WO2004100035A1

WO2004100035A1 - スケジュール作成方法及びスケジュール生成システム及び未経験スケジュール予測方法並びに学習スケジュール評価表示方法

Info

Publication number: WO2004100035A1
Application number: PCT/JP2004/006487
Authority: WO
Inventors: Takafumi Terasawa
Original assignee: Takafumi Terasawa
Priority date: 2003-05-07
Filing date: 2004-05-07
Publication date: 2004-11-18
Also published as: JPWO2004100035A1; EP1628253A4; JP2009277249A; JP2010009073A; JP4970505B2; JP4391474B2; JP2010231817A; US20060252016A1; JP5014473B2; EP1628253A1; JP5130272B2; CN1784693A

Abstract

一定のスケジュールに従って個人の反応を収集し、個人の属性やコンテンツの質などを考慮した分析および予測が可能になるスケジュールの作成方法、及びこのスケジュールを用いて、未経験スケジュールに対する個人の反応を予測する方法、その結果を表示する学習スケジュール評価表示方法を提供する。コンテンツに関するイベントが生起する最小期間である呈示ユニットと、イベント生起の呈示ユニット以上に長く、あるイベントの開始から次のイベントが起きる前までの間のインターバル以下の短い一定の期間を表すイベントサイクルユニットと、呈示ユニット以上に長くてイベントサイクルユニット以下の長さの期間である条件ユニットと、複数のスケジュールが開始される場合にその開始時点の違いを表す遅延期間とでタイミング条件を構成し、これを用いて、あるコンテンツに関するイベントが生起するスケジュールを作成する。

Description

明細書スケジュール作成方法及びスケジュール生成システム及び未経験スケジュール予測方法並びに学習スケジュ — ル評価表示方法技術分野

本発明は、スケジュール作成方法及びスケジュール生成システム、およびスケジュール作成方法にしたがつて作成されたスケジュールに基づいて得た個人の反応情報から今後の反応や最適なスケジュールを予測する未経験スケジュール予測方法、並びにその内容等を表示する学習スケジュール評価表示システムに関する

背景技術

一般のアンケートのように個人の反応を集計し、全体的な傾向をつかむことは多変量解析（多種多様な特性をもつ多量のデータから、その相互関連を分析して特徴を要約したり、事象の背後にある要因を探り出したりして予測や分類を行う解析方法）を用いて広く行われている。

例えば、アンケートを用いた商品のイメージ調査などによって、その商品力 S どのような属性を持った人に好まれるのかを推定することや、大学入試のための模擬試験なども、ある時点におけるその個人の成績を集団の中おける個人の相対的な位置で推定する事などに用いられている

しかしながら、このように従来行われてきた多変量解析を用いる調査方法にはひとつの限界力 S あった。

それは、利用可能な情報が、ある時点における個人の状態に関するデ一夕に限られている点である。

本来個人の様々な反応は、経験により大きく変化するものである。例えば、アンケ ― 卜の直前にある商品の評判を聞いていたり、その商品を見ていれば、そのィメジは大きく変わるはずである。

また模擬試験の成績にしても、ある時点で C 判定の子供でも、その前の模擬試験で E 判定であった子供と、 A 判定であつた子どもでは、その成績の予測は変わってて当然である。

つま Ό 、現在の多変量解析によるデータ分析は、ある時点おける状態を示すァ一夕を中心的.に用いており、時列的な変化が十分考慮されているとはいえなレので正確な分析結果を得ることができない。

また人間の反応の理解ゃ予測には、その個人の過去から未来における " 変化 " という情報が大きな意味を持つどのよラな内容にどのような時間的なペース ° ¾ ¾! 25

7 2 ¾ - ¾ u¾ * ¾ ¥ :) t-ί ^ I Π 晶 ^ ¾ 丄 ^ 锂 000 I

日 τ ¾ ¾ 、 ^ ：？ > ^ χ ^/ΐ ^ ώ- ^ - ω ¾ί τ

て " \ ^ Q ^ ^ ° § ェ辫显 ^ 0 z ^: — ω ¾ τ τ ¾ 鎮南 ¾ ω 鎮 00 (Π ^ν » Ύ ¼

• ' ⁰ § ¾ . Q? ¾■¾

¾ > っ ¾ マコ土 ¾ 據 ¾ 丄 Φί ω » Μΐ ^: —

¾ - i q ¾ 25 ¾ y ¥ l 、 fi § ^ ¾ ki ^ — ¾

T i マ ϊί — T 、 « i — 〇申 ¾ ©

° 3¾ ェ $ 奪

^ ^ m a) ^!i ^ ^ ^ u m m ^ ^ ^ - m

¾ ¾ 3 ¾ ¾ 日、 Q ¾ © § W C 1 2ί ¾ —

^ i -2\ ^ i ^ <?： ^ X ^ Zl 、つつ翳 ¾ 暴鱸っ翳鹏 —

° § ¾ ^ ω ¾ ς ^ ？ ¾ Μ ¾ ϋ »' « 2i ¾ ifi ¾ ϋ 、一

ir # ¾ ¾ ^ - ν ¾ ¾ ¾ ¾ ½ ¾J ω * 、 § ェ w

$ ） □ i ¾ W » く匚 Φ ¾ 暂 ω Y } ⑦ M 翻

¾ ¾ ¹ ¥·] ^ ω ^ - 3ί ¾ ¾ 9 ¥ > ^ ¾ ¾ ： ¾

° § ¾ 鬵 ω 驪 ¾ ω Υ @ - 、？？ © ：っ ^ ¹ Q ¾ η ϋί ¾ . ε

Lst90o/toozdr/iDd seoooi請 OAV 一方長い期間継続して繰り返し学習することが必要な英単語の学習等では、このように繰り返し学習を行つても、「何度やっても覚えられない」、「本当に覚えられるだろうか」という感覚が強まり、結局は学習をやめてしまう。

つまり、学習の効果、成果が実感できなければ、学習への動機づけは確実に低下するという課題があった

本発明は上述した課題を解決するために創案されたものであり、一定のスケジュールに従って個人の反応を収集し、個人の属性やコンテンツの質などを考慮した分析および予測が可能になる、スケジュールの作成方法を得ることを目的とし、このスケジュールを用いて、未経験スケジュールに対する個人の反応を予測すること、例えば、学習者が「ある学習に対して何回ぐらいの学習を繰り返せば成果が目に見えてくるのか」

、「どのように学習が進んで行くのか」等の指針ゃ最適なスケジュールを個人に対して提供する .ための未経験スケジュール予測方法と、その結果等を表示する学習スケジュール評価表示方法とを得ることを目的とする。

発明の開示本発明のスケジュール作成方法は、あるコンテンツに関するィベン卜が生起するスケジュール条件を、コンテンッに関するイベントが生起する最小期間である呈示ユニットと、イベント生起の呈示ユニット以上に長く、かつ、同一のコンテンツについてイベントの開始から次のィベン 1、が起きる前までの間のィンターバルと、前記ィンターパル以下の短い一定の期間であつてィベン卜の生起を分散させるためのィベントサイクルユニットと、前記呈示ユニット以上に長く、かつ前記イベントサイクリレュニッ卜以下の長さの期間であつてコンテンッの呈示条件を均質配置させるための条件ュニッ卜と、複数のスケジュールが開始される場合にその開始時点の違いを表す遅延期間とからなる夕イミング条件で構成したことを要旨とする。

また、本発明のスケジュール作成方法は、あるスケジュール内におけるイベントの生起が、一定のインタ一バルで生起していない場合に、基本となるィン夕一バル、イベントサイクルユニット、条件ュ.ニット、遅延期間で構成される基本ユニットと、前記基本となるインターノリレをコンテンツに関するイベントが生起する最小期間であるとみなしたときのインターノル、ィベントサイクルユニット、条件ユニット、遅延期間で構成される副次ユニットとでスケジュールを構成することも要旨とする。ヽ

本発明の未経験スケンュ一ル反応予測方法は、一つ ¾ し < は複数のコンテンッからなるセッ卜について、全てのコンテンッに関するィベン卜が一定のタイミングで繰り返し生起するスケジユール生成するために、ィベン卜生起の最小期間である呈示ュニッ卜以上に長く、かつ、あるィべン卜の開始から次のィベン卜が起きる前までの間のィン夕一バル以下の短い一定の期間を、イベントサイクルュニッ卜として設け、各コンテンッに関する特定のィベン卜力 S そのィベントサイクルュニッ卜内で一度生起するようコンテンッを配置するようにしたスケジュールを用い、前記コンテンッに対する経験の反応を時系列に収集し、過去に収集した反応パターンから今後の反応パターンを予測することを要旨とする。

また、本発明の未経験スケジュール反応予測方法は、関連する複数のィべントの種類について、特定のィベン卜に関してはィべン卜が一定の夕イミングで繰り返し生起するスケジュールを用いるため、 .ィベン卜生起の最小期間である呈示ュニッ卜以上に長く、力つ、あるィベン卜の開始から次のィベントが起きる前までの間のイン夕一バル以下の短い一定の期間を、ィベン卜サイクルュニッ卜として設け、ィべン卜力そのィべントサイクルュニット内で一度生起するようにしたスケジュ — ルを生成し、関連する複数のィベン卜の種類経端定対ス成ュ評ぃコをぁきよをにンうくじトトとにィベン卜の生起とそれに対応する個人の反応を一ド化して時系列に収集し、最終の反応結果に基づて抽出された他人の反応経過パタ一ンと個人の反応過パターンを比較して、類似する反応経過パターン有す BU B己他人のスケンュールを前記個人の今後のケジユールとすることも要旨とする。

本発明の学習スケジユール評価表示方法は、学習者末と学習到達度を w e b 表示させるサーバとがネッヮ一クにより接続された学習者評価表示システムでつて、一つもしくは複数のコンテンッからなるセッについて、全てのコンテンッに関するィべントがーの夕ィミングで繰り返し生起するスケジュ一ルを生するために、ィベン卜生起の呈示ニット以上に長、かつ、あるィベン卜の開始から次のィべン卜が起

¾ 、 '- 刖までの間のィン夕一バル以下の短い一定の期間

、ィベン卜サイクルニッ卜として設け、各コンテッに関する特定のィベントがそのイベントサイクル二ッ卜内で一度生起するよぅコンテンッ.を配置するうにした学習スケジユールを用い、 f« 記コンテンッ関する学習到達度を時系列に評価し、学習到達度の価が一定レベルに到達した場合に前記学習者端末にして学習到達度に関するデ一夕と、学習到達度に応て学習内容と関連するサイトへのリンク表示とを行ことを行うことを要旨とする。 5 ^ 9r 3¾ M 、ェつ ½ ーて镞翳 \ <5

$ ° ¾ ^ ¾ ¾ 桊「 03 > ^ 薪 W S

T Q) ？？」、「 Q) <Sr > 1 ¥ ¾Γ 目畓 » il- ¾ 0 f ¾ 显 ^ 0) 、、> 回 ^ ェっ ·!¥ ¾ 显 ^ § ¾ 」袅显 ^ »

歸、 i ：？コ § 腿 i ¾ く一 / Si ¾ § ^ — 0 Z て ^: 凝 ' 穀 5 一 ^ ^ ^ ¾ $ » 暴、 ¾ ¾

° ^ ？ -2 > ェつ ¾ 暴 ¾ 4^ —

- ½ 25 V ^ ^ ^ Λ( ~ ^τ O >

Q ¾l S ^ . Q? CI ^ 5 ¾ ^v a c> 9r ^ ^ ¾ - ¾ϊ ^ « 目 ¾ 一一て T § つ

¾ 鬱 # ^ くミ ω— fei 2i # 、 ^ ！；拏）（¾ *

¾ ¾ Φ) ¾ 5 ^ 0) > 25 # ^k ? ^5 ½ ¾ *

。 § - マ S 達 ^? コ § ^ ¾ ¾ ¾ 鎏 ^ ίιί 4 > -fr ^ # ω ¾ 回 ¾ 41 、《 * ¾ 杲显 ^ 、 ■¥ 翳 ¾ ¾ ΐ § ■!· 4 く ¾ ¾ 回〇 -fr G) ¥i ^5 ^ ff ¾ Π t¾l ή¾ ¾

4 -ί+ α ^ ? 4 -fr ¾ $ ¾ ¾ 2i ei ¹ こつ肇ェ

¾ 、 — 厶 ^ ? — 厶肇 ^ ¾ $ ¾ ffi ϋ 、マ ¾

# ¾ - ® ¾ ¾ 4 -fr ¾ a ¾ ^ s a. a ¾ H - --i n m π m ? ¾ ^ § s ¾ ¾ ¾ ¾ ^ ω 萆昱 ^ ¾ —厶攀 ^ ^ ¾ ^ 杲 s ^ 、 i ¾ i マ

拏 5SJ- il 袅 _t¾ U' $ Q ^ ^ - ± ^ ？ V— § ^ 拏 q ³ 丛 ¾ ¾ gn 昆 ^ ? 率袅 S

、 ¾ ^ 拏歸 ¾ 一て显 ^ 0) ½ ¾ 本、 ¾ ¥ 1^900^00Zdf/X3d SCOOOl/^OOZ: OAV 囟 4 — ^ — 口乙 ^ 一

^ ^ * s © ^ ti u ¾ Φ Λ( ~ ^ ^ 、《 9 园

° ¾ « 図 ¾ ^ 一〇 Φ ¾ — て ^: ^ ¾ — て 0 Z

¾ w $ ¾ ¾ 4 ニ ^ 膛？ニて * s 、 « s ø

. ^ 园 · ¾ 慕！ニて

吾 α ¾ 4 二て Φ マ裏 a葛 ^ Φ ¾ ^ 吾、 « m

° ¾ ^ 园 ¾ 襲 ¾ ω — て ^: § ^ 3 ITa ¾ 本、 « ε 菌

° ¾ ^ 园て本

° 9 ¾ 园 — て 5 Α ^ :) Ι6 ¾本、 « τ Μ

ITa ^ 南 ¾ 0) 厘园

° § ^

2 - ¾ ¾ ¾ ¾ ¾ ^ ^ ¾ © » マコ S ¾ 翊 ¾ 翁 m (ΰ χ ^ ^ m i- m o Ύ m 、；？暴 Μ ω くく匚 § うェっ显 ^ ^ a ^ 3¾ c ¾ 2^ ¾j Q) ¾ s 、 - マコ ί ΰ ¾ 拏く d Co -fr « Φ ¾ » 4 -fr ¾ II

§ ¾ wマ § ¾ι显 ^ ^ ^ m o ^ 、 ^

° ^ マコ S S拏、 ^ マ

§ ¾3 ¾ ェ ¾ 4 ° 谫 / 1Γ — て d ¾ ¾ ΦΙ ^ ■8t900請 Zdf/ェ:) d seoooi請 OA 図 7 は、スケジュールテーブルの一例を示す図である。

図 8 は、タイミング条件とコンテンツ項目割り当てを示す図である。

図 9 は、タイミング条件とコンテンッ項目割り当てを示す図である。

図 1 0 は、タイミング条件とコンテンツ項目割り当てを示す図である。

図 1 1 は、全条件を総合した項目の概要と予想される学習時間とを示す図である。

図 1 2 A は、コンテンツデータベース内のコンテンッリス卜例を示す図である。

図 1 2 B は、コンテンツデ一夕べ一ス内のコンテンッリスト例を示す図である。

図 1 3 A は、コンテンツ識別条件コードが入力されたコンテンツリストの例を示す図である。

図 1 3 B は、コンテンツ識別条件コードが入力されたコンテンツリストの例を示す図である。 .

図 1 4 A は、呈示リストの一例を示す図である。図 1 4 B は、呈示リス卜の一例を示す図である。図 1 5 A は、テスト記録の一例を示す図である。図 1 5 B は、テス卜記録の一例を示す図である。図 1 6 は、反応が記憶された反応データベースの一例を示す図である。図 1 7 は、自己評定値の変化（全体平均）を示す図である。

図 1 8 A は、 3 名の学習者の自己評定値の予測関数を示す図である。

図 1 8 B は、 3 名の学習者の自己評定値の予測関数を示す図である。

図 1 8 C は、 3 名の学習者の自己評定値の予測関数を示す図である。

図 1 9 A は、学習レベルの自己評定を行う場合の画面例を示す図である。

図 1 9 B は、学習レベルの自己評定を行う場合の画面例を示す図である。

図 2 0 は、異なるインターバル条件での学習到達度を示す図である。

図 2 1 は、成績予測を行う場合の動作を示すフローチャート図である。

図 2 2 は、複雑なスケジュールの記述例の説明図である。 .

図 2 3 は、最適イベントスケジュールを特定する方法の説明図である。

図 2 4 は、ィベントスケジュール推定法の説明図でめる。

図 2 5 は、学習スケジュール評価表示システムの概略構成図である。図 2 6 は、学習スケジュール評価表示システムを示すシーケンス図である。

図 2 7 は、学習スケジユール評価表示システムを示すシーケンス図である。

図 2 8 は、学習者評価と関連のあるサイトをリンク表示した一例を示す図である。

図 2 9 は、学習者評価と関連のあるサイトをリンク表示した一例を示す図である。

図 3 0 は、検索ワード等が記憶されたデータベースを示す図である。

図 3 1 は、訪問サイトを訪問回数の多い順に表示する動作を示すフローチヤ一ト図である。発明を実施するための最良の形態

まず、スケジュール作成に必要な構成について、スケジュール固定法から説明する。

( スケジュール固定法）

スケジュール固定法は、夕イミングを統.制した上でデ一夕を収集させ、タイミングの要因の影響を小さくすることにより、予測力を高める方法である。

タイミングを統制するということは簡単にできると考えやすいが、実際に夕イミングのノリエーションを固定し反応デ一夕を収集する場合、非常に難しい問題がある。例えば、 1 0 0 0 個のコンテンツに対して、 1 個 2i ^ a) ^ ¾ § y α> ¾ a c ^ ) ^ 、くミ

¾ 0) c ^ 、 \ :1?} ^ Λ( - ^τ -^ (ΰ ^ ° if ¾ ) ^τ ^ 、 « — て ^ ω 翳 i ¾ 第本

° > ^ 工っ 2) ¾ ½ ¾ ¾ 募 Q) — て § ^ 随 ¾ 本、 2) § ½ ¾| ¾ ¾ ⑦ — て ° 0 z

§ ¾ i マコ 9r _^ ί — て ^ つ、二匸

^ -fr 4 ^ co φ <?： - ^ ^ M ω i ■

° ¾ ¾ ¾y — て

§ ¾ 丄 ¾ ^ ¾ ¾ ^ ¾ « ^ © 0 ¾ 曰 1 、 c 、 ^ ¾ - ¾ ^ ^ ^ - ^ ω ¾ - i ^ ^ v 2 _ ¾ 2) 、くく匚 § ¾ 、ェ ¾ ' 回 01 、 ' 回 s ^ ¾ Q) ¾ Q f I 、 i ¾ i » ooo 、i 、ェ ¾

im o o o ¹1 く匚、 ¥ ω τ ¹ « ½ ¾ 本

5 ¾ i g| ¾ 難菊 « W コ。 3= 《5 3¾ 1 ·1 3¾ つ ¾ 遞ェっ 0 T ¾ ¾ z « γ & ^ 9 ¾！ ΦΙ ¾ ^ ^ ¾ ¾ 3¾ ^ ~ っ ¾ 回 3 "^；5" ^ 0 1： ¾ くくに〇 111} 0001 、） 5 $ ° § > ュ ¾ ¾ M ° ¾ 募 05 、 ^ ¾ 0) ^

⑦ 警：〇遐 © f¾ 瞢 ° ¾ 達、 A 匚つ

¾ί * ¾ ¾ τ 1 m m - ^ ^ 、 « Θ 4 ¾ί ¾ 、

^ ω'* ° § ¾ i ^ 欝 9 Si ¾ ェっ ^ 3 掛 000 ΐ ¾ ¾ 2)

^ I 、 ¾ ¾ ^ ¾f ェつ ¾ く "^ く匚 0) 11} 0001 -Ϊ 曰 5 ¾ 、マ ¥ 南ェ i « ^ 蓮

— ^ 〇回 ¾ ¾ί ¾ ¾ ^ ^ ¾ί s g C! ¾; ¾ ετ

L8t900/ 00Zd /13d SCQOOl/^OOZ: OAV 呈示するかを示す条件であり、タイミング条件、属性条件、呈示条件の 3 つから構成されている。

タイミング条件は、 1 力月に 1 度、 2 週間に 1 度というようなイベントが生起するタイミングを意味している。厳密な定義については後述する。

イベントサイクルユニットの期間というのは、コンテンッゃ各種の条件をばらまく期間で、必ずしもィン夕一バルの期間と一致するわけでないが、ィベントサイクルュニットはィン夕一バルの期間以下の短い期間になる。

本実施の形態では、学習の調査研究にスケジュールの要因を組み込むことを提案し、さらにそのための方法とそのデータの利用方法をいくつか提案する。漠然とデ一夕を集めていては、ありきたりの情報しか得られない。そこで、時間的な変化を考慮してデータを分析するための枠組みが必要になる。

( スケジュールの要因を分析に組み込むための方策）スケジュールパターンを分析に取り込む.ために、従来の調査方法に実験計画的な考え方を導入する- ことをまず提案する。

スケジュールの要因を考慮するために、無限に想定できるスケジュールを最初カゝら分析対象にすることは合理的ではない。結局のところコンテンツなどの呈示スケジュールに制限を加え、それに対応させてデータを収集し、分析する必要がある。つまり、スケジユールパターンを分析に組み込むには、呈示するスケジュールに制限を加えることが必要であり、そのための具体的な制限の手法が重要な意味を持ってくる。

スケジュールを設定するだけで問題は解決されない。特に、膨大なコンテンツに関するイベントに対する反応を一定のスケジュールに従って収集する場合、スケジュールを統制することが非常に難しレゝことが大きな問題として出てくる。膨大なコンテンツに対する反応を個人に要求する塲合、その一つひとつの反応を特定のスケジュールに従って収集するためには、その個人は日々の生活においてかなり統制されたスケジユールに従って反応を行う必要がある。しかし、それを一般の個人に依頼することは不可能である。調査を受ける個人が、一律一定のスケジュールで反応を行うことは非常に難しいのである。

従って、たとえ自由度の大きな個人の生活リズムの中で反応を収集した場合であっても、収集.された反応を一定のスケジュールに対応付けて分析できる枠組みが必要になってくる。個人がコンテンツに対して反応するタイミングの自由度は高くとも、一定のスケジュールに対応させてデータを集計、分析できるスケジューリングの方法が必要になってくる。二て吾） ¾ 南、レ害 ¾ 曰 τ ' ^ Co Λ ( - ^τ ^ ^ ^ ：氺' 曰 5 ¾ <^ El — 3 ¾ — 、 Ύ ° ¥ * ェ

^ Q) > ^ { 7? ^ ^ II ) ω 、くく匚ェ i

？ ΐ ν Φ} ^ 5 ^ ： m ^ ^ Λ( - ^ < ¾ 0 z - ? Η ffi c) i ¥ fil ¾ ^ ¾ ^ 4 ω 5 ^ ^ ϋ ω 4

、マ 4 ： τ τ: 吾蒈 S ¾

、 § ェ W Q 3 ¾— 、 ¾： ° § ¾ W違、;？ ¥

S マ ¾ 谫 ¾ ¾ 甚 0 — て 3¾ (¾ ¾ ― 、 « ^ ¾ 9 I

( T )

° § · ¾ 募 ¾ コ 5 土 ¾ W ¾ i* W ^ 1 & M 、 © ^ T W ¾ S〇 ½ 、 ¾ つ » * ¾ Θ 違一て ^ ^： ¾ 4 ¾艇 ¾ 县 ^ ^谫 ¾ ^； 09 m 、 « ¾ ^ 索 ½ 丄 ¾ ° § ½ ? 丄 «

¾ ^ 3¾ ¾ φ> W Q) -¾- 、奪 ] ί|τ ¾ ^ — つ： ί T

谫： ½ ^ 1 つ二） Μ α$ ¾ Θ 蓮 — て ^

° § 3¾ ：) Ιϋ ^

¾ つ ϊϊ * ¾ Θ 潼 Q) — て * Q ^

W ω ¾ ¾ Q) 、くく匚 ^ γ » :r 對一 π 、

— 、斡！： φ fig ¾ ^ ： L w $ 覃来 ¾ " Q ^ 2\ ^

° § ¾ 3 la . m i？ ½ ^ ^ ¾ ω S ¾ 、 if H蓮 ω —

^ ^\ ^ CD ^ - ^ 、、《 T ¾ 土 ^

91

L^9mi midili.3d scoooi/^ooz: OAV ット）として想定し、 5 日をインターノゾレと想定したスケジュールといえる。

なお、イベントが起きる最小の期間（呈示ユニット ) を定義することがまず必要である。英単語の学習であるなら、何日もかけて習得することが一般的で、 1 日に何百回も同じ単語を学習することはあまり想定できない。従って、 1 日を呈示ユニットにすることが一般的であろう。し力、し、シュ一ティングゲームのように、引き金を引くか引かないかとレゝうようなィベン卜に直前の数秒前のィベントが影響するようなコンテンッの場合には、 1 秒をイベントの呈示ュニットに想定してそのタイミングの影響を分析することも考えられる。

英単語の学習を例にとると、一日に一種類の英単語を 1 回ずつ学習してそれを 1 0 日間続けるスケジュール ( ここでは、スケジュール A と呼ぶ）と、初日と 6 日目に 5 回ずつ一種類の英単語を学習するスケジュール ( 同様にスケジュール B と呼ぶ）と、初日.と 6 日目に

1 回ずつ一種類の英単語を学習スケジュール（同様にスケジュール C と呼ぶ）を想定する。

図 1 に示すように、スケジュール A のように一日 1 回ずつ学習をしてそれを 1 0 日間続ける場合と、スケジユール B のように初日と 6 日目に 5 回ずつ学習する場合は、どちらも合計 1 0 回の学習を意味するが、それぞれのスケジュールの学習の質は明らカゝに違う。

これらのスケジュールを、以下のように、タイミング条件（スケジュール B では 1 つのイベントが起きたらその時点から次のィベン卜が生起する前まで 5 日間のイン夕一バルを取るタイミング）と、呈示条件（この例では、学習回数（学習の強さ）を表す次元）の 2 つに分けて考える。

すなわち、一種類の英単語に関するイベントが生起する最小期間（呈示ユニット）を 1 日とした場合、 1 0 日間に含まれるその最小期間におけるイベントの生起の有一無を、その繰り返し回数や各種条件の種類に関わりなく 1 — 0 に対応させることにより、その期間の特定のイベント生起のタイミングの条件を表現（コードィ匕）する。具体的には図 2 に示したように、スケジユール A は、（ 1 、 1 、 1 、 1 、 1 、 1 、 1 、 1 、 1 、 1 ) 、スケジュール B および C は（ 1 、 0 、 0 、 0 、 0 、 1 、 0 、 0 、 0 、 0 ) のように表現.される。これによるとスケジュール B と C はタイミング条件に関しては同じであるが、繰り返し回数という呈示条件の次元に違いがあるという捉え方になる。呈示条件の種類には、繰り返し回数の他、呈示される時間（例えば、 3 秒間呈示）、呈示される時点で要求される処理（英単語の熟知度評定、学習の到達度の自己評定など）、呈示ユニット内でのコンテンツの呈示順序の特徴等々様々なものが考えられ、それらの表現方法は様々考えられるが、それらの呈示条件の表記方法とタイミングの条件の表記を組み合わせることにより、不特定のタイミングで生起するイベント（つまりその個人の経験の内容）を全て表現することもできると考えている以上まとめると、本実施例では、まず、イベントが生起する最小期間を呈示ユニットとして規定し、その上で、従来スケジュールといわれてきた条件を、タイミング条件と呈示条件の 2 つの次元に分け独立させてその影響を検討することを提案する。なお、必要に.応じて、コンテンツの属性（難易度）条件などをもう一つの次元として考慮することも可能である。

( イベントサイクルュニットの設定）

膨大なコンテンッに関するィベントが生起するタイミングを統制するための枠組みとして、イベントサイクルュニットを想定することを提案する。 .膨大なコンテンッをまとめて呈示することが難しレゝとすれば、コンテンッをある期間にばら撒く必要が当然出てくる。その期間をイベントサイクルユニットとする。一つのポイントは、その期間の設定に制約がある点である。

すなわち、全てのコンテンツに関するイベントがー定のタイミングで繰り返し生起するようなスケジユールを生成するためには、前述した呈示ユニット以上に長く、かつ、想定する期間の中で設定されるインターノルの中で最も短いインターパルの期間以下に短い一定の期間をイベントサイクルユニットとして設け、各コンテンツに関する特定のイベントがそのイベントサイクルュニッ卜内で一度生起するようコンテンツを配置する必要がある。

したがって、この場合には、タイミング条件は、呈示ユニット、イベントサイクルユニット、イン夕一ノルの各要素で構成されることになる。

例えば、英単語の学習を 1 年間行い、最初の半年は 2 力月に 1 度のタイミングで学習を行い、残りの半年は 1 力月に 1 度のタイミングで学習を行う場合を例として考えてみる。この場合、最小のイン夕一バルは 1 ヶ月であるゆえ、タイミング条件を統制するためには、コンテンツをばら撒く（配置する）期間は、最長で 1, 力月にしなければならなレ。 1 力月を超えるィベントサイクルュニットを設定した場合、コンテンツに関するィベン卜の生起のタイミングを厳密には統制できなくなる。

なお、イベントサイクルユニットは考慮するィベントが最初に生起した時点を起点として全て固定され、イベントサイクルュニットはどれも同じ長さの期間であるのが一般的であろう。 < ^ ^ - 、 ¾ ° ( ¾ 違、;？ > ^ ェっ

¾ a ¾ ^ ω ¾ ^ 2) la} ¾ 、二て吾南、譽 4 、ェっマ ( ΐ q ) 4 、二て吾南、害、二 τ： Λ( ^ ^ Λ ^ ι ^ ( 7? - ^ ) ^ a) ο ε 目回目回！：、《 ^ i Q)

¾ I 二てく ^ 星 ^ 回 s

¾ 3 目日 T © 3 — て ^ ^：、 « ェ 3 ¥ *

° § マ § ¾ 回 T i ¾d 1 ^m 4

： i ^ ^l / G) こて吾くく匚 © 匚

Τ § ¾ ¾ ¾ ° ( 5 W $ ¾ 鮮 ¾ 、 — ^ く 5 ^

M o 二て /? A 4 く ^ ) ¾ 蒈、 « ¾ ¾ )

4 ^ - -c ί ^ -( :, - τ: (

^ 目 c: 一、ェ > ¾ $ 凝一つ ^ ) S

$ ¾ — ：） ^ 翻 ¾ ϋ 〇く 5 ^ CD ¾

m ϋ ® 、つ ¾ 画工つマ ΐ 4 /Γ> - Τ: ΊΓ ^ ^

¾ t¾ ffi ω i Yri - Co m > ^ ^ T ri 二て吾 ifl ？ - ^ ¾ §51 Η Ο) - ¥ H ¾ I

$ 吾； β ¾ <5 1 1 $ ( « ¾ ¾ ^ ) 吾 ^

( si南 ¾) くく c ¾ ^ - ^ ε Hi ¾ ¾

' ° § ：：）翦 i ¾ ¾ 本 ¾ § · 喜 a ） c ;f

$ ^ 吾回 T W 、 < く匚）、1 ニて © U' U' ^

コ °

§

a. ¾ ¾i a. q ¾i ½ Q ( - .て ^ ζ 园、 « \ ε m

LSt900/t00ZdT/13d SCOOOT/WOZ OAV トとその効果を検討する場合には、図 1 のように、ィベン卜サイクルュニッ卜 m i の最小単位 = 呈示ュニット（ b i ) は 1 日程度を想定すればよい。

ここで、図 1 に戻り再度説明を加える。

図 1 のスケジュール B と C は 1 日を、イベントサイクルュニット m i の最少単位（呈示ュニット） b i とした場合であり、タイミング条件 A i は同じで呈示条件 B i が異なることを表現してレゝる。

なお、呈示条件 B i は単なる回数だけではなく、呈示時間や反応の方法など様々なバリエーションが考えられる。

つまり、スケジュールは何日間隔のイベント、イン夕一ノルかを示すことのみを考え、イベントを 1 、 0 で表現すると、スケジュール B の「 5 」は単に「 1 」と示すことでよい。 1 つのコンテンツの呈示は 1 ィべントサイクルユニット内で 1 回であるから、図 3 に示すように、 1 日目と 6 日目に「 1 」が設定される。

'従って、図 1 の A B C のスケジュールの.タイミング条件 A i と、イベントの呈示条件は、図 2 に示すようにコード化できる。

このようにして、 A B C のスケジュールのタイミング条件、呈示条件をコードィヒしておく。

すなわち、スケジュール（学習標準スケジュール）は、 1 日を呈示ユニットとした場合、日にち（時間） ° τ ¾ . © 县 $ ■!¾ ¾ X Si ¾ 0) ~ Υ

ェマ 2i ^ ω γ ω ■3r § . 2ί 、 ,、 < 匚 ¾ ω ¾ ¾

Si ^ ：) 昝 ¾ ¾ つ蜚 Π ¾" m ^ Γν ^

匚 G) Y 醇、 > . $ 昝 ¾ 一 ¹ o 0 s マ ϊί 昝鵜 ¾ - ？ -2 ( ¾ - a?

¾ 暴 ¾ '舊 ) ¾ ？ ^ 目 Mi < く匚 ¾ 舊 ·¾

— ？南達、マ、由 Z) ΊΓ /1

^ ^ II ~u鎮南 ^ 、 » Ύ m - ^ ^ -

Λ( ^ D ,、匸、募 if ¾ < < 匚 ¾

^ m o t ：？ ^ M o ( ¾ 晶 ^ ¹ ¾ 回 s Φ ) ΐ a Φ} ^ ^ 吾マ（桊 ,、 ― ( ω H ¾ ^ ω s ) ΐ V } ¾ 5 4^ # ^ ？ ¾ 0) ^

° つ ¥ ^ コ § 凝 ¾ 華 W ο ¾ί ¾ ω Γ

/: 匚 © ^ li ¾ つ ¾ ェつ ·(¥ 1 γ m CO -3r ¹ ?ι :{ ¾ § 0 I

¥ ¾ ¾J ¾ί ¾ o γ m 0) ^ 、 \ ¾ s ^ H ¾ ? i - ( ^ ¾ 讒、つ' m ^ ^ ¾ 0) § 4- ¾ 3 § 南 ¾ Φ

¾^α ^ & ° § ¾ ^ 達 ^ > £T 1 つ： ¾ e ¾ ¾ ο 、く匚？ · ^ 達 ¾ ¾ ¾ ¾ ϋ Q¾ ¾ ί ¾ m i ¾

ifi ¾ y » ¾ ― Φ凝 # o Y @}

く /? CD 、く n ( 2 )

¾ w $ ¾ 拏ェっ？ ϋ： A f ¾ί ^ 0 — ΐ I a ΦΙ 吾 ω (

く匚） 4 ？ ΐ V ΦΙ ¾ ϊ ^ 2)

2Z ただし、三角形の面積を計算する問題であれば、面積 = 底辺 X高さノ 2 という公式を問う問題と . かけ算とわり算の計算問題をひとつにまとめることも考えられるが、できる限りコンテンツの内容は細かくし、それぞれとスケジュールの各呈示条件、夕イミング条件とを対応させてデータを取れるようにすることが望ましい。なぜなら、掛け算と割り算ができる能力がどの程度にならないと三角形の面積を出せるようにはならないといった、問題間の階層関係も検討できる力ゝらである

以下、用 fo を明確にするため、コンテンツ項目とコンテンッグル一プについて説明を補充する。

• コンテンッ項目：反応が期待される（見られるだけでもよいが ) 1 まとまりの呈示内容である。英単語なら 1 つの英単語と日本語訳の対であったり、 1 桁の足し算なら、 1 + 2 = ? のようなものを考えても良い。また、数学の文章題なら途中の計算過程をコンテンッとして分けることも可能である。もちろん .音尸、、 - ~~ - やビデォ等で呈示可能な内容は全て含まれる。コンテンッ項目の最小単位は内容をどうとらえるかによって異なつてくる。

ンテンッグル一プ：類似したコンテンッ項目の集英単語なら難易度などが同レベルの単語、学年ごとに必要な単語、ある単元の学習に必要な単語などと ~ ^ D ^ n ^v ^ ¾ _o - ( ^ く匚 Q 匚 ε m Μ co Μ Μ ^ m M

Q M ^ ^ V/ ^ ^ Z / $ x ΕΖί .5i マ齄 HI 意 + ω g S

CD M ≡ 、 1 ^ 齄 0) 繊厘 ω i ^ ≡ ⑦ ¾ W

° § 3 ^ フ ¾ · ¾ ¾ 5 マ ^ ¾ 0 ζ

<2 ¾ 3 一く 4 く匚 ⑦ W 、 ·¾· マ — て ·^ γ ¾ M ) ¾ ~ Λ( ^ < ^ 匚 § ^ 锈簋ハ 0- ^ if ¾ ^ - ^ ¾ 9 、 Q T マ ¾r ^ く —

> ^ ？- ^ ^ 、つ簋桊 ¾ < く c ¹ ^

° 4- m ^ コ ¾ τ ¾ ¾ ¾ © ½ ^ α 2) ？コ S ^ Q 翊 § ^ ¾ @ 潼 0) 一て ^ ^ マ |¾1 蓮〇、くく匚、 0

W ω くく匚、 ¾ 降〇 —て ^ ¾ 3 ^ 奪

、ぺく匚こ ° § ¾ 0? § 1： 5 ¥ * ？ 5 > 1 ¾ ¾ ェ T 3 < く匚 « 畓降 —て

a) ^ く λ — ¾ く匚

( 申 ¾ く — ¾ くく匚）

° ( m

¾ ω 3¾ « i Φ ^ 吾《 ω c ：？回 τ ) § 1 $ ( 吾） ¾ ^ ？回て - 4 ニて 4 ： τ ω Φ ^ く « 目敏くく匚つ ¾ Jii ¾

° ¾ 奪目

& く < 匚 ^ W S ^ ^ ^ ' Si ^— ¾ ς ^ ^ Ζ

L8 900/P00Zdr/lDd SCOOOI/tOOZ; ΟΛ\ ω 81 桊回 τ i: 、回 T ¾ a oi 、 «

2) (¾ ¾ ¾ - > - 4- Q ^ ^ ¾ ¾ ¾ ¾ S Co M M o

ν y ： w $ ¾ 驟 2)翊 ¾ g ω # A ,、 ^ V

¾ ^ ¾ ^ ø } ¾ 5 4^ ( ε ) 0 z

° § 3¾ ¾ ]a ^ ？ - § _^ M ^ ¾ ^ o ( - ^ ^ m 、つ驄 ^ ェっマ县 Q 谫 0) Φ

· 吾 i ー

0) 回 T ²) S S ¾ Q) — τ\ ¾ K s ω D¾ 、 ¾ 一 ? 、く匚齄 ¾ ί ¾ ¾ Β ο ≡ 9 、マ — て吾 ' — 〇 ¾ I -2 t¾藤 Τ ¾

CD -3r 、つ吾 ' ^: — 回 T ） S S ¾ t¾ Μ 3 ω (¾ 瞢、る一、 / く c ω齄 ¾ _ ¾ ¾ S EI ¾ ) ^

¾ 、 Q ^ _ ° 3¾ ΐϋ 腿 i ：「 § ¾ a. ¾ ¾ ^ ？つ 4· 吾 ^: — ω回 τ 2i ø ε

、吾《 ' ^ ^ K s ^¾ « Β ¾ ω ¾ ω ≡ ' ¥i

^ fi ¾ じエ ^ Q ' ^ — ^ 0> 回 1： β¾ s τ ^ s

D ^ ^ 、 3 Q? ¾ ° ^ ^ 封旗 ^ ¾ w « ¾ 降

1 つ S ¾ 齄 ω » ffl ω i ^ 三、： ¾ i つ m -n- ^ ^( o (ΰ 7? ^ M M o ^ j ίΐ

° 5 ¾ i ： W «5: ¾ ¾ι m ^ マコ § 4- ¾ ¾ i \ 4 ：) ( ~ ^τ M © ¾ α Q ·

¾ ：、 ¾ — て ^： ¾ ¾ ¾：;) ί? ¾■ - ¾g

¾ ^ i ¾ M ¾ +i ω ¾ ffl ω ^ ^ ≡ 、 w 奪 ¾

9Z

LSt900/tOOZdr/13d SCOOOl/^OOZ OAV インタ — バル、呈示条件を設定することが当初は有効である

、

スケンユールに対応したデータの収集と分析は、最終的には無作為なスケジュールに対して予測力を持つことを目指すが（本実施形態 2 の目的）、そのためには最初から無作為なスケジュールを設定してデータを収集していくことは得策ではない（もちろん、既に一定の夕ィミング条件に該当する反応データが利用可能な状況にあるならば問題ない）。

なぜなら、スケジュールの要因を考慮して分析を行い、特に予測を引き出すためには、ある程度禾 IJ 用可能なデ一夕の蓄積が必要となる。そのためには、最初から複雑で細かな夕イミング条件を設定していては、その評定者本人に有益な予測を提供することは難しく、データの蓄積を行えなくなる。

初期の評定者にも分かりやすいデータを提供するためにも、まずは前記のような比較的単純な夕イミング条件を設定してデータを収集すること力ゝら.始めることが望ましい。いずれにせよ、イベントサイクルュニッ卜を決定するタイミング条件、呈示条件の設定は計画的に行ことが望ましい

夕ィミング条件におけるィンターバルの影響を視覚的に分かりやすくするためには、 1 0 日に 1 回、 1 力月に 1 回というような等間隔のインターノルを設定することが当初は有効である。

( 4 ) 各イベントサイクルユニット内での呈示条件の均質配置

特定のイベントサイクルユニットにおいて、そこで考慮する呈示条件が、 1 つのイベントサイクルュニッ卜の中にできる限り均質になるように配置した後、そこへコンテンツ項目を割り振る。

呈示条件（例えば、学習回数）を均質に配置する理由は、イベントサイクルユニット内におけるイベントが一定のペースで生起しない可能性があり、その場合、後述する評価イベント（テスト）においてそれ以前のイベントの効果を推定する際に、誤差が大きくなることによる。これにつレ、ては、さらに詳細な説明を評価イベントの設定方法のところで行う。

英単語学習を'例にとれば、あるィベントサイクルュニッ卜の最初と最後に特定の呈示条件の項目が偏って配置されていた場合、イベントサイクル .ニットの中間で病気などのために学習ができなくなる状況ができた時には、条件によってタイミング条件が若干異なる事態になる。また、後述するように評価イベントをィベン卜サイクルユニットよりも短期間に設定し、呈示条件ごとにコンテンツをまとめてイベントの効果を推定する際には、効果を検討するイベントと評価ィベントまでの期間を厳密に統制することが難しくなるためである。

それを防ぐため、各イベントサイクルユニット内で呈示条件ができる限り均質になるようにする。より具体的には、以下に述べる条件ュニッ卜を設けることが有効である。

( 5 ) 呈示条件の均質配置の方法

均質配置にはランダムに呈示条件を配置する他に次の方法がある。すなわち、イベントサイクルユニットを更に一定期間（条件ュニッ卜と呼ぶ）に分け、その条件ュニット内で全ての呈示条件（コンテンツ項目ではない）、もしくは、一定のタイミング条件で生起するイベントの効果を比較検討したい呈示条件や属性条件があればその条件がそれぞれ 1 回出現するようにする（図 4 参照）。

この場合、タイミング条件は、呈示ユニット、条件ユニット、インタ一ノル、イベントサイクルユニットの各要素で構成されることになる。 .

図 4 は約 2 力月（ 4 8 日間）のイベントサイクルュニットが繰り返される条件で、呈示条件 B i として呈示回数（学習回数）が 1 ~ 1 6 回の 1 6 条件が設定されている。この例では、第 1 イベントサイクルユニット m i P ( 4 8 日間）を 4 日ごとに区切り、全部で 1 2 個の条件ュニッ卜 f i に分けられてレゝる。例えば、 1 日目には、学習回数が 1、 8、 9、 1 6 回条件が割り振られ、 2 日目は 2、 7、 1 0、 1 5 回の学習回数が出現するようになっており、一つの条件ユニット（ 4 日間）で 1 6 条件全てが 1 回ずつ出現するようになつている。

同様に、 5 日目から 8 日目の 2 つ目の条件ユニット f i でも 1 6 条件全てが 1 回ずつ出現する。以下同様に、 1 つのサイクル（ 4 8 日間）で 1 2 個の条件ュニット f i が繰り返される。

なお、各条件ユニット f i の 1 つの呈示条件 B i に割り振られるコンテンツ項目の数は等しくなくても良い。また図 4 では、 1 〜 4 日と 5 ~ 8 日の間の条件の組み合わせの順番が異なっているが、それは、呈示条件 B i が現れる順序の影響を少なくするためである。なお、 4 日間で条件が現れる順序は、ランダムでも良いしその他より厳密なカウンターノランス法を用レてもよい。

( 6 ) コンテンツ項目の呈示順序の固定

各イベントサイクルユニットの中で、コンテンツ項目が呈示される順序を固定し、どのイベントサイクルュニッ卜をとつてもほぼ同じ順序でコンテンッ項目が呈示されるように配置する。

各イベントサイクルユニット内で、特定のコンテンッ項目が呈示される時期が異なれば、スケジュール条件 ( スケジュール条件は呈示条件、タイミング条件の総称）に誤差が出てくる。

例えば、 1 力月のィンターノルでィベン卜が反復されるタイミング条件でデータが収集されたとしても、第 1 イベントサイクルュニッ卜の最終日に呈示されたコンテンツ項目が、第 2 イベントサイクルユニット m i q の初日に呈示されるようでは、それは 1 力月のィベン卜サイクルュニットの反復というタイミング条件に、そのコンテンツ項目の反応を分類しにくくなる。

コンテンツ項目のイベントサイクルュニット内での呈示順序を固定することにより、各ユニット内での呈示にばらつきがあつたとしてもその影響を比較的小さく抑えられる。

( 7 ) 各呈示ュニットの均質化

ここでは、イベントサイクルユニットの最少単位内で呈示されるコンテンツ項目のまとまりを呈示ュニット P i と呼ぶ。英単語学習なら、ある日に呈示される英単語のまとまりのようなものである。 .

各呈示ユニット P i で要求されるイベントの質（呈示回数の合計や合計所要時間）ができる限り等しくなるように、呈示条件 P i の組み合わせや、コンテンツ項目の数、もしくはスケジュール条件の組み合わせを調整する。 JP2004/006487

32 ちろん、呈示ュニット内の呈示順序をランダムにしたり、同一コンテンッができる限り時間的に離れて呈示されるようにするなど、様々に調整する工夫も有な ¾: である。

の操作は、この呈示ユニット P i の中で生起するィベン卜が、呈示ュニッ卜 P i ごとに大きく変わらないようにすることを意味する。例えば、図 4 のように毎日 1 王不ユ ^ " ット P i の学習が要求される場合、ある日は学習回数条件が 1 6 回の英単語ばかり 1 0 個出てきて、ある日は 1 回のものばかり 1 0 個出てくるようでは、各コンテンッ項目の学習条件は等しいとは言えない ( 当然学習にかかる時間は違う）。その場合、各ィベン卜の効果を推定するような場合には、単純にタイミング条件と呈示条件、属性情報のみで区分して効果を推定することは望ましくない。それを防ぐため、図 4 では一つの例として、呈示ユニット内の学習回数（呈示条件）の合計がほぼ等しくなるように割り振ってい'る。なお、学習回数などの割り振りの具.体的な方法は、後述する（具体的な手順の（手順 2 ) スケジユールテ — ブルの生成参照）。

ちろんこの調節は呈示条件だけでなく、各呈示条件に割り振るコンテンッ項目の数や、異なるスケジュ一ル条件の組み合わせで調節する事も可能である。たとえスケジュール条件と呈示条件が同じであっても、ある呈示ュニット P i と別の呈示ュニットで要求される反応の負担が異なっていては、呈示ュニット内での反応の意味が異なってきてしまうため、その可能性をできる限り排除する必要があり、そのための方策である。

( 8 ) 呈示ユニットの小型化

スケジュール条件、呈示条件 B i 、コンテンツダル — プの属性などの様々な組み合わせに対して反応デー夕を収集するためには、 1 つの呈示ユニットに反応する時間はできる限り短くすることが望ましレゝ（あまり長い時間がかかってしまっては一定の呈示条件を保証できず、また反応する人の負担も大きくなる）。

そのため、イベントサイクルユニットを長くしたり、（ 5 ) によって呈示ユニット P i あたりの呈示条件 B 1 を少なくしたり、呈示条件 B ί に割り振るコンテンッ項目の数を少なくする方法が有効である。

図 4 の 1 日目の呈示ユニット P i の 1、 8、 9、 16 回という呈示条件 B i に、それぞれ 1 個のコンテンツ項目を割り振れば、 1 日当たりの、のべ学習回数はそれほど多くならない。もちろん、一般に、イベントサイクルユニット m i ( m i p 、 m i d ) や条件ユニット f i をもっと長くしても良レ。 ¾ > a s α. ? ¾LI κι (¾ ¾ - ω ^ ω ¾ 0： ¾ί if

■¾· ^ α ¾ ^ 1- ¾ι la § # τ ^ ¾ί if ω §ι ^ ¾ ω * ω ¾

¾ 〇 ¾ τ ¾ 掣 © 、翳ェ 5 S Q 嗥選南 ¾

— ^ ¾ ー盲 ^ 袅 ¾ ¾ ¾ *1 - — て ^： 0) ¾ ― 、 fi ^r ° § ¾ ¾ ^ ff ¾ -i S ¾ ^ i ^ Sf G) ¾ - 0 z

¾ ^ 鎮南 ¾ ω ¾ ¾ ？ 9r ？ 2{ ¾ il ^ ¾ ^ » Ύ

§ ¾ ^ 降萆 ^ マコ ¾ ？ ¾ » ¾ ¾-> 0) - ^ ω Y ¾ ¾ ¾ ω ^ ^ 、つ W マ ^ ^ 簋桊 ¾ ¾ ¾ la § ¾ Ιί ^ ^ Φ 0) ¾ ^ © ¾ 暴 W 目 ft ^ < n G) ¾ # 、 3 Q? ¾ ¾ ¥ 8 ？ ¾ ¾J » ¾ W ¾f - 、つ ¾ « コ 5 脾

¾ 暴、 ψ ω 目 Μί Γ、く匚吾画 1

° ^ ェ fti ¾ ¾ く / — ^ K ^ ¹ ¾ ^ § 1 ェ 5 ¾ 披壩牽 ¾£ ¾ 、 0 I 恥 ¾ Q fi暴：:）マ ^ ペ ^ マ、; 2 萆 ¾ « 0- Π ^ ^ ^ H O) 目 Bc T、くくに ⑦ ^ ¾ 吾 $ 喜 ¾ ( )

¾ ^ ¾ - ^ 9 a ¾ ¾1 爵 ^ ¾ ¾ ーェっ ^Mff ¾ 凝 ¾ ¾ S ¾ W 祟 Θ ( 6 )

° 9 ¾ ¾

マ ¾ ¾ ェつ募、く

匚 0 ^· 、つ募 f ¾ r、く ^: 匚〇 Φ ¾ 吾 ω ！：：） y ニ IT 吾一 II « 0? ¾ ^ 、つ » * ¾ ^

フ ° § ^ ^ ¾ ^ Β » * ¾ ® ¾ 2ϋ ω γ ιΐ} 、 ¾) s 900/t 0Zd£/∑Jd SCOOOl/^OOZ OAV 。それではそのデータを一般的な予測には使えない。予測力を高めるためにはこれらの方法を組み込むことが有効である。

( 1 0 ) 呈示の効果の測定方法およびデータの集計方法 1 ( 落ち穂拾い法）

以上、イベントのスケジュール条件の様々な設定方法を述べたが、これらは全て、データの集計方法に対応させて考えられるものである。つまり、上記の方法を用い、以下に説明するような方法でデータを集計すれば、タイミング条件、呈示条件、コンテンツの属性などが統制された反応をデ一夕として収集することができる。

上記のスケジュールの立て方は、簡単に言ってしまえば、 1 回に呈示するコンテンツが多いと反応しきれないため、それを少なくするためコンテンツ項目をィン夕ーバルュニット内に散らすことを意味している。無作為に散らしてしまうとタイミングや呈示条件、一つのイベントの影響力の統制が非常に難し.くなるため

、それを統制するための道筋である。

データの集計は、逆に散りばめられたコンテンツに対する反応を少しずつ拾い集め最終的にまとまつたところで代表値をとるというものである。

具体的なデータの収集方法の一つは、「落ち穂拾い

」のような方法である。わかりやすい例は、 A i というタイミング条件で生起したィベントを経験した効果を測定する際に、その最後のィベン卜サイクルュニットで呈示されるコンテンツ項目に対して、評価を要求するスケジュールを想定すればよい ( もちろん別途、その効果を測定したい一定のスケジユールに従ったィベントの延長として、評価のためのイベントを設定しても同じことになる）。図 4 のスケジュールを例にすれば、第 2 イベントサイクルユニットの 3 力月目の 1 日目に呈示される 1 回学習条件の単語に対して、その学習の到達度を自己評定してもらうと、その反応には、 2 力月前に 1 回学習した学習イベントの影響が現れている。同様に、 1 6 回の学習条件の単語に対して自己評定の反応を要求すれば、 2 力月前の 1 6 回の学習ィべントの影響が現れていることになる。各学習回数に割り当てられたコンテンツ項目の数が 1 個であった場合、同様の評定イベントを 4 日間 ( 1 条件ュニット）継続すると、 1 回〜 1 6 回の呈示条件にそれぞれ 1 個のコンテンッ項目の反応データが集まることに.なる。さらにそれを 2 力月継続すると、第 2 イベントサイクルュニットが終了する時点（ 4 力月目が終わる時点）で、 1 回〜 1 6 '回の条件それぞれに、 1 2 個ずつ同じスケジュ — ル条件をとつたコンテンツ項目に対する反応が集まることになる。その反応をまとめることで同じスケジユール条件のコンテンツ項目に対する反応の代表値を得ることが可能になるわけである。

ここで条件ュニットを設けることの別の意義も出てくる。すなわち、図 4 の例で、条件ユニットを設けず 3 力月〜 4 力月に各学習回数条件をばらばらに設定した場合、ある繰り返し条件が 4 力月目の最後のあたりに集中して呈示されることもありうる。その場合、その学習回数の条件に対する学習者の反応は、 4 力月目が完了するまで収集できないことになる。学習者が 3 力月目で学習をやめてしまった場合は、学習回数条件ごとに 1 、 2 力月の学習イベントの影響を比較することはできない。それに対して、条件ュニットを設定すれば、 3 力月目の 4 日目が終了した時点で各学習回数条件ごとに少なくとも 1 つのデータは得られることになる。それによれば、学習者が 3 力月目の 4 日目力 S 終了した時点で自分の学習の効果を再確認することもでき、それをフィードノックすることで学習者の関心をつなぎとめることも容易になる。 .

さらにまた、評価のイベントサイクルユニットを検討するスケジュール条件の前にも設け、最初と最後の評価ィベン卜に対する反応を比較することでその間の一定のスケジュール条件に沿ったイベントの経験の影響をより厳密に表すことができる。特に、コンテンツに関する経験に大きな個人差が推定されるような場合は、この方法により個人差を排除して検討することができる。

落ち穂拾い法は、これまで説明してきたスケジュ一ル構成法のうち、イベントサイクルユニットを設定したスケジュールを採用し、そのイベントサイクルュニットに評価イベントを想定した方法である。

( 1 1 ) 呈示の効果の測定方法およびデータの集計方法 2 ( タイミング相殺法）

前記データ収集方法 1 は、一定のイベントサイクルユニット（少なくとも条件ユニット）のような期間を設けなければ、一定のタイミング条件に則つた正確なデータの収集ができない点で難点がある。一般にテストは短期間になされるものである。その場合、ィベントサイクルユニットを設定する方法では、学習ィベントとテストのような評価イベント（以後、テストと呼ぶこともある）の間の時間間隔の違いに対処する必要が出てくる。例えば、図 3 で 1 、 2 力月目に学習を実施し、その効果を 3 力月目以降のある日に .測定する場合、 1 、 2 力月の間に使われたコンテンツを全て禾 IJ 用してテストすることは時間的に難しく、いくつかのコンテンッを抽出してテス卜項目を構成する必要がある。その場合、例えば 3 力月目の初日にテストを実施するならば、学習からテス卜までのインタ一ノルは 1 ~ 2 4 日のばらつきが生じる。その状況で 1 力月目の前半に学習したコンテンツと、 2 力月目の最後に学習したコンテンツからテストを構成し成績を同等に比較しては、学習とテストの間のィンタ一ノルの違いの影響が成績に混入し、厳密な比較は難しい。学習とテストのィン夕ーバルの違いの影響を考慮して、正確な比較を行うための方法としては 2 つがあげられる。

一つは、図 3 のような学習スケジュールを 6 力月目まで延長して、 3 力月目、 5 力月目、 7 力月目にテストを実施して学習の繰り返しに対する成績を比較していこうとレゝう場合は、テストを実施する日をどの月も同じ日とし、イベントサイクルユニット内の同じ時期のコンテンツ項目から同数ずつコンテンツを選びテスト項目を構成する方法である。例えば、 3 力月目と 5 力月目の初日にテストを実施する場合、 1 力月目の 6 日目、 1 2 日目、 1 8 日目、 2 4 日目の呈示ユニットのコンテンッ項目からそれぞれ 1 値ずっコンテンッを選びテスト項目を構成する。その場合、 3 力月目と 5 力月目のテス卜項目を同様にして抽出し、テスト.を実施し、全てをまとめて代表値を取れば、 3 力月目と 5 力月目のテストの成績には、学習からテストまでの期間の違いが同程度影響した結果が表れてくることになる。これは、従来実験心理学の領域で用いられているカウンターバランス法をタイミング条件に応用した類の方法である。 6487

40 この方法は月ごとに学習の効果を見るためには有効であるが、呈示条件の影響を比較することは難しい。例えば、 3 力月目の初日にテス卜を実施する際に、 1 力月目の最初に 1 0 回学習条件の単語が数多く配置され、 2 力月目の最後のあたりに 1 回条件の単語が数多く配置されているスケジュールの場合、 3 力月目の初日に 1 0 回学習条件の単語と 1 回学習条件の単語をテストし、その成績を比較しても、両条件の影響を同等に評価することはできない。このような問題を解決するための方法は、スケジュール方法として条件ュニッ卜の設定を前提とし、さらにテストを構成する際に、比較検討する条件の項目を同じ条件ュニットから同数抽出し、テストを構成し、反応をまとめて比較する方法である。それによれば、どの呈示条件も学習とテストのィン夕一ノルは同等とみなせる。

同じ条件ュニッ卜からテスト項目を同数抽出するということは、学習力らテストまでのインターノルの違い. を同等にすることを意味する点で、先の方法（カウンターノランス法を夕イミング条件に適用したもの）と同等の効果をもつ。さらに重要な点は、必ず全ての呈示条件が一つは含まれるという条件ュニッ卜の特徴を利用すれば、複数の呈示条件の学習の影響を学習とテストのィン夕一バルの要因を相殺させて比較することが可能になる。つまり、これも条件ユニットが設定されて験で成学行異べ月、ない月ッばジるンよるをるンこて初めて容易に分析が可能になる評価方法である。利績習複使な、お反のにッュをさ目ンううとこト

別用せ個のが一数応そのるによをいにつとト 1

( 1 2 ) スケジュ一ル条件のすり合わせ例え 1 1 ) のテス卜の構成例のように、 3 、 5 、ヽ

、 7 力テストを実施し、あるスケン、ユール化されたィの影響を継続して測定するような場合、テス卜された項目は、テス卜を受けた時点でそのィべ影響を受ける。従つて、月を追うとに学習のどう変化するのカゝを見るような場合は、純粋に ί つに効果のみを検出することが難しくなる。うな場合は、図 4 で示したスケジユール

( 2 力日学習する条件）で学習ィベントを行うコンテ他に、同じスケジュ ― ル（もちろん異なるスケルでもよい ) でテス卜ィべン卜を行うコンテン途用意し、その両者を並立させてィベン卜を経、別々に集計を行えば問題はない

この、個人が経験するスケジュールとコンテンッを用意し、それらを同じ期間に .並立させて実行すも十分可能である。特に、同種類のコンテンッて同様のィべン卜を経験させる場合は、反応を人は異なるスケンュ一ルで反応を要求されていう意識がなくとも、複数のスケジユールに対すデータを個別に収集し分析することもでぎる。の場合は、コンテンッ項目は異なるものを用い、呈示ユニット（図 4 の場合は 1 日間）内での個人の負担などは、できる限りどの呈示ュニッ卜も等しくすることが望ましい。

特にこの方法は、複数のスケジュール条件で起きるィベントに対する反応の関係を特定し、一つのスケジユール条件に対する反応の変ィ匕パターンから、別のスケジュール条件に対する反応の変化パターンを推測する際に有効になる。

( 1 3 ) 異なるスケジュールをすり合わせるためのタイミング条件の構成方法

上記の予測を行うに際しては、あらかじめ、できる限り多くのスケジュール条件を作成して、イベントに対する反応のデータを蓄積していくことが望ましい。この場合に、タイミング条件は無数に考えられ、一つ — つに対応してタイミング条件を記述しなければならない。例えば、「 1 週間に 1 回のタイミング」、「 1 ヶ月に 1 回のタイミング」などと表現していては、多数のタイミングを効率的に表現できない。 . また、呈示ユニットの最小期間を決め、そこでイベントが起きるカゝ否かでタイミングを表現する方法（ 0 、 1 のパ夕一ンで表現する方法）も、全期間が長くなるほど表現しにくくなる。

さらに、複数のスケジュール条件を同一の学習者へ同時に適用する場合、日々行われる学習条 Ϊ牛の内容が 6487

43 表されたスケジュ一ルテ一ブルを個別に毎回作成していくことは効率的でない。特に、同一のタイミング条件が繰返し生起するようなスケジュール条件のテ一ブノレを自動生成するために以下のような手法を用いる。

呈示ユニットを最小単位とし、イベントサイクルュニットの長さ（ E ) 、インタ一バルの長さ（ I ) 、条件ユニットの長さ（ J ) 、遅延の長さ（ D ) で夕イミング条件を表現する。

図 5 に示すように、例えば、 1 週間を 6 日とし、 1 ヶ月を 4 週間、すなわち 2 4 日で構成するようにしている。この月と日に各種スケジュールを合わせる。 A 1 のスケジュールは、「 E024 I024 J002 D000」と表現されているが、これは、基本単位となる呈示ユニットを 1 日とした場合、イベントサイクルュニットが 1 ケ月、インターバルが 1 ヶ月、条件ユニットの長さは 2 日、学習開始日（この場合、 1 ヶ月目の第 1 日目）から最初の A 1 条件が始まるまでの遅延期間の長さは 0 日（遅延がない）という意味を示す。

図のグラフ表示の横棒で表された部分は、インターバルュニット内に撒き散らされたコンテンツが呈示される（イベントの生起）予定になっていることを表している。

同様に、 B 1 のスケジュールは、イベントサイクルユニットが 2 ヶ月、インターノルが 2 ヶ月、条件ュニッ卜の長さは 4 日、学習開始日から最初の B 1 条件が始まるまでの遅延期間の長さは 0 日であることを示すところで、遅延期間がある例として、 C 2 のスケジユールが、「 E 0 0 6 I 0 0 6 J 0 0 1 D 0 0 6」と表現されている。このスケジュールは、イベントサイクルユニットが 6 日、イン夕一ノルが 6 日、条件ユニットの長さは 1 日、学習開始日から最初の C 2 条件が始まるまでの遅延期間の長さは 6 日であることを示す。

上記の例は、イベントの生起が毎日行われる予定のスケジュールを示しているが、必要に応じて、 1 回目の学習を終えた後、すぐに 2 回目の学習にとりかカゝらないで少し期間を空けてカゝら学習を行う場合もあり得る。このようなスケジュール例を示すのが、 D l 、 D 2 、 E l 、 E 2 、 E 3 である。

例えば D 1 のスケジュールは、「 E 0 0 6 1 0 0 6 J 0 0 1 D 0 0 0 - E 0 0 4 1 0 0 8 J 0 0 0 D 0 0 0」と表現されてレ ^ る。この表記の前半部分、すなわち「 E 0 0 6 1 0 0 6 J 0.0 1 D O 0 0」を基本ユニットと呼ぶようにする。この基本ユニットについては、前述した表現方法と同様に解釈すれば良く、イベントサイクルユニット（基本イベントサイクルユニット）が 6 日、インタ一ノル ( 基本ィン夕一バル ) が 6 日、条件ユニット（基本条件ユニット）の長さは 1 日、学習開始日カゝら最初の D 1 条件が始まるまでの遅延期間（基本遅延期間）の長さは 0 日であることを示す。

一方後半部分、すなわち「 E 0 0 4 1 0 0 8 J 0 0 0 D 0 0 0」を副次ュニッ卜と呼ぶようにする。副次ュニッ卜の内容の意味は、基本ュニットにおける基本インターパル期間 6 日をスケジュールを記述する場合の基本単位である呈示ユニットとみなし、その 6 日の呈示ユニットを用いてスケジュールを表現し直せばどのようになる力、を表している。基本インターバルを呈示ユニットとみなした場合の副次ュニッ卜におけるインターバノレ、ィベントサイクルユニット、条件ユニット、遅延期間を各々、副次インターノル、副次イベントサイクルュニット、副次条件ユニット、副次遅延期間と呼ぶようにする。

例えば、 6 日の呈示ュニットを 1 単位という呼び方にすれば、副次イベントサイクルュニッ卜が 4 単位、副次イン夕一バルが 4 単位、副次条件ュニットの長さは 0 単位、学習開始日から最初の D 1 条件.が始まるまでの副次遅延期間の長さは 0 単位となる。

次に、 D 2 のようなスケジュールの場合は、最初に学習開始日から 1 ヶ月の遅延期間があり、 2 ヶ月目からは 1 ヶ月間イベントの生起があって、次の 1 ヶ月休むとレゝぅサイクルが、繰り返されていると考えれば、基本インタ一ノル 6 日を 1 呈示ュニットとした場合、副次イベントサイクルュニッ卜が 4 単位、副次イン夕一バルが 8 単位、副次条件ュニッ卜の長さは 0 単位、副次遅延期間の長さは 4 単位となる。このように、遅延期間の長さは、副次ユニットで表現することとし、基本ュニットでは表現せずに 0 としておく。

した力 s つて、「 E 0 0 6 1 0 0 6 J 0 0 1 D 0 0 0 - E 0 0 4 1 0 0 8 J 0 0 0 D 0 0 4」とレ ^ う表記となる。

D 2 は、基本イベントサイクルユニットが 6 日、基本インターノルが 6 日、基本条件ュニッ卜の長さは 1 日、学習開始日から最初の D 1 条件が始まるまでの基本遅延期間の長さは 0 日であって、基本インタ一バル 6 日を 1 呈示ユニットとした場合、副次イベントサイクルユニットが 6 単位、副次イン夕一バルが 6 単位、副次条件ュニットの長さは 0 単位、副次遅延期間の長さは 0 単位となる。

E 3 のスケジュールでは、基本ィベントサイクルュニットが 6 日、基本インターバルが 6 日、基本条件ュニットの長さは 1 日、学習開始日から最初.の E 3 条件が始まるまでの基本遅延期間の長さは 0 日であって、基本インタ一バル 6 日を 1 呈示ュニットとした場合、副次イベントサイクルュニッ卜が 6 単位、副次インタ — ノルが 6 単位、副次条件ュニッ卜の長さは 0 単位、学習開始日から最初の D 2 条件が始まるまでの副次遅延期間の長さは 8 単位 ί: なる。 E 1 、 E 2 、 E 3 のスケジュール条件の解釈の方法も、上記と同様である。

以上のように、スケジユール条件を基本ュニットと副次ュニットとで構成することで、様々な条件のスケジユール条件を効率良く表現することができる。これを進めて、例えば、副次ュニットを第 1 副次ュニッ卜、第 2 副次ュニッ卜、 · · · とさらに拡張して構成すれば、スケジュール条件を基本ュニッ卜と第 1 副次ュニッ卜、第 2 副次ュニッ卜、 · · • と多次元で表現することち可能である

( 1 4 ) 呈示スケジユールを考慮した多変量解析

夕ィミング条件を 1 つの軸として、それ以外に強さ

( 学習ュニッ卜での呈示回数）、コンテンツグループの組み合わせの次元を加えたものとしてスケジュールを表現する。すなわち、これまで上で説明した方法により得られたデータを用レゝれば、従来統制の難しかつたタイミングの要因を重回帰分析における説明変数などとして分析の要因として取り込むことが.可能になるある属性を持つコンテンツ項目が、ある呈示条件で、ある一定の夕イミングに則り呈示された場合の遭遇条件はタイミング条件の軸とその呈示条件、およびコンテンッ属性の軸の組み合わせとして代表することができる。それに対する反応の変化をタイミング条件と呈示条件およびコンテンッ属性の組み合わせに対して描きだすことが可能になる。

以下、上記のスケジュール構成法などに基づき実際に呈示ユニットに割り当てられるコンテンツを、一定の順序で並び替えたひとまとまりの呈示リス卜を生成して呈示した後、個人の反応データを取得して、各種の分析に提供されるまでの流れを図 6 を参照しながら説明する。また、図 6 における処理は、コンピュータシステムによって行われる。なお、わかりやすくするため、英単語学習を例にとって説明する。

( 手順 1 ) コンテンツデータベースの用意

コンテンツデ一夕ベース（コンテンツファイルとも呼ぶ） 1 は、スケジュールテーブルを生成する際、およびスケジュールテーブルに則って呈示リス卜を生成する際に用レられる。コンテンツファイルは、企業のメーカのサーノ、' など力、らインターネットもしくは記憶媒体を経由して受け取ったコンテンツ C i .を記憶している（必ずしもコンテンツそのものでなくてもよい。英単語 + 日本語に番号を付してあるコンテンツならばその番号でもよい）。

このコンテンツ C i は、英単語で言えば、英語と日本語の対ひとまとまりの（ 1 ) 内容（問題と答えという対になっている必要はなく、ひとまとまりの文章や絵やく < 匚、 I $ ¾ E ( v ？ 5 ) ¾ ¾d ω α ^ ？ ¾ マ ½ 選本曰マ選 ^ 、工っ ¾ ^ ( Ί V I ¾ a s ) ^ 暴つ ¾ 。 · a V 2 τ m ^ ω ^ ^ < ^

< 匚 ¾ ェ 1 $ ¾ ¾ 2¾ ¾^ I — 一 ^ 匚

° § 1 $ ¾ 驟 ^ 0 z H ^ ^ ^ ^ -2 ( - - ^c ^ -J- m ^ ¾ ¾ ¾ 觀' ' 、 $ l¾ # 、くく匚 ¾ ⑦ ¾ 嶎■

¾ つ裏：^ ¾l ¾ S ^ ¾ 一、薪晶 ^ ェ ^c ¾

— r ^ ^: _ω ¾ — 上っ ^ :: ¾ 、くく匚 W $ 募

m ° § 4擎 * ェマ ¾ ' ¾ » ¾ ¾9 ω 牽 ^

くく匚〇 ^v § ¾ i ¾ ¾i a) § ^ i $ ¾i ^ n

Τ(ί ^ 、 ^ ¾ 潼重 § ェ丫 1 萆 ¾ ^ ェっ ¾ ::)

c 、 c ¾ _ ° § ¾ ^ 覃

W ¾ *]- ¾ Π ¾ ¾ Q¾ 1 ^ ¾ ¾ ^ ¾ 騫 ^ S » i¥ ¾ 、く

^ く匚 © 、工っマ ¾ 暴 ¾ 舊 ω くく匚、 ¾

° S W $ 募 I' 2 ェ W $ # く Π ( ？

暴鵜 ω 玆 ¾d ) ^ # Γν ^ π ¹ I $ ιΐϊ ^ - ^ ¾ 键 ® ^ （對 Μ ¾ ？ ¾ 齑 ^ > ^ ェっ g ^ ¾ g ί ^ ？ V ) ' 靈 ¾ 、餱 ' S Μ 、 ¾ 達重 ¾ 昝髒 ^ ¾ ¾ 璲 Q) ¾ Μ ¾ ） ¾ 9 ¾ § ¾ i ¾| l£L if ½ i α？ ¾ *|_f § ^ -i fti ¾ ¾ ¾ 、 ( ^ ¾ fti ¾ ¥ 、 fti由 I ¾ 掣） ^ 泰 rig纏

§ - Γι^ 3 ¾ a ？ ( 画 «

6

L8P900/t00Zd£/∑Jd SCOOOl/I^OOZ: OW 性情報（タイプ： T Y P E ) 、熟知度評定値（ F 0 0 ) 、対象となる学習グループの熟知度評定標準値（ F N

0 R M ) 等力 S 記憶されている。

( 手順 2 ) スケジュールテーブルの生成

上記このコンテンツリス卜のコンテンツを学習させるためのスケジュールテーブルを、これまで述べてきたスケジュール構成法などに基づき生成する（ K 2 ) または、すでに作成されたスケジュールテ一ブルが登録されたスケジュールデータべ一ス 2 から必要なスケジュールテーブルを抽出する（ K 2 ) 。

具体的には、スケジュールテ一ブルは、例えば、図 7 に示すように、スケジュールタイプ（ S C H E T Y P E ) 、通し番号（ N O ) と、月 · 日（ M O N T H • D A Y ) と、属性情報（難易度、重要度等）の条件コードであるタイプ（ T Y P E ) 、コンテンツの数を示す条件コード（ N ) 、学習法の種類を示す条件コード（ E X P ) 、スケジュール条件の次元（.M A X D

1 M ) 、コンテンツ識別条件コード（ E X P C O N D ) と、イベントサイクルユニットの単位を示す条件コード（ S C C O N D ) と、繰り返し回数を示す条件コードであるリピ一ト（ R E P E A T ) と、基礎的スケジュール条件コード（ B A S I C C O N D ) ( 図 1 4 、 1 5 で表示）などを対応させたテーブルになつてレる。

なお、このスケジュールテーブルの例は、図 5 及び図 8 〜図 1 0 に示したタイミング条件 A 1 、 B 1 、 C 1 、 D 1 、 E 1 等のスケジュールを含んだテ一ブルの一部を例示したものになっている。なお、 A 1 は 1 力月に 1 日のペースで、 B 1 は 2 力月に 1 日のペースで、 C 1 は 1 週間に 1 日のペースで学習をする条件となつており、 D 1 は 1 週間に 1 日のペースで 1 ヶ月間学習した後、 1 力月学習を中断して、その後再び 1 週間に 1 日のペースで 1 力月学習することを繰り返す条件、 E 1 は、 1 週間に 1 日のペースで 1 ヶ月間学習した後、 2 力月学習を中断して、その後再び 1 週間に 1 日のペースで 1 力月学習することを繰り返す条件を示している。図 8 〜図 1 0 において、（注 1 ) の内容は、呈示条件が D 条件となっているのは、再認テス卜とドリル学習が要求される学習法であることを意味し、（注 2 ) の内容は、右端の計は、呈示ュニッ. ト内のコンテンッ項目の延べ呈示回数が等しくなるように（学習とテスト条件ができる限り等しくなるように）条件の配置を工夫することを意味する。

図 8 〜図 1 0 のイベントサイクルュニッ卜の最小単位（呈示ユニット）は一日を想定している。これらの ⁵ § マ目 tt 8 9 L = Z I X 9 、 « ¾ 目 ^ 蓮 ^ ^

( B ^ 2 ) - ^= : ( ^ y ^ ^ y i ¹ -ϋ ω ¾ ^ Q

？ B ^ 9 9 ^ HI 、： H ¾目 ϋ くく匚 ¾ 潼、 ^ ( 日 Ζ

) 4 r て ¾ τ ° § 1 ^ ：； T S $ 3 »

W ω ¾ つ 1导 ¾ 5 Wコ、 Q ¾ 瞬 ί wマ目！ i Γ【 0 z ® ^ ω - ¾g ¾ ¾ W ¾ί a ¾ ^ +1 、ェつ： c ⑦ コ

° 5

マコマ回 S = 8 X S « ¾ 目 tt f【 ^ ¾ 、マ ω回 8 ¾ 回显 ^ π 、 ω 3¾ a ε 璨 :、くくに潼 ^ © § 吾、 « φ α 、 ¾ ¾ ° § ¾ ？回

O i: = S X S ¾ ¾ g tt fi il ¾ 、マ ω 回回

Λ( Γι Η Q ¾ 回 S = S X "[ ¾ ¾ 目 Mi Γι

、 ^ ? ω回 n ¾ 回 S * n 、 i ω ¾ f s « 凝

く匚 ^ 蓮 ^ :: 吾 « ^ Φ 丄、コ ^"

¾ ^ i η ¾ ® ¾ » ε ?i ( §§南くく匚

吾、 ¾ 回 S n つ ¾ 蘇マコ ί ϋ ¾ ¾ 回 8 〜回！： ^; @ 回 a ^ π ?i . ^ α 、 ¾ ¾

° 5 ェつ ¾ 截 ¾ @ S ¾ ( 選南 ^ ) Γ、くく匚？ W S

吾回 s^ fi 、つ ¾ m コ -1 ^ ¾ ¾ i ¾ 回 8 〜回 1： ¾ ¾ 回 S ^ Γι ?1 、 « ェ £f 3 丄、 Μ 0) Φ ¾ 吾 ^ c ^ ^ o i a Ί φ} ^ ¾ M

° 9 - ifa

^ ι m ¾ Ύ M 、 ^ © § ¾ ^ Μΐ ¾ ΐ" ω拏

Z

L8P900/ 00Zd /lDd SCOOOl/^OOr OAV また、呈示ユニット内のコンテンツ項目の延べ呈示回数が等しくなるように ( 学習とテスト条件ができる限り等しくなるように）条件の配置を工夫するために、 1 日目の学習回数の合計と 2 日目の学習回数の合計がいずれも 1 8 回となるように学習回数条件が割り振られてレゝる。

スケジュールテーブルには、イベントサイクルュニットの期間が、 1 力月、 2 力月、 1 週間とレうように混在しているので、 S C C O N D とレうフィールドを設けて、そのスケジュール条件におけるィベントの生起が、何番目のイベントサイクルユニットの何日目にあたるのかを示す。例えば、 C 1 の「 S C C O N D 」が「 0 2 0 3 」と表されていれば、第 2 番目のィベントサイクルユニットの 3 日目、すなわち学習開始日から数えて 9 日目ということになる。

前述の学習法の種類（ E X P ) は、呈示条件の 1 つの例であり、例えば 4 種類存在（ T D B F ) する。 1 種類（ T ) は例えば英語の日本語訳の対連.合学習をする際に、英単語をその学習の前に見せてその熟知度を評定させる（再認テスト）学習法、 2 種類目（ D ) は再認テストとドリル学習が要求される学習法、 3 種類目（ B ) は再認テストも何もしないでドリル学習を行う学習法、 4 種類目（ F ) は、例えば各月の最後に熟知度評定を行ったコンテンッの中カゝら所定のコンテンッを選んでテストを行う学習法であり、提示の方法も T D B とは異なる学習法である。

また、繰り返し回数（ R E P E A T ) も呈示条件の一つの例であり、 1 呈示ユニット内で繰り返し呈示される回数を示している。その他の呈示条件としては、呈示する時間、学習項目の強調の仕方、また呈示リスト内で同じコンテンツができる限り時間的に離れて呈示されるように順序を決める等の呈示順序も条件にはいる。これら学習法、繰り返し回数等は呈示条件に相当する。つまり、様々な呈示条件をコード化しておけば、その条件毎の詳細な予測が可能となる。

属性情報の条件コード（ T Y P E ) には、 W 1 、 S 1 等の記号が表されているが、日本語訳の学習であれば、先頭の文字 W は、英単語を呈示してその日本語訳を学習する方法を示し、 S は文章を呈示してその日本語訳を学習する方法を示し、 2 番目に記述されている数字は、その日本語訳の種類の数を示す。例えば、 W 3 と記載されていれば、当該英単語の日本語訳が 3 種類あることを意味してレ、る。

図 6 のスケジュールテーブルのコンテンツ識別条件コード（ E X P C O N D ) は、通し番号に対応させた各種条件のコードを纏めたものである。例えば、通し番号「 1 」の「 0 1 0 1 A = W 1 T = D R = l S T = A D S C = 0 1 0 1 J = 0 1 」は、 1 力月目の 00価 6487

55

1 日目に行われるイベントであって、 W 1 というタイプの厲性の単語で、 D の学習法 ( 呈示条件 1 ともいう ) 、 1 回の繰り返し回数（ R = l ；呈示条件 2 ともいう）、第 1 回目のイベントサイクルユニットでの 1 日目 ( S C = 0 1 0 1 ) に該当し、第 1 回目の条件ュニットに該当する条件のコンテンツを 1 個提供するスケジユールデータとなっていることを示す。

このようなスケジュールテーブルは、これまで説明してきた方法を用いて設計したスケジュール条件をテ一ブルにしたものであり、その基本設計は前述したスケジュ一リングの方法の枠組みを基に考えるわけである。なお、各スケジュール条件の各条件の組み合わせに何個ずつコンテンツを割り当てるかに関しては、図 8 〜図 1 0 に示したような、コンテンツ項目数割り当て表をタイミング条件ごともしくはスケジュール条件ごとに作り、利用可能なコンテンツの数と必要な時間を考慮し各条件に割り振る単語の数を調整し、決定しでおくと、利用可能なコンテンツ数や、予.想される学習時間などを参照しながら条件へのコンテンッ項目や条件の割り当てがやりやすい。もちろん、各呈示ュニッ卜における学習条件を等しくしたり、学習時間を無視したりすれば、図 8 〜図 1 0 のような表を作らなくてもよい。ただし、成績の推定精度は低くなると同時に、さまざまな解析を行えなくなる。図 8 〜図 1 0 のドリル学習回数条件や条件ュニット内での呈示回数条件の割り振り等を入力すると、図 1 1 の「禾【J 用項目数の概要」や「ドリル学習時間の予想」等の欄に学習時間などの情報が出力されるようにあらかじめ計算式を記入したェクセルのファイルになつている。

上述したように、複数のスケジュール条件を混在させた形で学習内容を提示していくことが可能であり、この例でも複数のスケジュール条件を同一学習者に提供しその上でさまざまな解析ができるようになつている。この表のスケジュールではスケジュール条件が 5 つ、コンテンツの属性条件には L B 1 、 X X 、 L 1 などといった条件があり、呈示条件は学習の方法として T 、 D 、 B などの条件が、さらにドリル学習で要求される学習回数の条件がある。これらの組み合わせごとに、学習の進み方を示し、それらの関係を検討することもできるようになってレる。

次に、スケジュールテーブルの作成の概要を、図 5 の副次ユニットが想定されないタイミング条件の場合（ A 1 ) と、想定される場合（ D 1 ) を例にとって説明する。

ぐ副次ュニッ卜が想定されていない場合 >

図 7 のスケジュールテーブル例で、表示されている A T とレうスケジュールは、図 5 の A 1 のタイミング条件に各種呈示条件を組み合わせたスケジュール条件となっている。

(1)まず、ディスプレイ入力や定義フアイルの形式等で、次の情報のうち必要な情報（スケジュール情報）を入力しておく。

• スケジュール簡易名称： SC— TYPE = "AT"

AT は、 A1 のタイミング条件のスケジュール条件のうちのひとつである。

. 呈示ュニットをわかりやすい期間単位で換算する場合の数（ DAY_IN— UNIT ：わかりやすい期間単位として日を使えば、呈示ユニットは 1 日を想定してレゝる力、ら D AY_IN_UNIT= 1 ) ： 1

1 日を呈示ュニッ卜として、生成するスケジュールを最終的に 1 日単位であらわす場合や、 1 営業月を呈示ユニットとして、スケジュールを最終的に 1 営業月で表す場合は、常に 1 を想定すればよいから、ほとんどの場合は DAY— IN— UNIT は 1 でよレ。

·. スケジュールタイミングロード： SCID="_E024_I024_J002_D000"

• イベントサイクルュニットを構成する呈示ュニットの数（E VENT— UNIT— 01=24)

• ィンターバルを構成する呈示ュニッ卜の数 (INT_UNIT_01 = 24)

. 条件ュニットを構成する呈示ュニッ卜の数 ( JOKEN_UNIT_01 = 2)

• 遅延期間を構成する呈示ュニットの数 (DELAY— UNIT— 01 = 0)

• 当該スケジュール条件に割り当てるコンテンツの数

( 単語数）：

WORD_NO_IN_JOKEN_UNIT=l

• 割り当てるコンテンッ属性： WORDTYPE = "Wl"

W1 は英単語と日本語が単語の形で表示されるコンテンッ（W)のうち、日本語訳の数が 1 個である英単語と日本語の対を意味する。図 8 でいえば属性条件の L B 1

( W1 は、 LB1 ( B 社の単語データベースで難易度レべルが 1 の略）の属性に含まれる）に該当する。この条件のコンテンツの数が図 8 では 5 個ずつになっているのは、図 8 で検討するスケジュール（ A 1 ) が、ここで説明するスケジュール条件（ AT ) 以外に複数含まれている力、らである。

. 呈示ュニット内での呈示条件： EXP— TYPE = "T"

• T は、熟知度評定と再認テストで問題部（英単語）が呈示され、ドリル学習を REPEAT で指定された回数行う条件を意味している。また、図 7 の EXP に用レられるその他の記号は、 D は再認テストで呈示され、 T 同様ドリル学習を受ける問題、 B は、ドリル学習のみ行われる問題、 F は熟知度評定で呈示され、挿入課題でドリル学習が求められ、月 1 回の客観テストでも用いられる問題、 X は月 1 回の客観テストでのみ用いられる問題を意味している（スケジュールテーブル例を示す図で 7 は一部のみ示されている））。

· 繰り返し条件の呈示条件の条件名とその表示桁数 ALL— COND一 DIM01 = " 1 2 3 4 5 6 7 8 "

COND_MAX— KETAO 1=2

この条件では、 1〜 8 条件の繰り返し条件を想定している。つ一つ条件名を指定してもよいし、上のように、条件名を COND_MAX— KETAO 1 で指定した半角文字であらわすと決めておけば、 ALL— COND— DIM01 に一続きの条件として書き込んでおいてもよい。なお、この条件は繰り返し条件のみを想定しているわけでなく、英語単語の呈示時間が 1 秒、 2 秒、 3 秒と違う条件や、その他様々な条件で、その効果を比較したりその条件の効果を描き出したい条件を表す記号を入力しておく ( a b c d e のような条件でもよい）。分析をこの記号をキーにしてできるようにしてあればよレ。

' 条件ュニットのグルーピング情報

vCOND_DIM01_SET01=" 1 3 6 8"

vCOND_DIM01_SET02 = " 2 4 5 7"

AT スケジュールでは、条件ュニッ卜が 2 呈示ュニッ卜で構成されるため、 2 つに全ての条件をグルーピングしておく必要がある。どの条件がどの条件ュニッ卜に含まれるかを示しておく。入力方法は不特定。このグルーピングは、図 8 の条件ュニット内でどのように呈示回数条件を害 U り振ったらいいか考えるための表のグルーピングを参考にして記載する。

' スケジュール期間

MAX_D AY= 144 日（ 144 日 * D AY— I N— U N I T )

最長何ヶ月ぐらいまでのスケジュールテーブルを作成するかを設定する。 144 日は、土日を除いて 1 ヶ月を 24 日として、 6 ヶ月分のスケジュールを作ることになる。

(2)最小の条件ユニット（ REPEAT) の各条件ごとに、スケジュール情報を必要に応じて記載したレコードを作成する。図 7 ( AT と D 1 のスケジュールが混合したスケジュールテーブル）を参照しつつ説明する。スケジュールテーブルの例でのフィールドとスケジュール情報の対応は以下のとおりである。その際、条件ュニッ卜のグルーピング情報（ vCOND— DIM01— SET01, vCOND_DIM01_SET02) に対応するセット番号を、各条件のレコードのセットフィ一リレド（ SET^DIMOl) に記入する。

NO : 通し番号、 MONTH : 月（本実施例では、 24 日を 1 ヶ月として換算してレる）、 DAY ：日、 TYPE ：コンテンッの属性情報、 N ：対応する条件に含める問題数（スケジュール情報の WORD一 NO一 IN一 JO KEN— UNIT に対応 )、 EXP ：呈示条件（ = EXP_TYPE)、 MAX_DIM ：基本 004/006487

61 ユニットを何次元（何層）想定しているカゝ（ AT のように副次ュニッ卜を想定していない場合は 1)

( 3 )条件ュニットの数に応じて、呈示する順番のリストを例えば実験計画法の循環法を用いたり、ランダムに並べたりして、下記例のように別途作成しておき、その順番に基づき、セットフィールドの番号に該当するレコードを抽出し、呈示ユニットの通し番号（スケジユールテーブルの TU— DIM01) を記入しそのレコードを最大の条件ユニット数（イベントサイクルユニット内に想定できる条件ュニッ卜の最大数）になるまで追加してレく。

条件ュニットが 2 つの場合の順番のリストの例： 1,2,2, 1, 1,2,2, 1...

(4)スケジュールテ一ブルの E U _ D I M 01 に、ィベントサイクルュニットの番号（この時点では最小であるため

1 ) を入力。

(5) これでィベントサイクルュニットに対応するリストができる。

(6) (5)で作られたィベントサイクルュニットのリストを、イベントサイクルユニットの通し番号を増やしつつ、スケジュール期間の全てを含むことができるィべントサイクルュニットの最大数まで繰り返し追加してい < 。

( 7 )基本的な時間軸（ DAY) の書き込み各レコードごとに、 DAY というフィールドに、次の式の内容を書き込む。

TU一 DIM 01 + INT_UNIT_01 X ( EU— DIM 01- 1)

(8)最後に全ての DAY に DELAY— UNIT— 01 ( AT スケジユールの場合は 0) を加えれば AT スケジュールのスケジュールテープルが出来上がる。

(9)必要に応じて、入力された DAY を、月（ MONTH) と日で書き換える。

( 10 )条件の記入

スケジュールテ一ブルの図の 5 つ目のレコードのを例にとると、フィールドの EXP— COND に、月日（一番左力、ら 4 珩で表示： 0101)、項目の属性（― A = W1)、呈示条件 ( — T = D )、繰り返し条件 ( _R= 1)、スケジユール名称（ _ST = D1)、夕ィミング条件の番号（― SC = 010101

：右から基本ュニットにおける呈示ュニットの番号、イベントサイクルユニットの番号、副次イベントサイクルュニッ卜の番号を 2 桁で記載した：分析が容易になるように書き込んである）、条件ユニットの番号（ _J = 01 ) を書き入れる。 SC— COND にも同様、タイミング条件の番号を書き入れる（これは分析時に容易になるよう用レることがある）。

( 1 1 ) A T スケジュールの他に並置する複数のスケジュ — ルがあれば、それらについて作成されたスケジユールテーブルを全てまとめて DAY と MONTH を基準にソ一トすると全スケジユーリレ条件が含まれたスケジュールテーブルが作成できる。

< 副次ュニットが想定されている例 >

D 1 というスケジュールを例に説明する。これは、図 5 の D1 のタイミング条件に各種呈示条件を組み合わせたスケジュール条件となっている。

(1) AT 同様に D 1 のスケジュール情報を定義する。

• SC_TYPE="D1"

• D AY_IN_UNIT= 1

• スケジュールタイミングコード：

SCID="_E006_I006_J001_DOOO-_E004_I008_JOOO_ D 000 "

- 基本ュニットについて

EVENT_UNIT_01 = 6, INT_UNIT_01 = 6,

JOKEN— UNIT— 01 = 1， DELAY_UNIT_01=0

• 第 1 副次ュニッ卜について

EVENT— UNIT— 02 = 4, INT— UNIT— 02 = 8 ,

JOKEN_UNIT_02 = 0, D E L AY_U N I T _ 02 = 0

なお、第 1 副次ユニットについて条件ユニットを想定する必要は必ずしもないので、常に JOKEN— UNIT— 02 = 0 となってもよレ。副次ユニットに条件ュニットを想定すると、非常に複雑な条件の組み合わせが作り出せる。

• WORD NO IN JOKEN UNIT= 1 • WORDTYPE = "Wl"

• EXP— TYPE二" D"

• 繰り返し条件の呈示条件の条件名とその表示桁数 ALL_COND_DIM01 = " 1 2 3 4"

COND_MAX_KETA01=2

• 条件ュニッ卜のグルーピング情報

vCOND_DIM01_SET01 = " 1 2 3 4"

• MAX— DAY =144 日

(2)上記 AT スケジュールの作成法の説明の（6)までは同様に処理し、イベントサイクルユニットのリストを作成。 D 1 はさらに副次ユニットを想定しているので、以下の処理が追加される。

(3)副次ュニットの通し番号を記入する副次イベントサイクルュニッ卜のフィールド（ EU— DIM02) ( 2 次のイベントサイクルユニットの意味）を設け、そこに副次イベントサイクルユニットの通し番号を入れ（この時点では最小であるため 1 )、さらに .、スケジュール期間の全てを含むことができる畐 IJ 次ィベン卜サイクルュニッ卜の最大数まで繰り返しリストを追加してレゝく。追加するごとに通し番号を増やして EU— DIM02 へ書き込んでいく。

(4) ここでさらに高次の副次ュニッ卜が想定されている場合は、副次イベントサイクルュニッ卜に対応する番号（ EU DIM02、 EU DIM03、 EU DIM04...) を加算しながら繰り返し追加していく。それにより、対応するスケジュールのリス 1、ができる。

( 5 )基本的な時間軸（ DAY) の書き込み

各レコードごとに、 DAY とレうフィールドに、次の式の内容を書き込む。

T U一 D I M 01 + INT— UNIT— 01 X ( EU— DIMOl — 1) + DELAY_UNIT_01

+ INT— UNIT— 02 X INT— UNIT— 01 X ( EU— DIM02 — 1) + DELAY— UNIT— 02 X INT— UNIT— 01

また、第 i 副次ユニットが想定されている場合は、基本ュニットに関する値

TU— DIM01 + INT— UNIT— 01 X ( EU_DIM01 - 1 ) + DELAY— UNIT— 01 に、次に示す全ての副次ュニット関する値を加えていくことになる。

+ INT— UNIT— x(i+ 1) X I N T _ U N I T _ x ( i ) X INT— UNIT— x(i- 1) · · · X INT— UNIT— 02 X

INT— UNIT— 01 X ( EU— DIMx(i+l) - 1 )

+ DELAY— UNIT— x(i+ 1) X D E L A Y _U N I T _ x ( i ) X DELAY— UNIT— x(i- 1) ' · ■ X D E L A Y _ U N I T _ 02 X DELAY_UNIT_01

なお、上記の式のように遅延期間（ DELAY— UNIT— x(i) ) を各ユニットごとに定義しておき加えていってもよレが、各ユニットの遅延期間（ DELAY— UNIT— x(i) ) を全て 0 にしておき、最後に最初の基点となる日に全体で遅延する期間を加えるようにしても良い。

(6)必要に応じて、入力された DAY を、月 ( MONTH) と日で書き換える。

( 7 )条件の記入

スケジュールテーブルの図 7 の 5 つ目のレコードのを例にとると、フィ一ルドの EXP— COND に、月日（一番左から 4 桁で表示： 0101)、項目の属性（― A = W1)、呈示条件（― T = D)、繰り返し条件（— R= 1)、スケジュ — ル名称（ ― ST = D 1 ) 、タイミング条件の番号（ — SC = 010101 : 右カゝら基本ュニットにおける呈示ュニットの番号、イベントサイクルユニットの番号、副次ィベントサイクルユニットの番号を 2 桁で記載した：分析が容易になるように書き込んである）、条件ュニットの番号（ ― J = 01) を書き入れる。 SC_COND にも同様、タイミング条件の番号を書き入れる（これは分析時に容易になるよう用レることがある）。

(8) D1 スケジュールの他に並置する複数のスケジユールがあれば、それらについて作成されたスケジユールテーブルを全てまとめて DAY と MONTH を基準にソートすると全スケジュール条件が含まれたスケジュールテ一ブルが作成できる。

( 手順 3 ) スケジュールテーブルとコンテンツデ一夕ベースに基づく、各コンテンッへのコンテンッ識別条件コードの書き込みスケジュールテ一ブルが作成されるか、または必要なスケジュールテーブルをスケジュールデータベース 2 から抽出すると、各識別条件コードに必要なコンテンッの種類とその数が特定される。コンテンツをどの識別条件に割り振るカゝについては、各コンテンツの属性情報と識別条件コードの属性情報を対応させて割り振るほか、できる限りランダムに割り振ることが望ましい ₀

具体的には、以下のように行う。

( 1 )各スケジュール条件ごとに、スケジュールテーブルのうち一番小さな基本ュニッ 1、のイベントサイクルュニットに対応する条件レコードのみを抽出する（基本条件レコードと呼ぶ）。具体的なスケジュールテ一ブルの例では、基本ュニットのみのスケジュール（ AT スケジュールなど）は EU— DIM01 = 1 のレコードのみ、副次ユニットがある場合（ D 1 スケジュールなど）は、 EU— DIM01 = 1 でなおかつ EU— DIM02 = 1 のレコ一ドのみに限定して抽出する（ 2 次、 3 次、 4 次も同様）。

(2)抽出した最小の基本ュニットを基にして、スケジュ — リレ名（ SCHE— TYPE) と属性（ TYPE) でそれぞれ項目の数（N)を合計して、各スケジュールで各属性の項目 ( さらにそれぞれの呈示条件の項目）が何個必要であるのか等を特定し、スケジュール情報テ一ブルにしておけば、分析等、様々なところで有効活用できる。 ( 3 ) 各スケジュールの基本条件レコードについて、そこで指定されている属性と等しい属性を持つ（個人の反応を属性にしていれば、一定の範囲の属性条件の）項目を、コンテンツリストの中から抽出し、それをランダムな順序にした上で、一つ一つのコンテンツ項目の識別条件コードフィールド（ E X P— C 0 N D ) に、当該基本条件レコードの識別条件のフィールド（ E X P— C 0 N D ) を一つ一つ書き写していく（ N が 2 以上場合は同じ基本条件レコ一ドの識別条件が、 N 個のコンテンッの項目の識別条件のフィールドに書き込まれるように）。特定の属性条件に該当するコンテンツ項目が、基本条件レコードで必要とされる N の合計よりも多い場合は、残つた項目を異なるコンテンツリストとして保存しておく ( スケジュールを再構築する場合などに用レることになる）。なお、コンテンツリストへ識別条件を記載する場合は、条件ュニット内の呈示条件の間では可能な限り類似した属性（難易度や成績の値）が割り振られるように工夫することも精度を上げる上で.は重要である

なお、（ 9 ) で述べているように、カウンターノランス法をとり、複数の個人のデータをまとめて一般傾向を捉える場合には、カウンターノランス法に基づきコンテンッに識別条件を割り振る。このカウンタ一ノランス法に基づいてコンテンツに識別条件を割り振る方法を簡単に説明する。まず、比較検討したい条件（例えば、繰り返し条件 1 , 2 ， 3 回）に割り振るコンテンッ項目として、対象者全員に同じ項目グループを割り振るようにあらカゝじめ必要なコンテンッ項目 .を決めておく（特殊な属性条件を書き入れておけばよい）。その項目グループに対しては、個別に次の処理を施し、最終的にコンテンツデータべ一スにカ α えておけばよい。すなわち、その項目グループのコンテンツデ一夕べースに SET、 COND の 2 つフィールドを設け、比較検討したい条件数のセットにそのグループをランダムに分け、分けられたセットごとに SET フィールドに記号 ( 3 条件なら A,B,C 等）を書き入れる（条件セットと呼ぶ）。比較検討したい条件と割り当てる条件セッ卜の対応を次のように別途作成（繰り返し条件が、 1 , 2 ， 3 回の場合、セット条件が A , B , C の場合）する。条件とセットの対応にカウン夕一ノランス条件（ CB 条件）の番号を割り振る。

CB 条件 ① （ 1 回 — A 、 2 回 — B 、 3 回一 C )

CB 条件 ② （ 2 回一 A 、 3 回 — B 、 1 回 — C )

CB 条件 ③ （ 3 回 — A 、 1 回一 B 、 2 回 — C )

また、学習者をランダムに CB 条件に割り振り、割り振られた CB 条件の条件とセットの対応にあわせて、 C 0 N D フィ一ルドに S E T フィ一ルドの記号に対応する条件の記号（ 1 , 2 , 3 など）を記入する。識別条件を割り振る際に、繰り返し条件（ R E P E A T フィールド）が C 0 N D フィ一ルドの条件に対応するように、コンテンッ項目を識別条件を書き入れていく。この操作を該当する学習者全員について実行し、分析の時点で分析対象とする学習者の C B 条件の総人数を（ランダムに抽出するなどして）等しくした上で、検討する繰り返し条件ごとに平均値などをとつて比較すれば、コンテンツ項目の材料の効果が相殺された形でデータを得ることができ精度を上げることができる。

以上のようにして割り振られたスケジュールテーブルのコンテンツ識別条件コード（ E X P C O N D ) 力コンテンツリス卜の各コンテンツに対応させて書き込まれる（ Κ 3 ) ともに、コンテンツ識別条件が書き込まれたコンテンツリストの内容を反応データべ一ス 3 に登録する。

コンテンッにコンテンッ識別条件が書き込まれたコンテンッリストの一例を図 1 3 Α 、図 1 3 B に示す。図 1 3 Α は、コンテンツ識別条件が書き込.まれた A T のスケジュールに該当するコンテンッの項目の一部を示しており、図 1 3 B は、コンテンツ識別条件が書き込まれた D 1 のスケジュールに該当するコンテンツの項目の一部を示す。

なお、コンテンツの内容もコンテンツリストに記録しておく必要はなく、コンテンツの内容の代わりに通し番号のみを記録し、必要に応じてコンテンツデータベース内に記録されたコンテンツデータと照合して、コンテンッの内容を特定できるようにしてもよい。

以上、一定のスケジュール条件を規定したスケジュールテーブルとそれに対応する識別条件コードが付記されたコンテンッリス卜が各一つ以上用意された状態であることを前提として、以下の手順で、呈示ュニッ卜に対応する呈示リストを作成する。

( 手順 4 ) 呈示リストの抽出範囲の指定

呈示ユニットに対応する呈示リストを抽出する場合

、必要に応じて、何番目の呈示ユニットに対応する呈示リストを生成するか指定する。一般的には、呈示ュニットの順番で一つひとつ呈示リストを抽出するが、複数の呈示ユニットを指定して、その分の呈示リス卜を全て抽出しておくことも可能である（特にリストをネッ卜ワークを通じてダウンロードするような場合は、まとめてダウンロードすることが考えられる）。異なる端末で同じスケジュールテーブルに従って呈示リストを生成する場合は、どの呈示ュニッ卜が既に生成されているかなどをスケジュールテーブルを基にして把握することで、 '学習の履歴の同期（シンクロナイズ ) も可能である。つまり、どの呈示ユニットまでが呈示リストになっているか（学習できる状況にあるか）を、スケジュールテーブル、もしくは別のファイルと t

o o

^ η τ

in

1') W 1 _T = T_R= 1_ST = AT

2') W 1 _T = T_R= 3_ST = AT

3') W 1 一 T = T— R= 6_ST = AT

4') W 1 _T = T_R= 8_ST = AT

コンテンツデータベースのうち、これらの条件が識別条件として EXP— COND フィールドに書き込まれており、さらに、「― SC =」と「― J =」ではさまれてレるタイミング条件の通し番号のうち、呈示ユニットの通し番号を意味する文字（呈示ユニットの通し番号が 2 桁で表されているこの例では、 — J =の直前の 2 桁の 01) の両者を EXP— COND に含んでいる項目はコンテンツデ — 夕ベースには 1 項目しかないはずである（なぜなら AT スケジュール条件のスケジュール情報では、各条件に対応する項目数は 1 つと定義されているから）。何番目のイベントサイクルユニットであっても、属性条件と呈示条件と呈示ュニッ卜の通し番号が一致している項目は、コンテンツリス卜には N で示された数（ AT の場合は 1 ) しかない。その項目をまず抽出する。同様に、その日のスケジユーリレ条件の全てについて、対応するコンテンツ項目を抽出する。

続いて、全ての抽出された項目について、識別条件に示されている呈示条件（― T=で示されている <T>) と、繰り返し条件 (— R=で示されているく 1>など）の条件に従って、呈示ユニットに対応する図 14A 、 B のよう呈示リストを生成する。具体的には、呈示条件がの項目は、まず熟知度評定を問題（英単語）についてのみ行うため、その問題を全て呈示リストにランダムに加え、そのリストの課題フィールドであるタスク 1 ( TASK1) に、熟知度評定を表す課題記号（ F ) を書きカロえる。続いて、熟知度評定を行った英単語と、評定されないが再認テストに出てくる単語（呈示条件が D ) を再認テストとしてランダムな順序にしてカ卩え、その課題フィールドに再認テストを表す課題記号（ R) を書き加える。さらに、ドリル学習で繰り返し条件の数だけ呈示される項目を、それぞれ繰り返し条件の数だけランダムな順序にして加える。そしてその課題フィ一ルドにドリル課題を現す記号（ D )を書き入れる。課題のまとまりや、学習を途中でやめてもよい区切れを作るために、フェーズ（ PHASE) フィールドにまとまりをあらわす通し番号を入れ、呈示プログラム内で区切れとして用いる。最後に、学習時に学習を終了したかどうかをチェックするチェック（ CHECK) フィールドに全て 1 をいれる。学習時には、それぞれの呈示リストの上から順に、課題記号に対応する課題の呈示方法で問題を出し、それに対して反応が得られたら、レスポンス 1 ( RESPONSE 1) とタイム 1 ( TIMED などに反応を記入し、最後に CHECK フィ一ルドを 0 にし、学習の経過把握できるようにする。このように図 7 のスケジュールテーブルに従い、特定の呈示ュニットの識別条件が特定されると、その情報）が書き込まれているコンテンッリストから必要なコンテンッが抽出されると同時に、呈示条件などの操作に従って 'コンテンッが順番に並べられ、 1 呈示ュニッ卜分の呈示リス卜を作成するリス卜が生成される ( K

4 ) 。

なお、 1 呈示ユニット分の呈示リストの作成は、呈示条件や課題の内容などに全て依存し、その種類は膨大なので呈示リス卜の例は他にも様々考えられる。

図 1 4 A 、 B の左端のフィールド力、ら再度説明すると、 CHECK フィールドはどのフィ一ルドまで学習が終了しているのかを示すもので、呈示リストの途中で学習が中断している場合にこの情報を使って学習を継続するためのフィールドである。 PHASE フィールドは、学習やその他の課題（熟知度評定や記憶テスト、挿入ドリルなど）のまとまりを意味している。. TRUE DAY は学習を実施した期日を入力するフィールドであり、 TIME1 は熟知度評定等における評定までの時間を示す。

SERIAL は、コンテンツの通し番号であり、例えば、図 1 4 のリス卜の 1 番目の例では、 SEEIAL= 1359 ( 英単語は i n i s i a t i V e ) となっているが、これは図 1 2 のコンテンッリストの SERIAL= 1359 ( 図示せず）に該当する。例では 1 つのコンテンツに対して 1 つの反応を学習者に要求する学習法であるため、図 1 5 の反応履歴が書き込まれた反応データベースのように各コンテンッには 1 つの反応フィ一ルドと反応時間を記録するフィ一ルドが最低限設けられていればよい。 1 つのコンテンッに複数の反応を要求する呈示条件では、反応フィ一ルドは複数必要となる。

( 手順 6 ) 呈示条件に従って順次コンテンツを呈示（ K 5 )

この手順は、コンテンツの呈示条件や学習の仕方などに依存する。ここで一つの呈示方法を紹介する。最も禾【j 用しやすく、かつ様々なコンテンツに対して適用可能な学習とテストを兼ね備えたデ一夕の収集方法でめる。

まず、図 1 9 A に示すように英単語のみが表示され、学習者がどれかキーを押すと日本語訳が図 1 9 B のように表示される。ここまでが、コンテンツの表示である。この表示が完了した時点で、学習者がコンテンッの内容の習得レベルを自己評定する方法 .である。図 1 9 B は、 4 段階（A ：良い、 B ：もう少し、 C ：だめ、 D ：全くだめ）で自己評定してもらう例である。

この方法はコンテンツを呈示するのみで、解答を要求しなくても学習が成り立ち、様々なコンテンツに対して応用可能であり、かつその評定結果を数値変換（図 1 9 におレて例えば A = 3、 B = 2、 C = l、 D = 0 のように）することにより成績として扱うことも可能であるため、特に、イベントサイクルユニットを設定して、一定のタイミングで学習を反復するスケジュールの場合は、学習回数とその成績の関係を直接検討することができるため有効である ( 通常、学習とは別のテストを行うと、そのテストイベントの影響がその後の成績に影響を与えるため、純粋に成績と学習の関係を検討することが難しい）。

一方、解答を要求するテストを行った場合のテスト記録の例を図 1 5 A 、 B に示す。 F 1 や X I 、 X 2 、 X 3 というスケジュール条件でテストを行い、第 1 回目のテストで学習者から提示された解答が正しかった場合に、 P M 0 1 に〇が、不正解の場合.には Xが記録される。 P M 0 2 、 P M 0 3 は第 2 回目、第 3 回目のテストについての正解 · 不正解の記録部分である。 T I M E F U N 0 1 は第 1 回目のテス卜の解答を出すまでの制限時間を示す。 T I M E F U N 0 2 、 T I M E F U N 0 3 は各々第 2 回目、第 3 回目のテストに対応してレ ^ る。

( 手順 7 ) 反応データおよび学習履歴データの書き込み

各呈示条件に従ってコンテンツが呈示された時点で、そのイベントに対してなされた反応を、図 1 6 のような反応データベース 3 に書き込む（ K 6 ) 。図 1 6 ^ 一 ω 晶 ^ 3 ϊ ^ — ^ ⑦ コェ

曇 ^ ？ m #a x ¾ / ϋ ω x ^ ¾ :

二て吾、曰、 m ¾ つ丄 ¾ ^ n _L¾

Φ ½· 暴つ二て害 0) « 2) ^ /： ^ - ^ 画 a γ s 、 ¾ ¾ ° ¾ ¾ ^ V — ¾ ^ 一 ^ 0 z 敏 ¾ ー 4 ェ i 蓮 ^ ¹ ¾ 4 觀菌

¾ § 1 w ¾ 暴桊 ^ ¾ ^ 暴く π 、 ^

コマ ^ つ丄 4 § ϋ 4 吾 ω ^

¾ : ^ — ^ γ & ^ m ^ ^ ( 8 建 9 τ

。ェっ轡 2 ¾ Sii ¾ つ

^ A ^ - ^ D ^ ^ O. 、 > ¾ つ ^ « 潼、 §

½ ^ A ( - . ^ ^ ^ ^ [ 、 s M V ¾ ¾ 2i 9 ι m

° ( ° ¾ i l£L w マコ ¾

、 — 乙つ g Sf 昝兹 0) § ェっ · ¾ ¾ ¾

S ^ 9 > ® ^ ^ ¾ * 、 ^ ^ M ¾ ¾ ¾ ： 2 )

5 $ « SI ^ ¾ 翻 ¾ つ ¾ Si ^ ω t « 4ί —

し ( · . - ZOIf ΐ 0 I ί ) ° ¾ ェつ ¾ ^ ？ ( 0 = α 、 τ = ο ζ = a 、 ε = ν ) ¾ ¾ ^ ^ ?

- '· α ¾ ？： ο 、つ、 f ： 3 ^ ： V ) ^ ^

つ拏ェっ目 ® 6 τ HI ¾ - ^

(ΰ ( · · · ^ 0 Γ I 0 f ) ¾ ^ CZ) 4 ^ ^ HI ?1 S N V

、 ( » si? g ) m M m o m ^ 、 M o

N d ¾ © ⑦ ¾ ϋ ¾ 璲 « — 乙 0 0 d 、 «

L8P900/ 00ZdT/lDd SCOOOl/I^OOZ OAV を解析すれば、朝学習したほうが成績がよいとか、何時ごろ学習をする人の成績がょレなどといった予測やパーソナリティ一や学習スタイル等の推定など原理的には可能になる。

コンテンツリストには各コンテンツの識別条件などが一定のスケジュールテーブルに従って書き込まれており、かつ、呈示リストも一定のスケジュールテープルに従って作成されているため、これらを反応データベースに書き写すと図 1 6 のように各条件に対応してデ一夕が記録されることになる。

なお、個人履歴データファイルは、 1 呈示リストごとに作成し（ 1 レコードだけ）、サーバ側で個人の全履歴ファイルを保存しても良い。個人履歴デ一夕ファィルを用いると、学習者がどの呈示ユニットの学習を完了し、どれを完了していなレゝのかを把握し、必要に応じて学習をうながす指示を出すことも可能になる。これは、通信エラ一などで学習データが消えてしまつた場合に、その部分のデ一夕を端末側で保.存しておけば、後から足りない部分のデータを明確にし、それを再度送信するよう促すことも可能である。

( 手順 9 ) 個人反応データベースを用いたデ一夕分析個人反応データベースの、識別条件コードには、スケジュール条件のほか、呈示条件、属性情報も含まれている。従って、このコードに含まれている情報を使えば（もちろん呈示条件のフィールドや属性情報のフィ一ルドをそのまま使っても良い）、一定のスケジュールに対する学習成績などの反応をまとめて代表値を、各イベントサイクルュニットごとに得ることが可能になる。そしてこれらのデータを利用すれば、後述するような各種の分析が行える（ K 7 ) 。

< スケジユーリング方法を援用して実施した実験の結果 >

( スケジュール条件の説明）

以下では、本スケジュール構成法と分析方法を採用して、既に実施済みの実験結果を紹介する。図 1 7 は、高校生に英単語の学習を一定のスケジュールに従つて継続してもらった長期学習実験における、自己評定値に見られる学習の積み重ねの平均的な様子である。横軸はイン夕一バルユニット（ 2 4 日：約 1 ヶ月）の順番（このスケジュールでは月に対応）、その中にある各.棒グラフは提示条件（ 1 ~ 8 回の学習条件）、縦軸はそれぞれに対応する自己評定値（成績）を意味するなお、実際のところこの実験は複数のイン夕一ノベル条件を考慮しているが、ここでは 1 つの条件についてのみ説明する。この実験のスケジュール条件を上記の言葉で表せば以下のようにまとめられる。 • タイミング条件：インタ一ノルが 1 力月 = 1 力月 ( 24 日とする）に 1 日のペースで学習する条件 1 日を最小のイベント期間とすれば、次のようにコード化される。

1 曰 2 曰 3 曰 4 曰 … 24 曰 25 曰 26 曰 … 48 曰 49 曰 …

1 0 0 0 - 0 1 0 0 1 … ちなみに、 1 力月（ 24 日とする）を最小のイベント期間とすれば、次のようにコ一ドィヒされる。

1 力月 2 力月 3 力月 4 力月 5 力月 6 力月目

- 呈示条件 1 ( 繰り返し回数）：反復 '回数で；！〜 8 回の 8 条件

- 呈示条件 2 ( 学習方法）： D ( 英単語の熟知度評定を行わずドリル学習を行う条件）

• イベントサイクルユニット： 24 日（ = 1 力月と呼ぶ

) ·

- この条件ではインターノルとイベントサ.イクルュニットがともに 1 力月であり、一致している。

' 呈示ユニット： 1 日

' 条件ユニット： 2 日

• 呈示ュニッ卜内での、繰り返し回数条件の割り振り方：奇数日は 1 、 3 、 6 、 8 回条件、偶数日は 2 、 4 、 5 、 7 回条件が割り振られた。 • 呈示ュニット内の各繰り返し回数条件へ割り振られた単語の数： 4 個。

• 呈示ュニット内での繰り返し回数条件ののべ数は、奇数日は 1 + 3 + 6 + 8 = 1 8 , 偶数日は 2 + 4 + 5 + 7 = 1 8 で同数。その条件にそれぞれ 4 個ずつ単語を割り振つたため、 1 日（呈示ユニット）での単語ののべ学習単語数は、 1 8 X 4 = 7 2 個で、毎日このスケジュール条件についてはほぼ同じ程度の負担が期待される（実際は他のスケジュール条件も並立させたので、負担は 7 2 個分よりも多い ) 。

• コンテンツグループ： 1 種類：この実験では難易度が等しい単語を用いてレゝる。

( 得られたデータ）

図 1 7 の 1 力月に 1 回のペースで学習する条件の単語の成績を月ごとにみると、きちんと上昇している様子がわかる。各月の中の棒グラフは繰り返し回数の条件に対応しており、各月の最初にその単語に対してなされた自己評定の反応を得点ィ匕して表している（ A ：良レ、 B ：もう少し、 C ：だめ、 D ：全くだめ）の評定を（ A = 3 、 B = 2 、 C = l 、 D = 0 ) と点数化している。この評定値は、呈示される英単語の意味を自分がどの程度のレベルまで学習しているのかといぅ自己評定である（学習の到達度を推定するためには非常に有効な指標になることがこの結果からもわかる）。 ? S ω ^ « ¾ ^ » Q ^ Θ ¾ ω 0 I 、コマ ° § ¾ i A Q S ¾ί » W $ 5 ¾ ¾ ^ 吾 ^ 袅 S ^ ^ — ¾ ¾ iy ^ ： γ: 瀏、 ¾ ¾ 、 ^ ^ 0 ζ a ¾ ¾f 〇晶 ^ ェ « w フ ° ¾ S 、 9

^ ^ ^ m z ^ 、ェ ¾ ？晶 ^ 選南〇 8 S M牽 ^ 回 8 〜回 T ¾ C" ¾

° ¾ 蓮、; ί ί s ェじ ΰ ¾ 显 ^ τ = 9 X » s ζ I τ 、：潼、 s 晶 ^ 〇键南 ω こ τ ° ( 8 + + 9 + 9 + ^ + ε + 2 + τ = ¾ ω ω φ} ^ ΐί

C{ 髒 ω回 8 〜！： 9 £ ) § ¾ i ¾ <5 ェ ϋ

Μ CD f Μ ^ ^ ^ ( — ^ - Q ^ Τ ¾ G) ^

¾ ¾ 显 ^ 選南回 8 Z L 1 = 9 S X & 8 f ^ 0) B CD ^

5 ¾ " ^l 4- ^ § ¾ ^ - ^ O) L T

、つ ° 5 ュっ ½ 乙 ¾ 0) 本 1 0) τ 园掛 ¾ W $ 1¾ zk W » ¾ i 3 目 ® £t譽 W W ？

1$ ¾ Q ¾ 回 ^ Φ ^ ¾ W 南 & 8 P CO

·¾- ( 鎮 8 ε 〇） a ¾ ^ ( s ÷ 日 s x & ） 8

（鎩 B ) ¾ ω 選南つ W S 誕 Q 皞 Φ ^ ¾ 回 S ^

、マ § ¾ 翊 2 ^ 南宗 ¾ ^ ¾ — て ^ ω コ

_ 孅牽 α> コ ° ¾ ：]?} ¾ 1 吾 ¾ ¾ ：1_ ¾ ( s ^ z ) if I : ) ? ^ w ^ ω -2- τ ^ τ ¾

、 I $ ^ 遘回 8 〜回 τ w ¾ ω エこ選南

88 ム 8f帰 oozdf/ェ:) d seooo蘭 ΟΣ: ΟΛ\ -- ^ ^ ^ ^ (ΰ -2 、ェ ° s ¾ ^ ^ 欝

^ 2. ^ S ES ニ匸吾 l II 、 ^ 回 τ .

¾ 回 8 、 ω ^ ^ 据 ^ ¾ 凍 ί ¾ ¾ ¾ ø ¾ 據 ½ つ

？ ° § コ ¾ ¾ ¾ 畓 ω ¾ ^ ¾ ¾ ^ ^

、 ¾ っ ^ I ¾ ¾ 蠹獲〇 ¾ ¾ Μ 曰 ω * ¾ ¾ ^ » ？ ¾ 0 z ω ^ · ¾ 3 Φ} ¾ S * 回 τ ¾ ¾ ^ 回 8 ¹ ω U ¾ 、ェこ■ ^ ¾ っ ^ Nff ¾ Υ » 、 3 5 $ 。 5 ^

W；フ § ^ ¾ ¾ Y躑 5 » ¾ ¾ ω ¾ W 目

^ ζ - - - ^ m ^ D Ut m o ^ ^

¾ « 回显 ^ ^ ω 目 τ ^ i ^ 2} τ m Ύ

。

¾ ^ ¾ § マ ¾ ¾0) ¾ ^ 4^2) 、くく匚 H 雞

Q 嗥 ^ Φ ^ ⑦ ^ α » 31 ¾ Φ) ¾ ^ ^ ¾ α ¾ ¾ -5

¾d ^ - -c ^ - fel 、ェつ；？桊 ¾ 〇 φ 吾：^ ¾ 凝、ェっ劍 ¾ ¾ 募 Υ » ^ ¾ ¾ ω ^ 、 0 I >嗨 ¾ 0 ま « (¾ ^ ^ 袅 ¾ ¾ » ? ¾ ¾ ± 3 目、

¾ ½ ?s n f / o ^ Co 、二て吾、 ^

» ¾ ¾ ¾ ¾ 腿：:】 ¾ κ ¾ ¾ © ·¾· 、ェ η 3 葛 ^

¾ ( Μ ω S ) Φ> ^ ® 0 T 、つ S » ¾書く

/：匚：: — 、つ <5 ¾¾ ¾凝

¾ 曰 I 、ここつ [1$ ¾ ΦΙ ^ Λ( - ^ ⁽ τ\ a ¾

。 ¾ 、

> a ii ^ η$ ¾ι ω Ι ¾ s - - ^ y o Y. 4：

8 めには、（条件ュニット内に限らず）同一呈示ュニッ卜内に比較検討が可能な呈示条件を配置しておく必要がある

れまで膨大な学習コンテンッを一定のスゲシルで学習した場合の学習の進み方を客観的に測定できなかた理由は、本発明のような方策が考えられなかつたからである。本発明によれば、非常に膨大なコンテンソ ( 対象）を一定のイン夕一バル条件で学習（判断や評定）していった塲合の反応の変化を厳密に捉えるとが可能になる。

上記図 1 7 は、 2 3 人の学習者の平均デ一夕であるがれを個人ごとに描き出すことも可能であり、本発明で提案する学習段階の到達度の自己評定を成績に換算する方法によると、個人のデータをもとに一人一人の到達度の予測も可能なほどの予測力が得られることも明ら力、になってレ ^ る。

1 8 A B C に、実際に実施した結果得られた

3 名の学習者の個人デ一夕とその予測関数. ( 単純な回帰直を弓 I レたもの）を示した（図 1 7 の学習スケジルとは異なる実験のデータ）。予測方法は、様々な関数が考えられるが、本発明を利用すれば予測のための正確で客観的なデータを収集することが可能であるとがわかる。ちなみに図 1 · 8 A B C のように学習効果の変化を詳細にまた個人ごとに描き出しているデ.一夕は現在世界のどこにも存在しない。また、単語の 1 回の学習に要する時間を別の反応指標として記録することも可能であり、その分析結果からも興味深い事実が明らカゝになっているが、詳細は省く。図 1 7 や図 1 8 A 、 B 、 C は、到達度の自己評定を到達度を把握する一つの指標とすることの有効性を示しているが、このスケジユーリング法に基づきデータを収集することにより、それ以外の指標にも非常に詳細な学習の効果が描き出されている。

特に、この実験例のように、 1 力月に 1 回とレう夕イミング条件を採用し、そのタイミングに合わせて反応デ一夕を表示すると、学習をある期間継続した時点で、その後の学習の進み方の予測も可能になる。この実験では：！〜 3 、 4 力月目までの反応データを図 1 8 A 、 B 、 C のように整理すれば、個人ごとに 1 力月に 1 回のイベントの効果は異なっても、その個人の学習到達度が一定のレベルになるのに何力月必要かという予測が可能になる。

さらに、多人数が同じスケジュール条件で学習を継続し、そのデータを収集 · 蓄積すれ、それをデータべースとして、ある個人がそのスケジュール条件で学習を行った場合の、学習の進み方を予測パターンとして返すことも実際に可能である。特に、予測したい個人の個人属性（性別、やる気の程度、学習スタイルなど ) がわかれば、デ一夕ベースとして既にある同じ属性を持つ学習者の集団を特定し、その反応データを正確な予測ターンとして返すことが可能である。スケジユールを統制して反応データを収集する、スケジユール固定法の予測方法になる。

( 1 5 )長レインタ - バルをおいて生起するィベントの効果を短期間で予測する方法

英単語の実験結果を例にすると、図 1 8 A 、 B 、 C は、 1 力月に 1 回のペースで学習（イベント）を継続していった場合に学習の効果がどのように表れるのか

、また、同じスケジュールで学習を続けていった場合に、学習が完了するのにどのくらいの期間が必要であるのかを予測することも可能であることがわかる。しかし、その予測は図 1 8 A 、 B 、 C のように、 3 、 4 力月程度学習を継続しないと導き出すことは難しい。見通しがなく、 3 力月程度の学習を継続する場合、案外やる気が続かないものである。つまり、もっと短期間で学習などのィベン卜の効果の表れ方の見通しを得たい場合がある。そのような予測を可能にする方法を説明する。

わかりやすくするため、ここでは 1 力月を 2 4 日、 1 週間を 6 日として説明を行う。

( a ) 1 力月に 1 回のペースでィベン卜が生起する長いィンターノルのスケジュール条件と、 1 週間に 1 回の t

o 〇

Θ Θ 9T 乂；

^ 6

¾^^ * <8x Θ

へ ,w ^ 」 T

Λ CM Λ 8 O o

¾ X

Λ

V

iマ

Λ Θ Q rv

Λ V ri ο 口 > V;, o V Θ -¾ Θ μ

Q Θ ¾

¾

Θ Q Q rv X-

Θ Θ Ha» Q W ul 鹬 Φ

Q ί e ¾ 2>

μ Θ * i >4 Θ

A

*¾ υ a α _Μ コ § 珊腿 i 0) ¾ ¾ΐί Q) X 是 G)

SS — IT / ^、 - ^ つ？ ^ T ¾ ^ir ゝ（一ら ,、 ί? α ^ ¾ ¾ ¾ (

¾ M ) Ίί ^ ¾ ω ί? ¾ 鹏 i 、？ — D 0 Z

¾ ^ 潼フ 9: ェ

饗 V φこ ϋ ΡΓ。、 w $ » 暴、 W S奪ェ罸^ェW- r一Tr>。 & ( ¾ Y ) M It ^v 0? i

—— . — m ^ 9 ¾ 昆 *

^ T v― ^ ― » ^ ^ マ ¾ 翳 ¾ 9

¾ # a. t¾ U τ Λ( く " ェつ：) ^ ^ Q) —

腿 ¾ ^ ω > ェ c ： c

« If 、マ § ^ } ¾ — ΤΓ 、つ

？ ^ て ¾ 一 ^ ^ 翳 ¾ つ

^ ¾ # T G) m 1 $ ¾^ ^ ^ 4- ¾ ω ( ν )

、 X 萆 s ¾ ^ I ) W Κ 9 ¾ S i φ} ¾ 0 I — て ^ ¾ η T ¾ ΊΓ ― ^ ,、、 i コ

° ~ ^ $ 、 ¾ ¾

« 一 ¾ ω » ¾ <2r ¾ a- ¾ i ^ 9 ¾ S

i ^ ^ T Λ( ― ^ y i ^ X 袅葸

t $ ^ HI ¾ Ik (2) ¾ ω » ¾s ω fi ¾

^ 9 ¾ S a. ( 曰 ζ ) ^ I Λ( ゝ ί — 6 ,、袅 a

CD > ^ CD Υ X 萆晶 ^ 、 ( a ) o z m 、 ^ ―

§ ^ マ ω ¾ ci MI 、 \ # Φ> ^ 吾 ^

¾ Q) 4 - φ} ¾ ¾ M 4- ^ ¾ 翁 ¾ 昝 ¾ ω s y ^

68

LS 900/t00Zd£/13d SCOOOT/^ΟΟΣ O 一例として、インターノリレ 1 力月で学習を行つた場合の成績（到達度）の上昇率 Y が、インターバル 1 週間で学習を行った場合の上昇率 X と一定の比例関係 ( 比例係数 a ) にあるような次のモデルを仮定する。

Y = a X X

すると、 a = Y / X となる。

Y は、学習到達度の変化が、個人の能力及び学習方法の特徴の因子（個人因子：各学習者ごとに本来異なる成績の上昇率）とインターバルの長さに対応して上昇率が低下していくという因子（インターバル因子：ィンタ一バルの長さに対応して上昇率が低下していく程度）との積によって表現されると考えると、個人の能力及び学習方法の特徴の要因を P とし、インターノル

1 週間による学習到達度の変化の因子を L W 、イン夕一バル 1 力月による学習到達度の変化の因子を L M とすれば、

Y = P X L M となる。

一方、 X = P X L W となる。

したがって、 a = Y / X = P X L M / ' P X L W = L M / L W となる。

この結果からゎカゝるように、比例係数 a には、個人の能力及び学習方法の特徴の因子が含まれずに、インタ一バル因子のみの比で表されることになる。そこで、同一の学習者に、あらカゝじめインターノル 1 週間とインターノル 1 力月で学習を行ってもらい、そのときの学習成績デ一夕を取得蓄積し、多人数の学習者に対してこの操作を繰り返す。蓄積されたデータより、インターバル 1 週間で学習を行った場合の成績の上昇率の平均値とインターバル 1 力月で学習を行つた場合の成績の上昇率の平均値との比を算出する。この 2 つの上昇率の比が a の値となる。また、このような方法の他に、 Y = a X X を単回帰モデルと考え、予測値と実測値の差の 2 乗の和が最小になるようにする最小 2 乗推定法により係数 a を決定することもできる。

例えば、他の学習者のィンタ一バル 1 週間での成績上昇率を X i、ィンターバル 1 力月での成績上昇率を Y i とし、 N 人の学習者のデータが蓄積されているとする次に、上述したように Y = a X X という予測モデルを設定すれば、この予測値 Y と実測値 Y i との誤差の二乗の和 ∑ ( Y i— Y ) ² が最小になるように係数 a を求めるとレう良く知られた方法となる。

すなわち、 ∑ ( Y i - Y ) ² = ∑ ( Y i - a X i ) ² であり、この式を係数 a で偏微分して 0 とおくと、 a が求められる。 z x q + x x ¾ = A

° § ¾ ' ¾ ¾ コ 9: 腿 i 、ェっ ¾

^ Λ( ^ ^ ^ (ΰ ^ ^ ^ α ΙΪ 1 a Mi ¾ ί? ¾ z i HI y ^ r, ： A - 、 ¾ ¥ \ -Ά ^ - ^ ^ o τ

§ ^ 腿 i W ¾ S T ω ¾ ¾ίί 3 ω 饑櫞 ω 乙

¾ ¾ ¾ S i ¾l M I 4r - ^ ω x * 、 ^ ―

■ o ^= z · o / I · Ο = Β ¾ ¾

§ ^ i wマコ § - M i a ¥ ¾ n ¾ a x * #

ω ^ fi ¾ ¾ ¾ ^ ^ t¾ Hi T ir , - ^ 、 « 人ま # τ 講 ^ i c ¾ s ^ if I ( ~ ^ ^ x 杲显 ^ ¾ L 4- ¾ ^ ¾ ¾ ¾ # ¼ ¾ 、ェっ T ω コ

( ^ 拏 ¾ 扉（¾ zfc O) i X A ^ ^ ( X ) Ή ¹ ( 入

) a ) ( x ) a / ( 入） 3 = B ！譽

Z6

Z,8l7900/ 00Zdf/X3d seooo囊 oz: OAV ここで、パーソナリティ一因子 Z とは、各個人の慎重度等を所定の指標により得点化したもの等が考えられる。例えば、客観テストの成績の上昇率と自己評定の成績の上昇率とのギヤップの大きさ等を得点としても良い。慎重な学習者は、自己評定の到達度実際の学力よりも低く見積もる可能性が高いので、通常、上昇率 Y の値は低くなり、この因子を考慮する意味がある。

a 、 b の係数は、既に学習が行われた複数の学習者のィンターバル 1 週間の成績データとィン夕一ノル 1 力月の成績デ一夕とを用いて重回帰分析を行い、よく知られた最小 2 乗推定法により求められる。

以上のような方法により、学習者 X のインターバル 1 力月での学習成績（到達度）の上昇率を推定することができるとともに、インタ一ノル 1 力月の初期段階の学習成績結果（例えば、収集されている 1 力月分のデータ）から、数ケ月後の学習成績の変化をその段階 ( 1 力月学習を行った時点）で推定することができる上記では、一例として、インターノル 1 週間の学習到達度データから、インタ一バル 1 力月の学習到達度を予測できることを説明したが、あらかじめ、色々なタイミング条件での学習到達度データを蓄積しておけば、例えばインタ一バル 2 週間の学習到達度データからインターバル 2 力月の学習到達度を予測したり、様。（ s

) ¾ - 腿 i ¾ ¾ ¾ ¾ ¾a a) a. ΦΙ ^ f . - ^ o z m ^ /. ~ ^ m L¾ ω Φ ^ Λ( ゝ ί 一 a) τ m co ^ iii i if ¾ n ¾ . z s 、マ： g ¾ w s ¾ ¾ 9 s

° ( 9 s ) § ¾ ¾^ ¾ ¾ 掛 ω ^ 9r l 回、 ¾ ½ 0 z s ( s s ) つ ¾ ^ ¾ 、 ¾ * 回 ¾ T つ ¾ ¾

。 ( s ) § - ffi Ιί ^ α ^: — 一 ^ ¾ マ — 麕 ¾y — ^ 吾、 φ

^ ¾ Μ ^ ( - ^ co z 、？一、 »' ω — fei ^ 吾、 ¾ » ^Ι ( ~ ^ D ι

° ( s s ) § _^ ¾ ^ ¾ ΦΙ ^ ^/Ι ^ - ^ D z ¾ ¾ -- M -¾ ¾ 萆専 ^ Μ ( z s ) n ¾

¾ P ¾a s ) a, > ¾ ΊΓ - ^ ω τ 镇萆專 ^ 腿

» ° ( T S ) § - » S 2i ^ - V ^ - ^ 、つ奪 ¾|ι ¾ «

D ^ > 、 — て對、 ¾

° S ¾ Τ 2 园、

¾ ^ ；？コ ¾ ίΓί i ¾ ¾ ¾ ø ¾ ¾a ω ΦΙ ^ - ^ s い、 9 ^ Φ} ^ Λ( - ^ ¥：】 ^ Ύ & ¾ ¾

° §

. ^ ? ¾ - 腿 ^ ^ wi m ^ ο ^ ^ ( - ^ ^

¾ 一 ^ ¾ 裏 Γι s ω Φί ^ ν — < ^ ^

Ψ6

L8 900/t00Zd£/∑3d SCOOOT/^OO?; ΟΛ\ ( 複雑なタイミング条件及びスケジュールの生成方法

)

図 2 2 の各スケジュール A l 、 A 2 、 x 、 y 、 z に対応するセル内の 1 、 2 の数字は、 1 という呈示条件か、 2 という呈示条件で、ある特定のコンテンツ ( 対象）に関するイベントが生起したことを表し、 0 はそのイベントが生起しなかったことを意味している。呈示ュニットは、イベントが生起する最小の期間であり、例えば、この期間を 1 日とすると、呈示ユニットの数字は第何日目になるの力、を表している。

図 2 2 の複雑なスケジュールの記述例で、スケジュ

— ル条件 A 1 、 A 2 のような複雑なスケジュールを言葉で表現することは、簡単ではなく、また、自動的にそのスケジュール条件をスケジュールテーブルの形で生成する場合、例えば、 1 0 0 0 呈示ユニット分のスケジユールテ — ブルを作成するとしたら、とても表現しきれない。

表現できたとしても、そのタイミング条件と呈示条件に従ってイベントの生起を制御することは難しい。それに対して呈示ュニットを基本単位として、ィベントサイクルユニットの長さ、インターノルの長さ、おょぴ必要に応じて条件ュニットの長さと遅延の長さでタイミング条件を記述する方法を禾 ij 用すれば、 A 1 、 A 2 のようなスケジュールを表現し、さらにそれに従つてィベン卜の生起を統制することが可能である。例えば、図のスケジュール X とスケジュール y のように、 1 という呈示条件でイベントが生起するようなものを考えると、スケジュール A 1 のイベントが生起するタイミングは、スケジュール X とスケジュール y とを重ね合わせた状態でのィベントが生起する夕ィミングと一致する。スケジュール X とスケジュール y のタイミング条件はそれぞれ、「 E 003 _ I 006 _ J 001— D 000」、「 E001— 1006— J 001— D004」と表現できるので、同じコンテンッ（対象）に関するイベントが、呈示条件が 1 の条件で両夕イミング条件で生起するようなスケジュ一ルテーブルをそれぞれ既述の方法で作成し、一つのスケジュールテーブルにまとめれば、スケジュール A 1 のようなスケジュール条件を生成することができる。同様に、スケジュール X と z を組み合わせれば、スケジュール A 2 のようなスケジュール条件を生成することができる。つまり、スケジュール A 1 はスケジユール X と y のタイミング条件と呈示条件 1 で、スケジュ — ル A 2 はスケジュール X と z のタイミング条件と呈示条件 2 の組み合わせで表すことができる。さらにスケジュール X 、 y のタイミング条件を入れ子にした複雑なタイミング条件を前述の方法で記述し、スケジュールテーブルを作成すれば、さらに複雑なスケジユールテープルが作成できる。もちろん、タイミング条件の表記法は、その他にもあるが、この表記法を使うことで、スケジュール条件 A 1 と A 2 のスケジュールの違いの効果を明確に比較することなどが可能になる。例えば、ある商品の広告イベントとして、ダイレクトメールによる広告を呈示条件 1 とし、直接電話での購入勧誘による広告を呈示条件 2 として、スケジュール A 1 と A 2 の広告スケジユールを採用し、その商品の販売実績を効果として測定すれば、呈示ユニット 5 と 1 1 ( スケジュール y 、 z ) において生じる、電話とダイレクトメールによる広告の効果の違いを比較検討することが可能になる。 ( 最適ィベントスケジュール特定法）

様々なイベントを、イベントの種類とタイミング条件で表現し、データを収集（もしくは既有のデータを利用）し類似度を禾 lj 用することで、特定の目的を達成するため、どのようなイベントをどのようなタイミングで行う（対処する）と効率的であるのか等を推定することが有効である。例えば、 S とレゝぅ会社から T という人へダイレクトメ一フレを送るというイベントを例にとると、ある個人が、ある対象（商品やサービスや契約など）の購入申し込みというイベントを生起させるためには、会社が個人へダイレクトメールを送ったり電話勧誘を行う場合、どのようなスケジュールで対処することが有効なのかがあらかじめ分かっていることは有効である。

しカゝし、現在、例えば、会社などが行う、ダイレクトメールや勧誘などは、不特定の夕イミングで行われることが多く、どのようなスケジュールでイベントを生起させると効率的であるのかについては、明確な方法は示されていない。

その理由は、様々なイベントの生起スケジュールは無数想定でき、それを人間が処理することが難しいためである。無数のスケジュールの中からどのスケジュールが効率的であるのかを見出すためには、そもそもスケジュールのコ一ド化が必要であり、さらにそれをもとにした分析をするためには、コンピュータ等を禾 IJ 用する必要がある。しかし、現在、無数で多様なスケジュールをコード化し、表現し、さらに生成、それに対応したデータを蓄積し分析に用いる方法は明確になつていない。

そこで、呈示ユニットを決定し、前述したスケジュ一リング法で、イベントの生起を記述、制御し、スケジュールごとに効果を測定し、その効果を比較することで、どのスケジュールが最適であるのかを特定することが有効である。

具体的には、前述したスケジュ一リング法により、図 2 3 のイベント 1 〜 6 のような複数のスケジュール条件を設け、それぞれのスケジュールに基づきィベン ¾ ω -3r α. α ¾¾ι ¾ 4Γ - ^ ^ ^ ^ ^ ο) 9 、 s 4 く y 、〔！县 q： ^ ¾ ¾ φ} ^ 罟 α> こ s 〜て s ^ t\ ^ ¾ ¾ Φ ^ 吾 ffi ¾ — ^ 4 Q Λ

^ ¾! こ ¾ ¾ 雞：？ # 吾、 ^ 喾鹱瞎 ^ — ^

4 Λ ^ i ^ ¾ ¾° s ω * 、 - ¾ 目 ¾ Υ ' 0 s

¾^H S! ¾ ¾ ¥ [！^ ° ^ ¾ M 畓 ω ^ 吾 ¾

¾ 、 » W · '奪 ¾r 一、 :¾ § マ攀 ^ ェ ¾ τ ^

1 つ ¾9 ^ ¾ 一て ^ ^：凝驚；、

8 4 Q) S 2 H ¾ a ¾ 、 « fi 9r ¾ 、蘇 (

^ ¾ ^ ¾ — 一つ ^ 、 ¥ ί!ί} ) Φ) ^

吾 ^ 4 < y 9 - ^\ m u co ^

。 ^ w ^ ^ · ^ m ^ Λ( ~ ^τ ^ 饔 5 — て〇 ¾ 粱 ^ つ籙 Φ — て

¾ 瞢、つ + 奪、 — て ^ 、 ¾ ¾ _ コ ¾

0 ΐ

^" ¾' ¾ G9 ,ar * ^ 4

\^ ¾ § ^ ¾ i c. ^ ¾ 2) ^ 、つ ^ ^ 一一

¾ - ^ ^ ^ -- 1 m 、ェっマ 4 ニ匸吾

目 ¾ ¾ γ 難 ω ¾^α ¾ ^ ¾ ^ » Ύ ¼ ° ¾ § ¾

¾ ΦΙ ^ Λ( - ^τ ^ o ¾ ¾ \ ^ ¾ ω ¾ 目 0)

¾ # ^ ? ： § 4- ¾ ¾ ¾ 腿 ¾ ¾ ω 、つ牽 4

66 果を比較することが可能になる。

単にタイミング条件を表現できたとしても、そこにおけるィベン卜の呈示 ( 生起）条件が異なれば、スケジュ一ル条件は異なることになる。スケジュールの表記は様々な利用法力あるが、単にタイミング条件を表現するにとどまらず、特定のコンテンッの生起ィベントを制御したり、その効果を測定したり、生起（呈示 ) 条件の影響を比較したりする方法論に結びついた点が本タイミング表記法およびスケジュール表記法の特徵である。

なお、図 2 3 の例は、既述の図 5 における、 E 1 と X 2 の類の夕イミング条件の組み合わせで、複雑なスケジュールが表現できることを説明するためのものでめる。

( イベントスケジュール推定法）

図 2 4 により、イベントスケジュール推定法を説明する。特定の商品の購入申し込みを期待する企業が、顧客 X へダイレクトメールを使った勧誘を.行う場合、呈示ュニット 3 で、企業からダイレクトメ一ルが届くとレゝぅイベントが生起し、それと同じ呈示ユニットで X さんから質問のイベントが生起したとする。以下同様に、図の X さんのイベントの太枠で囲まれているマトリックス（スケジュールマトリックスと呼ぶ）が記録されたとする。この状態で、呈示ユニット 9 の時期に申し込みイベントを期待したレとき、どのようなィベントのパターンが生起するようにすると効率的であるのかを、既に蓄えられている A 、 B 、 C 、さん（もしくは X さんの過去の）のスケジュールマトリックスを使って推定する作業を行うことが可能である。

すなわち、申し込みイベントがいずれかの呈示ュニッ卜で起きた顧客データのみを取り出す。その各顧客のマトリックスの中で、 ' 申し込みイベントが生起した呈示ユニット（最終点）を各顧客間で一致させる。その状態で、顧客 X の既に収集されているスケジュールマトリックス（太枠）と相対的に同じ呈示ユニットの位置にある各顧客のマトリックス（それぞれの顧客の太枠の部分）に限定し、両者の類似度（例えば、内積 ) を計算する。

もし、全イベントの開始時点が明確な場合（顧客から問い合わせが初めてきたときや、初めて電話勧誘をした時など）は、その開始点を起点としてスケジユールマ卜リックスを、他の顧客のデ一夕に想定（限定）し類似度を計算する。また、期待するイベントが個人内に何度も想定できる場合は、（開始点から始めて想定できる全てのスケジュールマトリックスで類似度を計算して）顧客 X のスケジュールマトリックスと類似度の高いスケジュールマトリックスを顧客 X 本人や他の顧客の全てのスケジュールマトリックスから見つけ出 l § -- fii i ¾ 4 V 0 ¾ 0) 、ェつ ½ ¾ 一 ^ 。V/ ^ く ^ 0) 拿 ¾ 目 ¾ ¾ 、？ ft 4 、 0? 琴

^ η 4 ¾ ¾ 、ι Q m 2\ [ ^ Co ^ - ^ Wi o 9 - w m -\ n ^ o ：) 渤 § ^ 腿 ¾

π ^ν % ί» ^¾ γ ) ^ m Η ^ ^ - ( ¾

) 显 ^ ο ^ ■¥ * ¾ ¾ 晶 ^ ω 辛、 ^ S 翊腿

( m H m m u m ) く一 Φ 显 ^

¾ Υ § A £{： s ¾ * 凝 ¾— 、 « 腿 ω ^ ^ 、 ^

。 ^ i W ^? コ § ~ ¾ Ιί 一 CD ¾ ^ ^ #i ¾ ¾ M -ζ? γί Φ 、 ¾

^ ^ くミ ^ ω fel ¾ ν ω ¾ « ^ ^ Γι 4 § ェ ^c ^ ）奪 ^ 意 1 、 ^ $ つ掣 W ¾

篛暴一、 » ¥ 。？ ¾ ^ 0 'S ti ^ Ύ ^ D ¹

0 ' s « マ Ύ $ a 、o 's ^ co ^ Ύ V 、つ ¾ 蘇 ¾ 4 n 4 — て ^ ^: 2) ¾ ¾ ^ 謦 m

° § ¾ マ靱

¾ ¾ つ + ¾ ¾ ¾ ω 5 フ ¾ 1 $ 鴛 + 每 ¾ 、つ

^ ¾ ¥ ¾ 1 县 ^ « ¾ * ¾ 1 1 ¾ ^ 曇喜

Λ( [ ΰ ύ ^ ^ ^ 、《沓 § 意 « « Μ

° § ¾ίί ^ · ¾ 新 ¾ 據、 ύ ：っ

# ¾ ^ / ^ d ^ Λ ( - ^ - ^ ω ^ m Μ V 、つ

LSP900/P00Zd /lDd S£000l/ 00Z OAV - ½ ^5 ^ ·^ π: ω ^Γ « # 、 3面 s *

¾ 袅显 ^ ェっ ^ ¾ 8 9 - 4 ^ ^ ^ ^

9 g W If ΐί ¾ m #1' 難 ί 吾 ¾ > つ < に o

( 4 Π 吾） 4 > w - ( ~ ( - ^ 0 δ Υ. 、 ¾ ω ·¾· ° § ：） 0 9 乙一 ^ 、く

く匚 ¾ ΐ 0 くく匚 ^ 1 $ t¾ ¾ 觀' ¾ a ¾ ^

^ n g} ¾ ^ν τ 9 ^ : a a Y is} ^ ? o 9 ^ 乙 ^ /: く匚、？ 6 ^ Λ( ~ ^ ( - ^Τ ^ ^ ^ ^ >

ι τ\ L s 4 "fr — て ^ ^ 晶 ^ ¾ 縣 ¾ マ 4 ¾ ^ 5 桊 8 9 . - -fi- Q) ¥ · 囊 Ψ

？ 9 4 -fr - -6- - ^ ^ ^ # 、？ ( ^ ¾

^ ^ - ^ 、饑回 ¾ — 9 S Ml 1} 1ί 0 ΐ ？ ¥ li * S Z) # 8 S く匚、。 V / ¾ 、 τ 9

Si ¾ ¾ if . T S く匚 Λ 。ν 2j c ^ . ^ j g 2 D 。 ·

¾ 园 ^ 辮铷 ϊ» ω マ ^: 4 挲 » ϋ萆显 ^ « s z m

° ½ ¾1エ

こマ ^ ：、歸？ kg 袅 S ^ ^ ¾ 重：; ί 拏〇：？腿 4： D ^ S 、 ΰ ¾ ϋ <^ S ¾ ω 驊 ^ ⑦ 袅晶 ^

< マ 4 拏掛超袅晶 ^ >

¾； 4 ^ 口、 ci « ¾ ^ 嗨 ' m o γ 。 ^ w マ εοτ る反応を学習者端末 5 4 を操作して入力して、通信網 5 5 を介してサイト 5 7 に返信する。

学習スケジュールサービスサイト 5 7 は、返信された反応データとスケジュールテーブルを対応付け、特定のスケジュールにおける学習者の反応履歴データを記録し、この履歴デ一夕に基づいた分析パターンを生成して、この分析パターンの変化およびそれに対する適切な助言などを学習者や教師等にフィ一ドバックする。

すなわち、学習者端末 5 4 と様々な通信ネットヮーク（インフラ）を利用し、サービス主体（サイト）が様々なコンテンッ（評定する内容のカテゴリ一）に含まれるひとつひとつの項目を、 1 回もしくは複数回、特定のスケジュールで配信し、その内容に対して、学習者の反応を収集する。

また、学習スケジュールサービスサイト 5 7 は、複数の学習者の評定値や日時等のデータを収集し、履歴データとして蓄積し、そのデ一夕を特定の .スケジュ一ルなどに関連付け分析し、それぞれの内容に対する個人の評定時点の状態やそれまでの状態の変化、その後の変化の予測、他の利用者との比較などをフィードバックする他、蓄積されるデータを分析することにより、学習者が利用可能な評定スケジュールや助言などを提供する。？：:） — 匚 Ί 3 n ) 、一マ一 ¾ ¾ 袅显、 ¥ m ^ m ^ ¾ s ' 袅晶 ω ε s ：匚 A Ϊ Λ( ¾ ζ 9 m ^ 、 1： s く匚 Λ 、 ¾

° ¾ ¾ 乙 ¾ 辠|, 0 z ω 桊凝画 ^ 蓮 5 4 < ^ 、つ

兵 ^ : 9 * |$ ^ s ) < ^ ^ ^ — 匚

— Λ Ί ^ ΐ Η ω ^ — マ一伞 α ¾ c

° S ¾ ¾ ¾ 暴 ^ 菡 ^ ェつく】 Λ(

^ Γι ^ ^ 、つ ¾ 2β Ί ェ Η « ¾ «' 、 ¾

¾ ¾ § 。乙く ¾ 暴 ¾ W S コ ^ ¥ Υί Q?

» ^ 4^ # Φ M ÷ « 4 ^ ^ ^ - oV V/ Q

ェっマ Ik ¾ マ： 2 5 ¾ ¾！ — ¾ ¾ ftl'⑦ T 4 * —

、疆 ^ -凝マく、 — ^ 一 ^ 遛 ¾ っ拏

·

§ ^ a. n » wi ¾ ¾ ε ¾ « x # a ^5 ^ 9 a

¾ ¾y ^ ¾ ψ> ^ 、 ¾ ^ 據 0) Y 静 ¾ · ¾ 目 i ¾ ϋ

、 3 マ ¾ 一 ^ a菌袅 ¾ ϋ ω凝 ¾ ' a) ^ - ^

菌 ω γ 酹 ¾ ¾ γ @ 〇 ' ^ ^ m ^ m y o ir ^

ii ^¾ ¾ 薪恵 ¾ ^ 由 * ^ » ¾ Φ s 由 ^ Φ fi ' 袅、 T S fti ii ⑦ 4 4 本、

SOT

LS 90 /t00Zd£/13d SfOOOl^OOZ ΟΛΧ ¾ ( ^ ^ ^ ( - ^ ½ ¾ ) γ m χ ^ ^ ^

^ ^l ^ # S ^ r - E # ¾ Υ 7\ - h CO ^ Yd ( 0 Ρ )

° > α. α 2} ^ § ^ . # . η ? r ¾？

3¾ ^ ¾ Q) 驊 ^ ^ ¾ ¾f — f ¾ ¾ ¾ 晶 ^ ェ 3 Φ

^ ( ~ ^τ ^ ^ Μ ^ 、ェこ 3 、ぺく匚難、 ¾ 0 z ° > ^ ェっ — 口 3 一マ一、 ¾ マ ^ ^ ロ g ¾ 一 ^ 、マ ^ ^ ロ吾昱 ^ · し — — て

^: ¾ ^ ::) :、くく匚 ω τ 、乙 1 $ 璩 a w ^ s ¾ 翁一て ^ 匚、

マ一 ^ ¾ s ^ コ） ^ ¥ - ^ m ^

匚 « > つ、i Ά - Λ( - ^τ rS 、

° § ¾ 9 z m ^ ^ っ ta く一 /:、 ¾ 0) マ ^: く、 ω コ

。 ΰ ¾ ^ 逢 ΐί ¾ ⑦ 3 4 rに I 0

3 ¾ ¾ ^ ^i T[ H H « ^i 5 $ 、つ拏 ffl H 21 ¥ ? 5 ^- ¾ ¾ ¾ ^ - T[ H H ¾ ^ i '5 ¾ 、つ g ¾ ¾ ^ 達 ¾ ¾ G) ( ^ — ^ マ一 ^ ) ^ - IS ¾ ) ¹ ^ ΰ ¾

^ ^ ^ 25 ^ ¾ l H fl ¾ l^ $ ( ¾ ¾ ) - Υ 、 Q ¾ こ

°

¾ 本蓮 ¾ ¾ ω 画 ω フ、《 ¾ 1 η ¾ ¾ ¾

,、 Γι CD ^ m. ：) Ί 丄 H Q) フ 1\ '4- ？ § · 拏

厘画 ¾ 拏、つ：^ έ ¾ Ί ^ 丄 Η ^ ϋί 、工っ

° ^ ^ 齑 ¾ ¾ ω ¾ 褂 ω

90T

LSt900/t00Zdr/13d SCOOOI請 Z OAV ^ 一 ^ 、 < く匚宗 ¹ . I！ ^ ¾ 1； $ 11 ¾ ^ m m ^¾ ^ g/ ^ » ¾ n 、《一く ^ ( z p )

° s ¾ ^ — < ¾ ( m n ¹ ¾ ¾ ω ? (i A ^ ( - < y ) n Co ( 9

p ) 、 ¾ « ¾ ¾ つ — 4 く λ — A ^ 歸 0 τ

* ¾ 、ェつ if ¾ ¾ ¾ «' a、《萆显 ^ ( 9 v )

° ^ 暴

¾ ^ ¾ ^ i $ ® ¾ Qs Cl ^ ¾ ¾ ¾ ^- ( P )

、 T ：っ m 21 · ^ ^ 餱 #1' HS 鹳 ⑦ ¾ § ¾ ^ ¾ 3 — ^ Ί s 9 I ω 、 i フ；？ ¾ っ鹳敏 ^ m m ^ ^ & ^ ^ §

ェ w $ ¾ ¾ ¾ 辠1, Y @ 、 « i— ( ε p )

° ^ 工っ轡 ¾ ¾ Ύ m i i ς\ ^!i 、 ¾ ¥ 。 ¾ — く ^

¾ #ι ς ^ ¾ ϋ ¾ ( >r in ? ( T s ) A ,、二一

· — て、土 « ) S ^ > ¾ - ^ /J

ί、、 ,、匚宗、 — 、ι < ( ζ p )

、つ一口く 6 ^ ¾ ∑[· ^ マ ^ ロ吾 φ

ー ^ · ·1ί 一て、 ^ -4 25 W ？ / く匚 ⑦

« ff ¾ c- s ¾ a f u 、 Ci ¾ ¾ ¾ 爾、ェっ

萆昱 ^ ¾ — マ一 ⑦ 一く ( T ^ P )

° ¾r 工っ ¾ ( c i7 p ) - > ^ ^ > Έ

« nま #1' γ 歸つ、？ ^ ^ ¾ 〇コ ^ ° > ¾ ェっ餐 ¾ 厦 — スに対する反応などを記録する領域を確保し（コンテンッ自体は必ず必要となるものではなく、コンテンッ番号などがあれば最低限良い ) 、そこに禾 IJ 用者の端末環境や、インス卜 ― ル状況を記録し、個人が利用する顺末 I D を割り振り、（ d 4 8 ) その I D などの情報を、本登録フアイルとして学習者に送信する（セン夕一側で本登録完了 ) o

( d 4 9 ) 学習者は、送られてきた本登録ファイルを使って、端末側での本登録を元了し、（ d 5 0 ) 必要に応じて、最終的に登録が完了した状態など（インストール先や送信メ — ルァドレスなど）の情報とあわせて、登録完了の情報をセンタ一に送信する。

以上が、 S L サ一ビスの登録の概要である。なお、 S L サ一ビスはあくまでスケジュ一レとコンテンツの組み合わせごとになされる。また、スケジュールや送信メールアドレスの変更などの各種変更は、（ d 5 0 ) の情報をセンターに送信することで対処する。

また、個人情報などをあらカゝじめ別途センターへ登録しておき、 d 4 4 ちし < は d 4 8 から登録作業を進めても良い。

次に図 2 7 は、 S L サ一ビスの登録が終わってからの情報のやり取りを示す。

( d 5 1 ) 学習者は、一定のスケジュールで学習を進め、その学習の結果の反応が、端末側で記録される。学習を進める過'程で、学習者が希望したところで、分析結果を参照したくなつたら、学習反応データをセン夕一へ送信する。そのデ一夕には、コンテンツの番号、スケジユールの番号、スケジュール内の呈示ュニットの番号、各コンテンツに対する反応や反応時間、コンテンッの番号、学習日時、学習開始時刻と終了時刻、呈示ュニットの番号、端末 I D 等が必要に応じて含まれる。

( d 5 2 ) センターは、受け取つた学習反応

を個人ごとに保存し、そのデータと、必要に応

の学習者のァ一夕を禾 IJ 用し、学習の進み方を解

( d 5 3 ) その結果をホ一ムぺ一ジに掲載し、

4 ) それと ~ ' 緒に、そのホームべージの U R L 析デおお接個、学端い、デじきこ ί

てよよしるフ dこと、必要に応じてパスヮードなどをその学一習。末そ人一習者、

他、びび夕側の。ののの夕ァも5. 必要に応じて他の第 3 者へ送信する、 ¾ ちろん際に、ホ一ムぺージに掲載した分析結果を、直イレとして学習者や第 3 者などへ送信しても良

( d 5 5 ) 学習者や第 3 者は、その学習.者の経過や予測などの分析デ一夕をいつでも参照で

( d 5 8 ) 学習のスケジュールによつては、成績を基にしてスケンュール条件を再構築するある。その場合は、再構築をしたとい情報を

からセンタ — へ送信し、 ( d 5 9 ) セン夕一は再構築の情報に基づき、 R J心ァ一夕を記録する. ベースを確保したり、構造に変更を加えて、学習者の端末の状態を再現できるようにする。

なお、（ d 5 2 ) で保存された反応データを、そのまま、もしくは分析した結果を、個人が特定できない形、もしくは個人が特定できる形で、研究者など第三者へ送ることも可能である。

上記のシステムにおいて、特定の学習者が、自己の学習経過途中における成績や、学習が完了した時点での成績、特定のスケジュール条件で学習を行う場合の到達度の予測結果を知りたい場合には、センタ一からその内容を見ることができる U R L を E メール等で.通知されるので（ d 5 7 ) 、そのときに同時に配信されるゾスヮ一ド等を用いてこの U R L にアクセスすることになる。

その場合に、例えば、図 2 8 のように、学習の成績として自己評定値（学習到達度）の経過を示すグラフと、今後成績がどのように変ィ匕していくのかを予測するために、推定された回帰関数を合わせて.表示することができる。

図のグラフによると、イベントサイクルユニット 1 力月の条件で 6 力月の学習期間を終えた時点では、ほぼ 2 . 5 の評定値が付けられている。例えば、この 2 . 5 以上の評定値の場合には、この学習に関連する資格を取得する条件を満たすものとして、図のように、関連資格の名称と、その資格審査を行う団体名称を表示してリンクするようにしておく。例えば、 X X X資格 ( A A A 財団法人） h t t p//www. aaa. or. j の部分をクリック等すれば、そのホームページへ移動することができる。

資格取得と、学習が一体になつたサービスを提供するために、図で示されているような A A A 財団法人、 B B B 協会、 C C C 学会、といった資格審査団体と学習サービススケジュールサイトは提携し、これらの団体が保有する学習コンテンツを用いて、学習者に学習スケジュール配信を行い、一定のレベルに達した塲合に、資格取得のための試験の全部又は一部を免除するようにしても良い。

また、他の例として、図 2 9 が示されてレる。インターバル 1 週間で学習を行った場合の学習到達度を現時点までの経過を示すデータと、これからィン夕一バル 1 力月で学習を行う場合の学習到達度の予測結果を示すデータが表示されている。 .

さらに、図のように、学力の到達度が 3 以上になつた場合には、この学習分野については、一定の知識レベルに達したものとみなし、一定の知識レベル以上の人材を求めている企業や大学からの要請に応じて、企業や大学名とホームページァドレスをリンク表示する例えば、インターバル 1 週間条件で行った学習の内容が英語のヒャリングゃライティングの能力の到達度を評価するものであれば、上記リンク表示する人材募集サイ卜には、翻訳のアルノィトゃポランティアの募集等も表示される。

また、すでに図 2 9 で示されたような資格サイ卜における資格を保有しているならば、その保有資格を募集条件としているような企業 · 大学からの採用募集サィトへのリンクを表示するようにしても良レ。

次に、学習しているコンテンツの内容と、個人の属性に基づいて情報検索の領域を限定し、質の高い検索結果を返せるようにするために、以下のように構成する。

学習者の成績等を表示する上記のような W e b 表示に、検索リンクを設ける。この検索リンクは、一般のポータルサイトで行われているような検索ワードが入力できる検索ウィンドウを設けたもので、学習者が検索.を行いたいときに、適切な検索ヮ一ドを .入力するものである。

このようにして、個々の学習者が入力した検索ワードを学習スケジュールサービスサイトはデータベース 6 5 に蓄積する。そして、検索ワードを記憶させる場合には、当該検索を行った学習者個人の学力段階と関連付けて行う。学力段階とは、学習の到達度から算出で ¾ ¾ , π B 4 -fr ^ ^ ^ ^ > ^ ¾ 回 ¾ 譽 I〖 B -fr ^v « . ^ ff ω i B ύ -

¾ m ^ -fr y ^謝 ^ ^ ο m回ェっ

Si ¥ 、 j マ S B H — ^ 攀 ^ - ύ m 、 0 z H 一 i 攀、《 — 厶 m -- ^~ -\

4- ifa m ^ g M 3 v ¾ ¾ ^ ^ ω o m

¾ 晷

y -Ά 暴顧 ω ¾ 回 ¾ ¹ -2\ § 4。乙

Λ ¾ 回 4 -fr ¾ ω ~2\ ^ 翳つ

M m ¾ 4 -fr I fel § ^ $ » ¾ 、 χ ¾ ¾ H ― Cx m § ェ 1き $ ¾ ¾ s 9 — ― ^ ~\ ffi 、 ^ ―

° ^ ^ 3¾ ζ- ^ ¾ $ ¾ ^ 4

-fr ¾つ ¾ 杲 s * 渤牽 ¾ ¾

― Cx 攀辫 - ¾ί ¾ 、《 3 ^ Μ 、 J 工じ

§ $ ® ¾ ^ d — ώ 攀 Q) ¾ ϋ ^ & 袅

、 \ ~2 斡 ¾ ω — ι ¾； $ if ^ ° ^

m m 2i ω ¥ N く ^ ^ 聘 5 ^ τ ¾ m H

― Cx $ fti ¾ ^ ¾ ' 2 ¾ ¾

¾ ¾ ^ »藝 «- si ¾ ° ¾ ¾ 講 4Γ ^ z: ¾

G a 、 α 、 g V ¾ ¾ ^ » ¥

° ¾ ¾ i 〇

¾ II ¾ S ^ ® 辛 ¾ G)袅纏！ ¾ § ^ εττ

L t900/t00ZdT/13d seooo謂 OAV ° ( 9 ) ¾ 4- ^ ¾ 2i Q ffi Hi Q) ¾ ¾ ^ ^ « 4 -fr ^ ¾ Π ¾

― 、つ拏：） in ^ ^ o ^ τ\ -fr ¾ - ¾ - 、ェつ ¾ q る：？一蚩肇一 ^ ? く ^ < ^

q Si i Η — 厶鎏 ^ « 2| ^ ff § ^ α $ « ¾ 0 s 鎏 ^ — 一 ^ 、 ^ ―

+ ° ( s 丄） a m ^ m 拏窠艱 ( ラエ） n » ¾ ¾ ^ ~ f -- ^ ^

GO ^ 2j 9 9 Y - ^ - ^ t{ \ ^ ff ^ ¾i ^ O- ^ ¾1 ¾ 2i 9 9 ^ - 4? - ^ 。 ( ε ェ） § ェ ΐ ¾ s

^ ^ 2. ^ ( w # « ¾ w — ^ 肇 ¾ つ ¾ ¾ 、 »

¾ ¾) ¾ £ί ^ CI Ι Ι ？ ^ # ?1 ^ Ο- ^ ^ 2 S 9 ^ - ^

、 ( s ) a ¾ ¾ H ~ ά ^ if ¾ ^ ¾

、：\ W、 ° ( T ェ） § - ¾ ¾ ¾ ¾ ¥ ω * 、 ^ ？

° ^ 一口 a) ε in

° ^ U U ^ ^ ^ CD -fr 、： L ^ つ * llii く 4 -fr ¾ ω ¾ « ¾ - ?1 - m

CO 、 « 3 — q 9 丛、 ^ 辫 t ¾ ftf 2) 攀

— ' Ύ ^\ iii w ω 回 ^ ¾ 、 η 。乙

聘袅晶 ^ ( Μ

〜！：く ¾ ） < ^ ^ ω i i Π -3r

° § ¾ fe) «

¾tf ¾i ¾ a ^ c 2) ¾ ¾ ø a 5 ^ a a) w 。 ^ ¾ ^ コ

π

ASWOO/^OOZdf/Xad SCOOOT/^OOZ o/w 0 z

° ( τ ΐ 丄） 5

據 ϋ ¾ — ^ 一 ^ ¾ ¾ ¥ 晷 ^ 〇く 4 -fi- LU

( 0 Τ X ) つ 4 く回 BH ^ ) 4 A ω ^ ^ ¾ 2i ^ fi § ^ i $ ¾ι ¾ ^ 4 m i 、 £ —

° ( 6 丄） 5 碧 ¾ 鮮據 ¾ ^ m D ^ ¾ 25 ^ f_f ^ n ^ ^ 4 -fr ° ( 8 丄） ¾：ェ ^ ¾ s i $ 碧 ¾

^ -fr (2) - 1 I ? 4 -fr ¾ a ¾ ¾ 、 ¾d 斡 ¾ —

マ — 攀辫 ¾ つ ¹ ^ 、

SIT

.8^900/f00idr/X3d seooo囊 OAV

Claims

請求の範囲 1 . あるコンテンツに関するイベントが生起するスケジユー Jレ条件を、コンテンツに関するイベントが生起する最小期間である呈示ユニットと、イベント生起の呈示ユニット以上に長く、かつ、同一のコンテンツについてィベントの開始力ら次のィベン卜が起きる前までの間のィンターノルと、前記ィン夕ーバル以下の短い一定の期間であってィベントの生起を分散させるためのイベントサイクルユニットと、前記呈示ユニット以上に長く、かつ前記イベントサイクルユニット以下の長さの期間であってコンテンッの呈示条件を均質配置させるための条件ユニットと、複数のスケジュールが開始される場合にその開始時点の違いを表す遅延期間とカゝらなるタイミング条件で構成したことを特徴とするスケジュール作成方法。

2 . あるスケジュール内におけるィベン卜の生起が、一定のィン夕ーノルで生起していない場合.に、基本となるインタ一ノル、イベントサイクルユニット、条件ユニット、遅延期間で構成される基本ユニットと、前記基本となるインターノルをコンテンツに関するィべントが生起する最小期間であるとみなしたときのィンタ一ノル、イベントサイクルユニット、条件ユニット、遅延期間で構成される副次ュニットとでスケジュ一ルを構成することを特徴とする請求項 1 記載のスケジユール作成方法。

3 . 前記スケジュールは、同一対象のイベントの時間的な生起タイミングに関するものであって、タイミング条件が異なる複数のスケジュールの組み合わせにより構成されることを特徴とする請求項 1 又は請求項 2 記載のスケジュール作成方法。

4 . 前記複数のスケジュールには、同一又は異なる呈示条件の組み合わせ、またはそれらと属性条件の組み合わせが含まれていることを特徴とする請求項 3 記載のスケジュール作成方法。

5 . あるコンテンツに関するイベントが生起するスケジユール条件を、コンテンツに関するィベントが生起する最小期間である呈示ユニットと、イベント生起の呈示ユニット以上に長く、かつ、同一のコンテンツについてィベントの開始から次のイベントが起きる前までの間のィンターノルと、前記ィン夕ーバル以下の短レ一定の期間であってイベントの生起を分 .散させるためのイベントサイクルユニットと、前記呈示ユニット以上に長く、かつ前記イベントサイクリレユニット以下の長さの期間であってコンテンツの呈示条件を均質配置させるための条件ユニットと、複数のスケジュールが開始される場合にその開始時点の違いを表す遅延期間とカゝらなるタイミング条件で構成するために、所定の情報を入力する入力手段を有し、前記入力手段に入力された情報に基づいてイベントサイクリレユニット内に想定できるの条件ュニッ卜の最大数、スケジュール期間の全てを含むイベントサイクルュニットの最大数を生成することを特徴とするスケジュール生成システム。

6 . あるスケジュール内におけるイベントの生起が、一定のィン夕一ノルで生起していない場合に、基本となるインターバル、イベントサイクルユニット、条件ユニット、遅延期間で構成される基本ユニットと、前記基本となるインターノルをコンテンツに関するィべントが生起する最小期間であるとみなしたときのィンターバル、イベントサイクルユニット、条件ユニット、遅延期間で構成される副次ュニットとでスケジユールを構成することを特徴とする請求項 5 記載のスケジユー Jレ生成システム。

7 . 一つもしくは複数のコンテンツからなるセットについて、全てのコンテンツに関するィベン.トが一定のタイミングで繰り返し生起するスケジュールを生成するために、イベント生起の最小期間である呈示ュニット以上に長く、かつ、あるイベントの開始から次のィベントが起きる前までの間のィンターノル以下の短い一定の期間を、イベントサイクリレユニットとして設け、各コンテンツに関する特定のイベントがそのィベン ^ ¾ 3¾ ¾ ¾ ¾ - 腿 i ¾ 一 \( 3 ¾ ω ¾ Γιϊ

^ 土 Φ ψ Λ( ゝ ί ~" ' ,、 CD Z ^ 、 ¾ ^ ) Μ « W 9 ^

W $ ¾ 一 ^ 奪 ¾ι ω 、 ? ¾ ¾ ¾ ~奪 ¾! ¾ ^ 一 ^ ^ ¾ Γι ¾ 4- -1 v 5 4- ^ i ΦΙ Ψ Λ( U

Q) τ § ¾ί ？奪 ^ 腿 i ϊί m o z

* 、 ^ ¾ ¾ ¾ ¾ 對 W « M ω ^ Μ o m s ¾

^ Φ1 Ψ Λ( — く · Co z ω ^

21 φ} Λ( G) T H 、？ ¾ ¾ § · 奪

# S ω Μ t 、 ¾ 一 S 翥 Dき ^ 3 4 -

§ a ^ 4Γ - て Α ¾ 县 ¾ ¾ ¾ ^ ( - ^τ ύ Α 9 ΐ ^ ω Φ> ¾ Λ( U て A ~ L D φ} ^ ゝ( — ω τ ¾ § ^ ¾ — \

¾ ¾ 一 \ Si ¾ ¾ つ奪 ¾τ 辛 ^ a ' 6

m 4 - ^τ

？凝 # ¾ ？コ s 腿 ¾

¾ ¾ ¾ η¾ ω ¾ ^ 9 ^ * # τ ¾ 蒙 D Q) ^ — ^ ¾ m

辛省目袅显 ^ ⑦ 显 ^ § ェじエ « — て ^ 显、《 ¾ m i ¾ ― ゝ( ¾ί 菊 5 く一 ^ V つ奪 ¾ ^ ' 8

。 m Λ( - ^ ^ ^ ¾ ¾ 半凝 ¾ ¾ ？

腿 ¾ < — v ω < — ゝ( ¾ ¾ つ奪 ¾r

：、つ奪 ¾ι ¾ ¾ ¾ Si ¾ 孅 ¾ § · ¾ 3 ,、く匚 3 縣、 if ¾ f — て A ¾ α ^ 9: 4- HI ¾

^ n ^ ^ 4- ^ ¾ 一 ¾j 4 τ: - ^\( ^

6ΤΤ

seooo謂 OAV とを特徵とする請求項 7 記載の未経験スケジュール予測方法。

1 0 . 前記第 1 のインターバル条件と第 2 のインターバル条件とを比較した場合、第 1 のインターバルは、第 2 のィンターノルよりも短い期間であることを特徴とする請求項 9 記載の未経験スケジュール予測方法。

1 1 . 関連する複数のイベントの種類について、特定のィベントに関してはィベン卜が一定のタイミングで繰り返し生起するスケジュールを用いるため、ィベント生起の最小期間である呈示ユニット以上に長く、かつ、あるイベントの開始から次のイベントが起きる前までの間のィンターパル以下の短い一定の期間を、ィベントサイクルユニットとして設け、イベントがそのイベントサイクルュニット内で一度生起するようにしたスケジュールを生成し、関連する複数のイベントの種類ごとにィベントの生起とそれに対応する個人の反応をコ一ド化して時系列に収集し、最終の反応結果に基づいて抽出された他人の反応経過パター.ンと個人の反応経過パターンを比較して、類似する反応経過パ夕 — ンを有する前記他人のスケジュールを前記個人の今後のスケジュールとすることを特徴とする未経験スケシュール予測方法。

1 2 . 前記類似の度合いは、前記抽出された他人の反応パターン経過と前記個人の反応経過パターンとの内積の値により決定されることを特徴とする請求項 1 1 記載の未経験スケジュール予測方法。

1 3 . 学習者端末と学習到達度を W e b 表示させるサ — ノとがネットワークにより接続された学習者評価表示システムであって、一つもしくは複数のコンテンツからなるセッ卜について、全てのコンテンツに関するィベントが一定の夕イミングで繰り返し生起するスケジュールを生成するために、イベント生起の呈示ュニット以上に長く、力、つ、あるイベントの開始カゝら次のィベントが起きる前までの間のィンターパル以下の短い一定の期間を、イベントサイクルユニットとして設け、各コンテンツに関する特定のイベントがそのィべントサイクルュニッ卜内で一度生起するようコンテンッを配置するようにした学習スケジュールを用い、前記コンテンッに関する学習到達度を時系列に評価し、学習到達度の評価が一定レベルに到達した場合に前記学習者端末に対して学習到達度に関するデータと、学習到達度に応じて学習内容と関連するサイトへのリンク表示とを行うことを特徴とする学習スケジュール評価表示方法。

1 4 . 学習者端末と学習到達度を W e b 表示させるサーノとがネットワークにより接続された学習者評価表示システムであって、学習者が使用する検索ヮードを学習者の学力段階別に登録する手段と、前記登録された検索ヮードに対応して学習者が訪問したサイトを登録する手段と、前記登録された検索ヮ一ドと同じヮードを用いて検索し、かつ、前記登録されたサイトと同じサイトを訪問した場合には、そのサイトの訪問回数をカウン卜アップする手段とを備え、学習者端末には、訪問回数の多いサイト順に検索結果を表示することを特徴とする学習スケジュール評価表示方法。