JP6981016B2 - 情報処理装置および情報処理方法 - Google Patents

Description

本開示は、情報処理装置および情報処理方法に関する。

一般的に、学習の習得度は、学校または学校に準ずる公的な機関が定めるカリキュラムに基づいて評価される。例えば、学習者は、１０時間の講義を受けた後にテストを受験し、当該テストの点数に基づいて習得度が評価される。

しかしながら、近年、上述したような長時間の学習ではない、短時間の学習（以下では、マイクロ学習とも呼ばれる）が注目されている。例えば、人は、１０分程度の会話から学習することがあり、そのような短時間の学習の積み重ねによる学習は、重要である。

特許文献１では、上述したようなマイクロ学習を管理するためのシステムが開示されている。特許文献１に開示されているシステムでは、マイクロ学習に関するアプリケーションの購入、売却、パフォーマンスを管理することによって、マイクロ学習の管理を行う。

米国特許出願公開第２０１４／０３４３９９６号明細書

しかしながら特許文献１に開示されている技術は、アプリケーションで売買される特定の学習の管理を行うため、ユーザの学習の管理を十分に行うことができない。

そこで本開示では、ユーザの学習の管理を適切に行うことが可能な、情報処理装置および情報処理方法が提案される。

本開示によれば、学習情報に基づいて認定される第１の学習単位と、所定の条件と、に基づいて第２の学習単位を認定し、認定された前記第２の学習単位に関する情報をＰ２Ｐデータベースに登録する処理部を備える、情報処理装置が提供される。

また、本開示によれば、コンピュータに、学習情報に基づいて認定される第１の学習単位と、所定の条件と、に基づいて第２の学習単位を認定させ、認定された前記第２の学習単位に関する情報をＰ２Ｐデータベースに登録させる、情報処理方法が提供される。

本開示によれば、広範囲なマイクロ学習の管理が行われる。

なお、上記の効果は必ずしも限定されず、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

図１は、本開示の実施形態に係るブロックチェーンシステムを模式的に示す図である。 図２は、本開示の実施形態に係るブロックチェーンシステムを模式的に示す図である。 図３は、本開示の実施形態に係るブロックチェーンシステムを模式的に示す図である。 図４は、本開示の実施形態に係る学習管理システムの構成を模式的に示す図である。 図５は、本開示の実施形態に係る学習装置の機能構成の一例を示すブロック図である。 図６は、本開示の実施形態に係るサーバの機能構成の一例を示すブロック図である。 図７は、本開示の実施形態における情報処理方法の一例を示す図である。 図８は、本開示の実施形態における情報処理方法の一例を示す図である。 図９は、本開示の実施形態においてマイクロ学習単位および包括学習単位が認定される過程を示す図である。 図１０は、本開示の実施形態においてブロックチェーンシステムで管理される情報の一例を示す図である。 図１１は、本開示の実施形態に係る学習装置のハードウェア構成の一例を示す図である。 図１２は、本開示の実施形態に係るサーバのハードウェア構成の一例を示す図である。

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

なお、説明は以下の順序で行う。
０．ピアツーピアデータベースの概要
１．学習管理システムの概要
２．学習管理システムを構成する装置の構成
３．学習管理システムにおける情報処理方法
４．各装置のハードウェア構成
５．補足事項
６．むすび

＜０．ピアツーピアデータベースの概要＞
本実施形態に係る学習管理システムでは、ピアツーピアネットワークに流通している分散型のピアツーピアデータベースが利用される。なお、ピアツーピアネットワークは、ピアツーピア型分散ファイルシステムとよばれる場合もある。以下では、ピアツーピアネットワークを「Ｐ２Ｐネットワーク」、ピアツーピアデータベースを「Ｐ２Ｐデータベース」と示す場合がある。Ｐ２Ｐデータベースの例として、Ｐ２Ｐネットワークに流通しているブロックチェーンデータが利用される場合がある。よって最初に、ブロックチェーンシステムについて説明する。

図１に示すように、本実施形態に係るブロックチェーンデータは、複数のブロックがあたかも鎖のように連なって含まれるデータである。それぞれのブロックには、１または２以上の対象データが、トランザクション（取引）として格納されうる。

本実施形態に係るブロックチェーンデータとしては、例えば、Ｂｉｔｃｏｉｎなどの仮想通貨のデータのやり取りに用いられるブロックチェーンデータが挙げられる。仮想通貨のデータのやり取りに用いられるブロックチェーンデータには、例えば、直前のブロックのハッシュと、ナンスとよばれる特別な値が含まれる。直前のブロックのハッシュは、直前のブロックから正しく連なる、「正しいブロック」であるか否かを判定するために用いられる。ナンスは、ハッシュを用いた認証においてなりすましを防ぐために用いられ、ナンスを用いることによって改ざんが防止される。ナンスとしては、例えば、文字列、数字列、あるいは、これらの組み合わせを示すデータが挙げられる。

また、ブロックチェーンデータでは、各トランザクションのデータは、暗号鍵を用いた電子署名が付与される、または暗号鍵を用いて暗号化される。また、各トランザクションのデータは公開され、Ｐ２Ｐネットワーク全体で共有される。

図２は、ブロックチェーンシステムにおいて、対象データがユーザＡによって登録される様子を示す図である。ユーザＡは、ブロックチェーンデータに登録する対象データを、ユーザＡの秘密鍵を用いて電子署名する。そしてユーザＡは、電子署名された対象データを含むトランザクションをネットワーク上にブロードキャストする。これによって、対象データの保有者がユーザＡであることが担保される。

図３は、ブロックチェーンシステムにおいて、対象データがユーザＡからユーザＢに移行される様子を示す図である。ユーザＡは、トランザクションにユーザＡの秘密鍵を用いて電子署名を行い、またトランザクションにユーザＢの公開鍵を含める。これにより、対象データがユーザＡからユーザＢに移行されたことが示される。また、ユーザＢは、対象データの取引に際して、ユーザＡからユーザＡの公開鍵を取得し、電子署名された、または暗号化された対象データを取得してもよい。

また、ブロックチェーンシステムでは、例えばサイドチェイン技術を利用することによって、Ｂｉｔｃｏｉｎのブロックチェーンデータなどの、既存の仮想通貨のデータのやり取りに用いられるブロックチェーンデータに、仮想通貨とは異なる他の対象データを含めることが可能である。ここで、本実施形態において仮想通貨とは異なる他の対象データは、学習単位に関する情報である。

このように学習単位に関する情報の管理にブロックチェーンデータが利用されることによって、改ざんされない状態で学習単位に関する情報がネットワーク上に保持される。また、ブロックチェーンデータが利用されることによって、ブロックチェーンに含まれる情報を利用したい第三者は、所定の権限を有することにより、ブロックチェーンに含まれる情報にアクセスすることができる。なお、本実施形態において管理される学習単位に関する情報については、後述される。

＜１．学習管理システムの概要＞
以上では、本開示の実施形態による学習管理システムに用いられるブロックチェーンシステムについて説明された。以下では、本開示の実施形態による学習管理システムの概要について説明される。

図４は、本実施形態の学習管理システムの構成を示す図である。本実施形態の学習管理システムは、学習装置１００と、ネットワーク２００と、サーバ３００から構成される。なお、学習装置１００およびサーバ３００は、本実施形態の情報処理を実行する情報処理装置の一例である。

学習装置１００は、ユーザが学習に用いる機器である。例えば、ユーザは、学習装置１００を用いて本を読んだり、講義を受けたりして、学習を行う。また、サーバ３００は、学習装置１００からの情報に基づいて、後述するマイクロ学習単位（第１の学習単位）および／または包括学習単位（第２の学習単位）に関する処理を行う。ここで、マイクロ学習単位とは、上述したマイクロ学習によって認定される単位である。また、包括学習単位は、マイクロ学習単位に関する所定の条件に基づいて認定される単位である。例えば、包括学習単位は、所定の数のマイクロ学習単位が認定されることに基づいて、認定されてもよい。また、本実施形態の学習管理システムにおいて、サーバ３００は、包括学習単位が認定されると、当該包括学習単位に関する情報をブロックチェーンデータに登録する。

このように学習単位に関する情報が管理されることによって、広範囲なマイクロ学習に関する情報が管理される。また、改ざんされない状態で学習単位に関する情報がネットワーク上に保持される。また、ブロックチェーンに含まれる情報を利用したい第三者は、所定の権限を有することにより、ブロックチェーンに含まれる情報にアクセスすることができる。

次に、学習管理システムの各構成についてより詳細に説明される。学習装置１００は、ユーザによって所有される情報処理装置である。学習装置１００は、学習情報を記憶する。また、学習装置１００は、ネットワークを介して学習情報を取得してもよい。ここで学習情報は、例えば、テキストデータ、音声データ、画像データ（静止画および動画を含む）、行動データなどが含まれる。

なお、テキストデータは、教科書などの本に関するテキストデータを含む。また、音声データは、講義に関する音声データを含む。また、画像データは、講義に関する画像データを含む。

行動データは、学習装置１００に備えられるセンサ（例えば加速度センサ、ジャイロセンサ）によって取得される、ユーザの行動に関する情報を示す。例えば、行動データは、ユーザが歩いていること、ユーザが走っていること、特定の運動または競技に関する行動を行っていること、などを示す情報である。具体的には、特定の運動または競技に関する行動には、ユーザが泳いでいること、ユーザがバットを振っていること、ユーザがラケットを振っていること、ユーザがボールを投げていること、などの行動が含まれる。なお、行動データは、ユーザがそれぞれの行動を行ったときの統計的に算出されている加速度等の波形と、センサによって検出される波形とが比較されることによって取得されてもよい。

また、学習情報には、学校などの所定の機関によって管理される公式な学習情報と、当該所定の機関によって管理されない非公式な学習情報を含む。

公式な学習情報は、例えば、所定の機関によって指定される、または配布される教材に関する情報である。また、公式な学習情報は、所定の機関によって行われる講義に関する情報を含む。

非公式な学習情報は、例えば、ユーザが独自に購入した本に関する情報が含まれる。また、非公式な学習情報には、ユーザが独自に申し込んだセミナーに関する情報が含まれる。また、非公式な学習情報には、ユーザが第三者と行った会話に関する情報が含まれる。

また、本実施形態の学習管理システムでは、上述した学習情報は、短いまたは少量の単位であるマイクロ学習の単位で管理される。例えば本に関するマイクロ学習単位は、１ページごとに管理されてもよく、章ごと、所定の文字数ごとに管理されてもよい。また、会話、講義または行動に関するマイクロ学習単位は、所定の時間ごと（例えば１分ごと、１０分ごと）に管理されてもよい。

ユーザは、学習装置１００を用いて学習し、学習装置１００は、ユーザによって行われた学習に関する情報をサーバ３００に送信する。例えば、学習に関する情報は、学習に用いられた学習情報の内容、学習時間などが含まれてもよい。なお、学習装置１００は、１つの装置で構成されてもよく、また複数の装置で構成されてもよい。例えば、学習装置１００は、スマートフォンまたはラップトップＰＣであってもよい。また、学習装置１００は、スマートフォンと、スマートフォンに接続されるウェアラブル端末とで構成されてもよい。

サーバ３００は、学習装置１００から送信される学習に関する情報を評価する。例えば、サーバ３００は、学校などが提供するカリキュラムまたはシラバスなどの学習過程に関するトピックと、学習装置１００から取得される学習情報との間に関連性があるか否かを評価する。また、サーバ３００は、学校などが提供するカリキュラムまたはシラバスに関するトピックに対して、学習装置１００から取得される学習情報が新規性を有するか否かを評価する。

また、サーバ３００は、ユーザが予め登録したトピックと、学習装置１００から取得される学習情報との間に関連性があるか否かを評価してもよい。また、サーバ３００は、ユーザが予め登録したトピックに対して、学習装置１００から取得される学習情報が新規性を有するか否かを評価してもよい。

ここで本実施形態におけるトピックには、多様な題目が含まれる。例えば、トピックには、学校などの所定の機関によって指定される教科に関する情報が含まれる。例えば、教科には、外国語、数学、化学、物理、地学、歴史などが含まれる。また、トピックは、ユーザによって予め登録されてもよい。例えば、ユーザは、プログラミング、料理、エンジン制御、機械工学、気象学、天文学、アニメーションなど、ユーザがプライベートに学習するトピックを登録することができる。なお、ユーザがトピックを登録する場合は、登録されるトピックに関する情報が、学習情報の関連性および新規性の評価のために、ユーザによって登録されてもよい。ここで、学習情報の関連性および新規性の評価のために用いられる登録されるトピックに関する情報は、当該トピックにおいて使用される用語であってもよく、当該トピックにおいて一般的に知られている情報であってもよい。

サーバ３００は、上述した関連性および新規性の評価に基づいて、マイクロ学習単位の認定を行う。また、サーバ３００は、認定されたマイクロ学習単位と、所定の条件に基づいて、包括学習単位を認定する。そして、サーバ３００は、認定された包括学習単位に関する情報をブロックチェーンデータに登録する。なお、各学習単位の認定方法は、図９を用いて後述される。また、ブロックチェーンデータに登録される包括学習単位に関する情報は、図１０を用いて後述される。

＜２．学習管理システムを構成する装置の構成＞
以上では、本開示の実施形態による学習管理システムの概要について説明された。以下では、本開示の実施形態による学習管理システムを構成する装置の構成について説明される。

（２−１．学習装置１００の構成）
図５は、本実施形態の学習装置１００の構成の一例を示す図である。学習装置１００は、例えば、処理部１０２と、第１通信部１０４と、第２通信部１０６と、操作部１０８と、表示部１１０と、記憶部１１２と、センサ１１４と、マイクロフォン１１６とを備える。

処理部１０２は、学習装置１００の各構成からの信号を処理する。例えば処理部１０２は、第１通信部１０４または第２通信部１０６から送られてくる信号の復号処理を行い、データを抽出する。また処理部１０２は、操作部１０８からの信号を処理して、処理部１０２において実行されるアプリケーションに対する指示を行ってもよい。また処理部１０２は、記憶部１１２からデータを読み出し、読み出されたデータに対する処理を行ってもよい。また処理部１０２は、センサ１１４またはマイクロフォン１１６から取得されるデータを処理してもよい。

第１通信部１０４は、学習装置１００と外部ネットワークとを接続するための通信部であり、例えば３ＧＰＰ（Ｔｈｉｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）または３ＧＰＰ２によって規定される通信方式を用いて通信を行ってもよい。第１通信部１０４は、Ｗ−ＣＤＭＡ、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）、ＣＤＭＡ２０００などの通信方式を用いて通信を行ってもよい。また、第１通信部１０４は、ネットワークを介して学習情報をダウンロードしてもよい。なお、上述した通信方式は一例であり、第１通信部１０４の通信方式は、これに限られない。

第２通信部１０６は、外部装置と近距離無線によって通信を行う通信部であり、例えばＩＥＥＥ８０２委員会によって規定される通信方式（例えばＢｌｕｅｔｏｏｔｈ（登録商標））を用いて通信を行ってもよい。また第２通信部１０６は、Ｗｉ−Ｆｉなどの通信方式を用いて通信を行ってもよい。なお、上述した通信方式は一例であり、第２通信部１０６の通信方式は、これに限られない。

操作部１０８は、ユーザの学習装置１００に対する操作を受け付ける。ユーザは、操作部１０８を操作することによって、例えば学習装置１００で実行されるアプリケーションに対する操作を行う。またユーザは、操作部１０８を操作することによって、学習装置１００の各種機能を設定する。

表示部１１０は、画像を表示するために用いられる。例えば表示部１１０は、学習装置１００で実行されるアプリケーションに関する画像を表示する。また、表示部１１０は、記憶部１１２に記憶されている学習情報を表示してもよい。例えば、表示部１１０は、記憶部１１２に記憶されている電子ブックを表示してもよい。記憶部１１２は、学習装置１００で実行されるアプリケーション、オペレーティングシステムなどのプログラムを記憶する。また記憶部１１２は、学習情報を記憶していてもよい。例えば、記憶部１１２は、教科書に関するテキストデータまたは講義に関する画像データを記憶してもよい。

センサ１１４は、学習装置１００の動きを検知する。例えば、センサ１１４は、加速度センサ、ジャイロセンサ、気圧センサ、地磁気センサなどから構成される。加速度センサは、学習装置１００に対する加速度を検知する。ジャイロセンサは、学習装置１００に対する角加速度および角速度を検知する。気圧センサは、気圧を検知し、検知された気圧に基づいて学習装置１００の高度が算出される。地磁気センサは、地磁気を検知し、検知された地磁気に基づいて学習装置１００の向きが算出される。マイクロフォン１１６は、学習装置１００の周囲の音から音声データを取得する。

（２−２．サーバ３００の構成）
以上では、本開示の実施形態による学習装置１００の構成について説明された。以下では、本開示の実施形態によるサーバ３００の構成について説明される。

図６は、本実施形態の情報処理方法に係る処理を行うことが可能な、サーバ３００の構成の一例を示す図である。サーバ３００は、例えば、処理部３０２と、通信部３０４と、記憶部３０６とを備える。また処理部３０２は、解析部３０８と、認定部３１０と、登録部３１２と、を備える。

処理部３０２は、サーバ３００の各構成からの信号を処理する。例えば処理部３０２は、通信部３０４から送られてくる信号の復号処理を行い、データを抽出する。また処理部３０２は、記憶部３０６からデータを読み出し、読み出されたデータに対する処理を行う。

解析部３０８は、学習情報の解析を行う。例えば、解析部３０８は、ベクトル空間モデルを用いてテキストデータを解析する。ベクトル空間モデルは、テキストデータに含まれる単語の出現回数または出現率などを利用してテキストデータをベクトルデータとして表現する。また、解析部３０８は、音声データをテキストデータに変換する。そして解析部３０８は、音声データに基づくテキストデータをベクトルデータに変換する。

認定部３１０は、学習装置１００から取得される学習情報に関する関連性および新規性を評価する。認定部３１０は、例えば、ベクトル空間モデルによってベクトルデータとして表現された複数のテキストデータを比較することによって、複数のテキストデータ間の類似度を評価する。また、認定部３１０は、既存の画像処理技術を用いて、複数の画像データまたは画像データを比較することによって、複数の画像データまたは画像データ間の類似度を評価する。認定部３１０は、このような評価を行う処理に基づいて、学習装置１００から取得される学習情報に関する関連性および新規性を評価する。そして、認定部３１０は、当該関連性および新規性の評価に基づいて、マイクロ学習単位の認定を行う。

また、認定部３１０は、認定されたマイクロ学習単位と、所定の条件とに基づいて、包括学習単位を認定する。例えば、認定部３１０は、所定の数のマイクロ学習単位が認定された場合、包括学習単位を認定する。

登録部３１２は、認定された包括学習単位に関する情報をブロックチェーンデータに登録する。包括学習単位に関する情報には、例えば、トピックに関する情報、学習時間に関する情報、マイクロ学習単位の単位数に関する情報、学習者の理解度に関する情報、マイクロ学習単位の認定方法に関する情報のいずれか１つが含まれる。ここで、トピックに関する情報は、例えば、学校のカリキュラムに含まれる科目に関する情報を含んでもよい。また、学習者の理解度に関する情報は、包括学習単位の認定のためにサーバ３００によって出題される試験の点数に基づいて判定されてもよい。また、マイクロ学習単位の認定方法は、読書、講義の受講、ビデオの視聴、会話などが含まれてもよい。

通信部３０４は、有線通信または無線通信によって外部装置と通信を行う通信部であり、例えばＥｔｈｅｒｎｅｔ（登録商標）に準拠する通信方式を用いて通信を行ってもよい。記憶部３０６は、処理部３０２によって使用される各種のデータを格納する。

＜３．学習管理システムにおける情報処理方法＞
以上では、本開示の実施形態による学習管理システムを構成する各装置の構成について説明された。以下では、本開示の実施形態による学習管理システムにおける情報処理方法について説明される。

（３−１．マイクロ学習単位の認定に関する情報処理方法）
図７は、本実施形態の学習管理システムにおいて実行される情報処理方法の一例を示す図である。特に、図７では、マイクロ学習単位の認定に関する情報処理方法について説明される。

Ｓ１０２において、解析部３０８は、学習装置１００から学習情報を取得する。学習情報は、上述したようにユーザが学習した情報を示す。よって、例えば、ユーザが本を１ページ読んだ場合、学習装置１００は、ユーザによって読まれたテキストデータを学習情報としてサーバ３００に送信する。また、学習装置１００は、マイクロフォン１１６で音声データを取得した場合、当該音声データをサーバ３００に送信する。学習情報は、学習装置１００から随時送信されてもよく、一定の間隔でまとめて送信されてもよい。

Ｓ１０４において、解析部３０８は、取得された学習情報を解析する。例えば、解析部３０８は、ベクトル空間モデルを用いて、取得されたテキストデータをベクトルデータに変換する。また、解析部３０８は、取得された音声データをテキストデータに変換し、変換されたテキストデータをベクトルデータに変換する。

Ｓ１０６において、認定部３１０は、取得された学習情報が、所定のトピックと関連性があるか否かを判定する。例えば、トピックが英語の受動態である場合、認定部３１０は、上述したベクトルデータを用いて、取得された学習情報が、英語の受動態と関連するか否かを判定する。

なお、認定部３１０は、記憶部３０６に記憶されているデータと、取得された学習情報とが関連性を有するか否かを判定してもよい。具体的には、認定部３１０は、ユーザが既に学習した学習情報として記憶部３０６に記憶されているデータと、新しく取得された学習情報とを比較する。例えば、ユーザが本Ａを既に読んでいる場合、本Ａの内容は、ユーザが既に学習した学習情報として記憶部３０６に記憶される。一方、新しく取得された学習情報は、本Ｂに基づく学習情報であってもよい。このとき、認定部３１０は、新しく取得された学習情報（本Ｂの内容）と、記憶部３０６に記憶されているユーザが既に学習した学習情報（本Ａの内容）とに関連性があるか否かを判定してもよい。

Ｓ１０６において認定部３１０が、取得された学習情報が所定のトピックと関連性があると判定した場合、処理はＳ１０８に進む。Ｓ１０８において、認定部３１０は、取得された学習情報が、所定のトピックに対する新規性を有するか否かを判定する。例えば、認定部３１０は、記憶部３０６に記憶されているデータに基づいて、取得された学習情報が、所定のトピックに対する新規性を有するか否かを判定する。つまり、ユーザが、所定のトピックに対して新規な内容を学習したか否かが判定される。

具体的には、認定部３１０は、ユーザが既に学習した学習情報として記憶部３０６に記憶されているデータと、新しく取得された学習情報とを比較する。例えば、ユーザが１００ページの本のうち３０ページまでを既に読んでいる場合、１ページから３０ページまでの内容は、ユーザが既に学習した学習情報として記憶部３０６に記憶される。そして、認定部３１０は、新しく取得された学習情報（３１ページの内容）と、記憶部３０６に記憶されているユーザが既に学習した学習情報（１ページから３０ページまでの内容）とを比較することによって、新しく取得された学習情報が、所定のトピックに対する新規性を有するか否かを判定する。

Ｓ１０８において、認定部３１０が、取得された学習情報が所定のトピックに対する新規性があると判定した場合、処理はＳ１１０に進む。Ｓ１１０において、認定部３１０は、取得された学習情報が、所定の条件を満たすか否かを判定する。ここで所定の条件は、単に所定のトピックに対する関連性および新規性を有することであってもよい。また、所定の条件は、関連性および新規性が所定のアルゴリズムによって算出される数値で表される場合、関連性および新規性の合計の数値が所定の閾値以上であることであってもよい。また、所定の条件は、ユーザによる学習が所定の時間行われたことであってもよい。これによって、ユーザが単にページをめくって本を読み飛ばしたような場合でも、単位が認定されることが防止される。また、所定の条件は、ユーザの理解度を測るための試験の点数の点数が所定の点数以上であることであってもよい。これによって、ユーザが理解していない場合でも、単位が認定されることが防止される。

Ｓ１１０において、認定部３１０が、取得された学習情報が所定の条件を満たすと判定した場合、処理は、Ｓ１１２に進む。Ｓ１１２において、認定部３１０は、ユーザに対してマイクロ学習単位を認定する。そして、認定部３１０は、認定されたマイクロ学習単位に関する情報を記憶部３０６に記憶する。ここで、マイクロ学習単位に関する情報には、マイクロ学習単位を取得するための学習時間に関する情報、認定されたマイクロ学習単位の単位数に関する情報が含まれてもよい。

なお、上述したように、本実施形態において、学習情報は、公式な学習情報と、非公式な学習情報と、を含んでもよい。ここで、公式な学習情報に対するマイクロ学習単位の認定と、非公式な学習情報に対するマイクロ学習単位の認定は、同様に、図７を用いて説明された情報処理方法によって行われてもよい。このとき、上述したマイクロ学習単位に関する情報には、公式な学習情報に基づいて取得されたマイクロ学習単位であることを示す情報または非公式な学習情報に基づいて取得されたマイクロ学習単位であることを示す情報が含まれてもよい。

また、上述した例では、同じ種類の学習情報に基づいてマイクロ学習単位の認定が行われた。しかしながら、マイクロ学習単位の認定は、異なる種類の学習情報に基づいて行われてもよい。つまり、認定部３１０は、異なる種類の学習情報に基づいて関連性および新規性を評価してもよい。具体的には、認定部３１０は、音声データに基づいて取得された学習情報とテキストデータに基づいて取得された学習情報とを比較して、関連性および新規性を評価してもよい。また、認定部３１０は、行動情報に基づいて取得された学習情報とテキストデータに基づいて取得された学習情報とを比較して、関連性および新規性を評価してもよい。

（３−２．包括学習単位の認定に関する情報処理方法）
以上では、学習管理システムにおけるマイクロ学習単位の認定に関する情報処理方法について説明された。以下では、学習管理システムにおける包括学習単位の認定に関する情報処理方法について説明される。

Ｓ２０２において、認定部３１０は、複数のマイクロ学習単位が認定されたか否かを判定する。認定部３１０が、複数のマイクロ学習単位が認定されたと判定すると、処理はＳ２０４に進む。Ｓ２０４において、認定部３１０は、所定の条件が満たされたか否かを判定する。

ここで、所定の条件は、認定されたマイクロ学習単位の単位数に関する条件であってもよい。例えば、所定の条件は、マイクロ学習単位が所定の数認定されることであってもよい。

また、所定の条件は、公式な学習情報に基づくマイクロ学習単位および／または非公式な学習情報に基づくマイクロ学習単位に基づく条件であってもよい。例えば、所定の条件は、公式な学習情報に基づくマイクロ学習単位が所定の数認定されたことであってもよい。また、所定の条件は、非公式な学習情報に基づくマイクロ学習単位が所定の数認定されたことであってもよい。また、所定の条件は、公式な学習情報に基づくマイクロ学習単位が所定の数認定され、非公式な学習情報に基づくマイクロ学習単位も所定の数認定されたことであってもよい。このように、公式または非公式な学習情報に基づくマイクロ学習単位が、所定の条件を判定するために用いられることによって、様々な学習情報に基づく単位の認定が可能となる。

例えば、所定の条件が公式な学習情報に基づくマイクロ学習単位の単位数に基づく場合、学習情報の質が担保されることによって、認定される包括学習単位の信用性が向上する。また、所定の条件が非公式な学習情報に基づくマイクロ学習単位の単位数に基づく場合、ユーザの自主性を評価することができる。また、所定の条件が公式な学習情報に基づくマイクロ学習単位および非公式な学習情報に基づくマイクロ学習単位の単位数に基づく場合、学校などで行われる学習をユーザがプライベートで行う学習で補うことができる。

また、Ｓ２０４において、所定の条件は、ユーザの理解度に基づいて判定されてもよい。ユーザの理解度は、例えば、所定の数のマイクロ学習単位が認定された後に、サーバ３００によって出題される所定のトピックに関する試験の点数によって判定されてもよい。ユーザは、学習装置１００を用いて当該試験に解答し、学習装置１００は、ユーザの解答をサーバ３００に送信する。そして、サーバ３００は、当該試験の結果に基づいて、ユーザの理解度を算出する。このように、ユーザの理解度が所定の条件の判定に用いられることによって、ユーザが学習内容を理解しているときに、包括学習単位が認定される。

また、所定の条件は、マイクロ学習単位が認定されるまでにユーザが行った学習の学習時間に基づいて判定されてもよい。このように、学習時間が所定の条件の判定に用いられることによって、ユーザが学習を行ったことを保証することができる。

また、所定の条件は、マイクロ学習単位の単位数と、ユーザの理解度と、学習時間との組み合わせによって、判定されてもよい。なお、所定の条件は、上述した指標のうちの２つを組み合わせて判定されてもよく、上述した指標のうちの３つを組み合わせて判定されてもよい。

Ｓ２０４において、認定部３１０が、所定の条件が満たされたと判定すると、処理はＳ２０６に進む。Ｓ２０６において、認定部３１０は、包括学習単位を認定する。そして、Ｓ２０８において登録部３１２は、Ｓ２０６において認定された包括学習単位に関する情報を、ブロックチェーンデータに登録する。

（３−３．単位認定の一例）
以上では、マイクロ学習単位および包括学習単位を認定するための情報処理方法について説明された。以下では、上述した情報処理方法による単位認定の一例を説明する。

図９は、図７および図８を用いて説明された情報処理方法による単位認定の一例を示す図である。以下では、図８のＳ２０４における所定の条件（包括学習単位が認定されるための条件）が、認定されるマイクロ学習単位の単位数である場合の例について説明される。ここで、包括学習単位が認定されるための条件は、１００単位のマイクロ学習単位が認定されることである。

また、図９は、ユーザＩＤが「ａｂｃ１２３４」であるユーザＡが、英語の受動態について学習する例について示す。ここで英語の受動態は、上述したトピックであり、当該トピックは、学校などの所定の機関のカリキュラムまたはシラバスによって指定されているトピックであってもよく、ユーザが予め登録したトピックであってもよい。

最初、包括学習単位の認定のために、ユーザＡは、１００単位のマイクロ学習単位を取得しなければならないことが、設定される。そして、ユーザＡが、学習を行うことによって、マイクロ学習単位が認定される。例えば、５０単位のマイクロ学習単位が認定されると、認定されたマイクロ学習単位が５０単位であり、残りのマイクロ学習単位が５０単位であることが記録される。

そして、ユーザＡが学習を継続することにより、認定されたマイクロ学習単位が１００単位になり、また、残りのマイクロ学習単位が０単位になった場合、包括学習単位が認定される。

なお、ここで、認定されたマイクロ学習単位が１００単位になり、また、残りのマイクロ学習単位が０単位になった場合、ユーザの理解度を試すために、英語の受動態に関する試験が、サーバ３００によって行われてもよい。そして、当該テストの点数によって、包括学習単位が認定されてもよい。

なお、上述した例では、トピックが英語である場合について説明された。しかしながら、トピックは他のトピックであってもよい。例えば、トピックは、運動に関するトピックであってもよい。また、運動に関するトピックは、例えば、マラソンであってもよい。このとき、例えば、ユーザが１ｋｍ走るごとに１単位のマイクロ学習単位が認定されてもよい。また、ユーザが１０分走るごとに１単位のマイクロ学習単位が認定されてもよい。

（３−４．ブロックチェーンに登録される情報の一例）
以上では、マイクロ学習単位および包括学習単位の単位認定の一例について説明された。以下では、ブロックチェーンに登録される包括学習単位に関する情報の一例を説明する。

図１０は、ブロックチェーンに登録される包括学習単位に関する情報の一例を示す図である。本実施形態の学習情報管理システムでは、図１０に示されるような包括学習単位に関する情報が、Ｂｉｔｃｏｉｎのような既存のブロックチェーンの取引情報に代わって、またはＢｉｔｃｏｉｎのような既存のブロックチェーンの取引情報に付随して登録される。

図１０に示されるように、本実施形態の学習情報管理システムでは、例えば、ユーザＩＤ、トピック（大分類および小分類）、ユーザの理解度、学習時間、認定されたマイクロ学習単位の単位数、マイクロ学習単位の取得方法が、ブロックチェーンデータに登録されてもよい。

上述したようにトピックの大分類は、外国語、数学、化学、物理、地学、歴史、プログラミング、料理、エンジン制御、機械工学、気象学、天文学、アニメーションなどが含まれてもよい。また、トピックの小分類は、トピックの大分類が英語の場合、例えば、受動態、前置詞の用法、現在完了、スピーキング、リスニングなどが含まれてもよい。

また、トピックの大分類は、ユーザの行動または運動に関するトピックであってもよい。例えば、行動または運動に関するトピックの大分類は、野球、サッカー、ランニング、歩行などが含まれてもよい。また、トピックの小分類は、トピックの大分類が野球の場合、例えば、ピッチング、バッティング、守備、走塁などが含まれてもよい。このように、トピックが大分類と小分類に分類分けされることによって、より詳細に学習が管理される。

理解度は、ユーザに対して行われるテストの点数に基づいて判定されてもよい。また、マイクロ学習単位の取得方法には、公式の学習情報に基づいてマイクロ学習単位が認定されたか、非公式の学習情報に基づいてマイクロ学習単位が認定されたか、を示す情報が含まれてもよい。

また、学習時間は、図１０では、すべてのマイクロ学習単位が取得されるまでの時間として、１０時間が示されている。しかしながら、学習時間はより詳細に記録されてもよい。例えば、学習時間は、各マイクロ学習単位が取得されるまでの時間が記録されてもよい。

ここで、公式な学習情報に基づくマイクロ単位の取得方法には、例えば、学校などの所定の機関から配布された教科書を読むこと、所定の機関の講義を受講すること、などが含まれてもよい。また、非公式な学習情報に基づくマイクロ単位の取得方法には、友人などの第三者との会話、ユーザが独自に購入した本を読むこと、友人または同僚とプライベートで行った勉強会への出席などが含まれてもよい。

このように、包括学習単位に関する情報がブロックチェーンデータで管理されることによって、情報の改ざんがされない状態で、および第三者が情報を利用しやすい状態でユーザが行ったマイクロ学習に関して管理が行われる。

＜４．各装置のハードウェア構成＞
以上では、本実施形態による学習管理システムおよび学習管理システムにおいて実行される情報処理方法について説明された。以下では、学習管理システムの各装置のハードウェア構成について説明される。

（４−１．学習装置のハードウェア構成）
以下では、図１１を参照しながら、本開示の実施形態に係る学習装置１００のハードウェア構成について、詳細に説明する。図１１は、本開示の実施形態に係る学習装置１００（例えばスマートフォン）のハードウェア構成を説明するためのブロック図である。

学習装置１００は、主に、ＣＰＵ８０１と、ＲＯＭ８０３と、ＲＡＭ８０５と、を備える。また、学習装置１００は、更に、ホストバス８０７と、ブリッジ８０９と、外部バス８１１と、インターフェース８１３と、入力装置８１５と、出力装置８１７と、ストレージ装置８１９と、ドライブ８２１と、第２通信装置８２３と、第１通信装置８２５とを備える。

ＣＰＵ８０１は、中心的な処理装置及び制御装置として機能し、ＲＯＭ８０３、ＲＡＭ８０５、ストレージ装置８１９、又はリムーバブル記録媒体８２７に記録された各種プログラムに従って、学習装置１００内の動作全般又はその一部を制御する。なお、ＣＰＵ８０１は、処理部１０２の機能を有してもよい。ＲＯＭ８０３は、ＣＰＵ８０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ８０５は、ＣＰＵ８０１が使用するプログラムや、プログラムの実行において適宜変化するパラメータ等を一次記憶する。これらはＣＰＵバス等の内部バスにより構成されるホストバス８０７により相互に接続されている。

ホストバス８０７は、ブリッジ８０９を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス８１１に接続されている。

入力装置８１５は、例えば静電式または感圧式のタッチパネル、ボタン、スイッチ及びジョグダイヤルなどユーザが操作する操作手段である。さらに、入力装置８１５は、例えば、上記の操作手段を用いてユーザにより入力された情報に基づいて入力信号を生成し、ＣＰＵ８０１に出力する入力制御回路などから構成されている。ユーザは、この入力装置８１５を操作することにより、学習装置１００に対して各種のデータを入力したり処理動作を指示したりすることができる。なお、入力装置８１５は、操作部１０８の機能を有してもよい。

出力装置８１７は、取得した情報をユーザに対して視覚的又は聴覚的に通知することが可能な装置で構成される。このような装置として、液晶ディスプレイ装置、ＥＬディスプレイ装置及びランプなどの表示装置、またはスピーカ及びヘッドホンなどの音声出力装置などがある。出力装置８１７は、例えば、学習装置１００が行った各種処理により得られた結果を出力する。具体的には、表示装置は、学習装置１００が行った各種処理により得られた結果を、テキスト又はイメージで表示する。他方、音声出力装置は、再生された音声データや音響データ等からなるオーディオ信号をアナログ信号に変換して出力する。なお、出力装置８１７の表示装置は、表示部１１０の機能を有してもよい。

ストレージ装置８１９は、学習装置１００において用いられるデータを格納するための装置である。ストレージ装置８１９は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等により構成される。このストレージ装置８１９は、ＣＰＵ８０１が実行するプログラムや各種データ、及び外部から取得した各種データなどを格納する。

ドライブ８２１は、記録媒体用リーダライタであり、学習装置１００に内蔵、あるいは外付けされる。ドライブ８２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体８２７に記録されている情報を読み出して、ＲＡＭ８０５に出力する。また、ドライブ８２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体８２７に記録を書き込むことも可能である。リムーバブル記録媒体８２７は、例えば、ＤＶＤメディア、ＨＤ−ＤＶＤメディア、Ｂｌｕ−ｒａｙ（登録商標）メディア等である。また、リムーバブル記録媒体８２７は、コンパクトフラッシュ（登録商標）（ＣｏｍｐａｃｔＦｌａｓｈ：ＣＦ）、フラッシュメモリ、又は、ＳＤメモリカード（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ ｍｅｍｏｒｙ ｃａｒｄ）等であってもよい。また、リムーバブル記録媒体８２７は、例えば、非接触型ＩＣチップを搭載したＩＣカード（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ ｃａｒｄ）又は電子機器等であってもよい。

第２通信装置８２３は、外部接続機器８２９と通信を確立することによって、外部接続機器との間でデータを交換するために用いられる。第２通信装置８２３の一例として、ＩＥＥＥ８０２．１１ポート、ＩＥＥＥ８０２．１５ポート等がある。この第２通信装置によって外部接続機器８２９と接続されることで、学習装置１００は、外部接続機器８２９から直接各種データを取得したり、外部接続機器８２９に各種データを送信したりする。

第１通信装置８２５は、例えば、通信網８３１に接続するための通信デバイス等で構成された通信インターフェースである。第１通信装置８２５は、例えば、３ＧＰＰが規定する規格に準拠して動作するモデム回路である。３ＧＰＰが規定する規格に準拠する通信方式は、例えばＷ−ＣＤＭＡ、ＬＴＥなどである。第１通信装置８２５は、例えば、インターネットまたは通信事業者のネットワークとの間で、例えばＴＣＰ／ＩＰ等の所定のプロトコルに則して信号等を送受信することができる。また、第１通信装置８２５に接続される通信網８３１は、無線によって接続されたネットワーク等により構成され、例えば、インターネット、通信事業者のネットワーク等であってもよい。

（４−２．サーバのハードウェア構成）
以下では、図１２を参照しながら、本開示の実施形態に係るサーバ３００のハードウェア構成について、詳細に説明する。図１２は、本開示の実施形態に係るサーバ３００のハードウェア構成を説明するためのブロック図である。

サーバ３００は、主に、ＣＰＵ９０１と、ＲＯＭ９０３と、ＲＡＭ９０５と、を備える。また、サーバ３００は、更に、ホストバス９０７と、ブリッジ９０９と、外部バス９１１と、インターフェース９１３と、入力装置９１５と、出力装置９１７と、ストレージ装置９１９と、ドライブ９２１と、接続ポート９２３と、通信装置９２５とを備える。

ＣＰＵ９０１は、中心的な処理装置及び制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、又はリムーバブル記録媒体９２７に記録された各種プログラムに従って、サーバ３００内の動作全般又はその一部を制御する。なお、ＣＰＵ９０１は、処理部３０２の機能を有してもよい。また、ＣＰＵ９０１は、解析部３０８、認定部３１０、登録部３１２をそれぞれ構成してもよい。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０５は、ＣＰＵ９０１が使用するプログラムや、プログラムの実行において適宜変化するパラメータ等を一次記憶する。これらはＣＰＵバス等の内部バスにより構成されるホストバス９０７により相互に接続されている。

入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ及びレバーなどユーザが操作する操作手段である。また入力装置９１５は、例えば、上記の操作手段を用いてユーザにより入力された情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路などから構成されている。ユーザは、この入力装置９１５を操作することにより、サーバ３００に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置９１７は、取得した情報をユーザに対して視覚的又は聴覚的に通知することが可能な装置で構成される。このような装置として、ＣＲＴディスプレイ装置、液晶ディスプレイ装置、プラズマディスプレイ装置、ＥＬディスプレイ装置及びランプなどの表示装置や、スピーカ及びヘッドホンなどの音声出力装置や、プリンタ装置、携帯電話、ファクシミリなどがある。出力装置９１７は、例えば、サーバ３００が行った各種処理により得られた結果を出力する。具体的には、表示装置は、サーバ３００が行った各種処理により得られた結果を、テキスト又はイメージで表示する。他方、音声出力装置は、再生された音声データや音響データ等からなるオーディオ信号をアナログ信号に変換して出力する。

ストレージ装置９１９は、サーバ３００の記憶部３０６の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等により構成される。このストレージ装置９１９は、ＣＰＵ９０１が実行するプログラムや各種データ、及び外部から取得した各種データなどを格納する。なお、ストレージ装置９１９は、記憶部３０６の機能を有してもよい。

ドライブ９２１は、記録媒体用リーダライタであり、サーバ３００に内蔵、あるいは外付けされる。ドライブ９２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９２７に記録を書き込むことも可能である。リムーバブル記録媒体９２７は、例えば、ＤＶＤメディア、ＨＤ−ＤＶＤメディア、Ｂｌｕ−ｒａｙ（登録商標）メディア等である。また、リムーバブル記録媒体９２７は、コンパクトフラッシュ（登録商標）（ＣｏｍｐａｃｔＦｌａｓｈ：ＣＦ）、フラッシュメモリ、又は、ＳＤメモリカード（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ ｍｅｍｏｒｙ ｃａｒｄ）等であってもよい。また、リムーバブル記録媒体９２７は、例えば、非接触型ＩＣチップを搭載したＩＣカード（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ ｃａｒｄ）又は電子機器等であってもよい。

接続ポート９２３は、機器をサーバ３００に直接接続するためのポートである。接続ポート９２３の一例として、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）ポート等がある。接続ポート９２３の別の例として、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）ポート等がある。この接続ポート９２３に外部接続機器９２９を接続することで、サーバ３００は、外部接続機器９２９から直接各種データを取得したり、外部接続機器９２９に各種データを提供したりする。

通信装置９２５は、例えば、通信網９３１に接続するための通信デバイス等で構成された通信インターフェースである。通信装置９２５は、例えば、有線又は無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、又はＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カード等である。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、又は、各種通信用のモデム等であってもよい。この通信装置９２５は、例えば、インターネットや他の通信機器との間で、例えばＴＣＰ／ＩＰ等の所定のプロトコルに則して信号等を送受信することができる。また、通信装置９２５に接続される通信網９３１は、有線又は無線によって接続されたネットワーク等により構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信又は衛星通信等であってもよい。

＜５．補足事項＞
以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属する。

例えば、上述した例では、単位の認定は、サーバ３００で行われた。しかしながら単位の認定は、学習装置１００で行われてもよい。つまり学習装置１００は、サーバの解析部３０８および認定部３１０の機能を有してもよい。また、学習装置１００は、認定された包括学習単位に関する情報をブロックチェーンに登録してもよい。つまり学習装置１００は、サーバ３００の登録部３１２の機能を有してもよい。

また、上述した例では、学習単位に関する情報が、ブロックチェーンデータに登録された。しかしながら、学習単位に関する情報は、ブロックチェーン以外のシステムに登録されてもよい。例えば、学習単位に関する情報は、クラウドシステムを構築するサーバ群によって管理されてもよい。また、学習単位に関する情報は、既存のＰ２Ｐネットワークによって管理されてもよい。

また、本実施形態の情報処理は、タブレットコンピュータ、デスクトップコンピュータ、ＰＤＡ、車載デバイスなどの情報処理装置で行われてもよい。またサーバ３００は、有線で他の装置と接続されていなくてもよく、持ち運び可能なコンピュータであってもよい。

また、学習装置１００の処理部１０２およびサーバ３００の処理部３０２を、図７および８を用いて上述したような動作を行わせるためのコンピュータプログラムが提供されてもよい。また、このようなプログラムが記憶された記憶媒体が提供されてもよい。

＜６．むすび＞
以上説明したように本開示の学習情報管理システムでは、学習単位に関する情報の管理にブロックチェーンデータが利用される。これによって、改ざんされない状態で学習単位に関する情報がネットワーク上に保持される。また、ブロックチェーンデータが利用されることによって、ブロックチェーンに含まれる情報を利用したい第三者は、所定の権限を有することにより、ブロックチェーンに含まれる情報にアクセスすることができる。

また、本開示の学習情報管理システムでは、マイクロ学習に基づくマイクロ学習単位が管理される。これによって、既存のシステムでは管理が困難であった広範なマイクロ学習の管理が行われる。また、上述した単位の認定は、公式な学習情報および／または非公式な学習情報に基づいて行われる。これによって、既存のシステムでは管理が困難であった非公式な学習情報に基づいて認定される単位の管理が行われる。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）
学習情報に基づいて認定される第１の学習単位と、所定の条件と、に基づいて第２の学習単位を認定し、認定された前記第２の学習単位に関する情報をＰ２Ｐデータベースに登録する処理部を備える、情報処理装置。
（２）
前記処理部は、前記学習情報と所定のトピックとの関連性および前記学習情報の前記所定のトピックに対する新規性を判定し、前記判定の結果に基づいて前記第１の学習単位を認定する、前記（１）に記載の情報処理装置。
（３）
前記処理部は、前記学習情報と、前記トピックとの関連性および新規性を、空間ベクトルモデルを用いて判定する、前記（２）に記載の情報処理装置。
（４）
前記学習情報は、所定の機関に管理される公式な学習情報と、所定の機関に管理されない非公式な学習情報と、のいずれか一方または双方を含む、前記（１）から前記（３）のいずれか１項に記載の情報処理装置。
（５）
前記トピックは、所定の機関の学習過程に関する、前記（２）から前記（４）のいずれか１項に記載の情報処理装置。
（６）
前記トピックは、ユーザにより登録される、前記（２）から前記（４）のいずれか１項に記載の情報処理装置。
（７）
前記第２の学習単位を認定するための前記所定の条件は、認定された前記第１の学習単位の単位数に関する、前記（１）から前記（６）のいずれか１項に記載の情報処理装置。
（８）
前記第２の学習単位を認定するための前記所定の条件は、ユーザの理解度に関する、前記（１）から前記（６）のいずれか１項に記載の情報処理装置。
（９）
前記第２の学習単位を認定するための前記所定の条件は、学習時間を含む、前記（１）から前記（６）のいずれか１項に記載の情報処理装置。
（１０）
前記処理部は、前記第２の学習単位を認定するための前記所定の条件を、前記非公式な学習情報に基づいて認定された前記第１の学習単位に基づいて判定する、前記（４）に記載の情報処理装置。
（１１）
前記処理部は、前記第２の学習単位を認定するための前記所定の条件を、前記公式な学習情報に基づいて認定された前記第１の学習単位および前記非公式な学習情報に基づいて認定された前記第１の学習単位に基づいて判定する、前記（４）に記載の情報処理装置。
（１２）
前記第２の学習単位に関する情報は、トピックに関する情報、学習時間に関する情報、前記第１の学習単位の単位数に関する情報、ユーザの理解度に関する情報、前記第１の学習単位の認定方法に関する情報のいずれか１つを含む、前記（１）から前記（１１）のいずれか１項に記載の情報処理装置。
（１３）
前記第１の学習単位を認定するための学習情報は、テキスト情報、音声情報、画像情報、行動情報を含む、前記（１）から前記（１２）のいずれか１項に記載の情報処理装置。
（１４）
コンピュータに、学習情報に基づいて認定される第１の学習単位と、所定の条件と、に基づいて第２の学習単位を認定させ、認定された前記第２の学習単位に関する情報をＰ２Ｐデータベースに登録させる、情報処理方法。

１００ 学習装置
１０２ 処理部
１０４ 第１通信部
１０６ 第２通信部
１０８ 操作部
１１０ 表示部
１１２ 記憶部
１１４ センサ
１１６ マイクロフォン
２００ ネットワーク
３００ サーバ
３０２ 処理部
３０４ 通信部
３０６ 記憶部
３０８ 解析部
３１０ 認定部
３１２ 登録部

Claims (12)

1. 学習情報に基づいて認定される第１の学習単位と、所定の条件と、に基づいて第２の学習単位を認定し、認定された前記第２の学習単位に関する情報をＰ２Ｐデータベースに登録する処理部を備え、
   前記処理部は、
   前記学習情報を解析して、ベクトル空間モデルを用いて、前記学習情報をベクトルデータに変換し、前記ベクトルデータを用いて、前記学習情報と所定のトピックとの関連性を判定し、
   前記学習情報と既に記憶されているデータとを比較して、前記学習情報の前記所定のトピックに対する新規性を判定し、
   前記関連性及び前記新規性を所定のアルゴリズムで数値化し、数値化された前記関連性及び前記新規性が所定の閾値以上であった場合には、前記第１の学習単位を認定し、
   前記第１の学習単位は、マイクロ学習単位であり、
   前記第２の学習単位は、包括学習単位である、
   情報処理装置。
2. 前記学習情報は、所定の機関に管理される公式な学習情報と、所定の機関に管理されない非公式な学習情報と、のいずれか一方または双方を含む、請求項１に記載の情報処理装置。
3. 前記トピックは、所定の機関の学習過程に関する、請求項１又は２に記載の情報処理装置。
4. 前記トピックは、ユーザにより登録される、請求項１又は２に記載の情報処理装置。
5. 前記第２の学習単位を認定するための前記所定の条件は、認定された前記第１の学習単位の単位数に関する、請求項１〜４のいずれか１項に記載の情報処理装置。
6. 前記第２の学習単位を認定するための前記所定の条件は、ユーザの理解度に関する、請求項１〜４のいずれか１項に記載の情報処理装置。
7. 前記第２の学習単位を認定するための前記所定の条件は、学習時間を含む、請求項１〜４のいずれか１項に記載の情報処理装置。
8. 前記処理部は、前記第２の学習単位を認定するための前記所定の条件を、前記非公式な学習情報に基づいて認定された前記第１の学習単位に基づいて判定する、請求項２に記載の情報処理装置。
9. 前記処理部は、前記第２の学習単位を認定するための前記所定の条件を、前記公式な学習情報に基づいて認定された前記第１の学習単位および前記非公式な学習情報に基づいて認定された前記第１の学習単位に基づいて判定する、請求項２に記載の情報処理装置。
10. 前記第２の学習単位に関する情報は、トピックに関する情報、学習時間に関する情報、前記第１の学習単位の単位数に関する情報、ユーザの理解度に関する情報、前記第１の学習単位の認定方法に関する情報のいずれか１つを含む、請求項１〜９のいずれか１項に記載の情報処理装置。
11. 前記第１の学習単位を認定するための学習情報は、テキスト情報、音声情報、画像情報、行動情報を含む、請求項１〜１０のいずれか１項に記載の情報処理装置。
12. コンピュータに、学習情報に基づいて認定される第１の学習単位と、所定の条件と、に基づいて第２の学習単位を認定させ、認定された前記第２の学習単位に関する情報をＰ２Ｐデータベースに登録させる、情報処理方法であって、
    前記コンピュータが、
    前記学習情報を解析して、ベクトル空間モデルを用いて、前記学習情報をベクトルデータに変換し、前記ベクトルデータを用いて、前記学習情報と所定のトピックとの関連性を判定し、
    前記学習情報と既に記憶されているデータとを比較して、前記学習情報の前記所定のトピックに対する新規性を判定し、
    前記関連性及び前記新規性を所定のアルゴリズムで数値化し、数値化された前記関連性及び前記新規性が所定の閾値以上であった場合には、前記第１の学習単位を認定する、
    ことを含み、
    前記第１の学習単位は、マイクロ学習単位であり、
    前記第２の学習単位は、包括学習単位である、
    情報処理方法。

Images