JP2015106257A - 学習支援装置、学習支援方法、およびプログラム - Google Patents

学習支援装置、学習支援方法、およびプログラム Download PDF

Info

Publication number
JP2015106257A
JP2015106257A JP2013247584A JP2013247584A JP2015106257A JP 2015106257 A JP2015106257 A JP 2015106257A JP 2013247584 A JP2013247584 A JP 2013247584A JP 2013247584 A JP2013247584 A JP 2013247584A JP 2015106257 A JP2015106257 A JP 2015106257A
Authority
JP
Japan
Prior art keywords
learning
improvement proposal
log data
target person
improvement
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
JP2013247584A
Other languages
English (en)
Other versions
JP6158053B2 (ja
Inventor
諾 張
Nuo Zhang
諾 張
河合　直樹
Naoki Kawai
直樹 河合
寛明 木村
Hiroaki Kimura
寛明 木村
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.)
KDDI Corp
Original Assignee
KDDI Corp
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 KDDI Corp filed Critical KDDI Corp
Priority to JP2013247584A priority Critical patent/JP6158053B2/ja
Publication of JP2015106257A publication Critical patent/JP2015106257A/ja
Application granted granted Critical
Publication of JP6158053B2 publication Critical patent/JP6158053B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】学習効果を十分に向上させることができるように、学習についての改善提案を学習者に対して行う。
【解決手段】学習支援装置１は、差異取得部３０および改善提案部４０を備える。差異取得部３０は、複数の学習者の学習モデルである決定木と、改善提案対象者の学習ログデータと、に基づいて、改善提案対象者よりも学習成績の良い者であって改善提案対象者との学習状況が近い者で構成される特定成績上位者グループを求め、改善提案対象者と特定成績上位者グループとの学習ログデータの差異を求める。改善提案部４０は、差異取得部３０により求められた差異に基づいて、改善提案対象者に対して改善提案を行う。
【選択図】図２

Description

本発明は、学習支援装置、学習支援方法、およびプログラムに関する。
従来、ｅラーニングやオンライン学習を利用する学習者に対して、学習方法といった学習についての改善提案を行う技術が提案されている（例えば、非特許文献１参照）。
このような技術では、まず、ｅラーニングやオンライン学習を利用する１人以上の学習者について、学習を行った際の情報である学習ログデータを収集する。次に、収集した学習ログデータを用いて、学習者のモデルを機械学習により構築する。次に、構築したモデルと、学習者のうち改善提案を行う改善提案対象者の学習ログデータと、に基づいて、改善提案対象者の今後の学習効果を予測し、予測結果に応じて学習についての改善提案を行う。
非特許文献１に示されている技術では、上述のモデルに決定木を用い、１つの要素の下に複数の学習成績が帰結として存在する場合、これら複数の帰結のうち学習成績の良い分岐方向への要素の内容について、改善提案を行う。このため、例えば複数の帰結のうち学習成績の良い分岐方向への要素の内容が「学習時間を長くするように」という内容であった場合、この内容で改善提案を行うことになる。
ここで、「学習時間を長くするように」という改善提案が行われる改善提案対象者は、学習時間が短いことになるが、学習時間の短い理由が「勉強が嫌いである」という者も存在し得る。勉強が嫌いな改善提案対象者に対して単に「学習時間を長くするように」と改善提案を行っても、十分な改善効果を得られないことが想定される。
以上のように、非特許文献１に示されている技術では、適切な内容で改善提案を行うことができず、学習者の学習効果を向上させることができないおそれがあった。
そこで、本発明は、上述の課題を鑑みてなされたものであり、学習効果を十分に向上させることができるように、学習についての改善提案を学習者に対して行うことを目的とする。
本発明は、上記の課題を解決するために、以下の事項を提案している。
（１） 本発明は、複数の学習者のうち改善提案対象者に対して学習についての改善提案を行う学習支援装置であって、学習を行った際の情報である学習ログデータを、前記学習者ごとに収集する学習ログデータ収集手段（例えば、図２の学習ログデータ収集部１０に相当）と、前記学習ログデータ収集手段により収集された学習ログデータを用いて、前記複数の学習者の学習モデル（例えば、後述の決定木に相当）を構築する学習モデル構築手段（例えば、図２の決定木構築部２０に相当）と、前記学習モデル構築手段により構築された学習モデルと、前記学習ログデータ収集手段により収集された前記改善提案対象者の学習ログデータと、に基づいて、当該改善提案対象者と特定成績上位者グループとの学習ログデータの差異を求める差異取得手段（例えば、図２の差異取得部３０に相当）と、前記差異取得手段により求められた差異に基づいて、前記改善提案対象者に対して改善提案を行う改善提案手段（例えば、図２の改善提案部４０に相当）と、を備え、前記差異取得手段は、前記学習モデル構築手段により構築された学習モデルと、前記学習ログデータ収集手段により収集された前記改善提案対象者の学習ログデータと、に基づいて、前記複数の学習者のうち当該改善提案対象者よりも学習成績の良い者で構成される成績上位者グループを求め、前記学習ログデータ収集手段により収集された学習ログデータに基づいて、前記改善提案対象者と、前記成績上位者グループに属する学習者と、を複数のグループに分類し、前記改善提案対象者と同じグループに分類された学習者を含んで構成される前記特定成績上位者グループを求め、前記改善提案対象者と前記特定成績上位者グループとの学習ログデータの差異を求めることを特徴とする学習支援装置を提案している。
この発明によれば、改善提案対象者よりも学習成績の良い学習者で構成される成績上位者グループに属する学習者の中から、学習ログデータに基づいて改善提案対象者と同じグループに分類される学習者を求め、求めた学習者を含んで構成される特定上位者グループを求めることとした。また、改善提案対象者と特定成績上位者グループとの学習ログデータの差異を求めることとした。このため、改善提案対象者よりも学習成績の良い学習者の中から、改善提案対象者との学習状況が近い者を見つけ出し、見つけ出した学習者と改善提案対象者との差異を求めることができる。したがって、改善提案対象者よりも単に学習成績が良いだけでなく、改善提案対象者との学習状況が近い者（例えば、改善提案対象者が勉強が嫌いである場合、勉強が嫌いな学習者のこと）について、改善提案対象者との差異を求めることができるので、適切な改善提案を改善提案対象者に対して行うことができる。よって、学習効果を十分に向上させることができるように、学習についての改善提案を改善提案対象者に対して行うことができる。
（２） 本発明は、（１）の学習支援装置について、前記学習モデル構築手段は、前記学習モデルとして決定木を構築し、前記差異取得手段（例えば、図６の差異取得部３０Ａに相当）は、前記成績上位者グループが複数の帰結を含んでいる場合、前記複数の帰結のうち前記改善提案対象者が属する帰結からの距離が最も短い帰結を１つ選択し、前記学習ログデータ収集手段により収集された学習ログデータに基づいて、前記改善提案対象者と、前記選択した帰結に属する学習者で構成されるグループに属する学習者と、を複数のグループに分類することを特徴とする学習支援装置を提案している。
ここで、改善提案対象者は、学習支援装置からの改善提案に基づいて、学習方法を見直したり、学習計画を立て直したりすることができる。しかし、改善提案の数があまりに多くなると、学習意欲が減退してしまう改善提案対象者や、どの改善提案から対応していくべきかを決定できない改善提案対象者が出てしまい、改善提案対象者の学習効果を向上させることができないおそれがある。
そこで、この発明によれば、（１）の学習支援装置において、学習モデルとして決定木を構築することとした。また、成績上位者グループが複数の帰結を含んでいる場合、これら複数の帰結のうち改善提案対象者が属する帰結からの距離が最も近い帰結を１つ選択することとした。
このため、改善提案対象者との差異を求める対象を厳選することができるので、改善提案の数を抑えることができる。したがって、改善提案対象者の学習効果を向上させることができる。
（３） 本発明は、（１）または（２）の学習支援装置について、前記改善提案手段（例えば、図８の改善提案部４０Ａに相当）は、前記学習ログデータ収集手段により収集された学習ログデータであって、前記学習モデル構築手段による前記学習モデルの構築に用いられなかった情報のうち、前記差異取得手段により求められた差異との相関性が予め定められた閾値以上であるものを求め、前記差異取得手段により求められた差異と、当該差異との相関性が前記閾値以上である情報と、に基づいて、前記改善提案対象者に対して改善提案を行うことを特徴とする学習支援装置を提案している。
この発明によれば、（１）または（２）の学習支援装置において、収集した学習ログデータであって学習モデルの構築に用いられなかった情報のうち、改善提案対象者と特定成績上位者グループとの差異との相関性が高いものを求め、求めた情報も用いて、改善提案を行うこととした。
このため、改善提案対象者と特定成績上位者グループとの差異との相関性が高い情報により、改善提案対象者と特定成績上位者グループとの差異についての改善提案を、多面的に行うことができる。したがって、改善提案の内容を改善提案対象者が理解したり実行したりするのを、容易化することができる。
（４） 本発明は、（１）から（３）のいずれかの学習支援装置について、前記学習モデル構築手段（例えば、図９の決定木構築部２０Ａに相当）は、前記改善提案手段による改善提案が行われたことによる前記改善提案対象者の学習についての改善効果に応じて、値を決定し、決定した値の数の帰結を有する決定木を構築することを特徴とする学習支援装置を提案している。
この発明によれば、（１）から（３）のいずれかの学習支援装置において、改善提案が行われたことによる改善提案対象者の学習についての改善効果に応じて値を決定し、決定した値の数の帰結を有する決定木を構築することとした。
このため、決定木の帰結の数を、改善提案による改善効果に応じて変化させることができる。したがって、改善提案による改善効果に応じた決定木を構築することができるので、改善提案対象者に適した改善提案を行うことができる。
（５） 本発明は、（１）から（４）のいずれかの学習支援装置について、前記学習ログデータ収集手段は、前記学習ログデータとして、学習中における学習者の生理学に基づく情報（例えば、後述の脳波、脈拍、皮膚伝導などの情報や、後述の６軸センサによる検出結果の情報に相当）と、学習中における学習者の周囲の環境の情報（例えば、後述の学習者の周囲の温度や湿度や騒音の大きさの情報に相当）と、の少なくともいずれかを用いることを特徴とする学習支援装置を提案している。
この発明によれば、（１）から（４）のいずれかの学習支援装置において、学習ログデータとして、学習中における学習者の生理学に基づく情報と、学習中における学習者の周囲の環境の情報と、の少なくともいずれかを用いることとした。
このため、学習中の学習者の状況を詳細に把握し、改善提案に反映させることができる。したがって、改善提案対象者にさらに適した改善提案を行うことができる。
（６） 本発明は、学習ログデータ収集手段（例えば、図２の学習ログデータ収集部１０に相当）、学習モデル構築手段（例えば、図２の決定木構築部２０に相当）、差異取得手段（例えば、図２の差異取得部３０に相当）、および改善提案手段（例えば、図２の改善提案部４０に相当）を備え、複数の学習者のうち改善提案対象者に対して学習についての改善提案を行う学習支援装置における学習支援方法であって、前記学習ログデータ収集手段が、学習を行った際の情報である学習ログデータを、前記学習者ごとに収集する第１のステップと、前記学習モデル構築手段が、前記第１のステップで収集された学習ログデータを用いて、前記複数の学習者の学習モデル（例えば、後述の決定木に相当）を構築する第２のステップと、前記差異取得手段が、前記第２のステップで構築された学習モデルと、前記第１のステップで収集された前記改善提案対象者の学習ログデータと、に基づいて、当該改善提案対象者と特定成績上位者グループとの学習ログデータの差異を求める第３のステップと、前記改善提案手段が、前記第３のステップで求められた差異に基づいて、前記改善提案対象者に対して改善提案を行う第４のステップと、を備え、前記第３のステップでは、前記差異取得手段が、前記第２のステップで構築された学習モデルと、前記第１のステップで収集された前記改善提案対象者の学習ログデータと、に基づいて、前記複数の学習者のうち当該改善提案対象者よりも学習成績の良い者で構成される成績上位者グループを求め、前記第１のステップで収集された学習ログデータに基づいて、前記改善提案対象者と、前記成績上位者グループに属する学習者と、を複数のグループに分類し、前記改善提案対象者と同じグループに分類された学習者を含んで構成される前記特定成績上位者グループを求め、前記改善提案対象者と前記特定成績上位者グループとの学習ログデータの差異を求めることを特徴とする学習支援方法を提案している。
この発明によれば、上述した効果と同様の効果を奏することができる。
（７） 本発明は、学習ログデータ収集手段（例えば、図２の学習ログデータ収集部１０に相当）、学習モデル構築手段（例えば、図２の決定木構築部２０に相当）、差異取得手段（例えば、図２の差異取得部３０に相当）、および改善提案手段（例えば、図２の改善提案部４０に相当）を備え、複数の学習者のうち改善提案対象者に対して学習についての改善提案を行う学習支援装置における学習支援方法を、コンピュータに実行させるためのプログラムであって、前記学習ログデータ収集手段が、学習を行った際の情報である学習ログデータを、前記学習者ごとに収集する第１のステップと、前記学習モデル構築手段が、前記第１のステップで収集された学習ログデータを用いて、前記複数の学習者の学習モデル（例えば、後述の決定木に相当）を構築する第２のステップと、前記差異取得手段が、前記第２のステップで構築された学習モデルと、前記第１のステップで収集された前記改善提案対象者の学習ログデータと、に基づいて、当該改善提案対象者と特定成績上位者グループとの学習ログデータの差異を求める第３のステップと、前記改善提案手段が、前記第３のステップで求められた差異に基づいて、前記改善提案対象者に対して改善提案を行う第４のステップと、をコンピュータに実行させ、前記第３のステップでは、前記差異取得手段が、前記第２のステップで構築された学習モデルと、前記第１のステップで収集された前記改善提案対象者の学習ログデータと、に基づいて、前記複数の学習者のうち当該改善提案対象者よりも学習成績の良い者で構成される成績上位者グループを求め、前記第１のステップで収集された学習ログデータに基づいて、前記改善提案対象者と、前記成績上位者グループに属する学習者と、を複数のグループに分類し、前記改善提案対象者と同じグループに分類された学習者を含んで構成される前記特定成績上位者グループを求め、前記改善提案対象者と前記特定成績上位者グループとの学習ログデータの差異を求めるためのプログラムを提案している。
この発明によれば、コンピュータを用いてプログラムを実行することで、上述した効果と同様の効果を奏することができる。
本発明によれば、学習効果を十分に向上させることができるように、学習についての改善提案を学習者に対して行うことができる。
本発明の第１実施形態に係る学習支援装置を有する学習支援システムのブロック図である。 本発明の第１実施形態に係る学習支援装置のブロック図である。 決定木の一例を示す図である。 本発明の第１実施形態に係る学習支援装置の動作を示すフローチャートである。 本発明の第１実施形態に係る学習支援装置の動作を示すフローチャートである。 本発明の第２実施形態に係る学習支援装置のブロック図である。 決定木の一例を示す図である。 本発明の第３実施形態に係る学習支援装置のブロック図である。 本発明の第４実施形態に係る学習支援装置のブロック図である。 本発明の第４実施形態に係る学習支援装置の動作を示すフローチャートである。
以下、本発明の実施の形態について図面を参照しながら説明する。なお、以下の実施形態における構成要素は適宜、既存の構成要素などとの置き換えが可能であり、また、他の既存の構成要素との組み合せを含む様々なバリエーションが可能である。したがって、以下の実施形態の記載をもって、特許請求の範囲に記載された発明の内容を限定するものではない。
＜第１実施形態＞
［学習支援システムＡＡの構成］
図１は、本発明の第１実施形態に係る学習支援装置１を有する学習支援システムＡＡのブロック図である。学習支援システムＡＡは、ｅラーニングやオンライン学習のサービスを学習者に提供するシステムであり、学習支援装置１、学習提供装置１００、および学習者端末Ｔ１からＴｎ（ｎは、ｎ≧１を満たす整数）を備える。これら学習支援装置１、学習提供装置１００、および学習者端末Ｔ１からＴｎは、例えばインターネット回線や電話回線を介して、互いに通信可能に設けられる。
学習提供装置１００は、学習者端末Ｔ１からＴｎのそれぞれに対して、多様な学習コンテンツを送信する。
学習者端末Ｔ１からＴｎのそれぞれは、学習者Ｕ１からＵｎのそれぞれが操作可能に設けられ、例えば、ＰＣ（Personal Computerの略）や、携帯電話や、タブレットＰＣや、ＳＴＢ（Set Top Boxの略）で構成される。学習者端末Ｔｘ（ｘは、１≦ｘ≦ｎを満たす任意の整数）は、学習者Ｕｘからの各種操作を受け付けたり、学習提供装置１００から受信した学習コンテンツの映像や音声を出力したり、学習支援装置１で行われた改善提案についての映像や音声を出力したりする。
学習支援装置１は、学習支援システムＡＡを利用して学習を行った学習者のうち改善提案対象者について、学習方法といった学習についての改善提案を行う。この学習支援装置１について、以下に詳述する。
［学習支援装置１の構成］
図２は、学習支援装置１のブロック図である。学習支援装置１は、学習ログデータ収集部１０、決定木構築部２０、差異取得部３０、および改善提案部４０を備える。
学習ログデータ収集部１０は、学習支援システムＡＡを利用して学習を行った各学習者について、学習ログデータおよび学習成績データを収集する。
学習ログデータとは、学習者ごとの、学習を行った際の情報のことである。この学習ログデータには、例えば、学習支援システムＡＡを利用して学習を行った時間や時間帯や回数などの情報や、学習者の得意科目および苦手科目についての情報などが用いられる。学習ログデータは、学習者が学習支援システムＡＡを利用して学習を行う際に学習提供装置１００で取得され、学習提供装置１００に記憶されているものとする。
学習成績データとは、学習者が受けたテストにおける学習成績についての情報のことであり、テストとは、学習支援システムＡＡを利用して学習者が受けるテストや、筆記テストなどのことである。学習成績データは、学習提供装置１００に記憶されているものとする。
決定木構築部２０は、学習提供装置１００が提供可能な学習コンテンツごと（例えば、足し算や引き算といった単元ごと）や、学習コンテンツの種類ごと（例えば、数学や英語といった科目ごと）に、学習を行った全ての学習者の学習ログデータを用いて決定木を構築する。
図３は、決定木構築部２０により構築された決定木の一例を示す図である。図３において、ｉ１、ｉ２、ｉ２’、ｉ３は要素を表し、θ＾１、θ＾２、θ＾３、θ＾４、θ＾５は帰結を表す。また、要素ｉ１から、帰結θ＾１からθ＾５のいずれかまで遷移する遷移の流れを、パスと呼び、パスを構成する要素間の矢印を、枝と呼ぶ。
例えば要素ｉ１に、学習ログデータ収集部１０により収集された学習ログデータのうち、学習時間が毎日１時間以上であるか否かという情報が適用されているものとする。この場合、学習時間が毎日１時間以上である場合には、「ｕｉ１＝１」となり、学習時間が毎日１時間未満である場合には、「ｕｉ１＝０」となる。また、例えば要素ｉ２に、学習ログデータ収集部１０により収集された学習ログデータのうち、学習を行った時間帯が午前中であるか否かという情報が適用されているものとする。この場合、学習を行った時間帯が午前中である場合には、「ｕｉ２＝１」となり、学習を行った時間帯が午後である場合には、「ｕｉ２＝０」となる。
差異取得部３０は、改善提案対象者と特定成績上位者グループとの差異を、決定木構築部２０により構築された決定木において求める。特定成績上位者グループについては、後に詳述する。
改善提案部４０は、差異取得部３０により求められた差異を、改善提案対象者の学習者端末に送信し、映像や音声として出力させる。
［学習支援装置１の動作］
図４は、学習支援装置１の動作を示すフローチャートである。
ステップＳ１において、学習支援装置１は、学習ログデータ収集部１０により、学習ログデータおよび学習成績データを収集し、ステップＳ２に処理を移す。
例えば、学習コンテンツＣ１を用いた学習についての改善提案を、改善提案対象者に対して学習支援装置１が行うものとする。この場合、ステップＳ１では、学習コンテンツＣ１により学習した際の学習ログデータと、学習コンテンツＣ１に関するテストにおける学習成績データとを、改善提案対象者と、改善提案対象者以外の全ての学習者と、のそれぞれごとに収集する。
ステップＳ２において、学習支援装置１は、決定木構築部２０により、決定木構築処理を行って決定木を構築し、ステップＳ３に処理を移す。決定木構築処理の詳細については、図５を用いて後述する。
図５は、上述の決定木構築処理のフローチャートである。
ステップＳ１１において、学習支援装置１は、決定木構築部２０により、ステップＳ１で収集した全ての学習成績データをクラスター解析し、これら学習成績データを複数に分類して、ステップＳ１２に処理を移す。クラスター解析には、例えばｋ−ｍｅａｎｓ法を用いることができる。
ステップＳ１２において、学習支援装置１は、決定木構築部２０により、ステップＳ１１における分類結果のそれぞれを、決定木の帰結として決定し、ステップＳ１３に処理を移す。
例えば図３では、帰結θ＾１からθ＾５の５つの帰結が存在している。このため、ステップＳ１で収集した全ての学習成績データは、ステップＳ１１で５つに分類されたことになる。なお、以降では、図３において、学習成績が０点から２０点までの学習者が帰結θ＾１に分類され、学習成績が２１点から４０点までの学習者が帰結θ＾２に分類され、学習成績が４１点から６０点までの学習者が帰結θ＾３に分類され、学習成績が６１点から８０点までの学習者が帰結θ＾４に分類され、学習成績が８１点から１００点までの学習者が帰結θ＾５に分類されているものとする。
ステップＳ１３において、学習支援装置１は、決定木構築部２０により、ステップＳ１で収集した全ての学習ログデータと、ステップＳ１２で決定した決定木の帰結と、に基づいて、決定木を構築し、図４のステップＳ３に処理を移す。決定木の構築には、例えばＣＡＲＴやＣ５．０などのアルゴリズムを用いることができる。
図４に戻って、ステップＳ３において、学習支援装置１は、ステップＳ２で構築した決定木を用いて改善提案対象者の学習成績を予測し、ステップＳ４に処理を移す。具体的には、ステップＳ１で収集した改善提案対象者の学習ログデータについて、ステップＳ２で構築した決定木の各要素の内容を満たすか否かを判別して、改善提案対象者の学習ログデータに応じた決定木上のパスを同定する。これによれば、改善提案対象者のこれまでの学習状況から、改善提案対象者が図３の帰結θ＾１からθ＾５の５つの帰結のいずれに属することになるのかが推定されることになる。
例えば、要素ｉ１に、学習時間が毎日１時間以上であるか否かという情報が適用され、要素ｉ２に、学習を行った時間帯が午前中であるか否かという情報が適用されているものとする。また、改善提案対象者の学習ログデータの中に、学習時間が毎日１時間未満であるという情報と、学習を行った時間帯が午前中であるという情報と、が含まれているものとする。すると、ステップＳ３の処理により、改善提案対象者の学習ログデータに応じた決定木上のパスとして、要素ｉ１から要素ｉ２を通って帰結θ＾２まで遷移するパスが同定され、改善提案対象者は、帰結θ＾２に属すると推定されることになる。すなわち、改善提案対象者のこれまでの学習状況によれば、改善提案対象者がテストを受けると、２１点から４０点までの間の学習成績になるだろうと推定されることになる。
ステップＳ４において、学習支援装置１は、差異取得部３０により、改善提案対象者よりも学習成績の良い学習者で構成されるグループ（以降、「成績上位者グループ」と呼ぶ）を抽出し、ステップＳ５に処理を移す。
このステップＳ４の処理により、図３では、帰結θ＾４に属する学習者と、帰結θ＾５に属する学習者と、で構成されるグループが抽出されることになる。
ステップＳ５において、学習支援装置１は、ステップＳ１で収集した学習ログデータに基づいて、改善提案対象者と、ステップＳ４で抽出した成績上位者グループに属する学習者と、を複数のグループに分類し、ステップＳ６に処理を移す。
具体的には、まず、ステップＳ１で収集した学習ログデータのうち、改善提案対象者のものと、ステップＳ４で抽出した成績上位者グループに属する各学習者のものと、を取得する。次に、これら取得した学習ログデータに含まれる各情報に基づいて、改善提案対象者と、ステップＳ４で抽出した成績上位者グループに属する学習者と、を複数のグループに分類する。分類には、例えばクラスター解析を用いることができる。
ここで、上述の取得した学習ログデータの中には、決定木構築部２０による決定木の構築には用いられなかった情報も含まれる。例えば、上述の取得した学習ログデータであって決定木の構築には用いられなかった情報として、得意科目であるか否かといった情報が含まれていたとする。すると、これら情報を用いて上述の改善提案対象者および学習者を分類すれば、改善提案対象者よりも学習成績が良い学習者であって改善提案対象者に似た学習状況にある者を、見つけることができる。
ステップＳ６において、学習支援装置１は、差異取得部３０により、ステップＳ５で改善提案対象者と同じグループに分類された学習者が属する帰結を求め、求めた帰結に属する学習者で構成されるグループを上述の特定成績上位者グループとして求め、ステップＳ７に処理を移す。
ここで、ステップＳ５で改善提案対象者と同じグループに分類された学習者が複数存在し、これら複数の学習者のそれぞれが異なる帰結に属する場合が発生し得る。
例えば、ステップＳ５で改善提案対象者と同じグループに分類された学習者が４名存在し、そのうちの３名が帰結θ＾４に属し、残りの１名が帰結θ＾５に属するものとする。この場合、帰結θ＾４に属する学習者と、帰結θ＾５に属する学習者と、で構成されるグループを、上述の特定成績上位者グループとして求めてもよい。また、この場合、ステップＳ５で改善提案対象者と同じグループに分類された学習者のうち同一の帰結に属する者の人数が最も多い帰結、すなわち帰結θ＾４に属する学習者で構成されるグループを、上述の特定成績上位者グループとして求めてもよい。
また、例えば、ステップＳ５で改善提案対象者と同じグループに分類された学習者が４名存在し、そのうちの３名が帰結θ＾４に属し、残りの１名が帰結θ＾５に属するものとする。さらに、帰結θ＾４には５名の学習者が属し、帰結θ＾５には２名の学習者が属するものとする。この場合、帰結θ＾４に属する学習者のうち、ステップＳ５で改善提案対象者と同じグループに分類された学習者の割合は、６０％になり、帰結θ＾５に属する学習者のうち、ステップＳ５で改善提案対象者と同じグループに分類された学習者の割合は、５０％になる。そこで、ステップＳ５で改善提案対象者と同じグループに分類された学習者の割合が最も高い帰結、すなわち帰結θ＾４に属する学習者で構成されるグループを、上述の特定成績上位者グループとして求めてもよい。
ステップＳ７において、学習支援装置１は、差異取得部３０により、改善提案対象者と、ステップＳ６で求めた特定成績上位者グループと、の差異を、ステップＳ２で構築した決定木において求め、ステップＳ８に処理を移す。
例えば、改善提案対象者が帰結θ＾２に属し、ステップＳ６で特定成績上位者グループとして、帰結θ＾４に属する学習者で構成されるグループが抽出されたものとする。すると、ステップＳ７の処理により、上述の差異として、「ｕｉ１＝１」という情報と、「ｕｉ２’＝１」という情報と、「ｕｉ３＝０」という情報と、が求められることになる。
また、例えば、改善提案対象者が帰結θ＾２に属し、ステップＳ６で特定成績上位者グループとして、帰結θ＾４に属する学習者と、帰結θ＾５に属する学習者と、で構成されるグループが抽出されたものとする。すると、ステップＳ７の処理により、上述の差異として、「ｕｉ１＝１」という情報と、「ｕｉ２’＝１」という情報と、が求められることになる。
ステップＳ８において、学習支援装置１は、改善提案部４０により、ステップＳ７で求めた差異を改善提案対象者の学習者端末に送信し、映像や音声として出力させ、図４に示した処理を終了する。
以上の学習支援装置１によれば、以下の効果を奏することができる。
学習支援装置１は、改善提案対象者よりも学習成績の良い学習者で構成される成績上位者グループに属する学習者の中から、改善提案対象者との学習状況が近い者を見つけ出し、見つけ出した学習者と改善提案対象者との差異を求める。このため、改善提案対象者よりも単に学習成績が良いだけでなく、改善提案対象者との学習状況が近い者について、改善提案対象者との差異を求めることができるので、適切な改善提案を改善提案対象者に対して行うことができる。したがって、学習効果を十分に向上させることができるように、学習についての改善提案を改善提案対象者に対して行うことができる。
＜第２実施形態＞
［学習支援装置１Ａの構成］
図６は、本発明の第２実施形態に係る学習支援装置１Ａのブロック図である。学習支援装置１Ａは、図１に示した学習支援システムＡＡにおいて学習支援装置１の代わりに用いることができる。学習支援装置１Ａは、学習支援装置１とは、差異取得部３０の代わりに差異取得部３０Ａを備える点が異なる。学習支援装置１Ａにおいて、学習支援装置１と同一構成要件については、同一符号を付し、その説明を省略する。
差異取得部３０Ａは、差異取得部３０と同様に、成績上位者グループを求めてから特定成績上位者グループを求め、改善提案対象者と特定成績上位者グループとの差異を、決定木構築部２０により構築された決定木において求める。ただし、差異取得部３０Ａは、成績上位者グループが複数の帰結を含んでいる場合、これら複数の帰結のうち改善提案対象者が属する帰結からの距離が最も短い帰結を１つ選択し、選択した帰結に属する学習者で構成されるグループを抽出する。
例えば、図７に示す決定木が決定木構築部２０により構築され、改善提案対象者が帰結θ＾１２に属し、改善提案対象者よりも学習成績の良い学習者で構成されるグループが、帰結θ＾１３、帰結θ＾１４、および帰結θ＾１５を含むものとする。この場合、帰結θ＾１２と帰結θ＾１３とを結ぶ枝の数は、４つであり、帰結θ＾１２と帰結θ＾１４とを結ぶ枝の数は、５つであり、帰結θ＾１２と帰結θ＾１５とを結ぶ枝の数は、５つになる。そこで、差異取得部３０Ａは、帰結θ＾１２と結ばれる枝の数が最も少ない帰結θ＾１３を選択し、帰結θ＾１３に属する学習者で構成されるグループを、成績上位者グループとして抽出する。
以上の学習支援装置１Ａによれば、学習支援装置１が奏することのできる上述の効果に加えて、以下の効果を奏することができる。
学習支援装置１Ａは、改善提案対象者との差異を求める対象を厳選することができるので、改善提案の数を抑えることができる。このため、改善提案の数が多すぎるために、学習意欲が減退してしまったり、どの改善提案から対応していくべきかを決定できなくなってしまったりするのを抑制することができ、改善提案対象者の学習効果を向上させることができる。
＜第３実施形態＞
［学習支援装置１Ｂの構成］
図８は、本発明の第３実施形態に係る学習支援装置１Ｂのブロック図である。学習支援装置１Ｂは、図１に示した学習支援システムＡＡにおいて学習支援装置１の代わりに用いることができる。学習支援装置１Ｂは、学習支援装置１とは、改善提案部４０の代わりに改善提案部４０Ａを備える点が異なる。学習支援装置１Ｂにおいて、学習支援装置１と同一構成要件については、同一符号を付し、その説明を省略する。
改善提案部４０Ａは、改善提案部４０と同様に、差異取得部３０により求められた差異を、改善提案対象者の学習者端末に送信し、映像や音声として出力させる。ただし、改善提案部４０Ａは、上述の差異だけでなく、上述の差異と相関性の高い情報も、改善提案対象者の学習者端末に送信し、映像や音声として出力させる。
例えば、学習ログデータ収集部１０により収集された改善提案対象者の学習ログデータの中に、学習時間が毎日１時間未満であるという情報と、学習支援システムＡＡへの前回のログイン時刻から今回のログイン時刻までのログイン間隔が２４時間以上であるという情報と、が含まれているものとする。また、学習時間が毎日１時間以上であるか否かについての情報は、差異取得部３０により求められた差異に含まれており、学習支援システムＡＡへのログイン間隔が２４時間未満であるか否かについての情報は、決定木構築部２０による決定木の構築に用いられなかったものとする。
学習支援システムＡＡへのログイン間隔が短いほど、毎日の学習時間が長くなることが想定されるので、学習支援システムＡＡへのログイン間隔が２４時間未満であるか否かについての情報は、学習時間が毎日１時間以上であるか否かについての情報と、相関性が高いと考えられる。そこで、改善提案部４０Ａは、学習支援システムＡＡへのログイン間隔が２４時間未満であるか否かについて、特定成績上位者グループに属する学習者がどうであったかを、学習ログデータ収集部１０により収集された学習ログデータの中から求め、求めた情報も改善提案対象者の学習者端末に送信する。
なお、上述の相関性については、相関分析により求める。具体的には、まず、差異取得部３０により求められた差異と、学習ログデータ収集部１０により収集された改善提案対象者の学習ログデータであって決定木の構築には用いられなかった情報のそれぞれと、について相関分析を行う。次に、相関分析結果が予め定められた閾値以上であるものを、差異取得部３０により求められた差異との相関性が高いと判定する。
また、差異取得部３０により求められた差異との相関性が高いと判定したものが複数存在する場合、それら全てについて改善提案対象者の学習者端末に送信してもよいし、それらのうち最も相関性の高いもののみについて改善提案対象者の学習者端末に送信してもよい。
以上の学習支援装置１Ｂによれば、学習支援装置１が奏することのできる上述の効果に加えて、以下の効果を奏することができる。
学習支援装置１Ｂは、改善提案対象者と特定成績上位者グループとの差異との相関性が高い情報により、改善提案対象者と特定成績上位者グループとの差異についての改善提案を、多面的に行うことができる。したがって、改善提案の内容を改善提案対象者が理解したり実行したりするのを、容易化することができる。
＜第４実施形態＞
［学習支援装置１Ｃの構成］
図９は、本発明の第４実施形態に係る学習支援装置１Ｃのブロック図である。学習支援装置１Ｃは、図１に示した学習支援システムＡＡにおいて学習支援装置１の代わりに用いることができる。学習支援装置１Ｃは、学習支援装置１とは、決定木構築部２０の代わりに決定木構築部２０Ａを備える点が異なる。学習支援装置１Ｃにおいて、学習支援装置１と同一構成要件については、同一符号を付し、その説明を省略する。
決定木構築部２０Ａは、決定木構築部２０と同様に、学習ログデータを用いて決定木を構築する。ただし、決定木構築部２０Ａは、改善提案による改善効果に応じて、決定木の帰結の数を変化させる。
図１０は、本実施形態に係る決定木構築処理のフローチャートである。
ステップＳ２１において、学習支援装置１Ｃは、決定木構築部２０Ａにより、前回の改善提案では十分な改善効果が得られなかったか否かを判別する。そして、得られなかったと判別した場合には、ステップＳ２２に処理を移し、得られたと判別した場合や、今回の改善提案が１回目である場合には、ステップＳ２３に処理を移す。
ここで、十分な改善効果が得られなかったか否かの判別は、学習ログデータ収集部１０により収集された改善提案対象者の学習ログデータを用いて行う。具体的には、学習ログデータ収集部１０により収集された改善提案対象者の学習ログデータのうち、前回の改善提案において改善提案対象者の学習者端末に送信した改善提案を示す情報について、予め定められた閾値以上の改善が行われたか否かを検討する。そして、閾値以上の改善が行われた場合には、十分な改善効果が得られたと判別し、閾値以上の改善が行われなかった場合には、十分な改善効果が得られなかったと判別する。
ステップＳ２２において、学習支援装置１Ｃは、決定木構築部２０Ａにより、決定木の帰結の数ｋをｎだけ増加させ（ｋは、ｋ≧２を満たす整数で、ｎは、ｎ≧１を満たす整数）、ステップＳ２３に処理を移す。
ステップＳ２３において、学習支援装置１Ｃは、決定木構築部２０Ａにより、図５のステップＳ１１において学習支援装置１が決定木構築部２０により行う処理と同様に、ステップＳ１で収集した全ての学習成績データに対して、これら学習成績データを複数に分類して、ステップＳ２４に処理を移す。学習成績データを分類する数については、上述の「ｋ」の値を適用する。
ステップＳ２４およびステップＳ２５のそれぞれにおいて、学習支援装置１Ｃは、図５のステップＳ１２およびステップＳ１３のそれぞれにおいて学習支援装置１が行う処理と同様の処理を行う。
以上の学習支援装置１Ｃによれば、学習支援装置１が奏することのできる上述の効果に加えて、以下の効果を奏することができる。
学習支援装置１Ｃは、決定木の帰結の数を、改善提案による改善効果に応じて変化させることができる。したがって、改善提案による改善効果に応じた決定木を構築することができるので、改善提案対象者に適した改善提案を行うことができる。
なお、本発明の学習支援装置１、１Ａ、１Ｂ、１Ｃの処理を、コンピュータ読み取り可能な非一時的な記録媒体に記録し、この記録媒体に記録されたプログラムを学習支援装置１、１Ａ、１Ｂ、１Ｃに読み込ませ、実行することによって、本発明を実現できる。
ここで、上述の記録媒体には、例えば、ＥＰＲＯＭやフラッシュメモリといった不揮発性のメモリ、ハードディスクといった磁気ディスク、ＣＤ−ＲＯＭなどを適用できる。また、この記録媒体に記録されたプログラムの読み込みおよび実行は、学習支援装置１、１Ａ、１Ｂ、１Ｃに設けられたプロセッサによって行われる。
また、上述のプログラムは、このプログラムを記憶装置などに格納した学習支援装置１、１Ａ、１Ｂ、１Ｃから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネットなどのネットワーク（通信網）や電話回線などの通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上述のプログラムは、上述の機能の一部を実現するためのものであってもよい。さらに、上述の機能を学習支援装置１、１Ａ、１Ｂ、１Ｃにすでに記録されているプログラムとの組み合せで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
以上、この発明の実施形態につき、図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計なども含まれる。
例えば、上述の第１実施形態では、決定木の構築を、図４に示したように改善提案対象者に対して改善提案を行うたびに行うものとしたが、これに限らず、例えば、１日１回といったように予め定められたタイミングで行ったり、予め定められた回数だけ改善提案を行うたびに行ったりしてもよい。
また、上述の第１実施形態では、改善提案対象者の学習成績を、決定木を用いて予測するものとした。しかし、これに限らず、例えば改善提案対象者の受けたテスト結果を、改善提案対象者の学習成績として用いてもよい。
また、上述の第３実施形態では、学習ログデータ収集部１０により収集された改善提案対象者の学習ログデータであって決定木の構築には用いられなかった情報のうち、差異取得部３０により求められた差異との相関性が高いものを、相関分析により求めるものとした。ここで、この相関分析は、差異取得部３０により差異が求められるたびに行ってもよいし、予め行われて、学習ログデータのどの情報とどの情報との相関性が高いが定められているものとしてもよい。
また、上述の第４実施形態では、ステップＳ２２において、決定木の帰結の数ｋをｎだけ増加させるものとしたが、これに限らず、決定木の帰結の数ｋをｎだけ減少させるものとしてもよい。
また、上述の各実施形態において、学習環境データも学習ログデータの一部として用いてもよい。ここで、学習環境データとは、学習中における学習者の脳波、脈拍、皮膚伝導などの生理学に基づく情報や、学習中における学習者の周囲の温度や湿度や騒音の大きさの情報や、学習中における学習者や学習者端末の６軸センサによる検出結果の情報のことであり、学習者端末に設けられた各種センサにより取得される。学習環境データも学習ログデータの一部として用いることで、学習者の学習状況をより細かく把握して、改善提案を行うことができる。
ＡＡ・・・学習支援システム
１、１Ａ、１Ｂ、１Ｃ・・・学習支援装置
１０・・・学習ログデータ収集部
２０、２０Ａ・・・決定木構築部
３０、３０Ａ・・・差異取得部
４０、４０Ａ・・・改善提案部

Claims (7)

  1. 複数の学習者のうち改善提案対象者に対して学習についての改善提案を行う学習支援装置であって、
    学習を行った際の情報である学習ログデータを、前記学習者ごとに収集する学習ログデータ収集手段と、
    前記学習ログデータ収集手段により収集された学習ログデータを用いて、前記複数の学習者の学習モデルを構築する学習モデル構築手段と、
    前記学習モデル構築手段により構築された学習モデルと、前記学習ログデータ収集手段により収集された前記改善提案対象者の学習ログデータと、に基づいて、当該改善提案対象者と特定成績上位者グループとの学習ログデータの差異を求める差異取得手段と、
    前記差異取得手段により求められた差異に基づいて、前記改善提案対象者に対して改善提案を行う改善提案手段と、を備え、
    前記差異取得手段は、
    前記学習モデル構築手段により構築された学習モデルと、前記学習ログデータ収集手段により収集された前記改善提案対象者の学習ログデータと、に基づいて、前記複数の学習者のうち当該改善提案対象者よりも学習成績の良い者で構成される成績上位者グループを求め、
    前記学習ログデータ収集手段により収集された学習ログデータに基づいて、前記改善提案対象者と、前記成績上位者グループに属する学習者と、を複数のグループに分類し、
    前記改善提案対象者と同じグループに分類された学習者を含んで構成される前記特定成績上位者グループを求め、
    前記改善提案対象者と前記特定成績上位者グループとの学習ログデータの差異を求めることを特徴とする学習支援装置。
  2. 前記学習モデル構築手段は、前記学習モデルとして決定木を構築し、
    前記差異取得手段は、前記成績上位者グループが複数の帰結を含んでいる場合、
    前記複数の帰結のうち前記改善提案対象者が属する帰結からの距離が最も短い帰結を１つ選択し、
    前記学習ログデータ収集手段により収集された学習ログデータに基づいて、前記改善提案対象者と、前記選択した帰結に属する学習者で構成されるグループに属する学習者と、を複数のグループに分類することを特徴とする請求項１に記載の学習支援装置。
  3. 前記改善提案手段は、
    前記学習ログデータ収集手段により収集された学習ログデータであって、前記学習モデル構築手段による前記学習モデルの構築に用いられなかった情報のうち、前記差異取得手段により求められた差異との相関性が予め定められた閾値以上であるものを求め、
    前記差異取得手段により求められた差異と、当該差異との相関性が前記閾値以上である情報と、に基づいて、前記改善提案対象者に対して改善提案を行うことを特徴とする請求項１または２に記載の学習支援装置。
  4. 前記学習モデル構築手段は、
    前記改善提案手段による改善提案が行われたことによる前記改善提案対象者の学習についての改善効果に応じて、値を決定し、
    決定した値の数の帰結を有する決定木を構築することを特徴とする請求項１から３のいずれかに記載の学習支援装置。
  5. 前記学習ログデータ収集手段は、前記学習ログデータとして、学習中における学習者の生理学に基づく情報と、学習中における学習者の周囲の環境の情報と、の少なくともいずれかを用いることを特徴とする請求項１から４のいずれかに記載の学習支援装置。
  6. 学習ログデータ収集手段、学習モデル構築手段、差異取得手段、および改善提案手段を備え、複数の学習者のうち改善提案対象者に対して学習についての改善提案を行う学習支援装置における学習支援方法であって、
    前記学習ログデータ収集手段が、学習を行った際の情報である学習ログデータを、前記学習者ごとに収集する第１のステップと、
    前記学習モデル構築手段が、前記第１のステップで収集された学習ログデータを用いて、前記複数の学習者の学習モデルを構築する第２のステップと、
    前記差異取得手段が、前記第２のステップで構築された学習モデルと、前記第１のステップで収集された前記改善提案対象者の学習ログデータと、に基づいて、当該改善提案対象者と特定成績上位者グループとの学習ログデータの差異を求める第３のステップと、
    前記改善提案手段が、前記第３のステップで求められた差異に基づいて、前記改善提案対象者に対して改善提案を行う第４のステップと、を備え、
    前記第３のステップでは、前記差異取得手段が、
    前記第２のステップで構築された学習モデルと、前記第１のステップで収集された前記改善提案対象者の学習ログデータと、に基づいて、前記複数の学習者のうち当該改善提案対象者よりも学習成績の良い者で構成される成績上位者グループを求め、
    前記第１のステップで収集された学習ログデータに基づいて、前記改善提案対象者と、前記成績上位者グループに属する学習者と、を複数のグループに分類し、
    前記改善提案対象者と同じグループに分類された学習者を含んで構成される前記特定成績上位者グループを求め、
    前記改善提案対象者と前記特定成績上位者グループとの学習ログデータの差異を求めることを特徴とする学習支援方法。
  7. 学習ログデータ収集手段、学習モデル構築手段、差異取得手段、および改善提案手段を備え、複数の学習者のうち改善提案対象者に対して学習についての改善提案を行う学習支援装置における学習支援方法を、コンピュータに実行させるためのプログラムであって、
    前記学習ログデータ収集手段が、学習を行った際の情報である学習ログデータを、前記学習者ごとに収集する第１のステップと、
    前記学習モデル構築手段が、前記第１のステップで収集された学習ログデータを用いて、前記複数の学習者の学習モデルを構築する第２のステップと、
    前記差異取得手段が、前記第２のステップで構築された学習モデルと、前記第１のステップで収集された前記改善提案対象者の学習ログデータと、に基づいて、当該改善提案対象者と特定成績上位者グループとの学習ログデータの差異を求める第３のステップと、
    前記改善提案手段が、前記第３のステップで求められた差異に基づいて、前記改善提案対象者に対して改善提案を行う第４のステップと、をコンピュータに実行させ、
    前記第３のステップでは、前記差異取得手段が、
    前記第２のステップで構築された学習モデルと、前記第１のステップで収集された前記改善提案対象者の学習ログデータと、に基づいて、前記複数の学習者のうち当該改善提案対象者よりも学習成績の良い者で構成される成績上位者グループを求め、
    前記第１のステップで収集された学習ログデータに基づいて、前記改善提案対象者と、前記成績上位者グループに属する学習者と、を複数のグループに分類し、
    前記改善提案対象者と同じグループに分類された学習者を含んで構成される前記特定成績上位者グループを求め、
    前記改善提案対象者と前記特定成績上位者グループとの学習ログデータの差異を求めるためのプログラム。
JP2013247584A 2013-11-29 2013-11-29 学習支援装置、学習支援方法、およびプログラム Expired - Fee Related JP6158053B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013247584A JP6158053B2 (ja) 2013-11-29 2013-11-29 学習支援装置、学習支援方法、およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2013247584A JP6158053B2 (ja) 2013-11-29 2013-11-29 学習支援装置、学習支援方法、およびプログラム

Publications (2)

Publication Number Publication Date
JP2015106257A true JP2015106257A (ja) 2015-06-08
JP6158053B2 JP6158053B2 (ja) 2017-07-05

Family

ID=53436325

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013247584A Expired - Fee Related JP6158053B2 (ja) 2013-11-29 2013-11-29 学習支援装置、学習支援方法、およびプログラム

Country Status (1)

Country Link
JP (1) JP6158053B2 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018205354A (ja) * 2017-05-30 2018-12-27 大日本印刷株式会社 学習支援装置、学習支援システム及びプログラム
KR101946161B1 (ko) 2017-09-06 2019-02-08 한국외국어대학교 연구산학협력단 프로젝트 기반 학습과정을 위한 팀구성 지원 방법
WO2022181104A1 (ja) * 2021-02-25 2022-09-01 日本電気株式会社 分析装置、分析方法及び非一時的なコンピュータ可読媒体

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003131549A (ja) * 2001-10-24 2003-05-09 Nippon Telegr & Teleph Corp <Ntt> 学習コース設計支援装置、そのプログラムおよびそのプログラムを記録した媒体
JP2004144785A (ja) * 2002-10-21 2004-05-20 Tama Tlo Kk データ処理装置、その方法およびそのプログラム
JP2004178521A (ja) * 2002-11-29 2004-06-24 Superstation Inc 推薦システム
JP2006048129A (ja) * 2004-07-30 2006-02-16 Toshiba Corp データ処理装置、データ処理方法及びデータ処理プログラム
JP2009075469A (ja) * 2007-09-21 2009-04-09 Brother Ind Ltd 学習支援装置、及び学習支援プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003131549A (ja) * 2001-10-24 2003-05-09 Nippon Telegr & Teleph Corp <Ntt> 学習コース設計支援装置、そのプログラムおよびそのプログラムを記録した媒体
JP2004144785A (ja) * 2002-10-21 2004-05-20 Tama Tlo Kk データ処理装置、その方法およびそのプログラム
JP2004178521A (ja) * 2002-11-29 2004-06-24 Superstation Inc 推薦システム
JP2006048129A (ja) * 2004-07-30 2006-02-16 Toshiba Corp データ処理装置、データ処理方法及びデータ処理プログラム
JP2009075469A (ja) * 2007-09-21 2009-04-09 Brother Ind Ltd 学習支援装置、及び学習支援プログラム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018205354A (ja) * 2017-05-30 2018-12-27 大日本印刷株式会社 学習支援装置、学習支援システム及びプログラム
JP7052224B2 (ja) 2017-05-30 2022-04-12 大日本印刷株式会社 学習支援装置、学習支援システム及びプログラム
KR101946161B1 (ko) 2017-09-06 2019-02-08 한국외국어대학교 연구산학협력단 프로젝트 기반 학습과정을 위한 팀구성 지원 방법
WO2022181104A1 (ja) * 2021-02-25 2022-09-01 日本電気株式会社 分析装置、分析方法及び非一時的なコンピュータ可読媒体

Also Published As

Publication number Publication date
JP6158053B2 (ja) 2017-07-05

Similar Documents

Publication Publication Date Title
Berryhill et al. Hello, World: Artificial intelligence and its use in the public sector
JP6384065B2 (ja) 情報処理装置、学習方法、及び、プログラム
KR102252081B1 (ko) 이미지 특성의 획득
Cook et al. Strategic foresight: how planning for the unpredictable can improve environmental decision-making
US11551103B2 (en) Data-driven activity prediction
KR102033050B1 (ko) 시간차 모델을 위한 비지도 학습 기법
CN109829433A (zh) 人脸图像识别方法、装置、电子设备及存储介质
KR102281590B1 (ko) 음성인식 성능 향상을 위한 비 지도 가중치 적용 학습 시스템 및 방법, 그리고 기록 매체
CN109313540B (zh) 口语对话***的两阶段训练
Alkhomsan et al. Situation awareness in ambient assisted living for smart healthcare
JP6093792B2 (ja) 測位装置、測位方法、測位プログラム、および、測位システム
US20180005077A1 (en) Automated selection of subjectively best image frames from burst captured image sequences
CN110309434A (zh) 一种轨迹数据处理方法、装置以及相关设备
JP2011248831A (ja) 情報処理装置および方法、並びに、プログラム
KR20190056940A (ko) 멀티모달 데이터 학습 방법 및 장치
CN112015896B (zh) 基于人工智能的情感分类方法、以及装置
US20190370543A1 (en) Land use determination system, land use determination method and program
JP6158053B2 (ja) 学習支援装置、学習支援方法、およびプログラム
Gallacher et al. Shazam for bats: Internet of Things for continuous real‐time biodiversity monitoring
JP2021060982A (ja) データ分析システム診断方法、データ分析システム最適化方法、デバイス及び媒体
JP6970641B2 (ja) 感情推測方法、感情推測装置及びプログラム
CN112560823B (zh) 基于分布学习的自适应方差和权重的人脸年龄估计方法
CN112149426B (zh) 阅读任务处理方法及相关设备
US20180082196A1 (en) Generation apparatus, generation method, and non-transitory computer readable storage medium
Chen et al. Proposal of home context recognition method using feature values of cognitive API

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160727

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20170428

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: 20170606

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170607

R150 Certificate of patent or registration of utility model

Ref document number: 6158053

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees