JPWO2015015569A1 - 学業成績との相関因子特定方法 - Google Patents

学業成績との相関因子特定方法 Download PDF

Info

Publication number
JPWO2015015569A1
JPWO2015015569A1 JP2015529254A JP2015529254A JPWO2015015569A1 JP WO2015015569 A1 JPWO2015015569 A1 JP WO2015015569A1 JP 2015529254 A JP2015529254 A JP 2015529254A JP 2015529254 A JP2015529254 A JP 2015529254A JP WO2015015569 A1 JPWO2015015569 A1 JP WO2015015569A1
Authority
JP
Japan
Prior art keywords
academic achievement
face
academic
students
data
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.)
Granted
Application number
JP2015529254A
Other languages
English (en)
Other versions
JP6069506B2 (ja
Inventor
純一郎 渡邊
純一郎 渡邊
矢野　和男
和男 矢野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Application granted granted Critical
Publication of JP6069506B2 publication Critical patent/JP6069506B2/ja
Publication of JPWO2015015569A1 publication Critical patent/JPWO2015015569A1/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems
    • G06N5/047—Pattern matching networks; Rete networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Educational Technology (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

学業成績との相関因子特定方法および相関因子提示システムにおいて、先生と生徒とにそれぞれ装着されたセンサにより測定された先生と生徒との対面データである人間関係グラフデータおよび物理量である身体的な動きデータに基づいて、先生と生徒との間および生徒同士の間の関係パターンを分析する。そして、関係パターンと生徒の学業成績データとの相関を取ることで、関係パターンのうち学業成績との相関が強いパターンを分析する。これにより、先生と生徒とを含む学校環境において、学業成績に影響を与える指標やパターンを、大量の人間行動データから定量的かつ自動的に特定し、提示することが可能になる。

Description

本発明は、学業成績との相関因子特定方法および相関因子提示システムに関する。より詳細には、ウェアラブルなセンサ、あるいは携帯電話などに内蔵されているセンサ、その他の手段によって測定される、人間関係や人間の様々な行動を反映した大量データ全般を解析し、学校や学習塾などにおける学業成績の向上、などを行う技術に関する。
教育は、世界各国で関心が高い課題である。ＯＥＣＤ（Organization for Economic Co-operation and Development：経済協力開発機構）は、２０００年から３年ごとに１５歳から１６歳の子供の学習到達度調査（Programme for International Student Assessment：ＰＩＳＡ）を実施している。ＩＥＡ（The International Association for the Evaluation of Educational Achievement：国際教育到達度評価学会）も、１９９５年から小学校４年生および中学校２年生を対象に国際数学・理科教育動向調査（Trends in International Mathematics and Science Study：ＴＩＭＳＳ）を実施している。これらの調査結果に基づき、学校制度や教育内容の見直しが政府により検討されている。また、学習塾や予備校の市場規模は少子化に伴い横ばい、あるいは縮小傾向にある国々もある一方で、アジア諸国などでは学習塾の市場は年々拡大してきており、学習塾における補習の需要は高まっている。
学業成績に影響する要因について、教育心理学や経済学の分野において多くの研究がなされている。研究の軸としては大きく２つあり、ひとつは家庭環境と学力との関係を調べたもの、もうひとつは学校環境と学力との関係を調べたものである。これらの研究によれば、学業成績を規定するのは家庭環境であり、学校環境の影響は小さい［非特許文献１，２］。すなわち、家庭の所得水準や幼少時の過ごし方などの学校運営者が制御不可能な因子の方が、クラスサイズや講師研修への投資額などの制御可能な因子よりも学業成績に強く影響を与える。クラスサイズの効果に関しては議論すべき点が多く残っており、はっきりとした効果があるとは言えない状況である［非特許文献３］。さらに、クラスメイトの効果（ピア効果）に関しては各国で検証され、一定の効果があることが報告されている［非特許文献４］が、そのメカニズムは明らかではなく、学校や学習塾においては従来の経験に基づいてクラス編成がなされることが多い。これらの先行研究における学校要因の分析は、クラス編成などの運営方法の違いや、講師のスキルと生徒の学業成績の関係を調べており、生徒と講師、あるいは生徒同士の対面のインタラクションや身体的な活発さなどの実世界における人間行動に着目したものではない。
一方、センサ技術の発展や、携帯電話やソーシャルネットワークサービスの普及に伴い、実世界、およびサイバー空間における人間行動を反映した大量のデータが、時々刻々、大量に蓄積されている。これらの人間行動データと、企業の生産性の相関関係を分析する研究が盛んに行われている。その結果、一見ランダムに見える人間行動が、何らかのパターンを持っていたり、法則性に従っていたりすることが明らかになっている。さらに、特定のパターンが営業成績などの生産性と相関することも明らかになっている［非特許文献５］。また、組織の生産性や事故不良などの客観的評価、リーダシップ／チームワーク、やりがい／充実、ストレス／メンタルなどの主観的評価に影響を与えている行動を明らかにする技術も提案されている［特許文献１］。
J. S. Coleman, et al., Equality of Educational Opportunity, U.S. Govt. Print. Off. (Washington, 1966). E. A. Hanushek, Assessing the Effects of School Resources on Student Performance: An Update, Educational Evaluation and Policy Analysis 19(2), pp. 141-164 (1997). L. Mishel, R. Rothstein, A. B. Krueger, E. A. Hanushek and J. K. Rice, The Class Size Debate, Economic Policy Institute (2002). A. Ammermueller and J. S. Pischke, Peer Effects in European Primary Schools: Evidence from PIRLS, Working Paper 12180, National Bureau of Economic Research, 2006. A. S. Pentland, The New Science of Building Great Teams, Harvard Business Review 90 (4), pp. 60-69 (2012).
国際公開ＷＯ２０１１／０５５６２８号公報
上述した非特許文献１，２では、アンケート調査を基にして、家庭環境と学業成績との関係を調べている。このため、調査結果に含まれる曖昧さの除去や、教育環境の変化に伴ったタイムリーな調査の実施が困難であり、あくまで定性的な傾向を示したものである。
また、上述した非特許文献３では、クラスサイズの効果に関して、その効果を疑問視する議論も含めたさまざまな議論がなされており、学校運営者がクラスサイズを制御することが学業成績の向上につながることが保証されていないことを示している。
また、上述した非特許文献４では、成績の良いクラスメイトが多いクラスにいる生徒は、成績が良くなる、というクラスメイトの効果（ピア効果）に関して述べられており、各国で一定の効果があることが報告されている。しかしながら、そのメカニズムは良く分かっておらず、学校運営者の経験に基づいたクラス設計が行われている。
すなわち、学業成績の向上に関係する因子に関する従来の研究では、経験に基づいた定性的な因子はいくつか候補があるが、それらは学校運営者にとって定量的な判断に基づいた学業成績向上に向けた施策設計を行うためには十分な判断材料とはなっていない。言い換えれば、学校運営者にとって制御可能な学業成績に影響を与える因子が見つかっていない。これは、定量的に効果を評価するための指標が構築されていないためである。また、定量的に効果を評価するための指標を構築するために必要な量および質のデータの収集が難しく、存在しないことも原因である。
一方、上述した非特許文献５では、センサ技術、携帯電話やソーシャルネットワークサービスにより人間行動を反映した大量のデータを蓄積することができる。しかしながら、これらの人間行動データは、企業の生産性などの相関関係を分析する技術に用いられるものである。また、上述した特許文献１でも同様に、人間行動データは、組織の生産性や事故不良などに影響を与えている行動を明らかにするために用いられる。よって、非特許文献５、特許文献１は、教育環境における学校などの学業成績の向上に関係する因子に関する技術ではない。
そこで、本発明は、このような課題を解決するためになされたものであり、その代表的な目的は、教育環境において、学業成績に影響を与える定量的な指標を特定し、提示する技術を提供することである。
本発明の前記ならびにその他の目的と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。
本願において開示される発明のうち、代表的なものの概要を簡単に説明すれば、次のとおりである。
（１）代表的な学業成績との相関因子特定方法は、第１の人間と、前記第１の人間とは異なる職種の複数の第２の人間と、を含む教育環境における学業成績と相関する因子の特定方法である。前記学業成績との相関因子特定方法は、計算機により、前記第１の人間と前記複数の第２の人間とにそれぞれ装着された複数のセンサにより測定された前記第１の人間と前記複数の第２の人間との対面データおよび物理量に基づいて、前記第１の人間と前記複数の第２の人間との間および前記複数の第２の人間同士の間の関係パターンを分析する第１ステップと、前記計算機により、前記関係パターンと前記複数の第２の人間の成績データとの相関を取ることで、前記関係パターンのうち成績との相関が強いパターンを分析する第２ステップと、を有する。
（２）代表的な学業成績との相関因子提示システムは、第１の人間と、前記第１の人間とは異なる職種の複数の第２の人間と、を含む教育環境における学業成績と相関する因子の提示システムである。前記学業成績との相関因子提示システムは、前記第１の人間と前記複数の第２の人間とにそれぞれ装着された複数のセンサにより測定された前記第１の人間と前記複数の第２の人間との対面データおよび物理量に基づいて、前記第１の人間と前記複数の第２の人間との間および前記複数の第２の人間同士の間の関係パターンを分析し、前記関係パターンと前記複数の第２の人間の成績データとの相関を取ることで、前記関係パターンのうち成績との相関が強いパターンを分析する計算機を有する。
本願において開示される発明のうち、代表的なものによって得られる効果を簡単に説明すれば以下のとおりである。
すなわち、代表的な効果は、教育環境において、学業成績に影響を与える定量的な指標を特定し、提示することができる。
本発明の一実施の形態における学業成績との相関因子特定方法および相関因子提示システムの処理の流れの一例を説明する概略図である。 本発明の一実施の形態における学業成績との相関因子提示システムの構成の一例を示すブロック図である。 本発明の一実施の形態において、対面情報データベースに格納するデータセットの一例を示す図である。 本発明の一実施の形態において、対面ネットワークの一例を示す図である。 本発明の一実施の形態において、加速度情報データベースに格納するデータセットの一例を示す図である。 本発明の一実施の形態において、ユーザ属性データベースに格納するデータセットの一例を示す図である。 本発明の一実施の形態において、先生と生徒との加速度波形と、それらを矢印表記に変換する一例を示す図である。 本発明の一実施の形態において、先生と生徒との身体的な動きの同期性と学業成績との相関分析を行う処理の一例を示すフローチャートである。 本発明の一実施の形態において、先生と生徒との身体的な動きの同期パターン（Ｐ↓↑）と学業成績との相関関係を調べた実験結果の一例を示す散布図である。 本発明の一実施の形態において、先生と生徒との身体的な動きの同期パターン（Ｐ↓↓）と学業成績との相関関係を調べた実験結果の一例を示す散布図である。 本発明の一実施の形態において、生徒同士の加速度波形をＡｃｔｉｖｅ状態とＮｏｎ−ａｃｔｉｖｅ状態とに分ける一例を示す図である。 本発明の一実施の形態において、生徒同士の身体的な動きの同期性と学業成績との相関分析を行う処理の一例を示すフローチャートである。 本発明の一実施の形態において、クラスを構成する生徒同士の身体的な動きの一体度とクラスの学業成績との相関関係を調べた実験結果の一例を示す散布図である。 本発明の一実施の形態において、対面情報を用いて描いた対面ネットワークの一例を示す図である。 本発明の一実施の形態において、クラスを構成する生徒あるいは先生の対面ネットワークの指標（次数）とクラスの学業成績との相関関係を調べた実験結果の一例を示す散布図である。 本発明の一実施の形態において、クラスを構成する生徒あるいは先生の対面ネットワークの指標（クラスタリング係数）とクラスの学業成績との相関関係を調べた実験結果の一例を示す散布図である。 本発明の一実施の形態において、対面コミュニケーション指標と学業成績との相関分析を行う処理の一例を示すフローチャートである。 本発明の一実施の形態において、先生と生徒との身体的な動きの同期性と学業成績との相関分析の結果（生徒Ａ）を表示する画面の一例を示す図である。 本発明の一実施の形態において、先生と生徒との身体的な動きの同期性と学業成績との相関分析の結果（生徒Ｂ）を表示する画面の一例を示す図である。 本発明の一実施の形態において、生徒同士の身体的な動きの同期性と学業成績との相関分析の結果（クラスＡ）を表示する画面の一例を示す図である。 本発明の一実施の形態において、生徒同士の身体的な動きの同期性と学業成績との相関分析の結果（クラスＢ）を表示する画面の一例を示す図である。 本発明の一実施の形態において、対面コミュニケーション指標と学業成績との相関分析の結果を表示する画面の一例を示す図である。 本発明の一実施の形態において、シミュレーションの実験結果（生徒個人）の一例を示す散布図である。 本発明の一実施の形態において、シミュレーションの実験結果（クラス）の一例を示す散布図である。
以下の実施の形態においては、便宜上その必要があるときは、複数のセクションまたは実施の形態に分割して説明するが、特に明示した場合を除き、それらは互いに無関係なものではなく、一方は他方の一部または全部の変形例、詳細、補足説明等の関係にある。また、以下の実施の形態において、要素の数等（個数、数値、量、範囲等を含む）に言及する場合、特に明示した場合および原理的に明らかに特定の数に限定される場合等を除き、その特定の数に限定されるものではなく、特定の数以上でも以下でもよい。
さらに、以下の実施の形態において、その構成要素（要素ステップ等も含む）は、特に明示した場合および原理的に明らかに必須であると考えられる場合等を除き、必ずしも必須のものではないことは言うまでもない。同様に、以下の実施の形態において、構成要素等の形状、位置関係等に言及するときは、特に明示した場合および原理的に明らかにそうでないと考えられる場合等を除き、実質的にその形状等に近似または類似するもの等を含むものとする。このことは、上記数値および範囲についても同様である。
［実施の形態の概要］
まず、実施の形態の概要について説明する。本実施の形態の概要では、一例として、括弧内に実施の形態の対応する構成要素の符号等を付して説明する。
（１）本実施の形態の代表的な学業成績との相関因子特定方法は、第１の人間と、前記第１の人間とは異なる職種の複数の第２の人間と、を含む教育環境における学業成績と相関する因子の特定方法である。前記学業成績との相関因子特定方法は、計算機により、前記第１の人間と前記複数の第２の人間とにそれぞれ装着された複数のセンサにより測定された前記第１の人間と前記複数の第２の人間との対面データ（人間関係グラフデータ１０２）および物理量（身体的な動きデータ１０３）に基づいて、前記第１の人間と前記複数の第２の人間との間および前記複数の第２の人間同士の間の関係パターンを分析する第１ステップ（ステップ１０５、１０６、１０７）と、前記計算機により、前記関係パターンと前記複数の第２の人間の成績データ（学業成績データ（ステップ１０８））との相関を取ることで、前記関係パターンのうち成績との相関が強いパターンを分析する第２ステップ（ステップ１０９）と、を有する（図１）。
より好ましくは、前記第１の人間は先生であり、前記第２の人間は生徒であり、前記教育環境は学校である。前記第１ステップでは、前記先生と前記複数の生徒とにそれぞれ装着された複数のセンサにより測定された前記先生と前記複数の生徒との対面データおよび物理量に基づいて、前記先生と前記複数の生徒との間および前記複数の生徒同士の間の関係パターンを分析する。前記第２ステップでは、前記関係パターンと前記複数の生徒の学業成績データとの相関を取ることで、前記関係パターンのうち学業成績との相関が強いパターンを分析する。
（２）本実施の形態の代表的な学業成績との相関因子提示システムは、第１の人間と、前記第１の人間とは異なる職種の複数の第２の人間と、を含む教育環境における学業成績と相関する因子の提示システムである。前記学業成績との相関因子提示システムは、前記第１の人間と前記複数の第２の人間とにそれぞれ装着された複数のセンサ（センサ２０１）により測定された前記第１の人間と前記複数の第２の人間との対面データ（対面情報データベース２０９）および物理量（加速度情報データベース２１０）に基づいて、前記第１の人間と前記複数の第２の人間との間および前記複数の第２の人間同士の間の関係パターンを分析し（プログラム２１３、２１４、２１５）、前記関係パターンと前記複数の第２の人間の成績データ（ユーザ属性データベース２１１）との相関を取ることで、前記関係パターンのうち成績との相関が強いパターンを分析する（プログラム２１６）計算機を有する（図２）。
より好ましくは、前記第１の人間は先生であり、前記第２の人間は生徒であり、前記教育環境は学校である。前記計算機は、前記先生と前記複数の生徒とにそれぞれ装着された複数のセンサにより測定された前記先生と前記複数の生徒との対面データおよび物理量に基づいて、前記先生と前記複数の生徒との間および前記複数の生徒同士の間の関係パターンを分析し、前記関係パターンと前記複数の生徒の学業成績データとの相関を取ることで、前記関係パターンのうち学業成績との相関が強いパターンを分析する。
（３）本実施の形態の概要において、他の特徴は以下の通りである。
本実施の形態は、学校環境における人間関係をセンサを用いて定量的に継続的に計測し、その大量の人間行動データから、学業成績と相関する人間行動に関する指標を特定する手段と、その指標を制御することによって学業成績を向上させるための施策設計を支援する提示システムを提供する。具体的には、先生と生徒との対面データおよび身体的な動きを反映する加速度データなどの物理量を測定し、先生−生徒間および生徒間の関係パターンを分析し、関係パターンと生徒の成績との相関を取ることで、関係パターンのうち成績との相関が強いパターンを分析する方法およびシステムを提供する。
本実施の形態で対象とするデータは、人間関係グラフデータとここでは呼ぶが、人と人とのコミュニケーション状態を表すデータ全般である。たとえば、赤外線センサや小型のマイクなどを搭載した名札型センサノードなどのウェアラブルセンサを、生徒や先生やその他事務員など、学校や学習塾などの構成員に装着させて得られる、人と人との対面コミュニケーションを定量的に測定したものである。このようなデータから、人をノードとし、コミュニケーションが存在する人と人の間にリンクを張ることにより、ネットワーク構造を得ることができる。ウェアラブルセンサとしては、名札型センサノードの他に、腕時計型センサノードなどでもよい。人間関係グラフとしては、このようなウェアラブルセンサを意識的に装着して計測できる対面データ以外にも、たとえば、携帯電話の使用ログや電子メールの送受信関係など、無意識的に構成される人と人との繋がりを反映したデータであってもよい。このような人間関係を定量的に捉えたデータと、学業成績との相関関係を調べることにより、学校環境における人間関係と学業成績との関係を定量的に調べることが可能になる。
また、本実施の形態で対象とするデータは、身体的な動きデータとここでは呼ぶが、前記ウェアラブルセンサや携帯電話などに内蔵された加速度センサから得られる、生徒や先生などの学校や学習塾などの構成員の身体的な動きである。このようなデータから、たとえば学校におけるクラスごとの活気や、学年ごとの活気、先生の振る舞いに対する生徒の身体的な反応、生徒同士の身体的な同期性、などを定量的に計測し、学業成績との相関関係を調べることが可能である。
また、本実施の形態では、学校において実施される習熟度を調べるためのテスト、たとえば月次や週次の定期試験、のスコアと、前記人間関係グラフデータや身体的な動きデータを入力し、人間関係グラフデータや身体的な動きデータから導かれるさまざまな指標や人間行動パターンと、テストのスコアとの相関関係を計算し、相関性の高い指標やパターンを特定する手段を提供する。
また、本実施の形態では、学業成績向上に向けて、学校運営者あるいは生徒あるいは生徒の保護者が施策を行う場合の施策設計支援のために、特定された学業成績と相関する指標あるいはパターンを効果的に提示する提示システムを提供する。これにより、学校環境における人間行動に基づく定量的な制御可能な指標を提示し、学業成績向上に向けた行動を、学校運営者や先生、生徒自身、あるいは生徒の保護者が、迅速かつ効率的にとれるようになる。
また、本実施の形態では、特定された指標を変化させた場合に、学業成績がどのように変化するかを予測する手段も提供する。
本実施の形態の概要において、効果は以下の通りである。本実施の形態により、学業成績に関係した指標やパターンを、大量の人間行動データから定量的かつ自動的に特定し、提示することが可能になる。本実施の形態により、先生や学校運営者の経験などの定性的な判断に基づくのではなく、定量的な人間行動データに基づいた教育システムを設計することが可能になる。本実施の形態により、学校環境における先生と生徒との関係や、生徒同士の関係を変えた場合に学業成績がどのように変化するかを予測することが可能になる。本実施の形態により、学業成績向上に向けた具体的な施策設計を、定量的なデータに基づく指標の特定と、学業成績との関係性の効果的な提示により、効果的に行うことが可能になる。
以下、上述した実施の形態の概要に基づいた一実施の形態を図面に基づいて詳細に説明する。なお、一実施の形態を説明するための全図において、同一機能を有するものは原則として同一の符号を付し、その繰り返しの説明は省略する。
［一実施の形態］
本実施の形態における学業成績との相関因子特定方法および相関因子提示システムについて、図１〜図１８を用いて説明する。
本実施の形態においては、第１の人間と、この第１の人間とは異なる職種の複数の第２の人間とを含む教育環境として、学校を例に説明するが、これに限定されるものではない。たとえば、学習塾、予備校などの他の教育環境にも適用できるものである。
＜処理の流れ＞
まず、図１を用いて、本実施の形態における学業成績との相関因子特定方法および相関因子提示システムの処理の流れを説明する。図１は、学業成績との相関因子特定方法および相関因子提示システムの処理の流れの一例を説明する概略図である。より具体的に、図１では、学校環境における人間行動データから学業成績と相関する因子を特定し、その因子に基づいて学業成績を向上させるための施策を提示するまでの全体的な処理の流れを示している。
図１において、１０１は人間関係を表すデータである人間関係グラフデータと身体的な動きデータの入力ステップである。この入力ステップ１０１において、１０２は赤外線センサなどの情報に基づいて得られる対面情報である人間関係グラフデータ、１０３は加速度センサなどの情報に基づいて得られる身体的な動きデータ、である。１０４は人間関係グラフデータと身体的な動きデータの分析処理ステップである。この分析処理ステップ１０４のうち、１０５は先生と生徒との身体的な動き（加速度波形）の同期性分析ステップ、１０６は生徒同士の身体的な動き（加速度波形）の同期性分析ステップ、１０７は先生と生徒、あるいは生徒同士の対面コミュニケーションの指標計算ステップ、である。１０８は教育における生産性指標である学業成績データの入力ステップである。１０９は入力ステップ１０８の学業成績データと、分析処理ステップ１０４の結果である人間行動指標との相関分析ステップである。１１０は相関分析ステップ１０９の結果特定された、学業成績と相関する指標やパターンに関するデータの出力ステップである。
人間関係グラフデータと身体的な動きデータの入力ステップ１０１における人間関係グラフデータ１０２とは、たとえば赤外線センサを搭載したウェアラブルなセンサ、たとえば名札型センサ、を人に装着して得られる対面データや対面状況を反映したネットワーク情報である。これ以外にも、たとえば携帯電話や電子メールの使用履歴などを用いて得られるコミュニケーションデータを用いてもよいが、ここでは、対面のコミュニケーションを例にして説明する。この場合、ネットワークのノードは人であり、ある一定時間以上コミュニケーションしている場合にノード間にリンクを張る、というルールに基づいてノード間にリンクが引かれる。このようにウェアラブルなセンサを意識して装着することにより作成する人間関係グラフでなくても、携帯電話の使用ログや電子メールの送受信記録などから構築できる人と人との繋がりを反映した情報を人間関係グラフとして入力してもよい。
人間関係グラフデータと身体的な動きデータの入力ステップ１０１における身体的な動きデータ１０３とは、たとえば加速度センサを搭載したウェアラブルなセンサ、たとえば名札型センサ、を人に装着して得られる身体的な動きに関する情報である。具体的には、一定時間、たとえば１秒当たりの身体の振動回数、などである。このようにウェアラブルなセンサを意識して装着することにより得られる身体的な動きを表すデータでなくても、携帯電話などから得られる身体的な動きを表すデータを入力してもよい。
人間関係グラフデータと身体的な動きデータの分析処理ステップ１０４は、ステップ１０１で入力された人間関係グラフデータ１０２と身体的な動きデータ１０３から、先生と生徒との加速度波形の同期性分析ステップ１０５、生徒同士の加速度波形の同期性分析ステップ１０６、対面コミュニケーションの指標計算ステップ１０７を行う処理である。
先生と生徒との加速度波形の同期性分析ステップ１０５は、身体的な動きデータ１０３から、身体的な動きを表す数値、たとえば加速度信号が単位時間に何回ゼロレベルを行き来したかを表すゼロクロス回数、を時系列に並べ、先生の身体的な動きを表す数値の時系列的な変動と、生徒の身体的な動きを表す数値の時系列的な変動の一致度合いを調べる処理である。
生徒同士の加速度波形の同期性分析ステップ１０６は、身体的な動きデータ１０３から、身体的な動きを表す数値、たとえば加速度信号のゼロクロス回数、を時系列に並べ、複数の生徒同士の身体的な動きを表す数値の時系列的な変動の一致度合いを調べる処理である。
対面コミュニケーションの指標計算ステップ１０７は、人間関係グラフデータ１０２から、対面関係を表す対面ネットワーク図における次数、クラスタリング係数、ノード間の距離などを計算する処理である。
学業成績データの入力ステップ１０８は、習熟度確認テストなど、生徒の学業成績を反映した学業成績データを入力する処理である。
学業成績データと人間行動指標との相関分析ステップ１０９は、人間関係グラフデータと身体的な動きデータの分析処理ステップ１０４で計算した人間行動指標と、学業成績データの入力ステップ１０８で入力したテストの点数などとの相関関係を計算する処理である。
学業成績と相関する指標やパターンに関するデータの出力ステップ１１０は、学業成績データと人間行動指標との相関分析ステップ１０９の結果特定された、学業成績と相関する指標や人間行動パターンをグラフなどで表示する処理である。たとえば、先生と生徒との加速度波形を時系列で表示してもよいし、生徒同士の加速度波形を時系列で表示してもよいし、対面ネットワーク図を表示してもよいし、あるいは対面情報をマトリクスの形で出力してもよいし、その他の情報を表示してもよい。またこれらの表示情報に加えて、学業成績向上に向けた施策設計を支援するような情報、たとえば先生との対面が極端に少ない生徒の名前や、授業中の活発度（身体的な動き）が極端に少ない生徒の名前、などを併せて提示してもよい。これらの出力は、ディスプレイに表示させてもよいし、紙などに印刷してもかまわない。
＜システムの構成＞
次に、図２を用いて、本実施の形態における学業成績との相関因子提示システムの構成を説明する。図２は、学業成績との相関因子提示システムの構成の一例を示すブロック図である。より具体的に、図２では、計算機のハードウェア構成、センサ、およびインタネット網を介したデータ管理サーバからなる全体的なシステム構成を示している。
図２において、２０１は人間関係グラフデータや身体的な動きデータを計測するためのセンサ、２０２は人間関係グラフデータ、身体的な動きデータ、学業成績データなどを格納したデータ管理サーバ、である。２０３は表示装置、２０４は入力装置、２０５は通信装置、２０６はＣＰＵ、２０７はハードディスク、２０８はメモリ、である。２０９は人間関係グラフデータである対面時間情報を格納する対面情報データベース、２１０は加速度情報を格納する加速度情報データベース、２１１はユーザごとの指標値などを格納するユーザ属性データベース、である。２１２は分析プログラムである。この分析プログラム２１２のうち、２１３は先生と生徒との加速度の同期性分析プログラム、２１４は生徒同士の加速度の同期性分析プログラム、２１５は対面コミュニケーションの指標計算プログラム、２１６は学業成績データと人間行動指標との相関分析プログラム、である。２１７はインタネット網である。
人間関係グラフデータは、たとえば名札型センサのようなウェアラブルセンサに内蔵されている赤外線センサで得られる「誰と誰が何分対面しているか」というような対面情報である。
身体的な動きデータは、たとえば名札型センサや携帯電話に内蔵されている加速度センサから得られる「１分間の身体的な揺れの振動数」というような身体的な動きの度合いを表す情報である。
人間関係グラフデータや身体的な動きデータは、センサ２０１から直接システムの入力装置２０４に入力するか、あるいは、データ管理サーバ２０２に蓄積されているものをインタネット網２１７を介して通信装置２０５を経由しハードディスク２０７に格納される。
テストの点数のような学業成績を反映する学業成績データは、手入力などの方法で直接システムの入力装置２０４に入力するか、あるいは、データ管理サーバ２０２に蓄積されているものをインタネット網２１７を介して通信装置２０５を経由しハードディスク２０７に格納される。
入力装置２０４あるいは通信装置２０５を介して入力された、分析対象とする人間関係グラフデータは、一旦、ハードディスク２０７の中の対面情報データベース２０９に格納される。
入力装置２０４あるいは通信装置２０５を介して入力された、分析対象とする身体的な動きデータは、一旦、ハードディスク２０７の中の加速度情報データベース２１０に格納される。
入力装置２０４あるいは通信装置２０５を介して入力された、分析対象とする学業成績データは、一旦、ハードディスク２０７の中のユーザ属性データベース２１１に格納される。
入力装置２０４あるいは通信装置２０５を介して入力された、分析対象であるユーザの属性値（先生と生徒の区別や性別、学年情報など）は、一旦、ハードディスク２０７の中のユーザ属性データベース２１１に格納される。
先生と生徒との加速度の同期性分析、生徒同士の加速度の同期性分析を行う場合には、ハードディスク２０７に格納した加速度情報データベース２１０に格納された加速度に関する情報をメモリ２０８に読み出し、ＣＰＵ２０６が分析プログラム２１２のうち、先生と生徒との加速度の同期性分析プログラム２１３、生徒同士の加速度の同期性分析プログラム２１４を実行することで、計算が実行され、計算結果はユーザ属性データベース２１１に追記される。
対面コミュニケーションの指標計算を行う場合には、ハードディスク２０７に格納した対面情報データベース２０９に格納された対面に関する情報をメモリ２０８に読み出し、ＣＰＵ２０６が分析プログラム２１２のうち対面コミュニケーションの指標計算プログラム２１５を実行することで、計算が実行され、計算結果はユーザ属性データベース２１１に追記される。
学業成績データと人間行動指標との相関分析を行う場合には、ハードディスク２０７に格納したユーザ属性データベース２１１に格納されたテストの点数などの学業成績に関する情報、指標計算プログラム２１５で計算した対面コミュニケーションに関する指標、および同期性分析プログラム２１３や２１４で計算した加速度に関する指標、をメモリ２０８に読み出し、ＣＰＵ２０６が分析プログラム２１２のうち学業成績データと人間行動指標との相関分析プログラム２１６を実行することで、計算が実行される。
分析プログラム２１２の、先生と生徒との加速度の同期性分析プログラム２１３、生徒同士の加速度の同期性分析プログラム２１４、対面コミュニケーションの指標計算プログラム２１５、学業成績データと人間行動指標との相関分析プログラム２１６の実行による各計算結果は、視覚的に表示装置２０３に表示されたり、ハードディスク２０７に格納されたりする。
＜データベース＞
次に、図３〜図５を用いて、上述した学業成績との相関因子提示システムにおける各データベースについて説明する。以下において、図２に示した対面情報データベース２０９、加速度情報データベース２１０、ユーザ属性データベース２１１を順に説明する。
＜＜対面情報データベース＞＞
図３Ａは、対面情報データベースに格納するデータセットの一例を示す図である。図３Ｂは、対面ネットワークの一例を示す図である。より具体的に、図３Ａでは、学業成績との相関因子提示システムに、外部から入力する人間関係グラフデータである対面時間情報に関するデータセットの例を示している。図３Ｂは、図３Ａを用いて描くことができる対面ネットワーク図の例を示している。図３Ａに示す対面時間情報に関するデータセットは、図２において対面情報データベース２０９に格納されるものである。
図３Ａにおいて、３０１，３０２，３０３，３０４は生徒あるいは先生のユーザＩＤを行方向に並べたもの、３０５，３０６，３０７，３０８は生徒あるいは先生のユーザＩＤを列方向に並べたもの、である。図３Ｂにおいて、３０９，３１０，３１１，３１２は対面関係を描いた対面ネットワーク図における生徒または先生を表すノード番号である。
図３Ｂにおいて、対面ネットワークのノード間のリンクは、たとえば、一日当たり５分以上対面していればリンクを張る、というルールに従って描画する。
図３Ａにおいて、マトリクス要素は学校を構成する生徒や先生などの対面時間を表しており、たとえば、赤外線センサを搭載した名札型のウェアラブルセンサを生徒や先生に装着させて得られる対面時間などであり、たとえば分単位で記述してある。
図３Ａにおいて、対面時間の計測方法は、上述したようなウェアラブルなセンサを用いて計測してもよいし、それ以外の方法を用いてもかまわない。
図３Ａにおいて、同じ人同士、たとえばＵｓｅｒ１（３０１：括弧内は符号を示す）と（３０５）、Ｕｓｅｒ２（３０２）と（３０６）、Ｕｓｅｒ３（３０３）と（３０７）、Ｕｓｅｒ１００（３０４）と（３０８）、では、自分自身との対面であるから情報としてはゼロであるため、０と記入してある。
図３Ａにおいて、Ｕｓｅｒ１（３０１）とＵｓｅｒ２（３０６）のマトリクス要素は１３．５５であり、これは、たとえば一日平均１３．５５分、Ｕｓｅｒ１とＵｓｅｒ２が対面していることを示している。
図３Ａに示すような対面時間に関するデータセットを用いれば、学校において誰と誰がどの程度対面しているかという情報が得られる。
図３Ｂにおいて、対面関係から学校における人と人との関係を表すネットワーク図を描くことができる。この場合、人をノードとし、たとえば「対面時間が５分以上のノード間にリンクを描く」というルールを定義すれば、ノードとリンクから構成されるネットワーク図を描くことができる。
図３Ｂにおいて、「対面時間が５分以上のノード間にリンクを描く」というルールを用いてネットワーク図を描く場合、図３Ａにおいて、Ｕｓｅｒ１（３０１）とＵｓｅｒ２（３０６）のマトリクス要素は１３．５５であるから、ノード１（３０９）とノード２（３１０）の間にリンクを引く。同様に、Ｕｓｅｒ１（３０１）とＵｓｅｒ３（３０７）のマトリクス要素は１５．７であるから、ノード１（３０９）とノード３（３１１）の間にもリンクを引く。
図３Ａにおいて、Ｕｓｅｒ２（３０２）とＵｓｅｒ３（３０７）のマトリクス要素は３．７５であるから、図３Ｂにおいて、ノード２（３１０）とノード３（３１１）の間にはリンクを引かない。
図３Ｂにおいて、同様にして、ノード１００（３１２）とノード１（３０９）、およびノード１００（３１２）とノード３（３１１）の間にはリンクが引かれる。
＜＜加速度情報データベース＞＞
図４は、加速度情報データベースに格納するデータセットの一例を示す図である。より具体的に、図４では、学業成績との相関因子提示システムに、外部から入力する身体的な動きデータである加速度情報に関するデータセットの例を示している。図４に示す加速度情報に関するデータセットは、図２において加速度情報データベース２１０に格納されるものである。
図４において、４０１はデータセットを表すテーブルの横方向に記述した時刻の情報、４０２は縦方向に記述した先生や生徒である人のユーザＩＤ、４０３は身体的な動き度合いを表す数値である。
時刻４０１は、たとえば１分刻みで記録する。
ユーザＩＤ４０２は、図３におけるユーザＩＤ３０１〜３０８と一致する。
身体的な動き度合いを表す数値４０３は、たとえば、１分当たりに何回振動したかという振動回数でもよいし、１秒当たりの振動回数であるＨｚで表される値でもよいし、その他、身体的な動きの活発さや頻度を表す値である。たとえば、１分当たりの振動回数とした場合に、図４の例では、ユーザＩＤ４０２がＵｓｅｒ１の生徒は、時刻４０１が１分（０〜１分の間）の数値４０３が１３１であるため、この１分間で１３１回の振動があったことを示している。
＜＜ユーザ属性データベース＞＞
図５は、ユーザ属性データベースに格納するデータセットの一例を示す図である。図５に示すユーザ属性に関するデータセットは、図２においてユーザ属性データベース２１１に格納されるものである。
図５において、５０１は生徒や先生などのユーザＩＤ、５０２は先生や生徒や事務員など職種の別を表す職位、５０３は先生の担当する教科や生徒の受講する教科、５０４は学年、５０５は先生の担当クラスや生徒の受講クラスを表すクラス名、５０６，５０７，５０８は学業成績を反映するテストの点数、である。
生徒や先生などのユーザＩＤ５０１は、対面情報データベース２０９や加速度情報データベース２１０の記録されているユーザＩＤ３０１〜３０８や４０２と一致する。
職位５０２は、先生や生徒、そのほか事務員などの学校スタッフを識別するためのものである。
教科５０３は、職位５０２が先生である人は担当教科名、職位５０２が生徒である人は受講教科名であり、担当教科、受講教科が複数ある場合には、複数の教科名が記録されている。図５の例では、算数、国語、理科、社会である。
学年５０４は、職位５０２が生徒である人に対してその学年が記録されている。図５の例では、５学年、６学年、４学年である。
クラス名５０５は、教科５０３ごとに割り振られた固有のＩＤ番号であり、職位５０２が先生である人は担当教科のクラスＩＤが、職位５０２が生徒である人は受講教科のクラスＩＤが、それぞれ書かれている。図５の例では、クラスＣ１〜Ｃ６である。
クラス名５０５は、教科５０３が複数ある場合には、対応するＩＤ番号が複数記録されている。
１月のテストの点数５０６は、たとえば、月次テストのうち１月に行われた試験の結果が書かれている。
１月のテストの点数５０６は、複数教科を受講している場合には、複数教科分記載されている。図５の例では、たとえばユーザＩＤ５０１がＵｓｅｒ７の生徒は、算数、国語、理科、社会の教科を受講しているため、１月のテストの点数５０６には、この順番で、算数８５点、国語９０点、理科９８点、社会７０点、という点数が記録されている。ユーザＩＤ５０１がＵｓｅｒ９の生徒は、算数と国語の２教科しか受講していないため、１月のテストの点数５０６には、この順番で、算数９２点、国語７８点、という点数が記録されており、理科と社会の点数は記録されていない。
２月のテストの点数５０７、および、３月のテストの点数５０８は、１月のテストの点数５０６と同様に、テストが実施され結果が採点されたあとに、図５の例に示すユーザ属性データベース２１１に記録されていく。
図５には示されていないが、図５で示している属性以外にも、たとえば、性別や年齢などもユーザ属性データベースに加えてもよい。
＜先生と生徒との加速度の同期性分析＞
次に、図６〜図８を用いて、上述した先生と生徒との加速度の同期性分析について説明する。以下において、加速度波形１、フローチャート１、実験結果１を順に説明する。
＜＜加速度波形１＞＞
図６は、先生と生徒との加速度波形と、それらを矢印表記に変換する一例を示す図である。図６における先生と生徒との加速度波形は、身体的な動きデータの例を示すものである。
図６において、６０１は先生の加速度波形、６０２は生徒の加速度波形、６０３は先生の加速度波形を矢印のアップダウンに変換した時系列、６０４は生徒の加速度波形を矢印のアップダウンに変換した時系列、である。
先生の加速度波形６０１および生徒の加速度波形６０２は、たとえば、先生や生徒が装着している名札型のウェアラブルセンサに内蔵されている加速度センサから得られる、単位時間当たりの振動数を時系列に並べたものであり、図２の加速度情報データベース２１０に格納されている数値４０３（図４）を時系列に並べたものである。ウェアラブルセンサでなくても、たとえば携帯電話に内蔵されている加速度センサなどから得られるデータを用いてもよい。
先生の加速度波形を矢印のアップダウンに変換した時系列６０３、および、生徒の加速度波形を矢印のアップダウンに変換した時系列６０４は、次のようにして得ることができる。
まず、ある時間フレーム、たとえば１分ごとに、前のフレームと、現在のフレームで身体的な動き度合いを表す数値、たとえば加速度のゼロクロス周波数、を比較する。
次に、もし、前フレームの加速度のゼロクロス周波数よりも現フレームの加速度のゼロクロス周波数が大きければ、現フレームに対して上向き矢印を割り振る。すなわち、フレーム差分が正なら上向き矢印「↑」を割り振る。もし、前フレームの加速度のゼロクロス周波数よりも現フレームの加速度のゼロクロス周波数が小さければ、現フレームに対して下向き矢印を割り振る。すなわち、フレーム差分が負なら下向き矢印「↓」を割り振る。
矢印への変換方法は、これ以外のルールを用いてもかまわないし、上向き矢印と下向き矢印の２値でなくても時間フレームごとの変動を表す値であれば他の値を用いてもかまわない。
図６で示した先生の加速度波形を矢印のアップダウンに変換した時系列６０３、および、生徒の加速度波形を矢印のアップダウンに変換した時系列６０４を用いて、先生と生徒との身体的な動きの同期性と学業成績との関係を調べる方法を説明する。
先生の動きの変化に対する生徒の動きの変化には、「先生が↑で生徒も↑」、「先生が↑で生徒が↓」、「先生が↓で生徒が↑」、「先生が↓で生徒も↓」の４通りのパターンがある。
対象とする期間、たとえば１ヶ月、において、それぞれの生徒が先生の動きに対してこれら４通りのパターンがそれぞれどの程度の割合Ｐijであったかを（１）式で計算する。
ここで、全授業時間とは、対象とする期間、たとえば１ヶ月、におけるその生徒が出席した授業時間の総和である。
たとえば、「先生が活発になるときに生徒が静かになる割合」はＰ↑↓で表される。
生徒ごとに（１）式で計算される４通りの割合Ｐijと生徒の学業成績、たとえば、図５のユーザ属性データベース２１１に格納されている１月のテストの点数５０６、との相関を計算すれば、先生と生徒がどのようなパターンで身体的に授業中に相互作用していれば学業成績が良いか、という相関関係を知ることができる。
＜＜フローチャート１＞＞
図７は、先生と生徒との身体的な動きの同期性と学業成績との相関分析を行う処理の一例を示すフローチャートである。
図７において、７０１は身体的な動きデータの入力ステップ、７０２は加速度波形を上向き矢印と下向き矢印の時系列に変換する処理ステップ、７０３は生徒ごとに（１）式で示した割合Ｐijを計算する処理ステップ、７０４は学業成績と割合Ｐijとの相関を計算する処理ステップ、７０５は相関分析の結果を表示する処理、すなわち相関があるパターンを表示装置２０３のディスプレイなどに表示する処理ステップ、である。
ステップ７０１〜７０５による処理は、図２における加速度情報データベース２１０に格納されている加速度に関する情報をメモリ２０８に読み出し、ＣＰＵ２０６が先生と生徒との加速度の同期性分析プログラム２１３を実行することで、ステップ７０１からステップ７０５まで順に行われる。
身体的な動きデータの入力ステップ７０１は、たとえば、先生や生徒が装着している名札型のウェアラブルセンサや携帯電話に内蔵されている加速度センサから得られる身体的な動きのデータをシステムに入力する。すでに身体的な動きのデータが、図２の加速度情報データベース２１０に格納されている場合は改めて入力する必要はない。
加速度波形を上向き矢印と下向き矢印の時系列に変換する処理ステップ７０２は、図２の加速度情報データベース２１０に格納されている数値４０３（図４）をメモリ２０８に読み出し、ある時間フレーム、たとえば１分ごとに、前のフレームと、現在のフレームで身体的な動き度合いを表す数値４０３、ここでは加速度のゼロクロス周波数、を比較する。次に、もし、前フレームの加速度のゼロクロス周波数よりも現フレームの加速度のゼロクロス周波数が大きければ、現フレームに対して上向き矢印を割り振り、もし、前フレームの加速度のゼロクロス周波数よりも現フレームの加速度のゼロクロス周波数が小さければ、現フレームに対して下向き矢印を割り振る。
生徒ごとに割合Ｐijを計算する処理ステップ７０３は、（１）式の値を生徒ごとに計算する。
学業成績と割合Ｐijとの相関を計算する処理ステップ７０４は、ある期間において生徒ごとに計算した４通りのＰijのうち、どのパターンが生徒の学業成績、たとえばテストの点数５０６，５０７，５０８などと相関するかを調べる。
相関があるパターンを表示する処理ステップ７０５は、学業成績と割合Ｐijとの相関を調べた結果、相関の有無や、どのパターンが学業成績と相関しているかをディスプレイなどに表示する。
＜＜実験結果１＞＞
図８Ａ、図８Ｂは、先生と生徒との身体的な動きの同期パターンと学業成績との相関関係を調べた実験結果の一例を示す散布図である。より具体的に、図８Ａ、図８Ｂでは、（１）式で計算される４通りの割合Ｐijと生徒個人の成績（３ヶ月分の全受講教科の月次テストの偏差値の平均）との相関を計算した結果を示したものである。対象生徒は小学校５，６年生であり、８２名である。
図８Ａにおいて、８０１は割合Ｐ↓↑と生徒の成績との相関関係を調べた実験結果である。図８Ｂにおいて、８０２は割合Ｐ↓↓と生徒の成績との相関関係を調べた実験結果である。 図８Ａ、図８Ｂにおいて、生徒個人の学業成績は、ここでは偏差値で表しており、縦軸は偏差値、横軸は割合Ｐ↓↑、割合Ｐ↓↓である。各点は８２名の各生徒を表す。それぞれの図において、相関係数Ｒと統計的な有意性を示すｐ値を示している。
図８Ａ、図８Ｂにおいて、生徒個人の学業成績を表す偏差値との間で、Ｐ↓↑とは相関係数Ｒ＝−０．５０（ｐ＜０．００００１）８０１、Ｐ↓↓とは相関係数Ｒ＝０．３１（ｐ＜０．０１）８０２で有意に相関することが分かる。図８ＡではＰ↓↑が大きくなるに従って偏差値が小さくなる比例関係（右下がりの負の相関）があり、図８ＢではＰ↓↓が大きくなるに従って偏差値が大きくなる比例関係（右上がりの正の相関）がある。これは、「先生が静かになるときに活発になる生徒は成績が悪い」こと、逆に、「先生が静かになるときに静かになる生徒は成績が良い」ことを示す。この結果は、先生が黙って注意を促しているときに騒がしい生徒は成績が悪く、動きを止めて先生の言動に注目する生徒は成績が良いと解釈できる。
＜生徒同士の加速度の同期性分析＞
次に、図９〜図１１を用いて、上述した生徒同士の加速度の同期性分析について説明する。以下において、加速度波形２、フローチャート２、実験結果２を順に説明する。
＜＜加速度波形２＞＞
図９は、生徒同士の加速度波形をＡｃｔｉｖｅ状態とＮｏｎ−ａｃｔｉｖｅ状態とに分ける一例を示す図である。図９における生徒同士の加速度波形は、身体的な動きデータの例を示すものである。
図９において、９０１は加速度波形、９０２は加速度の閾値（Ｔｈｒｅｓｈｏｌｄ）、である。
加速度波形９０１は、たとえば、生徒が装着している名札型のウェアラブルセンサに内蔵されている加速度センサから得られる、単位時間当たりの振動数を時系列に並べたものであり、図２の加速度情報データベース２１０に格納されている数値４０３（図４）を時系列に並べたものである。ウェアラブルセンサでなくても、たとえば携帯電話に内蔵されている加速度センサなどから得られるデータを用いてもよい。
加速度の閾値９０２は、たとえば全生徒の平均の加速度のゼロクロス周波数であり、身体的な動きを、走ったり、身振り手振りで会話をしたりする動的な動きと、椅子に座ってノートを書くような静的な動きとに分ける値である。
加速度の閾値９０２より大きい振動数を持つ時間フレーム、たとえば１分ごと、は活発（Ａｃｔｉｖｅ）状態、加速度の閾値９０２より小さい振動数を持つ時間フレームは非活発（Ｎｏｎ−ａｃｔｉｖｅ）状態、と判定することができる。
図９で示したＡｃｔｉｖｅ状態、Ｎｏｎ−ａｃｔｉｖｅ状態を使って、クラスごとの生徒同士の身体的な動きの同期性を表す指標Ｕを（２）式のように定義し、ここでは一体度と呼ぶ。
ここで、Ｔは対象とする期間における全授業時間、ｎt Activeは時刻ｔにＡｃｔｉｖｅだと判定されたクラス内の生徒の人数、ｎt Non-activeは時刻ｔにＮｏｎ−ａｃｔｉｖｅだと判定されたクラス内の生徒の人数、Ｎはクラス内の全生徒数、ｍａｘ（ａ，ｂ）はａとｂのうち大きい方の値を取る関数、である。たとえば、１０人の生徒から成るクラスで、時刻ｔにＡｃｔｉｖｅだと判定された生徒が６人、Ｎｏｎ−ａｃｔｉｖｅだと判定された生徒が４人だった場合、ｎt Active＝６、ｎt Non-active＝４となり、（２）式の括弧の中は、ｍａｘ（ｎt Active，ｎt Non-active）／Ｎ＝ｍａｘ（６，４）／１０＝０．６となる。（２）式の括弧の中を各時間フレームごとに計算し、それを全時間で平均したもの、すなわち、時間フレーム当たりの状態の一致度合い、をそのクラスの生徒同士の身体的な動きの同期度合い、すなわち一体度と定義する。
一体度Ｕは０．５から１．０の値を取り、値が大きいほど、クラスメンバ同士が同じような身体的な動きをしていることを示す。逆に値が小さい場合には、活発に動いている生徒もいればほとんど動きがない生徒もおり、クラスメンバの身体的な動きがバラバラであることを意味する。
＜＜フローチャート２＞＞
図１０は、生徒同士の身体的な動きの同期性と学業成績との相関分析を行う処理の一例を示すフローチャートである。より具体的に、図１０では、一体度Ｕを用いてクラスの学業成績、すなわちクラスメンバの学業成績の平均、とクラスの生徒同士の身体的な動きの同期性との関係を調べるフローチャートである。
図１０において、１００１は身体的な動きデータの入力ステップ、１００２はクラスを構成する生徒ごとにＡｃｔｉｖｅ状態とＮｏｎ−ａｃｔｉｖｅ状態とを判定する処理ステップ、１００３はクラスごとに（２）式で示した一体度Ｕを計算する処理ステップ、１００４は学業成績（クラスを構成する生徒の学業成績の平均）と一体度Ｕとの相関を計算する処理ステップ、１００５は相関分析の結果をディスプレイなどに表示する処理ステップ、である。
ステップ１００１〜１００５による処理は、図２における加速度情報データベース２１０に格納されている加速度に関する情報をメモリ２０８に読み出し、ＣＰＵ２０６が生徒同士の加速度の同期性分析プログラム２１４を実行することで、ステップ１００１からステップ１００５まで順に行われる。
身体的な動きデータの入力ステップ１００１は、たとえば、生徒が装着している名札型のウェアラブルセンサや携帯電話に内蔵されている加速度センサから得られる身体的な動きのデータをシステムに入力する。すでに身体的な動きのデータが、図２の加速度情報データベース２１０に格納されている場合は改めて入力する必要はない。
クラスを構成する生徒ごとにＡｃｔｉｖｅ状態とＮｏｎ−ａｃｔｉｖｅ状態とを判定する処理ステップ１００２は、図２の加速度情報データベース２１０に格納されている数値４０３（図４）をメモリ２０８に読み出し、まず、ある時間フレーム、たとえば１分ごとに、クラスを構成する生徒ごとに、この数値４０３、たとえば加速度のゼロクロスの値、が閾値より上か下かを調べ、閾値より上の場合はＡｃｔｉｖｅ状態、閾値より下の場合はＮｏｎ−ａｃｔｉｖｅ状態、であることを判定する処理である。
クラスごとに一体度Ｕを計算する処理ステップ１００３は、（２）式の値をクラスごとに計算する。
学業成績（クラスを構成する生徒の学業成績の平均）と一体度Ｕとの相関を計算する処理ステップ１００４は、クラスごとの学業成績（テスト点数のクラス平均）とクラスごとのＵが相関するかを調べる。
相関分析の結果を表示する処理ステップ１００５は、学業成績と一体度Ｕとの相関を調べた結果を表示装置２０３のディスプレイなどに表示する。
＜＜実験結果２＞＞
図１１は、クラスを構成する生徒同士の身体的な動きの一体度とクラスの学業成績との相関関係を調べた実験結果の一例を示す散布図である。より具体的に、図１１では、小学校５年生と６年生の３１クラスを対象にして、各クラスの一体度Ｕを計算し、各クラスの偏差値（クラスに属する生徒の偏差値の平均）との相関を調べた結果を示したものである。
図１１において、１１０１は各クラスの一体度Ｕと各クラスの偏差値と相関関係を調べた実験結果である。横軸はある期間において（２）式で計算されるクラスごとの一体度Ｕ、縦軸はクラスごとの偏差値（クラス構成生徒の偏差値の平均）であり、各点は３１クラスの各クラスを表す。
図１１において、一体度Ｕが高いクラスほど偏差値が高いという相関関係があることが分かる（Ｒ＝０．４１，ｐ＜０．０２）。図１１では、一体度Ｕが大きくなるに従って偏差値が大きくなる比例関係（右上がりの正の相関）がある。これは、授業中に静かになるべき時には全生徒が静かになり、活発に行動すべき時には全員が行動するような、生徒同士が身体的に揃って同じような動きをするクラスは成績が良いことを意味する。逆に、たとえば一斉に問題を解いて解答をノートに書く時間帯に先生に質問したり、後ろの席を振り返ってしゃべったりするような生徒がいるクラスや、授業時間を通して発言が少なく、大きな動きがないような生徒がいるクラスは一体度が小さく、成績も悪い。
＜対面コミュニケーションの分析＞
次に、図１２〜図１４を用いて、上述した対面コミュニケーションの分析について説明する。以下において、対面ネットワーク、実験結果３、実験結果４、フローチャート３を順に説明する。
＜＜対面ネットワーク＞＞
図１２は、対面情報を用いて描いた対面ネットワークの一例を示す図である。より具体的に、図１２では、生徒や先生などの学校における人と人との対面状況をネットワーク図で表したものである。
図１２において、１２０１は人を表すノード、１２０２は人と人とがある一定時間以上対面していればリンクを張る、というルールに基づいて引かれたリンク、である。
生徒や先生などの学校や学習塾の構成員の対面情報は、図２における対面情報データベース２０９に格納されているユーザごとの対面情報である。
図１２を用いて、対面コミュニケーションの性質を表す次数とクラスタリング係数の説明を行う。
ノードｉの次数とは、ノードｉに連結されているリンク数のことであり、図１２の例ではｉの次数は５である。これは、ｉさんは５人の人と一定時間以上対面していることを意味する。
ノードｉのクラスタリング係数Ｃiは、（３）式で定義される。
ここで、ｋiはノードｉに連結しているノード数、すなわち次数、であり、ｅiはそれらのノード間のリンク数である。
図１２の例では、ｋi＝５、ｅi＝４であるから、Ｃi＝２×４／５×４＝０．４である。
次数やクラスタリング係数が大きいほど、ｉさんは周りの人と多く対面し、コミュニケーションが活発であることを意味する。
次数やクラスタリング係数などの対面状況を反映した指標の計算は、図２における対面情報データベース２０９に格納されているユーザごとの対面時間情報をメモリ２０８に読み出し、ＣＰＵ２０６により分析プログラム２１２のうち対面コミュニケーションの指標計算プログラム２１５により実施する。
＜＜実験結果３＞＞
実験結果３は、生徒個人の学業成績と対面コミュニケーションとの相関を調べた結果である。８２名の小学校５，６年生の生徒のテストの点数と、休憩時間における対面人数、すなわち、休憩時間における対面ネットワークの次数、との相関を計算した結果、相関する傾向にあることが分かった（Ｒ＝０．２２，ｐ＜０．０５１）。すなわち、休憩時間中に一人で過ごす生徒よりも、他の生徒や先生などの多くの他人と対面する生徒の方が成績が良い傾向が見られる。
＜＜実験結果４＞＞
実験結果４は、クラスごとの学業成績と対面コミュニケーションとの相関を調べた結果である。クラスごとの次数は、クラスを構成する生徒個人の次数ｋiを、クラス構成メンバ全員で平均したものであり、同様に、クラスごとのクラスタリング係数は、個人のクラスタリング係数Ｃiをクラス構成メンバ全員で平均したもの、として計算される。
図１３Ａ、図１３Ｂは、クラスを構成する生徒あるいは先生の対面ネットワークの指標とクラスの学業成績との相関関係を調べた実験結果の一例を示す散布図である。より具体的に、図１３Ａ、図１３Ｂでは、３１クラスに対して、休憩時間中の対面情報を利用して、クラスごとの次数とクラスタリング係数を計算し、クラスごとの学業成績との相関を表したものである。
図１３Ａにおいて、１３０１はクラスの次数とクラスの偏差値との相関関係を表す実験結果である。図１３Ｂにおいて、１３０２はクラスのクラスタリング係数とクラスの偏差値との相関関係を表す実験結果である。
図１３Ａにおいて、実験結果１３０１から、クラスの次数とクラスの偏差値は相関することが分かる（Ｒ＝０．４４、ｐ＜０．０２）。図１３Ａでは、次数が大きくなるに従って偏差値が大きくなる比例関係（右上がりの正の相関）がある。
また図１３Ｂにおいて、実験結果１３０２から、クラスのクラスタリング係数とクラスの偏差値も相関することが分かる（Ｒ＝０．５７，ｐ＜０．００１）。図１３Ｂでは、クラスタリング係数が大きくなるに従って偏差値が大きくなる比例関係（右上がりの正の相関）がある。
この結果は、休憩時間中の対面コミュニケーションが密であり、集団としてまとまっているクラスは成績が良いことを示す。
＜＜フローチャート３＞＞
図１４は、対面コミュニケーション指標と学業成績との相関分析を行う処理の一例を示すフローチャートである。より具体的に、図１４では、対面ネットワークの指標、すなわち次数やクラスタリング係数など、と学業成績との相関を調べるフローチャートである。
図１４において、１４０１は人間関係グラフデータの入力ステップ、１４０２は個人ごとの対面ネットワーク指標である次数、クラスタリング係数を計算する処理ステップ、１４０３はクラスごとに分析するかを判定する処理ステップ、１４０４は個人ごとの次数、クラスタリング係数と個人ごとの学業成績との相関を計算する処理ステップ、１４０５はクラスごとの次数、クラスタリング係数を計算する処理ステップ、１４０６はクラスごとの次数、クラスタリング係数とクラスごとの学業成績との相関を計算する処理ステップ、１４０７は相関分析の結果を表示する処理ステップ、である。
ステップ１４０１〜１４０７による処理は、図２における対面情報データベース２０９に格納されている対面に関する情報をメモリ２０８に読み出し、ＣＰＵ２０６が対面コミュニケーションの指標計算プログラム２１５を実行することで、ステップ１４０１からステップ１４０７まで順に行われる。
人間関係グラフデータの入力ステップ１４０１は、生徒や先生が装着するウェアラブルセンサなどに内蔵される赤外線センサから得られる対面情報を対面情報データベース２０９に格納したものを読み出したものである。
個人ごとの対面ネットワーク指標を計算する処理ステップ１４０２は、上記説明したように各個人ごと、すなわち各生徒あるいは各先生あるいはその他の各ユーザごとに、次数やクラスタリング係数やその他の指標を計算する処理である。
クラスごとに分析するかを判定する処理ステップ１４０３は、クラスごとに分析するか（Ｙｅｓ）、あるいは、個人ごとに分析するか（Ｎｏ）を判定する処理である。
ステップ１４０３の判定の結果、クラスごとに分析する場合（Ｙｅｓ）は、まず、ステップ１４０２で計算した個人ごとのネットワーク指標（個人ごとの次数やクラスタリング係数）から、クラスの平均指標（クラスごとの次数、クラスタリング係数）を計算し（ステップ１４０５）、それらのクラスの平均指標と、クラスごとの学業成績（クラスを構成する生徒の成績の平均）との相関を計算する（ステップ１４０６）。
ステップ１４０３の判定の結果、個人ごとに分析する場合（Ｎｏ）は、ステップ１４０２で計算した個人ごとのネットワーク指標（個人ごとの次数やクラスタリング係数）と、個人ごとの学業成績との相関を計算する（ステップ１４０４）。
分析結果を表示する処理ステップ１４０７は、クラスごと、あるいは個人ごとの対面ネットワーク指標と学業成績との間の相関関係を調べた結果を表示装置２０３のディスプレイなどに表示する。
＜分析結果の表示例＞
次に、図１５〜図１７を用いて、上述した各分析結果の表示例について説明する。以下において、先生と生徒との加速度の同期性分析結果、生徒同士の加速度の同期性分析結果、対面コミュニケーションの分析結果の各表示例を順に説明する。この分析結果は、表示装置２０３のディスプレイなどに表示される。
＜＜先生と生徒との加速度の同期性分析結果＞＞
図１５Ａ、図１５Ｂは、先生と生徒との身体的な動きの同期性と学業成績との相関分析の結果を表示する画面の一例を示す図である。
図１５Ａにおいて、１５０１は成績が良い生徒（生徒Ａ）と先生との関係を表示する分析結果表示画面である。図１５Ｂにおいて、１５０２は成績が悪い生徒（生徒Ｂ）と先生との関係を表示する分析結果表示画面である。図１５Ａ、図１５Ｂにおいて、１５０３および１５０４は先生と生徒の加速度波形の表示、１５０５および１５０６は生徒の学業成績と相関する先生との動きパターンの表示、１５０７および１５０８は生徒の先生との身体的な動きの同期度合いの表示、１５０９および１５１０は学業成績改善に向けた具体的な施策設計支援のための施策提案メッセージ、１５１１および１５１２は学業成績と相関する先生と生徒との同期パターンの強調表示、である。
図１５Ａ、図１５Ｂにおいては、先生向けの画面を示しているが、生徒向け、あるいは生徒の保護者向けの画面であってもよい。
図１５Ａ、図１５Ｂに示すような表示は、表示装置２０３であるパソコンのディスプレイに表示されてもよいし、紙に印刷し、レポートとして提供されるものでもよい。
先生と生徒の加速度波形の表示１５０３および１５０４は、加速度情報データベース２１０に格納されているデータから対象となる生徒と先生の数値４０３を、ある一定期間分を表示する。
先生と生徒の加速度波形の表示１５０３および１５０４において、学業成績と相関する先生と生徒との波形パターンは、ハッチングなどにより強調表示１５１１および１５１２で示される。図１５Ａ、図１５Ｂの例では、（１）式で計算される指標のうち、Ｐ↓↓が個人の学業成績と相関するという実験結果をもとに、先生の加速度波形と生徒の加速度波形がともに減少する部分をハッチングしてある。
生徒の学業成績と相関する先生との動きパターンの表示１５０５および１５０６には、（１）式で計算される４通りのパターンのうち、生徒個人の学業成績と相関するパターンが表現されており、図１５Ａ、図１５Ｂの例では、Ｐ↓↓が相関するから「先生↓、生徒↓」と記述されている。
生徒の先生との身体的な動きの同期度合いの表示１５０７および１５０８は、対象期間における、学業成績と相関する生徒と先生の同期パターンの割合を示している。図１５Ａ、図１５Ｂの例では、成績が良い生徒は、授業時間において「先生が静かになった場合に生徒も静かになる」時間の割合Ｐ↓↓が６５％であること（１５０７）、成績が悪い生徒は、授業時間において「先生が静かになった場合に生徒も静かになる」時間の割合Ｐ↓↓が２６％しかないこと（１５０８）、を示している。
施策提案メッセージ１５０９および１５１０には、先生と生徒の身体的な動きの同期度合いの違いに基づいて、学業成績向上に向けて実施すべき施策の提案が書かれている。図１５Ａ、図１５Ｂの例では、同期度合いが高い場合には「現状を維持しなさい。」と提案し（１５０９）、同期度合いが低い場合には「生徒Ｂの授業中の反応に注意して講義を行いなさい。」と提案する（１５１０）。これ以外の表現を用いてもかまわない。
図１５Ａ、図１５Ｂにおいては、先生向けのフィードバック画面の例が示されているが、生徒向けのフィードバックをする場合には、たとえば成績が悪く、先生との身体的な動きの同期度合いが低い生徒向けには、施策提案メッセージ１５１０は「もっと先生の言動に注意しなさい。」のようになる。
図１５Ａ、図１５Ｂに示すような表示は、図７に示したフローチャートのうち、相関があるパターンを表示（７０５）の処理において実施される。
＜＜生徒同士の加速度の同期性分析結果＞＞
図１６Ａ、図１６Ｂは、生徒同士の身体的な動きの同期性と学業成績との相関分析の結果を表示する画面の一例を示す図である。
図１６Ａにおいて、１６０１は成績が良いクラス（クラスＡ）における生徒同士の身体的な動きの同期度合いとクラスの学業成績との関係を表示する分析結果表示画面である。図１６Ｂにおいて、１６０２は成績が悪いクラス（クラスＢ）における生徒同士の身体的な動きの同期度合いとクラスの学業成績との関係を表示する分析結果表示画面である。図１６Ａ、図１６Ｂにおいて、１６０３および１６０４はクラスを構成する生徒ごとの加速度波形の表示、１６０５および１６０６はクラスを構成する生徒の平均の加速度波形の表示、１６０７および１６０８はクラスの生徒同士の一体度の表示、１６０９および１６１０はクラスの学業成績向上に向けた施策設計支援のための施策提案メッセージ、である。
図１６Ａ、図１６Ｂにおいては、先生向けの画面を示しているが、生徒向け、あるいは生徒の保護者向けの画面であってもよい。
図１６Ａ、図１６Ｂに示すような表示は、表示装置２０３であるパソコンのディスプレイに表示されてもよいし、紙に印刷し、レポートとして提供されるものでもよい。
クラスを構成する生徒の加速度波形の表示１６０３および１６０４は、加速度情報データベース２１０に格納されている数値４０３から、ある一定期間のデータを表示する。
クラスを構成する生徒の平均の加速度波形の表示１６０５および１６０６は、生徒ごとの各時間フレームにおける身体的な動きを表す数値４０３を用いて計算する。
生徒同士の一体度の表示１６０７および１６０８は、（２）式で示される計算式により計算される値を表示する。
施策提案メッセージ１６０９および１６１０には、生徒同士の身体的な動きの同期度合いの違いに基づいて、学業成績向上に向けて実施すべき施策の提案が書かれている。図１６Ａ、図１６Ｂの例では、一体度が高い場合には「現状を維持しなさい。」と提案し（１６０９）、一体度が低い場合には「クラスにまとまりがありません。声量を少し下げて一体感を高めなさい。」と提案している（１６１０）。これ以外の表現を用いてもかまわない。
図１６Ａ、図１６Ｂにおいては、先生向けのフォードバック画面の例が示されているが、生徒向けのフィードバックをする場合には、たとえばクラスの平均の学業成績が悪いクラスに属している生徒向けには、施策提案メッセージ１６１０は「もっとお友だちと協力して授業に参加しなさい。」のようになる。
＜＜対面コミュニケーションの分析結果＞＞
図１７は、対面コミュニケーション指標と学業成績との相関分析の結果を表示する画面の一例を示す図である。
図１７において、１７０１は対面ネットワーク図、１７０２はクラスＩＤ、１７０３はクラスごとの次数、１７０４はクラスごとのクラスタリング係数、１７０５はクラスごとの学業成績向上に向けた施策提案メッセージ、である。
対面ネットワーク図１７０１は、対面情報データベース２０９を用いて、対象期間における対面状況を対面ネットワークとして表示する。たとえば、図１７では、ある学校の対面ネットワークを描いた例を示しているが、４つのクラス（Ｃ１、Ｃ２、Ｃ３、Ｃ４）が含まれており、クラスごとにノードの形や色を変えて、クラスが識別できるように描画している。
クラスＩＤ１７０２は、ユーザ属性データベース２１１に格納されているクラスＩＤと一致する。
クラスごとの次数１７０３は、たとえば「対面人数」という表現で表示され、クラスごとの平均次数が表示される。
クラスごとのクラスタリング係数１７０４は、たとえば「密接度」という表現で表示され、クラスごとの平均クラスタリング係数が表示される。
学業成績の向上に向けた施策提案メッセージ１７０５は、クラスごとの次数、クラスタリング係数、学業成績を参照し、たとえば、学業成績が悪く、かつ、次数やクラスタリング係数も小さいクラスに対して、予め用意したいくつかのメッセージの中から選択して表示する。図１７の例では、クラスＣ１には「休憩時間に生徒への声掛け」、クラスＣ２には「休憩室を確保」と表示している。学業成績がよく、かつ次数やクラスタリング係数の値も大きいクラスに対しては、たとえば「現状維持」などのメッセージを出す。図１７の例では、クラスＣ３、Ｃ４に「現状維持」と表示している。
図１７では、先生に向けたフィードバック画面の例になっているが、生徒向け、あるいは生徒の保護者向けフィードバック画面にする場合には、施策提案メッセージ１７０５は、たとえば「もう少しお友達とおしゃべりでもして気分転換してね。」などが表示される。
＜シミュレーションの実験結果＞
次に、図１８を用いて、上述した各分析結果に基づいたシミュレーションの実験結果について説明する。
本実施の形態における学業成績との相関因子特定方法および相関因子提示システムを用いて特定された、学業成績と相関する要因を使えば、たとえば重回帰分析などの手法により、学業成績、すなわちテストの点数を予測することができる。
図１８Ａ、図１８Ｂは、シミュレーションの実験結果の一例を示す散布図である。より具体的に、図１８Ａ、図１８Ｂでは、生徒個人ごとおよびクラスごとに、テストの偏差値を予測し、実際の偏差値と、予測値を散布図で表示したものである。
図１８Ａにおいて、１８０１は生徒個人ごとに予測された学業成績と実際の学業成績との関係を示した散布図である。図１８Ｂにおいて、１８０２はクラスごとに予測された学業成績と実際の学業成績との関係を示した散布図である。
図１８Ａにおいて、生徒個人ごとの学業成績の予測値は、Ｐ↓↑、Ｐ↓↓、および対面人数の３つを説明変数とし、重回帰分析により回帰係数と切片を算出し、回帰式を計算することで算出している。これらの説明変数は、いずれも個人の学業成績と相関するものである。
図１８Ｂにおいて、クラスごとの学業成績の予測値は、一体度Ｕ、対面ネットワークの次数、およびクラスタリング係数の３つを説明変数とし、重回帰分析により回帰係数と切片を算出し、回帰式を計算することで算出している。これらの説明変数は、いずれもクラスの学業成績と相関するものである。
図１８Ａ、図１８Ｂで示した予測値で計算に用いた説明変数以外に、本実施の形態における学業成績との相関因子特定方法および相関因子提示システムを用いて特定される、学業成績と相関する要因があれば、それらを用いて予測値を計算してもよい。
図１８Ａにおいて、生徒個人ごとの学業成績の予測値と実際の学業成績（偏差値）とは有意に相関（Ｒ＝０．５５，ｐ＜０．００００００１）しており、予測値が実際の学業成績とよく合うことを示す。
図１８Ｂにおいて、クラスごとの学業成績の予測値と実際の学業成績（偏差値）とは有意に相関（Ｒ＝０．６８，ｐ＜０．００００１）しており、予測値が実際の学業成績とよく合うことを示す。
図１８Ａ、図１８Ｂに示すように、本実施の形態における学業成績との相関因子特定方法および相関因子提示システムを用いれば学業成績を予測することが可能であり、どの要因をどのように制御すれば学業成績が上がるか、ということをシミュレーションすることができる。たとえば、先生と生徒とがより一体となるような施策を実施すれば、クラスの偏差値が何点上がる、ということを予測することが可能になる。
従って、本実施の形態における学業成績との相関因子特定方法および相関因子提示システムを用いれば、従来の経験に基づいたクラス設計などではなく、人間行動データに基づき、先生と生徒、あるいは生徒同士の人間関係データを用いた定量的な判断や予測により、学業成績を向上させられる教育システムを提供できるようになる。
＜実施の形態の効果＞
以上説明した本実施の形態における学業成績との相関因子特定方法および相関因子提示システムによれば、教育環境において、学業成績に影響を与える定量的な指標を特定し、提示することができる。より詳細には、以下の通りである。
（１）本実施の形態によれば、ステップ１０５〜１０７において、プログラム２１３〜２１５の実行により、先生と生徒とにそれぞれ装着されたセンサ２０１により測定された先生と生徒との対面データである人間関係グラフデータ１０２および物理量である身体的な動きデータ１０３に基づいて、先生と生徒との間および生徒同士の間の関係パターンを分析する。そして、ステップ１０９において、プログラム２１６の実行により、関係パターンと生徒の学業成績データとの相関を取ることで、関係パターンのうち学業成績との相関が強いパターンを分析する。これにより、先生と生徒とを含む学校環境において、学業成績に影響を与える指標やパターンを、大量の人間行動データから定量的かつ自動的に特定し、提示することが可能になる。
（２）本実施の形態によれば、ステップ１０５において、プログラム２１３の実行により、加速度情報データベース２１０に格納された身体的な動きデータに基づいて、先生と生徒との身体的な動きの同期性を分析することができる。また、ステップ１０６において、プログラム２１４の実行により、加速度情報データベース２１０に格納された身体的な動きデータに基づいて、生徒同士の身体的な動きの同期性を分析することができる。また、ステップ１０７において、プログラム２１５の実行により、対面情報データベース２０９に格納された人間関係グラフデータに基づいて、対面コミュニケーションの指標を計算することができる。そして、ステップ１０９において、プログラム２１６の実行により、ユーザ属性データベース２１１に格納された学業成績データ、ステップ１０７で計算した対面コミュニケーションに関する第１指標、ステップ１０５で計算した身体的な動きに関する第２指標、およびステップ１０６で計算した身体的な動きに関する第３指標に基づいて、学業成績データと第１〜第３指標との相関を分析することができる。これにより、先生や学校運営者の経験などの定性的な判断に基づくのではなく、定量的な人間行動データに基づいたシステムを設計することが可能になる。
（３）本実施の形態によれば、ステップ１１０において、表示装置２０３に、特定された学業成績に影響する指標を用いて学業成績を予測した結果を表示することができる。これにより、学校環境における先生と生徒との関係や、生徒同士の関係を変えた場合に学業成績がどのように変化するかを予測することが可能になる。
（４）本実施の形態によれば、ステップ１１０において、表示装置２０３に、特定された学業成績に影響する指標を制御することによって学業成績を向上させるための施策を表示することができる。これにより、学業成績向上に向けた具体的な施策設計を、定量的なデータに基づく指標の特定と、学業成績との関係性の効果的な提示により、効果的に行うことが可能になる。
（５）本実施の形態によれば、センサ２０１から得られる大量の定量的なデータに基づいて、計算機で学業成績と相関する要因を自動的に特定することができるため、アンケート調査などを行わなくても、タイムリーに、かつ、定量的に学業成績向上に向けた施策設計と検証を行うことができる。さらに、特定した指標やパターンを用いてどの要因をどのように変化させれば学業成績が向上するかなどを推定することができる。
以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。たとえば、上記した実施の形態は、本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、実施の形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
たとえば、上記した実施の形態においては、教育環境として、先生と生徒とを含む学校を例に説明したが、本発明は、これに限定されるものではなく、学習塾、予備校などの他の教育環境にも適用可能である。
１０１…人間関係グラフデータと身体的な動きデータの入力ステップ、１０２…人間関係グラフデータ、１０３…身体的な動きデータ、１０４…人間関係グラフデータと身体的な動きデータの分析処理ステップ、１０５…先生と生徒との身体的な動きの同期性分析ステップ、１０６…生徒同士の身体的な動きの同期性分析ステップ、１０７…対面コミュニケーションの指標計算ステップ、１０８…学業成績データの入力ステップ、１０９…学業成績データと人間行動指標との相関分析ステップ、１１０…学業成績と相関する指標やパターンに関するデータの出力ステップ、
２０１…センサ、２０２…データ管理サーバ、２０３…表示装置、２０４…入力装置、２０５…通信装置、２０６…ＣＰＵ、２０７…ハードディスク、２０８…メモリ、２０９…対面情報データベース、２１０…加速度情報データベース、２１１…ユーザ属性データベース、２１２…分析プログラム、２１３…先生と生徒との加速度の同期性分析プログラム、２１４…生徒同士の加速度の同期性分析プログラム、２１５…対面コミュニケーションの指標計算プログラム、２１６…学業成績データと人間行動指標との相関分析プログラム、２１７…インタネット網、
３０１〜３０８…ユーザＩＤ、３０９〜３１２…ノード番号、
４０１…時刻、４０２…ユーザＩＤ、４０３…身体的な動き度合いを表す数値、
５０１…ユーザＩＤ、５０２…職位、５０３…教科、５０４…学年、５０５…クラス名、５０６…１月のテストの点数、５０７…２月のテストの点数、５０８…３月のテストの点数、
６０１…先生の加速度波形、６０２…生徒の加速度波形、６０３…先生の加速度波形を矢印のアップダウンに変換した時系列、６０４…生徒の加速度波形を矢印のアップダウンに変換した時系列、
７０１…身体的な動きデータの入力ステップ、７０２…加速度波形を上向き矢印と下向き矢印の時系列に変換する処理ステップ、７０３…生徒ごとに割合を計算する処理ステップ、７０４…学業成績と割合との相関を計算する処理ステップ、７０５…相関があるパターンを表示する処理ステップ、
８０１，８０２…実験結果、
９０１…加速度波形、９０２…加速度の閾値、
１００１…身体的な動きデータの入力ステップ、１００２…Ａｃｔｉｖｅ状態とＮｏｎ−ａｃｔｉｖｅ状態とを判定する処理ステップ、１００３…クラスごとに一体度を計算する処理ステップ、１００４…学業成績と一体度との相関を計算する処理ステップ、１００５…相関分析の結果を表示する処理ステップ、
１１０１…実験結果、
１２０１…ノード、１２０２…リンク、
１３０１，１３０２…実験結果、
１４０１…人間関係グラフデータの入力ステップ、１４０２…個人ごとの対面ネットワーク指標を計算する処理ステップ、１４０３…クラスごとに分析するかを判定する処理ステップ、１４０４…個人ごとにネットワーク指標と学業成績との相関を計算する処理ステップ、１４０５…クラスごとのネットワーク指標を計算する処理ステップ、１４０６…クラスごとにネットワーク指標と学業成績との相関を計算する処理ステップ、１４０７…相関分析の結果を表示する処理ステップ、
１５０１…先生と成績が良い生徒との身体的な動きの同期性と学業成績との関係の分析結果表示画面、１５０２…先生と成績が悪い生徒との身体的な動きの同期性と学業成績との関係の分析結果表示画面、１５０３，１５０４…加速度波形の表示、１５０５，１５０６…学業成績と相関する先生との動きパターンの表示、１５０７，１５０８…先生との身体的な動きの同期度合いの表示、１５０９，１５１０…施策提案メッセージ、１５１１，１５１２…学業成績と相関するパターンの強調表示、
１６０１…成績が良いクラスにおける生徒同士の身体的な動きの同期性と学業成績との関係の分析結果表示画面、１６０２…成績が悪いクラスにおける生徒同士の身体的な動きの同期性と学業成績との関係の分析結果表示画面、１６０３，１６０４…クラスを構成する生徒の加速度波形の表示、１６０５，１６０６…クラスを構成する生徒の平均の加速度波形の表示、１６０７，１６０８…生徒同士の一体度の表示、１６０９，１６１０…施策提案メッセージ、
１７０１…対面ネットワーク図、１７０２…クラスＩＤ、１７０３…クラスごとの次数、１７０４…クラスごとのクラスタリング係数、１７０５…施策提案メッセージ、
１８０１，１８０２…実験結果。

Claims (15)

  1. 第１の人間と、前記第１の人間とは異なる職種の複数の第２の人間と、を含む教育環境における学業成績との相関因子特定方法であって、
    計算機により、前記第１の人間と前記複数の第２の人間とにそれぞれ装着された複数のセンサにより測定された前記第１の人間と前記複数の第２の人間との対面データおよび物理量に基づいて、前記第１の人間と前記複数の第２の人間との間および前記複数の第２の人間同士の間の関係パターンを分析する第１ステップと、
    前記計算機により、前記関係パターンと前記複数の第２の人間の成績データとの相関を取ることで、前記関係パターンのうち成績との相関が強いパターンを分析する第２ステップと、
    を有する、学業成績との相関因子特定方法。
  2. 請求項１記載の学業成績との相関因子特定方法において、
    前記第１の人間は先生であり、前記第２の人間は生徒であり、前記教育環境は学校であり、
    前記第１ステップでは、前記先生と前記複数の生徒とにそれぞれ装着された複数のセンサにより測定された前記先生と前記複数の生徒との対面データおよび物理量に基づいて、前記先生と前記複数の生徒との間および前記複数の生徒同士の間の関係パターンを分析し、
    前記第２ステップでは、前記関係パターンと前記複数の生徒の学業成績データとの相関を取ることで、前記関係パターンのうち学業成績との相関が強いパターンを分析する、学業成績との相関因子特定方法。
  3. 請求項２記載の学業成績との相関因子特定方法において、
    前記第１ステップは、
    第１プログラムの実行により、第１データベースに格納された前記物理量である身体的な動きデータに基づいて、前記先生と前記生徒との身体的な動きの同期性を分析する第１Ａステップと、
    第２プログラムの実行により、前記第１データベースに格納された前記身体的な動きデータに基づいて、前記生徒同士の身体的な動きの同期性を分析する第１Ｂステップと、
    第３プログラムの実行により、第２データベースに格納された前記対面データである人間関係グラフデータに基づいて、対面コミュニケーションの指標を計算する第１Ｃステップと、
    を有する、学業成績との相関因子特定方法。
  4. 請求項３記載の学業成績との相関因子特定方法において、
    前記第２ステップは、
    第４プログラムの実行により、第３データベースに格納された前記学業成績データ、前記第１Ｃステップで計算した対面コミュニケーションに関する第１指標、前記第１Ａステップで計算した身体的な動きに関する第２指標、および前記第１Ｂステップで計算した身体的な動きに関する第３指標に基づいて、前記学業成績データと前記第１〜第３指標との相関を分析する第２Ａステップを有する、学業成績との相関因子特定方法。
  5. 請求項４記載の学業成績との相関因子特定方法において、
    表示装置に、前記第２Ａステップで特定された学業成績に影響する指標を表示する第３ステップをさらに有し、
    前記第３ステップは、
    前記第２Ａステップで特定された学業成績に影響する指標を用いて学業成績を予測した結果を表示する第３Ａステップを有する、学業成績との相関因子特定方法。
  6. 請求項５記載の学業成績との相関因子特定方法において、
    前記第３ステップは、
    前記第２Ａステップで特定された学業成績に影響する指標を制御することによって学業成績を向上させるための施策を表示する第３Ｂステップを有する、学業成績との相関因子特定方法。
  7. 請求項６記載の学業成績との相関因子特定方法において、
    前記第１Ａステップでは、前記先生の身体的な動きを時系列で示す加速度波形を矢印のアップダウンに変換した時系列と、前記生徒の身体的な動きを示す加速度波形を矢印のアップダウンに変換した時系列とを用いて、前記先生と前記生徒との身体的な動きの同期性と学業成績との関係を調べ、
    前記第１Ｂステップでは、前記生徒の身体的な動きを時系列で示す加速度波形を閾値で分けた活発状態と非活発状態とを用いて、前記生徒同士の身体的な動きの同期性と学業成績との関係を調べ、
    前記第１Ｃステップでは、前記先生または前記生徒の人を表すノードと、前記人と前記人とが一定時間以上対面している場合に張るリンクとで表す対面ネットワークにおいて、前記ノードの次数とクラスタリング係数とを用いて、前記先生または前記生徒の身体的な動きの同期性と学業成績との関係を調べる、学業成績との相関因子特定方法。
  8. 第１の人間と、前記第１の人間とは異なる職種の複数の第２の人間と、を含む教育環境における学業成績との相関因子提示システムであって、
    前記第１の人間と前記複数の第２の人間とにそれぞれ装着された複数のセンサにより測定された前記第１の人間と前記複数の第２の人間との対面データおよび物理量に基づいて、前記第１の人間と前記複数の第２の人間との間および前記複数の第２の人間同士の間の関係パターンを分析し、前記関係パターンと前記複数の第２の人間の成績データとの相関を取ることで、前記関係パターンのうち成績との相関が強いパターンを分析する計算機を有する、学業成績との相関因子提示システム。
  9. 請求項８記載の学業成績との相関因子提示システムにおいて、
    前記第１の人間は先生であり、前記第２の人間は生徒であり、前記教育環境は学校であり、
    前記計算機は、前記先生と前記複数の生徒とにそれぞれ装着された複数のセンサにより測定された前記先生と前記複数の生徒との対面データおよび物理量に基づいて、前記先生と前記複数の生徒との間および前記複数の生徒同士の間の関係パターンを分析し、前記関係パターンと前記複数の生徒の学業成績データとの相関を取ることで、前記関係パターンのうち学業成績との相関が強いパターンを分析する、学業成績との相関因子提示システム。
  10. 請求項９記載の学業成績との相関因子提示システムにおいて、
    前記計算機は、
    前記物理量である身体的な動きデータを格納する第１データベースと、
    前記対面データである人間関係グラフデータを格納する第２データベースと、
    前記第１データベースに格納された前記身体的な動きデータに基づいて、前記先生と前記生徒との身体的な動きの同期性を分析する第１プログラムと、
    前記第１データベースに格納された前記身体的な動きデータに基づいて、前記生徒同士の身体的な動きの同期性を分析する第２プログラムと、
    前記第２データベースに格納された前記人間関係グラフデータに基づいて、対面コミュニケーションの指標を計算する第３プログラムと、
    をさらに有する、学業成績との相関因子提示システム。
  11. 請求項１０記載の学業成績との相関因子提示システムにおいて、
    前記計算機は、
    前記成績データである学業成績データを格納する第３データベースと、
    前記第３データベースに格納された前記学業成績データ、前記第３プログラムで計算した対面コミュニケーションに関する第１指標、前記第１プログラムで計算した身体的な動きに関する第２指標、および前記第２プログラムで計算した身体的な動きに関する第３指標に基づいて、前記学業成績データと前記第１〜第３指標との相関を分析する第４プログラムと、
    をさらに有する、学業成績との相関因子提示システム。
  12. 請求項１１記載の学業成績との相関因子提示システムにおいて、
    前記計算機は、
    前記第４プログラムで特定された学業成績に影響する指標を表示する表示装置をさらに有し、
    前記表示装置は、
    前記第４プログラムで特定された学業成績に影響する指標を用いて学業成績を予測した結果を表示する、学業成績との相関因子提示システム。
  13. 請求項１２記載の学業成績との相関因子提示システムにおいて、
    前記表示装置は、
    前記第４プログラムで特定された学業成績に影響する指標を制御することによって学業成績を向上させるための施策を表示する、学業成績との相関因子提示システム。
  14. 請求項１３記載の学業成績との相関因子提示システムにおいて、
    前記第１プログラムでは、前記先生の身体的な動きを時系列で示す加速度波形を矢印のアップダウンに変換した時系列と、前記生徒の身体的な動きを示す加速度波形を矢印のアップダウンに変換した時系列とを用いて、前記先生と前記生徒との身体的な動きの同期性と学業成績との関係を調べ、
    前記第２プログラムでは、前記生徒の身体的な動きを時系列で示す加速度波形を閾値で分けた活発状態と非活発状態とを用いて、前記生徒同士の身体的な動きの同期性と学業成績との関係を調べ、
    前記第３プログラムでは、前記先生または前記生徒の人を表すノードと、前記人と前記人とが一定時間以上対面している場合に張るリンクとで表す対面ネットワークにおいて、前記ノードの次数とクラスタリング係数とを用いて、前記先生または前記生徒の身体的な動きの同期性と学業成績との関係を調べる、学業成績との相関因子提示システム。
  15. 請求項８記載の学業成績との相関因子提示システムにおいて、
    前記第１の人間と前記複数の第２の人間とにそれぞれ装着され、前記第１の人間と前記複数の第２の人間との対面データおよび物理量を測定する複数のセンサをさらに有する、学業成績との相関因子提示システム。
JP2015529254A 2013-07-30 2013-07-30 学業成績との相関因子特定方法 Expired - Fee Related JP6069506B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2013/070620 WO2015015569A1 (ja) 2013-07-30 2013-07-30 学業成績との相関因子特定方法

Publications (2)

Publication Number Publication Date
JP6069506B2 JP6069506B2 (ja) 2017-02-01
JPWO2015015569A1 true JPWO2015015569A1 (ja) 2017-03-02

Family

ID=52431150

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015529254A Expired - Fee Related JP6069506B2 (ja) 2013-07-30 2013-07-30 学業成績との相関因子特定方法

Country Status (3)

Country Link
US (1) US20160148109A1 (ja)
JP (1) JP6069506B2 (ja)
WO (1) WO2015015569A1 (ja)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6871697B2 (ja) * 2016-08-25 2021-05-12 株式会社内田洋行 教育学習活動支援システム
US10621685B2 (en) 2017-04-03 2020-04-14 International Business Machines Corporation Cognitive education advisor
US20190102722A1 (en) * 2017-10-03 2019-04-04 International Business Machines Corporation System and method enabling dynamic teacher support capabilities
JP6655643B2 (ja) * 2018-03-16 2020-02-26 株式会社 みずほ銀行 学習支援システム、学習支援方法及び学習支援プログラム
EP3769319B1 (en) * 2018-03-23 2023-01-18 Siemens Healthcare Diagnostics, Inc. Methods, apparatus, and systems for integration of diagnostic laboratory devices
CN111599472B (zh) * 2020-05-14 2023-10-24 重庆大学 用于学生心理状态识别的方法及装置、计算机
JP7402140B2 (ja) * 2020-09-23 2023-12-20 株式会社日立製作所 登録装置、登録方法、および登録プログラム
WO2022118689A1 (ja) * 2020-12-01 2022-06-09 ソニーグループ株式会社 情報処理装置、情報処理方法および情報処理プログラム
JP7436083B1 (ja) 2023-10-20 2024-02-21 株式会社フレアリンク 信頼関係推定装置、信頼関係推定方法、及びコンピュータプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5372588B2 (ja) * 2009-04-24 2013-12-18 株式会社日立製作所 組織評価装置および組織評価システム

Also Published As

Publication number Publication date
US20160148109A1 (en) 2016-05-26
WO2015015569A1 (ja) 2015-02-05
JP6069506B2 (ja) 2017-02-01

Similar Documents

Publication Publication Date Title
JP6069506B2 (ja) 学業成績との相関因子特定方法
Datu et al. The triarchic model of grit is linked to academic success and well-being among Filipino high school students.
Khedhaouria et al. Technostress creators, personality traits, and job burnout: A fuzzy-set configurational analysis
Fabelico et al. Perseverance and passion in the teaching profession: Teachers' grit, self-efficacy, burnout, and performance
Kyriakides et al. Using a multidimensional approach to measure the impact of classroom-level factors upon student achievement: A study testing the validity of the dynamic model
Yorulmaz et al. The examination of teacher burnout in Turkey: A meta-analysis
Ponjuan Recruiting and retaining Latino faculty members: The missing piece to Latino student success
Shupe et al. Role-related stress experienced by academic librarians
Ceschi et al. The career decision-making competence: a new construct for the career realm
Manuel et al. 'As much as I love being in the classroom...': Understanding secondary English teachers' workload
Scheffel et al. Widget, widget on the wall, am I performing well at all?
Maina Effect of performance management system on employee performance: A study of food and agriculture organization
Wildgaard An overview of author-level indicators of research performance
Caniëls How remote working increases the importance of positive leadership for employee vigor
Wu et al. Developing measures for assessing the causality of safety culture in a petrochemical industry
Majeed et al. Emotional exhaustion, organizational commitment, and job hopping in the banking sector: a mediation analysis approach
Boswell et al. A review and preview of developments in the measurement of sociability
Ladao et al. The Mediating Effect of Perceived Organizational Support on the Relationship between Authentic Leadership and Turnover Intention.
Jaurigue et al. Rank-and-file employees' work attitude, motivation, and performance in an academe
Ranathunga et al. Impact of Techno-Stress on Job Satisfaction of Teachers in Government Schools in Sri Lanka: Evidence from Kurunegala Educational Zone
Humbert et al. Not simply ‘counting heads’: a gender diversity index for the team level
Bodie et al. Measuring affective components of listening
Crawford et al. Leadership and teams, an assessment within the hospitality management classroom
Cameron Creative careers and self-actualization
Methlagl et al. Working as an ECE professional during Covid-19 in Austria: demands and resources profiles and their relations with exhaustion and work engagement

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20161018

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20161114

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: 20161220

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20161226

R150 Certificate of patent or registration of utility model

Ref document number: 6069506

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees