錦糸町 税理士法人　坂部綜合会計／アサヒ・ビジネスセンター

学習分析（Learning Analytics）について

２．教育の情報化と学習分析

従来の小中高の教育現場では、学習者の状況は教員が把握しています。テストの答案やレポートの内容から学習者の理解度を把握し、また授業中の様子を観察することで状況把握を補っています。これらはほとんど紙の情報や学習者の振る舞いから得られていました。予備校などでOMRやOCRを用いて解答データを電子化し採点を自動化する仕組みがあり、また成績表や科目履修状況など学務に関わるデータはコンピューターで処理されていますが、まだ教育全体から見ると一部です。
2000年代になると、大学を中心としてLMS (Learning Management System)と呼ばれるサーバーが導入され始めました。LMS上に保存されている電子媒体の教科書や講義スライドが学習者に配布され、またそれらへのアクセス履歴が保存されるようになりました。また、テスト解答やレポートが学生PCで入力され、LMSに保存されるようになりました。さらに、LMSと学務システムの連携が始まり、履修登録や成績のデータが電子的に扱われるようになりました。
2010年代になると、スマートフォンやタブレットPCを含む学習者用PCが普及し始めました。学習者の手許にPCがあることにより、教材へのアクセス、ページめくり、関連資料の閲覧など、紙媒体を用いた授業やLMSでは把握できないさまざまな細かい粒度の情報が、学習活動の履歴として収集可能になってきました。
また、カメラ、マイク、GPSなどのセンサーから得られる情報も、学習活動に関連するデータとして扱える可能性が出てきました。今後は、リストバンド型の活動量計を用いて、心拍、血圧、発汗といった超細粒度の生理データも取得可能となるでしょう。
こういった教育の情報化の進展により、多量の学習記録データを蓄積することが技術的に可能になってきています。このデータの分析と利活用を目指すのが学習分析 (Learning Analytics: LAと略す)です。



３．LAの現状と「未来の学び」


LAは現在、研究成果が徐々に蓄積され、この成果が一部のビジネスに活用され始めた状況です。
LAの研究は、2008年に始まった国際会議EDM、2011年に始まったLAKにおいて研究コミュニティが確立し、これらによって徐々に研究成果が蓄積されています。ただし、「このデータをこう分析すると、こういった知見が得られる」という、広く一般に是認されているパラメータ間の因果関係はまだ多くありません。今後も引き続き研究成果を蓄積する必要がある、発展途上の分野と言えます。
LAの研究成果を活用した取り組みとして、大学における退学予兆者の推定があります。まず、過去の退学者の科目履修、到達状況、出席状況、メールのやりとりなどを集計・分析し、退学者特有のパターンを推定します。次に、在学中の学生に対しこのパターンを当てはめ、フォローが必要な学生を推定します。さらに、彼らに対して集中的に履修指導やメンタリングを行います。これにより、従来より退学者を減らせたという実験的な結果が出ています。
LAを上手に活用すると、コンピューターが学習者個人の状況や理解度に応じて自動的に学習指導を行う、言ってみれば「ロボット家庭教師」が実現可能です。現状でもクイズの解答履歴をもとに、次に勉強すべき教材や解くべきクイズを自動的に選ぶ仕組みを、冒頭で述べた各社がすでに実現しています。これに加え今後は、内容理解や生理状況の把握を助ける道具として、LAが使われる場面が多くなるでしょう。


学習分析にご興味のある方は、こちらのウェブサイトをご覧ください。
http://jasla.jp/