JP7361862B1

JP7361862B1 - 学習システム、プログラムおよび方法

Info

Publication number: JP7361862B1
Application number: JP2022166660A
Authority: JP
Inventors: 隆稔石井
Original assignee: エスエイティーティー株式会社
Priority date: 2022-10-18
Filing date: 2022-10-18
Publication date: 2023-10-16
Anticipated expiration: 2042-10-18
Also published as: JP2024059156A

Abstract

【課題】学習者の学習効率を向上することが可能な、新規かつ改良された学習システム、プログラムおよび方法を提供する。【解決手段】１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出する予測正答率算出部と、前記学習者に関連する所定の情報に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定するヒント決定部と、を備える、学習システムが提供される。【選択図】図４

Description

本発明は、学習システム、プログラムおよび方法に関する。

近年、eラーニングシステムにおいて、学習者の学習コンテンツへの反応等から最適と考えられるコンテンツを提供することで学習を支援するシステムが提案されている。ある種のシステムは、学習者の理解度および回答傾向に基づき、出題する問題の難易度を自動的に調整し得る。

また、問題を調整対象とするのではなく、問題と併せて学習者に提供されるヒントを調整するシステムも提案されている。例えば、非特許文献１には、学習者の能力を推定し、学習課題への正答確率が目標正答率となるようにヒントを提示するシステムが開示されている。非特許文献１には、目標正答率として、一律的な５０％が示されている。

Maomi Ueno and Yoshimitsu Miyazawa. IRT-Based Adaptive Hints to Scaffold Learning in Programming. 出版地不明 : IEEE Transactions on Learning Technologies 11 (4), 415-428, 2018-10, 2018.

しかし、上記の非特許文献１に開示されたシステムは、プログラミング用の教材を想定して提案されたシステムである。プログラミング用の教材においては目標正答率が一律的な値であることが最適であったとしても、他の教材においては必ずしも目標正答率が一律的であることが最適ではない。結果、他の教材における学習効率が十分に向上しない懸念がある。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、学習者の学習効率を向上することが可能な、新規かつ改良された学習システム、プログラムおよび方法を提供することにある。

上記課題を解決するために、本発明のある観点によれば、１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出する予測正答率算出部と、前記学習者によって解答される前記対象問題が属する教科または科目に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定するヒント決定部と、を備える、学習システムが提供される。

前記ヒント決定部は、前記教科または科目と対応付けられて記憶部に記憶された正答率に基づいて前記目標正答率範囲を特定してもよい。

また、上記課題を解決するために本発明の別の観点によれば、１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出する予測正答率算出部と、前記学習者による前記対象問題とは異なる１または複数の問題への解答の正誤判定結果に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定するヒント決定部と、を備え、前記ヒント決定部は、前記正誤判定結果が所定の回数以上連続して誤答を示す場合には、その他の場合よりも、前記目標正答率範囲を高く特定する、学習システムが提供される。

前記対象問題は、学校受験の対策のための問題であってもよい。

また、上記課題を解決するために本発明の別の観点によれば、コンピュータを、１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出する予測正答率算出部と、
前記学習者によって解答される前記対象問題が属する教科または科目に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定するヒント決定部と、として機能させるプログラムが提供される。
また、上記課題を解決するために本発明の別の観点によれば、コンピュータを、１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出する予測正答率算出部と、前記学習者による前記対象問題とは異なる１または複数の問題への解答の正誤判定結果に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定するヒント決定部と、として機能させ、前記ヒント決定部は、前記正誤判定結果が所定の回数以上連続して誤答を示す場合には、その他の場合よりも、前記目標正答率範囲を高く特定する、プログラムが提供される。

また、上記課題を解決するために本発明の別の観点によれば、１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出することと、前記学習者によって解答される前記対象問題が属する教科または科目に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定することと、を含む、コンピュータにより実行される方法が提供される。
また、上記課題を解決するために本発明の別の観点によれば、１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出することと、前記学習者による前記対象問題とは異なる１または複数の問題への解答の正誤判定結果に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定することと、を含み、前記正誤判定結果が所定の回数以上連続して誤答を示す場合には、その他の場合よりも、前記目標正答率範囲を高く特定する、コンピュータにより実行される方法が提供される。

以上説明した本発明によれば、学習者の学習効率を向上することが可能である。

本願の出願人が分析に用いた使用データの例を示す図である。物理において選択された重回帰モデルと、化学において選択された重回帰モデルを示す図である。本発明の実施形態に係るシステム全体の構成例を示す図である。本発明の実施形態に係る学習システム１０の機能構成例を示す図である。本発明の実施形態に係る端末装置２０の機能構成例を示す図である。学習者ＤＢ１６３の構成例を示す図である。履歴ＤＢ１６４の構成例を示す図である。科目ＤＢ１６５の構成例を示す図である。目標正答率範囲ＤＢ１６６の構成例を示す図である。問題ＤＢ１６７の構成例を示す図である。ヒントＤＢ１６８の構成例を示す図である。本発明の実施形態に係るシステム１の動作例を示すフローチャートである。端末装置２０によって表示される問題閲覧画面の例を示す図である。端末装置２０によって表示される解答記入画面の例を示す図である。予測正答率算出部１１５によるモデル構築の例を説明するための図である。ヒント決定部１１６によるヒント決定の例を説明するための図である。端末装置２０によって表示されるヒント閲覧画面の例を示す図である。変形例に係る目標正答率範囲の特定について説明するための図である。本発明の実施形態に係る学習システム１０の例としての情報処理装置のハードウェア構成を示す図である。

以下に添付図面を参照しながら、本発明の実施の形態について詳細に説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

＜０．概要＞
まず、本発明の実施形態の概要について説明する。

上記したように、eラーニングシステムにおいて、学習者に提供されるヒントを調整するシステムが提案されている。例えば、非特許文献１には、学習者の能力を推定し、学習課題への正答確率が目標正答率となるようにヒントを提示するシステムが開示されている。しかし、必ずしも目標正答率が一律的であることが最適ではない場合がある。そこで、本明細書においては、状況に応じてより適切な目標正答率範囲を特定することにより、学習者の学習効率を向上することを可能とする技術について主に提案する。

一例として、本願の出願人は、学習者によって解答される対象問題が属する分類によって適切な目標正答率範囲が異なるという分析結果を得た。そこで、図１および図２を参照しながら、本願の出願人によって行われた分析内容と、その分析によって本願の出願人が得た分析結果の例について説明する。

なお、本明細書においては、学習者によって解答される対象問題が、学校受験の対策のための問題である場合について主に想定する。しかし、学習者によって解答される対象問題は、学校受験の対策のための問題に限定されない。例えば、学習者によって解答される対象問題は、資格試験の受験対策のための問題などであってもよい。

また、本明細書においては、対象問題が属する分類が、科目である場合について主に説明する。しかし、対象問題が属する分類は、科目以外（例えば、教科など）であってもよい。教科は、学校教育において、児童または生徒が学習する知識および技術を系統立てて組織した一定の分野を意味する。例えば、教科には、国語、社会、算数および理科などが該当する。一方、科目は、学問の区分を意味し、特に教科を分野別に分類したものを意味する。例えば、科目には、物理、化学および生物などが該当する。

図１は、本願の出願人が分析に用いた使用データの例を示す図である。図１に示された使用データは、２０２１年度に行われた模擬試験に関するデータである。

「ＩＤ」は、サンプルの識別情報である。ここでは、解答回数が上位６０％（物理：２７回以上、化学：３３回以上、数学：３３回以上）の学習者がサンプルとされている。

「初期偏差値」は、２０２１年９月の模擬試験の結果から計算される偏差値である。

「偏差値の変化」は、模擬試験の結果から計算される偏差値の変化を示し、当該偏差値の２０２１年９月分から２０２１年１２月分の減算結果を示す。

「解答回数」は、学習者によって解答された問題の数である。

「０－２０％（割合）」～「８０－１００％（割合）」は、各学習者が２０２１年９月から１２月の間に行った演習中の全問題数に対する予測正答率ごとの問題数の割合を示す。なお、予想正答率としては、ＫＴ（ＫｎｏｗｌｅｄｇｅＴｒａｃｉｎｇ）手法によって算出された値が使用されている。

本願の出願人は、「偏差値の変化」を目的変数とし、「初期偏差値」、「解答回数」、「０－２０％（割合）」～「８０－１００％（割合）」を説明変数として、重回帰分析を行った。かかる分析結果により、これらの説明変数が目的変数にどう影響を与えているかが把握され得る。分析結果は、Ｒのｓｔａｔｓパッケージのステップ関数を使用し、ＡＩＣ（Ａｋａｉｋｅ’ｓＩｎｆｏｒｍａｔｉｏｎＣｒｉｔｅｒｉｏｎ）を用いたステップワイズ法により選択された重回帰モデルである。

図２は、物理において選択された重回帰モデルと、化学において選択された重回帰モデルを示す図である。

図２に示されるように、物理において選択された重回帰モデルにおいて、重相関係数は０.４３であり、重回帰モデルと使用データとの間に正の相関があることが認められる。したがって、学習者による学習科目が物理の場合には、予測正答率と学習効果との間に関連があることが把握される。物理において選択された重回帰モデルにおいて、予測正答率「４０－６０％（割合）」の係数は負の値「－７．９５」である。つまり、学習者による学習科目が物理の場合には、予測正答率が「４０－６０％（割合）」に属する問題を学習者が解くほど、学習効果が低くなると考えられる。

図２に示されるように、化学において選択された重回帰モデルにおいて、重相関係数は０.２７であり、重回帰モデルと使用データとの間に相関があるとは言えない。しかし、化学において選択された重回帰モデルにおいて、予測正答率「６０－８０％（割合）」の係数は正の値「８．７３」である。つまり、学習者による学習科目が化学の場合には、予測正答率が「６０－８０％（割合）」に属する問題を学習者が多く解くことが、学習効果を高める可能性があると考えられる。

以上、図１および図２を参照しながら説明した、分析内容および分析結果から、科目によっては、学習効果を高める予測正答率は必ずしも５０％前後であるとは限らないことが示唆される。また、学習効果を高める予測正答率の科目による違いは、科目の特性に起因すると考えられる。一例として、学習効果を高める予測正答率が化学の場合に高くなるのは、化学における学習には、知識の暗記が重要であり、知識の定着を強化するような演習が効果的であるなどといった科目特性に起因すると考えられる。

以上、本発明の実施形態の概要について説明した。

＜１．システムの構成例＞
続いて、本発明の実施形態に係るシステムの構成例について説明する。

（１．１．システム全体の構成例）
まず、本発明の実施形態に係るシステム全体の構成例について説明する。

図３は、本発明の実施形態に係るシステム全体の構成例を示す図である。図３に示されるように、本発明の実施形態に係るシステム１は、学習システム１０と、端末装置２０と、ネットワーク３０とを備える。

端末装置２０は、コンピュータにより実現され、学習者Ｌ１によって主に利用される。端末装置２０は、学習システム１０とネットワーク３０を介して通信を行う。例えば、端末装置２０は、ネットワーク３０を介して、学習システム１０から提供された問題を表示したり、学習システム１０から提供されたヒントを表示したり、学習システム１０から提供された学習者Ｌ１の解答に対する正誤判定結果を表示したりする。

図３に示された例では、端末装置２０がスマートフォンであるが、端末装置２０は、スマートフォンに限定されない。例えば、端末装置２０は、ＰＣ（ＰｅｒｓｏｎａｌＣｏｍｐｕｔｅｒ）であってもよいし、他の端末装置であってもよい。また、図３には、学習システム１０を利用する学習者が学習者Ｌ１の１人しか示されていないが、学習者Ｌ１以外にも学習システム１０を利用する学習者が存在してよい。すなわち、学習システム１０を利用する学習者は、学習者Ｌ１～Ｌｎ（ただし、ｎは１以上の整数）と表されてよい。

学習システム１０は、コンピュータにより実現され、端末装置２０とネットワーク３０を介して通信を行う。例えば、学習システム１０は、ネットワーク３０を介して、学習者Ｌ１によって解答される問題を端末装置２０に提供したり、問題に対応するヒントを端末装置２０に提供したり、学習者Ｌ１の解答に対する正誤判定結果を端末装置２０に提供したりする。なお、学習システム１０は、１台のコンピュータにより構成されてもよいし、複数台のコンピュータにより構成されてもよい。

以上、本発明の実施形態に係るシステム全体の構成例について説明した。

（１．２．学習システム１０の機能構成例）
続いて、本発明の実施形態に係る学習システム１０の機能構成例について説明する。

図４は、本発明の実施形態に係る学習システム１０の機能構成例を示す図である。学習システム１０は、図示しない制御部を備え、図示しない制御部は、取得部１１３と、履歴管理部１１４と、予測正答率算出部１１５と、ヒント決定部１１６と、表示制御部１１７とを備える。なお、取得部１１３、履歴管理部１１４、予測正答率算出部１１５、ヒント決定部１１６および表示制御部１１７それぞれが有する機能については、図１２～図１７を参照しながら後に詳細に説明する。

ここで、図示しない制御部は、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）などの演算装置を含み、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）により記憶されているプログラムが演算装置によりＲＡＭに展開されて実行されることにより、その機能が実現され得る。あるいは、これらのブロックは、専用のハードウェアにより構成されていてもよいし、複数のハードウェアの組み合わせにより構成されてもよい。演算装置による演算に必要なデータは、図示しない記憶部によって適宜記憶される。

学習システム１０は、図示しない記憶部を備え、図示しない記憶部は、モデル１２５と、学習者ＤＢ（ＤａｔａＢａｓｅ）１６３と、履歴ＤＢ１６４と、科目ＤＢ１６５と、目標正答率範囲ＤＢ１６６と、問題ＤＢ１６７と、ヒントＤＢ１６８とを備える。図示しない記憶部は、図示しない制御部を動作させるためのプログラムおよびデータを記憶することが可能なメモリである。また、図示しない記憶部は、図示しない制御部の動作の過程で必要となる各種データを一時的に記憶することもできる。例えば、メモリは、不揮発性メモリであってよい。

なお、モデル１２５は、科目ごとに構築される。モデル１２５の構築については、図１５を参照しながら後に詳細に説明する。その他のデータベースの構成例については、図６～図１１を参照しながら後に詳細に説明する。

通信部１１２は、通信インタフェースによって構成され、端末装置２０とネットワーク３０を介して通信を行う。

以上、本発明の実施形態に係る学習システム１０の機能構成例について説明した。

（１．３．端末装置２０の機能構成例）
続いて、本発明の実施形態に係る端末装置２０の機能構成例について説明する。

図５は、本発明の実施形態に係る端末装置２０の機能構成例を示す図である。図５に示されるように、端末装置２０は、操作部２１０と、制御部２２０と、記憶部２３０と、通信部２４０と、表示部２５０とを備える。

操作部２１０は、端末装置２０を利用する学習者Ｌ１による操作を受け付ける。本発明の実施形態では、操作部２１０がタッチパネルを含み、利用者によるタッチ操作などを操作として受け付ける場合を主に想定する。しかし、操作部２１０はタッチパネルを含む場合に限定されない。例えば、操作部２１０は、キーボードを含んでもよいし、マウスを含んでもよいし、マイクロフォンを含んでもよいし、他の入力装置を含んでもよい。

制御部２２０は、ＣＰＵなどを含み、記憶部２３０により記憶されているプログラムがＣＰＵによりＲＡＭに展開されて実行されることにより、その機能が実現され得る。このとき、当該プログラムを記録した、コンピュータに読み取り可能な記録媒体も提供され得る。あるいは、制御部２２０は、専用のハードウェアにより構成されていてもよいし、複数のハードウェアの組み合わせにより構成されてもよい。演算装置による演算に必要なデータは、記憶部２３０によって適宜記憶される。

記憶部２３０は、制御部２２０を動作させるためのプログラムおよびデータを記憶することが可能なメモリである。また、記憶部２３０は、制御部２２０の動作の過程で必要となる各種データを一時的に記憶することもできる。例えば、記憶装置は、不揮発性メモリであってよい。

通信部２４０は、通信インタフェースによって構成され、ネットワーク３０を介して学習システム１０と通信を行う。

表示部２５０は、制御部２２０による制御に従って表示を行う機能を有する。ここで、表示部２５０の形態は特に限定されない。例えば、表示部２５０は、液晶ディスプレイ（ＬＣＤ）装置であってもよいし、ＯＬＥＤ（ＯｒｇａｎｉｃＬｉｇｈｔＥｍｉｔｔｉｎｇＤｉｏｄｅ）装置であってもよいし、ランプなどの表示装置であってもよい。

以上、本発明の実施形態に係る端末装置２０の機能構成例について説明した。

（１．４．各種データベースの構成例）
続いて、図６～図１１を参照しながら、本発明の実施形態に係る学習システム１０によって記憶される各種データベースの構成例について説明する。

（学習者ＤＢ１６３）
図６は、学習者ＤＢ１６３の構成例を示す図である。図６に示されるように、学習者ＤＢ１６３は、学習者ＩＤと、学習者名と、科目ＩＤと、認証用情報とが対応付けられて構成される。学習者ＩＤは、学習者を識別するための情報である。学習者名は、学習者の名称である。科目ＩＤは、科目を識別するための情報である。認証用情報は、認証処理に用いられる情報である。なお、典型的に、認証用情報は、パスワードであってよい。しかし、認証用情報は、パスワード以外の情報（例えば、学習者Ｌ１の生体情報など）であってもよい。

（履歴ＤＢ１６４）
図７は、履歴ＤＢ１６４の構成例を示す図である。図７に示されるように、履歴ＤＢ１６４は、学習者ＩＤと、科目ＩＤと、解答日時と、問題ＩＤと、ヒントＩＤと、正誤判定結果とが対応付けられて構成される。学習者ＩＤは、学習者を識別するための情報である。学習者名は、学習者の名称である。科目ＩＤは、科目を識別するための情報である。解答日時は、学習者によって問題が解答された日時である。問題ＩＤは、学習者によって解答された問題を識別するための情報である。ヒントＩＤは、学習者に提示されたヒントを識別するための情報である。正誤判定結果は、学習者の解答の正答または誤答を示す情報である。

（科目ＤＢ１６５）
図８は、科目ＤＢ１６５の構成例を示す図である。図８に示されるように、科目ＤＢ１６５は、科目ＩＤと、問題ＩＤと、ヒントＩＤとが対応付けられて構成される。科目ＩＤは、科目を識別するための情報である。問題ＩＤは、問題を識別するための情報である。ヒントＩＤは、ヒントを識別するための情報である。

（目標正答率範囲ＤＢ１６６）
図９は、目標正答率範囲ＤＢ１６６の構成例を示す図である。図９に示されるように、目標正答率範囲ＤＢ１６６は、科目ＩＤと、目標正答率範囲とが対応付けられて構成される。科目ＩＤは、科目を識別するための情報である。目標正答率範囲は、学習者Ｌ１の解答の予測正答率が属するべき正答率の範囲である。なお、後にも説明するように、目標正答率範囲の代わりに、目標正答率範囲を特定するための基準となる正答率がデータベースに記録されていてもよい。

（問題ＤＢ１６７）
図１０は、問題ＤＢ１６７の構成例を示す図である。図１０に示されるように、問題ＤＢ１６７は、問題ＩＤと、問題とが対応付けられて構成される。問題ＩＤは、問題を識別するための情報である。問題は、学習者Ｌ１に提供され、学習者Ｌ１によって解答される対象である。

（ヒントＤＢ１６８）
図１１は、ヒントＤＢ１６８の構成例を示す図である。図１１に示されるように、ヒントＤＢ１６８は、ヒントＩＤと、ヒントとが対応付けられて構成される。ヒントＩＤは、ヒントを識別するための情報である。ヒントは、学習者Ｌ１に提供され、学習者Ｌ１が問題に解答するに際して参考にする情報である。

以上、本発明の実施形態に係るシステム１の構成例について説明した。

＜２．システムの動作例＞
続いて、図１２～図１７を参照しながら（適宜図１～図１１も参照しながら）、本発明の実施形態に係るシステム１の動作例について説明する。

図１２は、本発明の実施形態に係るシステム１の動作例を示すフローチャートである。

まず、端末装置２０において、制御部２２０は、学習用アプリケーションの初期画面の表示部２５０による表示を制御する。学習者Ｌ１は、初期画面において、学習者Ｌ１に対応する学習者ＩＤを操作部２１０に対して入力するとともに、認証用情報を操作部２１０に対して入力する。制御部２２０は、学習者ＩＤと認証用情報とを含んだ問題要求が学習システム１０に送信されるように通信部２４０を制御する。

学習システム１０において、通信部１１２によって問題要求が受信されると、取得部１１３は、通信部１１２によって受信された問題要求を取得する。取得部１１３は、問題要求から学習者ＩＤと認証用情報とを取得し、取得した学習者ＩＤおよび認証用情報と、学習者ＤＢ１６３に登録されている学習者ＩＤおよび認証用情報とに基づいて、認証処理を行う。

より詳細に、取得部１１３は、問題要求から取得した学習者ＩＤと一致する学習者ＩＤが学習者ＤＢ１６３に登録されている場合、かつ、問題要求から取得した認証用情報と学習者ＤＢ１６３においてその学習者ＩＤに対応する認証用情報とが一致する場合に、認証が成功したと判断する。すなわち、学習者Ｌ１による学習システム１０へのログインが成功する。取得部１１３は、その他の場合には、認証が失敗したと判断する。すなわち、学習者Ｌ１による学習システム１０へのログインが失敗する。

取得部１１３は、認証が失敗したと判断した場合には、認証失敗を示す認証結果が端末装置２０に送信されるように通信部１１２を制御する。一方、取得部１１３は、認証が成功したと判断した場合には、問題要求から取得した学習者ＩＤに対応する科目ＩＤを学習者ＤＢ１６３から取得する。取得部１１３は、取得した学習者ＩＤと科目ＩＤとを含んだ問題提供指示を履歴管理部１１４に出力する。

なお、ここでは説明を簡単にするため、学習者ＤＢ１６３に、学習者ＩＤに対応する科目ＩＤが一つ登録されている場合を主に想定する。しかし、学習者ＤＢ１６３に、学習者ＩＤに対応する科目ＩＤが複数登録されている場合も想定される。かかる場合には、取得部１１３は、複数の科目のいずれかを学習者Ｌ１に選択させ、学習者Ｌ１によって選択された科目に対応する科目ＩＤを履歴管理部１１４に出力すればよい。

履歴管理部１１４は、取得部１１３から出力された問題提供指示に含まれる学習者ＩＤと科目ＩＤとに対応する１または複数の解答日時を履歴ＤＢ１６４から取得する。そして、履歴管理部１１４は、履歴ＤＢ１６４から取得した１または複数の解答日時から最新の解答日時を特定する。履歴管理部１１４は、取得部１１３から出力された学習者ＩＤと、科目ＩＤと、特定した最新の解答日時とに対応する問題ＩＤを、学習者Ｌ１が最後に解答した問題に対応する問題ＩＤとして履歴ＤＢ１６４から取得する。

例えば、学習者Ｌ１が解答すべき問題の順序が科目ごとに決められている場合を想定する。問題の順序は、問題ＩＤ自体に組み込まれていてもよいし、問題ＩＤに付されていてもよい。

履歴管理部１１４は、問題の順序に従って、取得部１１３から出力された科目ＩＤと一致する科目ＩＤに対応する１または複数の問題ＩＤのうち、学習者Ｌ１が最後に解答した問題の次に学習者Ｌ１が解答する問題（以下、単に「学習者Ｌ１が次に解答する問題」とも言う。）に対応する問題ＩＤを、科目ＤＢ１６５から取得する。履歴管理部１１４は、学習者Ｌ１が次に解答する問題に対応する問題ＩＤを表示制御部１１７に出力する。

表示制御部１１７は、履歴管理部１１４から出力された問題ＩＤに対応する問題を、学習者Ｌ１が次に解答する問題として問題ＤＢ１６７から取得する。表示制御部１１７は、問題ＤＢ１６７から取得した問題とその問題に対応する問題ＩＤとが端末装置２０に送信されるように通信部１１２を制御する。

端末装置２０においては、通信部２４０によって問題と問題ＩＤとが受信されると、制御部２２０は、通信部２４０によって受信された問題が設定された問題閲覧画面の表示部２５０による表示を制御する（Ｓ１１）。

図１３は、端末装置２０によって表示される問題閲覧画面の例を示す図である。図１３を参照すると、問題閲覧画面Ｇ１０には、通信部２４０によって受信された問題Ｇ２１が設定された例が示されている。さらに、問題閲覧画面Ｇ１０には、通信部２４０によって受信された問題Ｇ３１が設定されている。

ここで、問題Ｇ３１は、学習者Ｌ１が次に解答する問題に該当し、学習者Ｌ１によってこれから解答される対象となる問題（すなわち、対象問題）に該当する。また、問題閲覧画面Ｇ１０には、問題Ｇ３１に対応する解答ボタンＢ２１も設定されている。

なお、問題閲覧画面Ｇ１０には、通信部２４０によって受信された問題Ｇ３２および問題Ｇ３３も設定されている。さらに、問題閲覧画面Ｇ１０には、問題Ｇ３２に対応する解答ボタンＢ２２および問題Ｇ３３に対応する解答ボタンＢ２３も設定されている。しかし、問題Ｇ３２および問題Ｇ３３は、学習者Ｌ１による問題Ｇ３１への解答が終わってからでなければ、学習者Ｌ１によって解答され得ない問題である。

問題Ｇ２１は、問題Ｇ３１～Ｇ３３の前段に該当する。その他、ログアウトＤ２３は、学習者Ｌ１が学習システム１０からログアウトするためのボタンである。

続いて、学習者Ｌ１によって問題Ｇ３１に対応する解答ボタンＢ２１を押下する操作が操作部２１０に対して入力された場合を想定する。このとき、制御部２２０は、学習者Ｌ１が問題Ｇ３１への解答を記入するための解答欄が設定された解答記入画面の表示部２５０による表示を制御する。

図１４は、端末装置２０によって表示される解答記入画面の例を示す図である。図１４を参照すると、解答記入画面Ｇ１１には、問題閲覧画面Ｇ１０（図１３）と同様に、問題Ｇ２１および問題Ｇ３１が設定されている。また、解答記入画面Ｇ１１には、問題Ｇ３１に対応する解答欄表示ボタンＢ３１、ヒント閲覧ボタンＢ３２および解答ボタンＢ４１も設定されている。

解答記入画面Ｇ１１が表示された段階では、既に問題Ｇ３１に対応する解答ボタンＢ２１（図１３）を押下する操作が操作部２１０に対して入力されているため、問題Ｇ３１に対応する解答欄表示ボタンＢ３１が、選択済みの状態となっている。このように解答欄表示ボタンＢ３１が選択済みの状態においては、図１４に示されるように、解答記入画面Ｇ１１に解答欄Ａ４１および解答ボタンＢ４１が設定される。

続いて、制御部２２０は、学習者Ｌ１によってヒント閲覧ボタンＢ３２を押下する操作が操作部２１０に対して入力されたか否かを判断する（Ｓ１２）。

学習者Ｌ１によってヒント閲覧ボタンＢ３２を押下する操作が操作部２１０に対して入力されなかった場合には（Ｓ１２において「ＮＯ」）、Ｓ１７に動作が移行される。一方、学習者Ｌ１によってヒント閲覧ボタンＢ３２を押下する操作が操作部２１０に対して入力された場合には（Ｓ１２において「ＹＥＳ」）、Ｓ１３に動作が移行される。ここでは、学習者Ｌ１によってヒント閲覧ボタンＢ３２を押下する操作が操作部２１０に対して入力され、Ｓ１３に動作が移行された場合を想定する。

Ｓ１３に動作が移行されると、制御部２２０は、ヒント要求が学習システム１０に送信されるように通信部２４０を制御する。学習システム１０においては、通信部１１２によってヒント要求が受信されると、取得部１１３は、学習者Ｌ１に対応する学習者ＩＤと、学習者ＩＤに対応する科目ＩＤとを含んだヒント提供指示を履歴管理部１１４に出力する。

履歴管理部１１４は、取得部１１３から出力されたヒント提供指示に含まれる学習者ＩＤと科目ＩＤとに対応する、問題ＩＤ、ヒントＩＤおよび正誤判定結果の１または複数の組み合わせを、その科目に対応する問題への学習者Ｌ１による解答履歴として履歴ＤＢ１６４から取得する。履歴管理部１１４は、取得部１１３から出力された科目ＩＤと、取得した解答履歴とを予測正答率算出部１１５に出力する。

予測正答率算出部１１５は、履歴管理部１１４から出力された解答履歴と、履歴管理部１１４から出力された科目ＩＤに対応するモデル１２５（図４）とに基づいて、問題Ｇ３１に対応する１または複数のヒントごとに、１または複数のヒントが学習者Ｌ１に提供された後に学習者Ｌ１が問題Ｇ３１に正答すると予測される確率である予測正答率を算出する（Ｓ１３）。

ここで、モデル１２５は、科目ごとに用意されており、科目に対応する全問題への全学習者による解答履歴に基づいて構築される。さらに、後にも説明するように、学習者Ｌ１による問題への解答が終わった場合には、その問題に対応する問題ＩＤと、その問題に対して学習者Ｌ１が解答する前に学習者Ｌ１に提供されたヒントに対応するヒントＩＤと、その問題に対する学習者Ｌ１による解答の正誤判定結果とに基づいて、モデル１２５が更新される。図１５を参照しながら、モデル構築の例について説明する。

図１５は、予測正答率算出部１１５によるモデル構築の例を説明するための図である。図１５を参照すると、全学習者である学習者Ｌ１～Ｌｎ（ただし、ｎは１以上の整数）の化学の問題への解答履歴が示されている。予測正答率算出部１１５は、これらの学習者Ｌ１～Ｌｎの化学の問題への解答履歴に基づいて、モデル１２５を構築する。ここで、化学は、科目の一例に過ぎない。したがって、化学以外の科目の問題への解答履歴がモデル１２５の構築に用いられてもよい。

モデル１２５は、ある学習者の化学の問題への解答履歴の入力に対して、１または複数のヒントが学習者に提供された後に学習者が問題に正答すると予測される確率を予測正答率として出力するモデルである。なお、モデル構築には、ＫＴ（ＫｎｏｗｌｅｄｇｅＴｒａｃｉｎｇ）モデルまたは項目反応理論（ＩＲＴ：ＩｔｅｍＲｅｓｐｏｎｓｅＴｈｅｏｒｙ）モデルなどのアルゴリズムが適用され得る。しかし、モデル構築に適用可能なアルゴリズムは、これらに限定されない。

図１５に示された例では、モデル１２５への入力が、学習者Ｌ１の化学の問題（問題ＩＤ＝１４１）への解答履歴であり、モデル１２５からの出力が、学習者Ｌ１の化学の次の問題（問題ＩＤ＝４３１）に対応するヒントごとの予測正答率である。なお、図１５に示された例では、図の簡便さのために、モデル１２５への入力が、学習者Ｌ１の１つの問題への解答履歴である。しかし、モデル１２５への入力が、学習者Ｌ１の複数の問題への解答履歴である場合も十分に想定され得る。また、次の問題（問題ＩＤ＝４３１）は、上記した学習者Ｌ１が次に解答する問題Ｇ３１に該当する。

なお、「ヒントＩＤ」には、同じ番号の後ろに、－（ハイフン）と数字との組み合わせが記載されている。例えば、同じ番号「４３１」の後ろに「－１」、「－２」および「－３」がそれぞれ付された「４３１－１」、「４３１－２」および「４３１－３」が記載されている。

ここで、－（ハイフン）の後ろの数字「１」は、そのヒントＩＤに対応するヒントが、抽象的な内容であるため、最初に閲覧されるべきヒントであることを示す。一方、－（ハイフン）の後ろの数字「２」または「３」は、そのヒントＩＤに対応するヒントが、具体的な内容であるため、最初に閲覧されるべきヒントに続いて閲覧されるべきヒントであることを示す。

このようにして、予測正答率算出部１１５は、１または複数のヒントに対応する予測正答率を算出し得る。続いて、予測正答率算出部１１５は、履歴管理部１１４から出力された、科目ＩＤと、１または複数のヒントに対応するヒントＩＤと、ヒントＩＤに対応する予測正答率とを、ヒント決定部１１６に出力する。

ヒント決定部１１６は、学習者Ｌ１に関連する所定の情報（以下、「目標正答率範囲を決める要素」とも言う。）に基づいて目標正答率範囲を特定する（Ｓ１４）。ここでは、目標正答率範囲を決める要素が、学習者Ｌ１によって次に解答される問題Ｇ３１が属する科目である場合を想定する。すなわち、ヒント決定部１１６が、予測正答率算出部１１５から出力された科目ＩＤに基づいて目標正答率範囲を特定する場合を想定する。

そして、ヒント決定部１１６は、予測正答率算出部１１５から出力された予測正答率から、目標正答率範囲に属する予測正答率を特定する。そして、ヒント決定部１１６は、予測正答率算出部１１５から出力されたヒントＩＤから、特定した予測正答率に対応するヒントＩＤを決定する。これにより、目標正答率範囲に属する予測正答率に対応するヒントが学習者Ｌ１に提供されるヒントとして決定される（Ｓ１５）。図１６を参照しながら、ヒント決定の例について説明する。

図１６は、ヒント決定部１１６によるヒント決定の例を説明するための図である。図１６を参照すると、学習者Ｌ１の化学の次の問題（問題ＩＤ＝４３１）に対応するヒントごとの予測正答率「３２％」、「４１％」、「５０％」、「６８％」および「８９％」が示されている。また、図１６を参照すると、目標正答率範囲ＤＢ１６６に登録されているデータの例として、科目ＩＤ「ＸＸ（化学）」と目標正答率範囲「６０％－８０％」とが対応付けられたデータが示されている。

ヒント決定部１１６は、目標正答率範囲ＤＢ１６６から、科目ＩＤ「ＸＸ（化学）」に対応する目標正答率範囲「６０％－８０％」を取得する。

なお、目標正答率範囲ＤＢ１６６には、目標正答率範囲の代わりに目標正答率範囲を特定するための基準となる正答率（以下、「基準正答率」とも言う。）が登録されていてもよい。このとき、ヒント決定部１１６は、基準正答率に基づいて目標正答率範囲を特定してもよい。例えば、ヒント決定部１１６は、基準正答率にあらかじめ定められた正答率の幅（例えば、２０％など）を加算することにより、加算前後の基準正答率を目標正答率範囲の下限値および上限値として特定してもよい。

ここで、予測正答率「３２％」、「４１％」、「５０％」および「８９％」それぞれは、目標正答率範囲「６０％－８０％」に属さない。一方、予測正答率「６８％」は、目標正答率範囲「６０％－８０％」に属している。そこで、ヒント決定部１１６は、目標正答率範囲「６０％－８０％」に属する予測正答率として「６８％」を決定し、予測正答率「６８％」に対応するヒント（ヒントＩＤ＝４３１－１、４３１－３）を、学習者Ｌ１に提供されるヒントとして決定する。

なお、ここでは、ヒント決定部１１６が、あらかじめ定められたルールに基づいて、予測正答率から、学習者Ｌ１に提供されるヒントを決定する場合を主に想定した。しかし、ヒント決定部１１６は、統計的な処理に基づいて、予測正答率から学習者Ｌ１に提供されるヒントを決定してもよい。あるいは、ヒント決定部１１６は、所定の機械学習アルゴリズムに基づいて、予測正答率から学習者Ｌ１に提供されるヒントを決定してもよい。

また、学習者Ｌ１によって学習される科目が物理である場合なども想定される。上記したように、学習者Ｌ１によって学習される科目が物理である場合には、目標正答率範囲が「４０－６０％の範囲外」である場合も想定される。かかる場合には、ヒント決定部１１６は、目標正答率範囲「４０－６０％の範囲外」である、ノーヒント、全ヒント（ヒントＩＤ＝４３１－１～４３１－３）、二つのヒント（ヒントＩＤ＝４３１－１、４３１－３）のいずれかを、学習者Ｌ１に提供されるヒントとして決定してもよい。

ヒント決定部１１６は、決定したヒントＩＤに対応するヒントをヒントＤＢ１６８から取得する。ヒント決定部１１６は、決定したヒントＩＤと、ヒントＤＢ１６８から取得したヒントとを、表示制御部１１７に出力する。

図１２に戻って説明を続ける。表示制御部１１７は、ヒント決定部１１６から出力されたヒントＩＤに対応するヒントを、ヒントＤＢ１６８から取得する。そして、表示制御部１１７は、ヒントＤＢ１６８から取得したヒントが端末装置２０に送信されるように通信部１１２を制御する。

端末装置２０において、制御部２２０は、通信部２４０によってヒントが受信されると、通信部２４０によって受信されたヒントが設定されたヒント閲覧画面の表示部２５０による表示を制御する（Ｓ１６）。これによって、目標正答率範囲に属する予測正答率に対応するヒントが学習者Ｌ１に提供される。

図１７は、端末装置２０によって表示されるヒント閲覧画面の例を示す図である。図１７を参照すると、ヒント閲覧画面Ｇ１２には、解答記入画面Ｇ１１（図１４）と同様に、問題Ｇ２１、問題Ｇ３１および解答欄表示ボタンＢ３１が設定されている。また、ヒント閲覧画面Ｇ１２には、問題Ｇ３１に対応する第１のヒントを閲覧するためのヒント閲覧ボタンＢ５１が設定されている。第１のヒントは、ヒントＩＤ＝４３１－１に対応するヒントに該当する。また、ヒント閲覧画面Ｇ１２には、問題Ｇ３１に対応する第２のヒントを閲覧するためのヒント閲覧ボタンＢ５２が設定されている。第２のヒントは、ヒントＩＤ＝４３１－３に対応するヒントに該当する。

ヒント閲覧画面Ｇ１２では、第１のヒントを閲覧するためのヒント閲覧ボタンＢ５１が、選択済みの状態となっているため、制御部２２０は、第１のヒントがヒントＨ１として表示されるように表示部２５０による表示を制御する。これによって、第１のヒントが学習者Ｌ１に提供される。なお、第２のヒントを閲覧するためのヒント閲覧ボタンＢ５２が押下された場合には、ヒントＨ１に第２のヒントが表示される。

ここでは、ヒント閲覧画面Ｇ１２において、学習者Ｌ１によってヒントＨ１が閲覧され、解答欄表示ボタンＢ３１を押下する操作が操作部２１０に対して入力された場合を想定する。かかる場合には、制御部２２０は、表示部２５０によって表示される画面を、ヒント閲覧画面Ｇ１２から解答記入画面Ｇ１１（図１４）に遷移させる。

制御部２２０は、学習者Ｌ１によって解答ボタンＢ４１を押下する操作が操作部２１０に対して入力されたか否かを判断する（Ｓ１７）。制御部２２０は、学習者Ｌ１によって解答ボタンＢ４１を押下する操作が操作部２１０に対して入力されていないと判断した場合には（Ｓ１７において「ＮＯ」）、Ｓ１２に動作を移行させる。一方、制御部２２０は、学習者Ｌ１によって解答ボタンＢ４１を押下する操作が操作部２１０に対して入力されたと判断した場合には（Ｓ１７において「ＹＥＳ」）、Ｓ１８に動作を移行させる。

ここでは、学習者Ｌ１が、操作部２１０に対して、解答欄Ａ４１に解答を記入する操作を入力し、解答ボタンＢ４１を押下する操作を入力した場合を想定する。このとき、Ｓ１８に動作が移行される。Ｓ１８に動作が移行されると、制御部２２０は、学習者Ｌ１によって解答欄Ａ４１に記入された解答と、学習者Ｌ１に対応する学習者ＩＤとを含んだ正誤判定要求が、学習システム１０に送信されるように通信部２４０を制御する。

学習システム１０において、通信部１１２によって正誤判定要求が受信されると、取得部１１３は、正誤判定要求から解答を取得し、取得した解答と問題に対応する正解とが一致するか否かを判定する。これにより、取得部１１３は、学習者Ｌ１による解答の正誤判定結果を得る（Ｓ１８）。より詳細に、取得部１１３は、解答と正解とが一致していない場合には、誤答を示す正誤判定結果を得る。一方、取得部１１３は、解答と正解とが一致している場合には、正答を示す正誤判定結果を得る。

取得部１１３は、正誤判定結果と正解とを表示制御部１１７に出力する。表示制御部１１７は、正誤判定結果と正解とが端末装置２０に送信されるように通信部１１２を制御する。端末装置２０において、制御部２２０は、通信部２４０によって正誤判定結果と正解とが受信されると、正誤判定結果と正解との表示部２５０による表示を制御する。また、取得部１１３は、正誤判定要求から学習者ＩＤを取得し、取得した学習者ＩＤと、学習者ＩＤに対応する科目ＩＤと、正誤判定結果とを履歴管理部１１４に出力する。

続いて、履歴管理部１１４は、履歴ＤＢ１６４を更新する（Ｓ１９）。より詳細に、履歴管理部１１４は、取得部１１３から出力された学習者ＩＤおよび科目ＩＤ、現在時刻と、Ｓ１１において表示された問題に対応する問題ＩＤと、Ｓ１６において表示されたヒントに対応するヒントＩＤと、取得部１１３から出力された正誤判定結果とを、履歴ＤＢ１６４に新たな履歴（すなわち、履歴ＤＢ１６４における、学習者ＩＤ、科目ＩＤ、解答日時、問題ＩＤ、ヒントＩＤおよび正誤判定結果）として追加する更新を行う。

そして、履歴管理部１１４は、Ｓ１１において表示された問題に対応する問題ＩＤと、Ｓ１６において表示されたヒントに対応するヒントＩＤと、取得部１１３から出力された正誤判定結果とを予測正答率算出部１１５に出力する。

予測正答率算出部１１５は、履歴管理部１１４から出力された、問題ＩＤとヒントＩＤと正誤判定結果とに基づいて、モデルを更新する（Ｓ２０）。なお、図１２に示されるように、モデルの更新は、履歴ＤＢ１６４に新たな履歴が追加されるたびに行われてもよい。あるいは、モデルの更新は、履歴ＤＢ１６４に新たな履歴が所定の数だけ追加されてから、履歴ＤＢ１６４に追加された新たな履歴に基づいて行われてもよい。あるいは、モデルの更新は、所定の期間ごとに、履歴ＤＢ１６４に追加された新たな履歴に基づいて行われてもよい。

続いて、Ｓ１１以降の動作が実行されてもよい。あるいは、学習者Ｌ１によってログアウトＤ２３を選択する操作が操作部２１０に対して入力された場合などには、端末装置２０による学習システム１０へのログアウトが成功してもよく、Ｓ１１～Ｓ２０の動作が終了してもよい。

以上、本発明の実施形態に係るシステム１の動作例について説明した。

＜２．効果＞
本発明の実施形態に係る学習システム１０によれば、１または複数のヒントごとに、当該１または複数のヒントが学習者Ｌ１に提供された後に学習者Ｌ１が対象問題に正答すると予測される確率である予測正答率を算出する予測正答率算出部１１５と、学習者Ｌ１に関連する所定の情報に基づいて目標正答率範囲を特定し、予測正答率が目標正答率範囲に属する１または複数のヒントを、学習者に提供されるヒントとして決定するヒント決定部１１６と、を備える、学習システム１０が提供される。

かかる構成によれば、目標正答率範囲が一律的ではなく、学習者Ｌ１に関連する所定の情報に基づいてより適切な目標正答率範囲が特定される。これにより、学習者Ｌ１の学習効率を向上することが可能となる。

＜３．変形例＞
なお、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

例えば、上記においては、目標正答率範囲を決める要素が、学習者Ｌ１によって解答される対象問題が属する科目である場合を主に想定した。しかし、目標正答率範囲を決める要素は、かかる例に限定されない。例えば、目標正答率範囲を決める要素は、学習者Ｌ１による対象問題とは異なる１または複数の問題への解答の正誤判定結果を含んでもよい。

一例として、ヒント決定部１１６は、履歴ＤＢ１６４から取得される学習者Ｌ１による解答の正誤判定結果に基づいて、当該正誤判定結果が所定の回数以上連続して誤答を示すか否かに基づいて、目標正答率範囲を特定してもよい。一例として、ヒント決定部１１６は、正誤判定結果が所定の回数以上連続して誤答を示す場合には、その他の場合よりも、目標正答率範囲を高く特定してもよい。これによって、誤答が続くことによって学習意欲が低下してしまうことを防ぎ、学習効果を向上させることが可能となる。

図１８を参照しながら、かかる変形例について説明する。なお、以下の例では、所定の回数が、３回である場合を想定する。また、ここでは、「正誤判定結果が所定の回数以上連続して誤答を示す場合」に該当しない場合に、目標正答率範囲を決める要素が、学習者Ｌ１によって解答される対象問題が属する科目とされる場合を想定する。しかし、「正誤判定結果が所定の回数以上連続して誤答を示す場合」に該当しない場合における目標正答率範囲は、一律的に決められてもよいし、他の要素によって決められてもよい。

図１８は、変形例に係る目標正答率範囲の特定について説明するための図である。図１８を参照すると、履歴条件と目標正答率範囲とが対応付けられた履歴条件ＤＢ４６６が示されている。かかる履歴条件ＤＢ４６６は、あらかじめ用意され、学習システム１０の図示しない記憶部に備えられていてよい。図１８に示された例では、履歴条件として「３問連続誤答」が登録され、目標正答率範囲として「８０－１００％」が登録されている。

一例として、ヒント決定部１１６は、履歴ＤＢ１６４から取得される学習者Ｌ１による解答の正誤判定結果に基づいて、直近の正誤判定結果が３問以上連続して誤答を示すか否かを判断してもよい。ヒント決定部１１６は、直近の正誤判定結果が３問以上連続して誤答を示す場合には、目標正答率範囲を「８０－１００％」に特定してもよい。このとき、図１６に示された例では、全ヒント（ヒントＩＤ＝４３１－１～４３１－３）が、学習者Ｌ１に提供されるヒントとして決定される。その他の場合には、ヒント決定部１１６は、目標正答率範囲を「６０－８０％」に特定してもよい。このとき、図１６に示された例では、全ヒント（ヒントＩＤ＝４３１－１、４３１－３）が、学習者Ｌ１に提供されるヒントとして決定される。

以上、目標正答率範囲を決める要素が、学習者Ｌ１による対象問題とは異なる１または複数の問題への解答の正誤判定結果を含む変形例について説明した。

また、このような変形例以外にも様々な変形例が考えられる。例えば、本明細書のシステム１の処理における各ステップは、必ずしもフローチャートとして記載された順序に沿って時系列に処理する必要はない。例えば、システム１の処理における各ステップは、フローチャートとして記載した順序と異なる順序で処理されても、並列的に処理されてもよい。

また、上記では、コンピュータを学習システム１０として機能させるプログラムが提供されることについて説明した。さらに、このようなプログラムを記録した、コンピュータに読み取り可能な記録媒体も提供され得る。

＜４．ハードウェア構成例＞
続いて、本発明の実施形態に係る学習システム１０の例としての情報処理装置のハードウェア構成例について説明する。図１９は、本発明の実施形態に係る学習システム１０の例としての情報処理装置のハードウェア構成を示す図である。なお、端末装置２０のハードウェア構成も、図１９に示された情報処理装置９００のハードウェア構成と同様に実現されてよい。

図１９に示すように、情報処理装置９００は、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）９０１と、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）９０２と、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）９０３と、ホストバス９０４と、ブリッジ９０５と、外部バス９０６と、インタフェース９０７と、入力装置９０８と、出力装置９０９と、ストレージ装置９１０と、通信装置９１１と、を備える。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、各種プログラムに従って情報処理装置９００内の動作全般を制御する。また、ＣＰＵ９０１は、マイクロプロセッサであってもよい。ＲＯＭ９０２は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０３は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。これらはＣＰＵバス等から構成されるホストバス９０４により相互に接続されている。

ホストバス９０４は、ブリッジ９０５を介して、ＰＣＩ（ＰｅｒｉｐｈｅｒａｌＣｏｍｐｏｎｅｎｔＩｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バス等の外部バス９０６に接続されている。なお、必ずしもホストバス９０４、ブリッジ９０５および外部バス９０６を分離構成する必要はなく、１つのバスにこれらの機能を実装してもよい。

入力装置９０８は、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、スイッチおよびレバー等、利用者が情報を入力するための入力手段と、利用者による入力に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路等から構成されている。情報処理装置９００を操作する利用者は、この入力装置９０８を操作することにより、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置９０９は、例えば、ＣＲＴ（ＣａｔｈｏｄｅＲａｙＴｕｂｅ）ディスプレイ装置、液晶ディスプレイ（ＬＣＤ）装置、ＯＬＥＤ（ＯｒｇａｎｉｃＬｉｇｈｔＥｍｉｔｔｉｎｇＤｉｏｄｅ）装置、ランプ等の表示装置およびスピーカー等の音声出力装置を含む。

ストレージ装置９１０は、データ格納用の装置である。ストレージ装置９１０は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置および記憶媒体に記録されたデータを削除する削除装置等を含んでもよい。ストレージ装置９１０は、例えば、ＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）で構成される。このストレージ装置９１０は、ハードディスクを駆動し、ＣＰＵ９０１が実行するプログラムや各種データを格納する。

通信装置９１１は、例えば、ネットワークに接続するための通信デバイス等で構成された通信インタフェースである。また、通信装置９１１は、無線通信または有線通信のどちらに対応してもよい。

以上、本発明の実施形態に係る情報処理装置９００のハードウェア構成例について説明した。

１システム
１０学習システム
１１２通信部
１１３取得部
１１４履歴管理部
１１５予測正答率算出部
１１６ヒント決定部
１２５モデル
２０端末装置
２１０操作部
２２０制御部
２３０記憶部
２４０通信部
２５０表示部
３０ネットワーク

Claims

１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出する予測正答率算出部と、
前記学習者によって解答される前記対象問題が属する教科または科目に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定するヒント決定部と、
を備える、学習システム。
前記ヒント決定部は、前記教科または科目と対応付けられて記憶部に記憶された正答率に基づいて前記目標正答率範囲を特定する、
請求項１に記載の学習システム。
１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出する予測正答率算出部と、
前記学習者による前記対象問題とは異なる１または複数の問題への解答の正誤判定結果に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定するヒント決定部と、
を備え、
前記ヒント決定部は、前記正誤判定結果が所定の回数以上連続して誤答を示す場合には、その他の場合よりも、前記目標正答率範囲を高く特定する、
学習システム。
前記対象問題は、学校受験の対策のための問題である、
請求項１～３のいずれか一項に記載の学習システム。
コンピュータを、
１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出する予測正答率算出部と、
前記学習者によって解答される前記対象問題が属する教科または科目に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定するヒント決定部と、
として機能させるプログラム。
コンピュータを、
１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出する予測正答率算出部と、
前記学習者による前記対象問題とは異なる１または複数の問題への解答の正誤判定結果に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定するヒント決定部と、
として機能させ、
前記ヒント決定部は、前記正誤判定結果が所定の回数以上連続して誤答を示す場合には、その他の場合よりも、前記目標正答率範囲を高く特定する、
プログラム。
１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出することと、
前記学習者によって解答される前記対象問題が属する教科または科目に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定することと、
を含む、コンピュータにより実行される方法。
１または複数のヒントごとに、前記１または複数のヒントが学習者に提供された後に前記学習者が対象問題に正答すると予測される確率である予測正答率を算出することと、
前記学習者による前記対象問題とは異なる１または複数の問題への解答の正誤判定結果に基づいて目標正答率範囲を特定し、前記予測正答率が前記目標正答率範囲に属する１または複数のヒントを、前記学習者に提供されるヒントとして決定することと、を含み、
前記正誤判定結果が所定の回数以上連続して誤答を示す場合には、その他の場合よりも、前記目標正答率範囲を高く特定する、
コンピュータにより実行される方法。