機械学習により、第１の類似度データ１４４を生成する（ステップＳ２０）。ステップＳ２０では、例えば、単元スコア予測モデル処理部１１６は、第１の単元スコア予測用学習データに基づいて単元間のスコアのコサイン類似度を求める。単元スコア予測モデル処理部１１６は、単元間のスコアのコサイン類似度を単元間のスコアの類似度として取得する。単元スコア予測モデル処理部１１６は、単元間のスコアの類似度の取得に基づいて第１の類似度データ１４４を生成する。単元スコア予測モデル処理部１１６は、第１の類似度データ１４４を記憶装置１４に保存する。

単元スコア予測モデル処理部１１６は、第１の類似度データ１４４に基づいて、第１の単元スコア予測モデル１４５を生成する（ステップＳ２１）。ステップＳ２１では、例えば、単元スコア予測モデル処理部１１６は、上述の第１の単元スコア予測モデル１４５を生成する。

単元スコア予測モデル処理部１１６は、生成された第１の単元スコア予測モデル１４５を記憶装置１４に保存する（ステップＳ２２）。

上述のように、情報処理装置は、第１の単元スコア予測モデルを生成することができる。情報処理装置は、第１の単元スコア予測モデルを用いることにより、第１の予測単元スコアの予測精度を上げることができる。

なお、単元スコア予測モデル処理部１１６は、予測対象単元についての対象ユーザの実績試験スコアに含まれるスコア及び第１の予測単元スコアに基づいて、第１の単元スコア予測モデル１４５を更新してもよい。例えば、単元スコア予測モデル処理部１１６は、機械学習的方法により、予測対象単元についての実績試験スコアに含まれるスコアと第１の予測単元スコアとの差が小さくなるように第１の単元スコア予測モデル１４５を更新する。単元スコア予測モデル処理部１１６は、コスト関数を平均二乗誤差等で定義し、このコスト関数が最も小さくなるように各種パラメータを決定してもよい。

上述のように、情報処理装置は、予測対象単元についての対象ユーザの実績試験スコアに含まれるスコア及び第１の予測単元スコアに基づいて、第１の単元スコア予測モデルを更新することができる。情報処理装置は、第１の単元スコア予測モデルを更新することにより、第１の予測単元スコアの予測精度を上げることができる。

第２の実施形態は、以下のように構成されてもよい。
情報処理装置は、少なくとも１つの単元についての対象ユーザの実績単元スコアを取得し、複数の単元についての複数のユーザの実績単元スコアに基づく単元間のスコアの関係性及び取得された対象ユーザの実績単元スコアに基づいて、少なくとも１つの単元とは異なる予測対象単元についての対象ユーザの予測単元スコアを取得する単元スコア処理部を備える。

［第３の実施形態］
第３の実施形態は、ユーザ間のスコアの関係性及び複数の他のユーザの学習済単元の単元スコア（実績単元スコア）に基づいて、ユーザの未学習単元の単元スコア（予測対象単元についての予測単元スコア）を予測する実施形態である。
第３の実施形態では、第１の実施形態又は第２の実施形態と同様の構成については同一の符号を付し、その説明を省略する。第３の実施形態では、主として、第１の実施形態と異なる部分について説明する。

（構成例）
図１６は、第３の実施形態に係るサーバ１の構成例を示すブロック図である。
記憶装置１４は、第１の実施形態と同様に、管理データ１４１、配点割合データ１４２及び試験スコア予測モデル１４３を記憶する。管理データ１４１に含まれる対象ユーザの全ての単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}は、少なくとも１つの単元についての対象ユーザの実績単元スコアに基づく単元スコア及び少なくとも１つの単元とは異なる予測対象単元についての対象ユーザの第２の予測単元スコアに基づく単元スコアを含む。実績単元スコア及び実績単元スコアに基づく単元スコアは、第２の実施形態と同様であってもよく、その説明を省略する。予測対象単元は、第２の実施形態と同様であってもよく、その説明を省略する。

第２の予測単元スコアは、予測対象単元について単元スコア処理部１１１により取得される予測単元スコアである。第２の予測単元スコアは、単元スコア処理部１１１による第２の予測単元スコアの取得処理のタイミングによって、初期値となることもあるし、講座の受講開始後の単元スコアとなることもある。第２の予測単元スコアに基づく単元スコアは、単元スコア処理部１１１による第２の予測単元スコアの取得処理のタイミングによって、第１の実施形態で説明した単元スコア処理部１１１による更新処理により第２の予測単元スコアから更新された単元スコアの場合もあるし、第２の予測単元スコアの場合もある。第２の予測単元スコアは、予測単元スコアの一例である。

「少なくとも１つの単元」の表記は、全ての単元のうちの全部ではない少なくとも１つの単元の意味を含む。「少なくとも１つの単元」の表記は、実績単元スコアを得られた対象ユーザの全ての単元の意味を含む。対象ユーザのユーザデータは、実績試験スコアを含んでいない。

記憶装置１４は、第２の類似度データ１４６を記憶する。
第２の類似度データ１４６は、全ての単元についての複数のユーザの実績単元スコアに基づくユーザ間のスコアの関係性を示すデータである。例えば、関係性は、類似度である。類似度は、ユーザ間で単元スコアの類似する程度である。ユーザ間のスコアの類似度等の関係性は、ユーザ間に応じて異なる。

第２の類似度データ１４６は、単元スコア予測モデル処理部１１６により第２の単元スコア予測用学習データに基づいて生成される。第２の単元スコア予測用学習データは、全ての単元についての複数のユーザの実績単元スコアを含む。第２の単元スコア予測用学習データにおける複数のユーザは、実績試験スコアを取得されたユーザを含んでもよいし、実績試験スコアを取得されていないユーザを含んでもよい。第２の単元スコア予測用学習データにおける複数のユーザは、対象ユーザ及び対象ユーザとは異なる複数の他のユーザを含む。複数のユーザのそれぞれの実績単元スコアは、全ての単元の実績単元スコアでもよいし、全ての単元のうちの一部の実績単元スコアでもよい。第２の類似度データ１４６は、類似度データの一例である。第２の単元スコア予測用学習データは、単元スコア予測用学習データの一例である。

記憶装置１４は、第２の単元スコア予測モデル１４７を記憶する。
第２の単元スコア予測モデル１４７は、対象ユーザと複数のユーザのそれぞれとの類似度で規定されるモデルである。第２の単元スコア予測モデル１４７に関する説明の「複数のユーザ」の表記は、複数の他のユーザと読み替えてもよい。第２の単元スコア予測モデル１４７に関する説明の「複数のユーザ」の表記は、複数の他のユーザのうち予測対象単元についての実績単元スコアを取得された他のユーザと読み替えてもよい。第２の単元スコア予測モデル１４７は、予測対象単元についての複数の他のユーザの実績単元スコアを、対象ユーザと複数のユーザのそれぞれとの類似度へ適用することにより、予測対象単元についての対象ユーザの第２の予測単元スコアを出力する。例えば、第２の単元スコア予測モデルは、他のユーザ毎に他のユーザの実績単元スコアと類似度とをかけて得られる値に基づいて、対象ユーザの第２の予測単元スコアを出力する。実績単元スコアの第２の予測単元スコアの予測に寄与する程度は、類似度の大きさに応じて異なる。予測対象単元についての複数の他のユーザの実績単元スコアは、ユーザ間のスコアの類似度等の関係性を用いることで、予測対象単元についての対象ユーザの第２の予測単元との間には、一定の相関関係があり得る。

予測対象単元が単元１－１２である場合を例にして説明する。第２の単元スコア予測モデル１４７は、単元１－１２についての複数の他のユーザの実績単元スコアを、対象ユーザと複数のユーザのそれぞれとの類似度へ適用する。第２の単元スコア予測モデル１４７は、他のユーザ毎に他のユーザの実績単元スコアと類似度とをかけて得られる値に基づいて、単元１－１２における対象ユーザの第２の予測単元スコアを出力する。

第２の単元スコア予測モデル１４７は、第２の類似度データ１４６に基づいて単元スコア予測モデル処理部１１６により生成される学習済モデルである。第２の単元スコア予測モデル１４７は、第２の単元スコア予測用入力データの入力に基づいて、第２の単元スコア予測用出力データを出力する。第２の単元スコア予測用入力データは、予測対象単元についての複数の他のユーザの実績単元スコアを含む。第２の単元スコア予測用出力データは、予測対象単元についての対象ユーザの第２の予測単元スコアを含む。第２の単元スコア予測モデル１４７は、単元スコア予測モデルの一例である。第２の単元スコア予測用入力データは、単元スコア予測用入力データ又は入力データの一例である。第２の単元スコア予測用出力データは、単元スコア予測用出力データ又は出力データの一例である。

プロセッサ１１は、単元スコア処理部１１１、試験スコア予測部１１２、出力部１１３、最適化処理部１１４、試験スコア予測モデル処理部１１５及び単元スコア予測モデル処理部１１６を実現する。プロセッサ１１によって実現される各部は、各機能ということもできる。プロセッサ１１によって実現される各部は、プロセッサ１１、ＲＯＭ１２及びＲＡＭ１３を含む制御部によって実現されるということもできる。

単元スコア処理部１１１は、第１の実施形態と同様に、対象ユーザの単元スコアを更新する。単元スコア処理部１１１の処理は、第１の実施形態と同様であってよく、その説明を省略する。単元スコア処理部１１１は、予測対象単元についての対象ユーザの第２の予測単元スコアを取得する。

試験スコア予測部１１２は、第１の実施形態と同様に、対象ユーザの全ての単元の単元スコアに基づいて、対象ユーザの予測試験スコアを取得する。試験スコア予測部１１２の処理は、第１の実施形態と同様であってよく、その説明を省略する。

出力部１１３は、第１の実施形態と同様に、予測結果を端末２に出力する。予測結果は予測試験スコアを含む。出力部１１３の処理は、第１の実施形態と同様であってよく、その説明を省略する。

最適化処理部１１４は、第１の実施形態と同様に、単元スコアの更新に用いる各種パラメータを最適化する。最適化処理部１１４の処理は、第１の実施形態と同様であってよく、その説明を省略する。

試験スコア予測モデル処理部１１５は、第１の実施形態と同様に、機械学習により試験スコア予測モデルを生成する。試験スコア予測モデル処理部１１５の処理は、第１の実施形態と同様であってよく、その説明を省略する。

単元スコア予測モデル処理部１１６は、機械学習により第２の単元スコア予測モデル１４７を生成する。

図１７は、第３の実施形態に係るサーバ１に記憶される第２の類似度データ１４６の構成例を示す図である。
例えば、第２の類似度データ１４６は、図１７に例示するテーブルである。
第２の類似度データ１４６は、各ユーザのレコードを含む。各ユーザのレコードは、ユーザと、複数のユーザのそれぞれとの類似度を格納するフィールドを含む。類似度は、０以上１以下の値である。ユーザ間のスコアの類似度が１に近い場合、あるユーザの単元スコアが高いと、別のユーザの単元スコアも高い傾向にある。他方、ユーザ間のスコアの類似度が０に近い場合、あるユーザの単元スコアが高くても、別のユーザの単元スコアは高いこともあるし、低いこともある。ユーザ間のスコアの類似度が１に近くなるほど、ユーザ間の単元スコアの相関は高くなる。

（動作例）
次に、以上のように構成されたサーバ１の動作例を説明する。
なお、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。

図１８は、第３の実施形態に係るサーバ１により実行される第２の予測単元スコアの取得処理の一例を示すフローチャートである。
単元スコア処理部１１１は、対象ユーザにより端末２で入力された指示により第２の予測単元スコアの取得処理を開始してもよい。単元スコア処理部１１１は、任意のタイミングに第２の予測単元スコアの取得処理を開始してもよい。

単元スコア処理部１１１は、予測対象単元についての複数の他のユーザの実績単元スコアを管理データ１４１から取得する（ステップＳ２３）。

単元スコア処理部１１１は、ユーザ間のスコアの関係性及び取得された複数の他のユーザの実績単元スコアに基づいて、予測対象単元についての対象ユーザの第２の予測単元スコアを取得する（ステップＳ２４）。「取得された複数の他のユーザの実績単元スコア」の表記は、取得された予測対象単元についての複数の他のユーザの実績単元スコアの意味を含む。ステップＳ２４では、例えば、単元スコア処理部１１１は、第２の単元スコア予測モデル１４７及び取得された複数の他のユーザの実績単元スコアに基づいて、第２の予測単元スコアを取得する。

単元スコア処理部１１１は、第２の単元スコア予測モデル１４７に、第２の単元スコア予測用入力データを入力する。第２の単元スコア予測用入力データは、取得された複数の他のユーザの実績単元スコアを含む。単元スコア処理部１１１は、第２の単元スコア予測モデル１４７への第２の単元スコア予測用入力データの入力に基づいて、第２の単元スコア予測モデル１４７から第２の単元スコア予測用出力データを取得する。第２の単元スコア予測用出力データは、予測対象単元についての対象ユーザの第２の予測単元スコアを含む。単元スコア処理部１１１は、第２の予測単元スコアを記憶装置１４に保存する。

単元スコア処理部１１１は、全ての予測対象単元についての対象ユーザの第２の予測単元スコアを取得したか否かを判断する（ステップＳ２５）。単元スコア処理部１１１が全ての予測対象単元についての対象ユーザの第２の予測単元スコアを取得したと判断した場合（ステップＳ２５、ＹＥＳ）、処理は、終了する。単元スコア処理部１１１は、全ての予測対象単元についての対象ユーザの第２の予測単元スコアを取得していないと判断した場合（ステップＳ２５、ＮＯ）、ステップＳ２３及びステップＳ２４の処理を繰り返す。単元スコア処理部１１１は、全ての予測対象単元についての対象ユーザの第２の予測単元スコアを取得するまで、予測対象単元毎にステップＳ２３及びステップＳ２４の処理を繰り返す。

上述のように、情報処理装置は、複数の単元についての複数のユーザの実績単元スコアに基づくユーザ間のスコアの関係性及び複数の他のユーザの実績単元スコアに基づいて、予測対象単元についての対象ユーザの第２の予測単元スコアを取得することができる。これにより、情報処理装置は、実績単元スコアの得られていない単元についての単元スコアを予測することができる。

上述のように、情報処理装置は、第２の単元スコア予測モデル及び複数の他のユーザの実績単元スコアに基づいて、予測対象単元についての対象ユーザの第２の予測単元スコアを取得することができる。情報処理装置は、第２の単元スコア予測モデルを用いることにより、第２の予測単元スコアの予測精度を上げることができる。

図１９は、第３の実施形態に係るサーバ１により実行される第２の単元スコア予測モデルの生成処理の一例を示すフローチャートである。
単元スコア予測モデル処理部１１６は、任意のタイミングで第２の単元スコア予測モデル１４７の生成処理を開始し、第２の単元スコア予測モデル１４７を新たに作成してもよい。単元スコア予測モデル処理部１１６は、任意のタイミングで第２の単元スコア予測モデル１４７の生成処理を開始し、第２の単元スコア予測モデル１４７を更新してもよい。

単元スコア予測モデル処理部１１６は、第２の単元スコア予測用学習データを取得する（ステップＳ２６）。ステップＳ２６では、例えば、単元スコア予測モデル処理部１１６は、全ての単元についての複数のユーザの実績単元スコアを含む第２の単元スコア予測用学習データを管理データ１４１から取得する。

単元スコア予測モデル処理部１１６は、第２の単元スコア予測用学習データに基づく機械学習により、第２の類似度データ１４６を生成する（ステップＳ２７）。ステップＳ２７では、例えば、単元スコア予測モデル処理部１１６は、第２の単元スコア予測用学習データに基づいてユーザ間のスコアのコサイン類似度を求める。単元スコア予測モデル処理部１１６は、ユーザ間のスコアのコサイン類似度を単元間のスコアの類似度として取得する。単元スコア予測モデル処理部１１６は、ユーザ間のスコアの類似度の取得に基づいて第２の類似度データ１４６を生成する。単元スコア予測モデル処理部１１６は、第２の類似度データ１４６を記憶装置１４に保存する。

単元スコア予測モデル処理部１１６は、第２の類似度データ１４６に基づいて、第２の単元スコア予測モデル１４７を生成する（ステップＳ２８）。ステップＳ２８では、例えば、単元スコア予測モデル処理部１１６は、上述の第２の単元スコア予測モデル１４７を生成する。

単元スコア予測モデル処理部１１６は、生成された第２の単元スコア予測モデル１４７を記憶装置１４に保存する（ステップＳ２９）。

上述のように、情報処理装置は、第２の単元スコア予測モデルを生成することができる。情報処理装置は、第２の単元スコア予測モデルを用いることにより、第２の予測単元スコアの予測精度を上げることができる。

なお、単元スコア予測モデル処理部１１６は、予測対象単元についての対象ユーザの実績試験スコアに含まれるスコア及び第２の予測単元スコアに基づいて、第２の単元スコア予測モデル１４７を更新してもよい。例えば、単元スコア予測モデル処理部１１６は、機械学習的方法により、予測対象単元についての実績試験スコアに含まれるスコアと第２の予測単元スコアとの差が小さくなるように第２の単元スコア予測モデル１４７を更新する。単元スコア予測モデル処理部１１６は、コスト関数を平均二乗誤差等で定義し、このコスト関数が最も小さくなるように各種パラメータを決定してもよい。

上述のように、情報処理装置は、予測対象単元についての対象ユーザの実績試験スコアに含まれるスコア及び第２の予測単元スコアに基づいて、第２の単元スコア予測モデルを更新することができる。情報処理装置は、第２の単元スコア予測モデルを更新することにより、第２の予測単元スコアの予測精度を上げることができる。

第３の実施形態は、以下のように構成されてもよい。
情報処理装置は、予測対象単元についての対象ユーザとは異なる複数の他のユーザの実績単元スコアを取得し、複数の単元についての対象ユーザ及び複数の他のユーザを含む複数のユーザの実績単元スコアに基づくユーザ間のスコアの関係性並びに取得された複数の他のユーザの実績単元スコアに基づいて、予測対象単元についての対象ユーザの予測単元スコアを取得する単元スコア処理部を備える。

［第４の実施形態］
第４の実施形態は、第２の実施形態で説明した第１の予測単元スコアと第３の実施形態で説明した第２の予測単元スコアとをブレンドして第３の予測単元スコアを取得する実施形態である。
第４の実施形態では、第１の実施形態から第３の実施形態と同様の構成については同一の符号を付し、その説明を省略する。第４の実施形態では、主として、第１の実施形態から第３の実施形態と異なる部分について説明する。

（構成例）
図２０は、第３の実施形態に係るサーバ１の構成例を示すブロック図である。
記憶装置１４は、第１の実施形態と同様に、管理データ１４１、配点割合データ１４２及び試験スコア予測モデル１４３を記憶する。記憶装置１４は、第２の実施形態と同様に、第１の類似度データ１４４及び第１の単元スコア予測モデル１４５を記憶する。記憶装置１４は、第３の実施形態と同様に、第２の類似度データ１４６及び第２の単元スコア予測モデル１４７を記憶する。

管理データ１４１に含まれる対象ユーザの全ての単元の単元スコアＳ_{ｃｕｒｒｅｎｔ}は、少なくとも１つの単元についての対象ユーザの実績単元スコアに基づく単元スコア及び少なくとも１つの単元とは異なる予測対象単元についての対象ユーザの第３の予測単元スコアに基づく単元スコアを含む。実績単元スコア及び実績単元スコアに基づく単元スコアは、第２の実施形態と同様であってもよく、その説明を省略する。予測対象単元は、第２の実施形態と同様であってもよく、その説明を省略する。

第３の予測単元スコアは、予測対象単元について単元スコア処理部１１１により取得される予測単元スコアである。第３の予測単元スコアは、単元スコア処理部１１１による第３の予測単元スコアの取得処理のタイミングによって、初期値となることもあるし、講座の受講開始後の単元スコアとなることもある。第３の予測単元スコアに基づく単元スコアは、単元スコア処理部１１１による第３の予測単元スコアの取得処理のタイミングによって、第１の実施形態で説明した単元スコア処理部１１１による更新処理により第３の予測単元スコアから更新された単元スコアの場合もあるし、第３の予測単元スコアの場合もある。第３の予測単元スコアは、予測単元スコアの一例である。

「少なくとも１つの単元」の表記は、全ての単元のうちの全部ではない少なくとも１つの単元の意味を含む。「少なくとも１つの単元」の表記は、実績単元スコアを得られた対象ユーザの全ての単元の意味を含む。対象ユーザのユーザデータは、実績試験スコアを含んでいない。

プロセッサ１１は、単元スコア処理部１１１、試験スコア予測部１１２、出力部１１３、最適化処理部１１４、試験スコア予測モデル処理部１１５及び単元スコア予測モデル処理部１１６を実現する。プロセッサ１１によって実現される各部は、各機能ということもできる。プロセッサ１１によって実現される各部は、プロセッサ１１、ＲＯＭ１２及びＲＡＭ１３を含む制御部によって実現されるということもできる。

単元スコア処理部１１１は、第１の実施形態と同様に、対象ユーザの単元スコアを更新する。単元スコア処理部１１１の処理は、第１の実施形態と同様であってよく、その説明を省略する。単元スコア処理部１１１は、予測対象単元についての対象ユーザの第３の予測単元スコアを取得する。

試験スコア予測部１１２は、第１の実施形態と同様に、対象ユーザの全ての単元の単元スコアに基づいて、対象ユーザの予測試験スコアを取得する。試験スコア予測部１１２の処理は、第１の実施形態と同様であってよく、その説明を省略する。

出力部１１３は、第１の実施形態と同様に、予測結果を端末２に出力する。予測結果は予測試験スコアを含む。出力部１１３の処理は、第１の実施形態と同様であってよく、その説明を省略する。

最適化処理部１１４は、第１の実施形態と同様に、単元スコアの更新に用いる各種パラメータを最適化する。最適化処理部１１４の処理は、第１の実施形態と同様であってよく、その説明を省略する。

試験スコア予測モデル処理部１１５は、第１の実施形態と同様に、機械学習により試験スコア予測モデルを生成する。試験スコア予測モデル処理部１１５の処理は、第１の実施形態と同様であってよく、その説明を省略する。

単元スコア予測モデル処理部１１６は、第２の実施形態と同様に、機械学習により第１の単元スコア予測モデル１４５を生成する。単元スコア予測モデル処理部１１６は、第３の実施形態と同様に、機械学習により第２の単元スコア予測モデル１４７を生成する。単元スコア予測モデル処理部１１６の処理は、第２の実施形態又は第３の実施形態と同様であってよく、その説明を省略する。

（動作例）
次に、以上のように構成されたサーバ１の動作例を説明する。
なお、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。

図２１は、第４の実施形態に係るサーバ１により実行される第３の単元スコア予測モデルの生成処理の一例を示すフローチャートである。
単元スコア処理部１１１は、対象ユーザにより端末２で入力された指示により第３の予測単元スコアの取得処理を開始してもよい。単元スコア処理部１１１は、任意のタイミングに第３の予測単元スコアの取得処理を開始してもよい。

単元スコア処理部１１１は、少なく１つの単元についての対象ユーザの実績単元スコアを管理データ１４１から取得する（ステップＳ３０）。

単元スコア処理部１１１は、予測対象単元についての複数の他のユーザの実績単元スコアを管理データ１４１から取得する（ステップＳ３１）。

単元スコア処理部１１１は、単元間のスコアの関係性及び取得された対象ユーザの実績単元スコアに基づいて、予測対象単元についての対象ユーザの第１の予測単元スコアを取得する（ステップＳ３２）。ステップＳ３２の処理は、上述のステップＳ１７の処理と同様であってもよい。

単元スコア処理部１１１は、ユーザ間のスコアの関係性及び取得された複数の他のユーザの実績単元スコアに基づいて、予測対象単元についての対象ユーザの第２の予測単元スコアを取得する（ステップＳ３３）。ステップＳ３３の処理は、上述のステップＳ２４の処理と同様であってもよい。

単元スコア処理部１１１は、予測対象単元についての対象ユーザの第１の予測単元スコア及び第２の予測単元スコアに基づいて、予測対象単元についての対象ユーザの第３の予測単元スコアを取得する（ステップＳ３４）。ステップＳ３４では、例えば、単元スコア処理部１１１は、Ｌ×第１の予測単元スコアと（１－Ｌ）×第２の予測単元スコアの加算により得られる値を第３の予測単元スコアとして取得してもよい。Ｌは、０よりも大きく、１よりも小さい値である。Ｌの値は、適宜設定可能である。単元スコア処理部１１１は、第３の予測単元スコアを記憶装置１４に保存する。

単元スコア処理部１１１は、全ての予測対象単元についての対象ユーザの第３の予測単元スコアを取得したか否かを判断する（ステップＳ３５）。単元スコア処理部１１１が全ての予測対象単元についての対象ユーザの第３の予測単元スコアを取得したと判断した場合（ステップＳ３５、ＹＥＳ）、処理は、終了する。単元スコア処理部１１１は、全ての予測対象単元についての対象ユーザの第３の予測単元スコアを取得していないと判断した場合（ステップＳ３５、ＮＯ）、ステップＳ３１、ステップＳ３２、ステップＳ３３及びステップＳ３４の処理を繰り返す。単元スコア処理部１１１は、全ての予測対象単元についての対象ユーザの第３の予測単元スコアを取得するまで、予測対象単元毎にステップＳ３１、ステップＳ３２、ステップＳ３３及びステップＳ３４の処理を繰り返す。

上述のように、情報処理装置は、予測対象単元についての対象ユーザの第１の予測単元スコア及び第２の予測単元スコアに基づいて、第３の予測単元スコアを取得することができる。これにより、情報処理装置は、異なる２つの手法を用いることにより単元スコアの予測精度を上げることができる。

第４の実施形態は、以下のように構成されてもよい。
情報処理装置は、少なくとも１つの単元についての対象ユーザの実績単元スコアを取得し、複数の単元についての複数のユーザの実績単元スコアに基づく単元間のスコアの関係性及び取得された対象ユーザの実績単元スコアに基づいて、少なくとも１つの単元とは異なる予測対象単元についての対象ユーザの第１の予測単元スコアを取得し、予測対象単元についての対象ユーザとは異なる複数の他のユーザの実績単元スコアを取得し、複数の単元についての複数のユーザの実績単元スコアに基づくユーザ間のスコアの関係性及び取得された複数の他のユーザの実績単元スコアに基づいて、予測対象単元についての対象ユーザの第２の予測単元スコアを取得し、第１の予測単元スコア及び第２の予測単元スコアに基づいて、予測対象単元についての対象ユーザの第３の予測単元スコアを取得する単元スコア処理部を備える。

［その他の実施形態］
単元は、内容のまとまりを表すものであり、科目に含まれるものに限られない。単元は、科目であってもいいし、教科であってもよい。

点数をスコアの一例として説明したが、これに限定されない。スコアは、単元の習熟度を示す割合の値であってもよい。

情報処理装置は、上記の例で説明したように１つの装置で実現されてもよいし、機能を分散させた複数の装置で実現されてもよい。サーバ１の記憶装置１４が種々のデータを記憶する例を説明したが、サーバ１とは異なるサーバがサーバ１に代えて種々のデータを記憶してもよい。サーバ１とは異なる複数のサーバがサーバ１に代えて種々のデータを分散して記憶してもよい。

プログラムは、電子機器に記憶された状態で譲渡されてよいし、電子機器に記憶されていない状態で譲渡されてもよい。後者の場合は、プログラムは、ネットワークを介して譲渡されてよいし、記録媒体に記録された状態で譲渡されてもよい。記録媒体は、非一時的な有形の媒体である。記録媒体は、コンピュータ可読媒体である。記録媒体は、ＣＤ－ＲＯＭ、メモリカード等のプログラムを記憶可能かつコンピュータで読取可能な媒体であればよく、その形態は問わない。

要するにこの発明は、本実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、本実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、本実施形態に示される全構成要素からいくつかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合わせてもよい。
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］
対象ユーザによる単元に関連付けられたアウトプットレッスンの受講に基づいて前記アウトプットレッスンのスコアを取得し、前記アウトプットレッスンのスコアに基づいて、前記対象ユーザの前記単元の実力を示す単元スコアを更新する単元スコア処理部と、
前記対象ユーザの複数の単元の単元スコアに基づいて、前記対象ユーザの予測試験スコアを取得する試験スコア予測部と、
を備える情報処理装置。
［Ｃ２］
前記単元スコア処理部は、前記アウトプットレッスンに設定された難易度に基づいて前記アウトプットレッスンのスコアを調整したスコア及び前記単元の単元スコアに対する前記アウトプットレッスンの寄与度に基づいて、前記単元の単元スコアを更新する、［Ｃ１］に記載の情報処理装置。
［Ｃ３］
前記単元スコア処理部は、忘却度に応じた時間経過に伴うスコアの減少度に基づいて、前記対象ユーザの前記複数の単元の単元スコアを更新する、［Ｃ１］又は［Ｃ２］に記載の情報処理装置。
［Ｃ４］
前記単元スコア処理部は、前記アウトプットレッスンの受講に基づいて、前記単元についての前記減少度を小さくする、［Ｃ３］に記載の情報処理装置。
［Ｃ５］
複数のユーザの予測試験スコア及び前記複数のユーザの実績試験スコアに基づく機械学習により、前記複数の単元の単元スコアに対する前記複数の単元に関連付けられた複数のアウトプットレッスンの寄与度、前記複数の単元に関連付けられた複数のアウトプットレッスンの難易度及び前記忘却度を最適化する最適化処理部をさらに備える、
［Ｃ２］を引用する［Ｃ３］に記載の情報処理装置。
［Ｃ６］
前記複数の単元の単元スコアは、少なくとも１つの単元についての前記対象ユーザの実績単元スコアに基づく単元スコア及び前記少なくとも１つの単元とは異なる予測対象単元についての前記対象ユーザの予測単元スコアに基づく単元スコアを含み、
前記単元スコア処理部は、前記対象ユーザの実績単元スコアを取得し、前記複数の単元についての複数のユーザの実績単元スコアに基づく単元間のスコアの関係性及び取得された前記対象ユーザの実績単元スコアに基づいて、前記予測対象単元についての前記対象ユーザの予測単元スコアを取得する、
［Ｃ１］に記載の情報処理装置。
［Ｃ７］
前記複数の単元の単元スコアは、少なくとも１つの単元についての前記対象ユーザの実績単元スコアに基づく単元スコア及び前記少なくとも１つの単元とは異なる予測対象単元についての前記対象ユーザの予測単元スコアに基づく単元スコアを含み、
前記単元スコア処理部は、前記予測対象単元についての前記対象ユーザとは異なる複数の他のユーザの実績単元スコアを取得し、前記複数の単元についての前記対象ユーザ及び前記複数の他のユーザを含む複数のユーザの実績単元スコアに基づくユーザ間のスコアの関係性並びに取得された前記複数の他のユーザの実績単元スコアに基づいて、前記予測対象単元についての前記対象ユーザの予測単元スコアを取得する、
［Ｃ１］に記載の情報処理装置。
［Ｃ８］
対象ユーザによる単元に関連付けられたアウトプットレッスンの受講に基づいて前記アウトプットレッスンのスコアを取得することと、
前記アウトプットレッスンのスコアに基づいて、前記対象ユーザの前記単元の実力を示す単元スコアを更新することと、
前記対象ユーザの複数の単元の単元スコアに基づいて、前記対象ユーザの予測試験スコアを取得することと、
を備える情報処理方法。
［Ｃ９］
コンピュータに、
対象ユーザによる単元に関連付けられたアウトプットレッスンの受講に基づいて前記アウトプットレッスンのスコアを取得することと、
前記アウトプットレッスンのスコアに基づいて、前記対象ユーザの前記単元の実力を示す単元スコアを更新することと、
前記対象ユーザの複数の単元の単元スコアに基づいて、前記対象ユーザの予測試験スコアを取得することと、
を実行させる情報処理プログラム。

１…サーバ、２…端末、１１…プロセッサ、１２…ＲＯＭ、１３…ＲＡＭ、１４…記憶装置、１５…通信インタフェース、２１…プロセッサ、２２…ＲＯＭ、２３…ＲＡＭ、２４…記憶装置、２５…通信インタフェース、２６…入力装置、２７…表示装置、１１１…単元スコア処理部、１１２…試験スコア予測部、１１３…出力部、１１４…最適化処理部、１１５…試験スコア予測モデル処理部、１１６…単元スコア予測モデル処理部、１４１…管理データ、１４２…配点割合データ、１４３…試験スコア予測モデル、１４４…第１の類似度データ、１４５…第１の単元スコア予測モデル、１４６…第２の類似度データ、１４７…第２の単元スコア予測モデル。

Claims (9)

1. 対象ユーザによる単元に関連付けられたアウトプットレッスンの受講に基づいて前記対象ユーザが獲得した前記アウトプットレッスンのスコアを取得し、取得された前記アウトプットレッスンのスコアが前記アウトプットレッスンの受講直前における前記単元の単元スコアに反映され易くなる度合を示す寄与度に基づいて、取得された前記アウトプットレッスンのスコアを前記アウトプットレッスンの受講直前における前記単元の単元スコアに対して反映することにより、前記単元の単元スコアを更新する単元スコア処理部と、
   前記対象ユーザの複数の単元の単元スコアに基づいて、前記単元の単元スコアの更新時点における前記対象ユーザの予測試験スコアを取得する試験スコア予測部と、
   を備える情報処理装置。
2. 前記単元スコア処理部は、前記アウトプットレッスンに設定された難易度に基づいて前記アウトプットレッスンのスコアを調整したスコア及び前記寄与度に基づいて、前記単元の単元スコアを更新する、請求項１に記載の情報処理装置。
3. 前記単元スコア処理部は、忘却度に応じた時間経過に伴うスコアの減少度に基づいて、前記対象ユーザの前記複数の単元の単元スコアを更新する、請求項１又は２に記載の情報処理装置。
4. 前記単元スコア処理部は、前記アウトプットレッスンの受講に基づいて、前記単元についての前記減少度を小さくする、請求項３に記載の情報処理装置。
5. 複数のユーザの予測試験スコア及び前記複数のユーザの実績試験スコアに基づく機械学習により、前記複数の単元の単元スコアに対する前記複数の単元に関連付けられた複数のアウトプットレッスンの寄与度、前記複数の単元に関連付けられた複数のアウトプットレッスンの難易度及び前記忘却度を最適化する最適化処理部をさらに備える、
   請求項２を引用する請求項３に記載の情報処理装置。
6. 前記複数の単元の単元スコアは、少なくとも１つの単元についての前記対象ユーザの実績単元スコアに基づく単元スコア及び前記少なくとも１つの単元とは異なる予測対象単元についての前記対象ユーザの予測単元スコアに基づく単元スコアを含み、
   前記単元スコア処理部は、前記対象ユーザの実績単元スコアを取得し、前記複数の単元についての複数のユーザの実績単元スコアに基づく単元間のスコアの関係性及び取得された前記対象ユーザの実績単元スコアに基づいて、前記予測対象単元についての前記対象ユーザの予測単元スコアを取得する、
   請求項１に記載の情報処理装置。
7. 前記複数の単元の単元スコアは、少なくとも１つの単元についての前記対象ユーザの実績単元スコアに基づく単元スコア及び前記少なくとも１つの単元とは異なる予測対象単元についての前記対象ユーザの予測単元スコアに基づく単元スコアを含み、
   前記単元スコア処理部は、前記予測対象単元についての前記対象ユーザとは異なる複数の他のユーザの実績単元スコアを取得し、前記複数の単元についての前記対象ユーザ及び前記複数の他のユーザを含む複数のユーザの実績単元スコアに基づくユーザ間のスコアの関係性並びに取得された前記複数の他のユーザの実績単元スコアに基づいて、前記予測対象単元についての前記対象ユーザの予測単元スコアを取得する、
   請求項１に記載の情報処理装置。
8. 情報処理装置が実行する情報処理方法であって、
   対象ユーザによる単元に関連付けられたアウトプットレッスンの受講に基づいて前記対象ユーザが獲得した前記アウトプットレッスンのスコアを取得することと、
   取得された前記アウトプットレッスンのスコアが前記アウトプットレッスンの受講直前における前記単元の単元スコアに反映され易くなる度合を示す寄与度に基づいて、取得された前記アウトプットレッスンのスコアを前記アウトプットレッスンの受講直前における前記単元の単元スコアに対して反映することにより、前記単元の単元スコアを更新することと、
   前記対象ユーザの複数の単元の単元スコアに基づいて、前記単元スコアの更新時点における前記対象ユーザの予測試験スコアを取得することと、
   を備える情報処理方法。
9. コンピュータに、
   対象ユーザによる単元に関連付けられたアウトプットレッスンの受講に基づいて前記対象ユーザが獲得した前記アウトプットレッスンのスコアを取得することと、
   取得された前記アウトプットレッスンのスコアが前記アウトプットレッスンの受講直前における前記単元の単元スコアに反映され易くなる度合を示す寄与度に基づいて、取得された前記アウトプットレッスンのスコアを前記アウトプットレッスンの受講直前における前記単元の単元スコアに対して反映することにより、前記単元の単元スコアを更新することと、
   前記対象ユーザの複数の単元の単元スコアに基づいて、前記単元スコアの更新時点における前記対象ユーザの予測試験スコアを取得することと、
   を実行させる情報処理プログラム。

Images