Recommended
More Related Content
Similar to 「eラーニング」と「最旬教育テクノロジー」が本当に効く使い方 ～教育ビッグデータ、ラーニングアナリティクス、アダプティブラーニング、モバイルラーニングetc～
Similar to 「eラーニング」と「最旬教育テクノロジー」が本当に効く使い方 ～教育ビッグデータ、ラーニングアナリティクス、アダプティブラーニング、モバイルラーニングetc～ (20)
Recently uploaded
Recently uploaded (10)
「eラーニング」と「最旬教育テクノロジー」が本当に効く使い方 ～教育ビッグデータ、ラーニングアナリティクス、アダプティブラーニング、モバイルラーニングetc～
- 1. 「eラーニング」と「最旬教育テクノロ ジー」が 本当に効く使い方 ～教育ビッグデータ、ラーニングアナリティクス、アダプティブラーニング、モバイルラーニングetc～ 株式会社デジタル・ナレッジ 代表取締役COO 株式会社デジタル・ナレッジ教育テクノロジ研究所 所長 吉田 自由児 2016/10/28 10:35-11:15 Clicaにて、ご意見・ご感想・ご質問受け付けます。 この講演資料も配布しております。 スマホ・PC・タブレットで下記URLもしくはQRコードへ！ http://award2016.clica.jp
- 3. 3 会社名 株式会社デジタル・ナレッジ 設立 １９９５年１２月 従業員数 １２０名（派遣等含む） 所在地 【本社】 東京都台東区上野5-3-4 eラーニング・ラボ 秋葉原 【西日本支社】 大阪府大阪市西区江戸堀1-12-8 【九州支店】 福岡市博多区博多駅東2-5-19 事業内容 eラーニングの開発、サービス提供 弊社の概要
- 5. 教育とＩＴに関するテーマで毎月調査した調査報告書を無償公開してい ます。 弊社サイトよりダウンロードください。 5 ・韓国サイバー大学調査報告書 ・韓国eラーニングビジネス調査報告書 ・情報処理推進機構（IPA）「ライブ研修」調査報告書 ・eラーニングにおけるコミュニケーション戦略 ・教職員ICTスキルアップ教育調査報告書 ・オンライン音楽レッスン調査報告書 ・不動産証券化専門家養成eラーニング調査報告書 ・伊藤忠テクノソリューションズeラーニング活用調査報告書 ・研修認定薬剤師制度インターネット研修 調査報告書 ・八洲学園大学調査報告書 ・iPadに関する意識調査報告書 ・2010年新社会人の学習に関する調査報告書 ・教員に対するiPadの意識調査報告書 ・企業における研修担当者・受講者の意識調査報告書 ・教員の来年度ICT予算に関する意識調査報告書 ・教員のタブレット端末の授業利用に関する意識調査報告書 ・企業等の研修担当者に対する2011年度新入社員の タイプと研 修に関する意識調査報告書 ・2011年に取り組むべき経営課題に関する 意識調査報告書 ・社会人の“今後挑戦したい学習内容と学習手法” に関する意識調 査報告書 ・東日本大震災の事業への影響とテレワーク（在宅勤務）導入に 関する意識調査報告書 ・東日本大震災の教育への影響に関する意識調査報告書 ・iPadを活用した学習の効果検証報告書 ・SOHO事業者・在宅ワーカーへの 業務委託に関する意識調査報 告書 ・製造業の技術教育におけるeラーニング利用に関する意識調査 報告書 ・ビデオ教材（映像コンテンツ）の教育利用に関する意識調査報告書
- 6. 6
- 7. デジタル・ナレッジ みらいの教育基金 7 第一次応募期間分 助成対象企画発表 第一次応募期間分（2016年3月1日～4月 29日）につきまして、厳正なる審査の結 果、20に企画に対して助成を決定致しま した。 デジタル・ナレッジ創立20周年記念事業 吉賀町版家勉プロジェクト 島根県吉賀町教育委員会 町内の小中学生の自宅学習を促す事業にタブレット端末を提供。 院内学習支援プロジェクト 古河市立下大野小学校 先進的な教育を行う外部講師を招聘しての授業実施に資金を協力 「プログラミング学習アプリ」質問応答自動化機能開発 株式会社Manabelle 同社と弊社にて機能の共同開発を行うこととしました。 院内学習支援プロジェクト 株式会社タイレル出版 全国の病院に、動画学習／参考書／学習ツールを無償提供します。 アクセシブルなデジタル教科書・教材マニュアルの制作 古河市教育委員会：ICTフォーラムにおけるプレゼンテーションコンテ スト 清教学園：Challenged Person と Digital Nativeの「学び」を共有 するコミュニティ 東京農工大学：大学講義のオンライン化と対面授業を組み合わせた学 習履歴の分析 子ども向けオンラインプログラミング教室「おうちでコード」 特別支援学校の児童・生徒が求める教材・教具の制作 山間へき地校の子どもに、英会話能力を育てる ミライブリッジ：看護学生向け入学前プログラム
- 9. 自己紹介 • 吉田 自由児（よしだ じゆうじ） • 1973年 福岡県生まれ • 福岡 → 宮崎 → 沖縄 → 福岡で育つ • 早稲田大学理工学部情報学科 卒業 知識情報工学専攻 寺田文行研究室”CAI班”所属 • 1996年1月、株式会社デジタル・ナレッジの前身テレコム学習ネッ トワーク有限会社の創業時に学生アルバイトとして入社 • エンジニアとして初期のパッケージ開発を担当 以降、ディレクタや営業として数々の案件に携わる。 9 日本語、博多弁、琉球方言のトリリンガルで す eラーニングの前身”CAI”の研究をやってま した 面識のない社長から メールで誘われまし た しょっちゅう英語で話しかけられますが、日本 人です ２１年間、いろいろな案件に携わってきまし た
- 10. 近頃の興味範囲 Learning Analytics / マシンラーニング R言語による分析、システム化 Analytics+の開発 早稲田大学/八洲学園大学との 退学予兆検出プロジェクトのメインプログラマ FB投稿魔（「吉田自由児」で検索してフォローください） ジャズトランペット （と言いつつ、今はコルネット吹いてます） 糖質制限中（４週間目） 10 ・数年前にルービックキューブを覚え、１分 切る程度 ・（いまのところ）社内最速
- 19. スマホ向け機能をどう提供するか？ 1. PC用の機能をスマホで閲覧する （うまく動かない/見えづらい/使いにくい） 2. スマホ専用サイトを用意する （PCとの併用だと、２つのサイト維持必要あり） 3. スマホ/PC共用サイトを用意する （昨今の主流スタイル。「レスポンシブデザイ ン」） 4. スマホ用アプリを提供する （スマホならではの機能が提供できる） 19 レスポンシブデザインとは？ １つのページ・１つのソースでPC/タブレット/スマホさまざまな 端末に 対応したデザイン 画面の横幅サイズに応じて画面サイズやレイアウト、メニュー構
- 23. １時間 １５分 １５分 １５分 １５分 まとめて時間を確保し学習するのが従来 スマホだと、日常生活の中の「スキマ時間」を使って学習する傾向が強い 累積で１時間 同じ学習時間を確保 長い時間ではなく、数分～１５分程度に刻んだコンテンツ スキマ学習 （スナックラーニング／マイクロラー ニング） 近年はスマホ対応でさらに短く１～５分程度のものも 23
- 24. スマホ活用のアイディア 1. PC設置の難しい業種（接客・飲食・現場・外出がち）ではスマホの積極的利用を。 2. 若い世代対象だとスマホファースト傾向が顕著。ＰＣはむしろ使われない。 3. Webサイトによる提供ならレスポンシブデザインを視野に。 4. コンテンツは動画に。マイクロラーニングを意識し再生時間は刻んで撮影。 5. 「可処分時間の奪い合い」への対策のひとつはスマホアプリ。 PUSH通知＆簡単起動/自動ログインで日常の中で習慣化しやすい。 6. BYOD（各人の端末を持ち込み）も検討。 24 今後ますます「スマホファースト」が進 む中、 eラーニングでもスマホの優先度を高め
- 27. Learning Analyticsの概要 さまざまなサービスやデバイスから収集された教育ビッグデー タ、 これを蓄積し、分析して活用するプロセスがLearning Analyticsで す。 27
- 29. 29 Knowledge Deliver Knowledge Recorder 他社 システム ※弊社のLMS”KnowledgeDeliver”や学習履歴統合サービス”KnowledgeRecorder”の学習履歴を利用 ※他社システムでも標準規格”xAPI”やIMS Caliper(予定)を利用することで利用可能 xAPI IMS Caliper Analytics+の概要
- 31. 31 • 学習行動表示・可視化 教育ビッグデータを基に学習・行動を様々な観点から可視化します。 これにより受講者の学習活動の概要を把握できます。 • 学習傾向分析 学習終了や高得点と相関関係の強い項目・活動とは？ 教育効果を高めるには？ 強みや改善点など戦略立案に必要な情報を、教育ビッグデータを分析し可視化します。 相関関係分析関連教科のクラスター分析学習時間と得点分布 時間帯別ログイン=完了率統計 単元別受講時間統計 【可視化の例】 無償提供 Analytics+/View 31
- 32. 32 Analytics+/Viewの例: 「平均得点と学習時間のプロット」 縦軸：学習時間、横軸：平均 得点の分布を表したグラフ。 青：教科終了者 赤：教科未了者 終了者の方が平均得点は高いの が見て取れる。 学習時間も終了者の方が長めの 傾向がある。 時間をかけて勉強して成績 優秀な人が教科終了する。 （まあ当たり前）
- 33. 33 １日２４時間の１時間ごとのロ グイン率を終了状況ごとに描画。 青・オレンジが終了率が高い人のロ グイン（＝成績優秀） 赤はそうではない人（＝成績不振） 職場で強制的にやらされる 人より、深夜早朝に自分の 時間を使って学習する人の ほうが熱心？ ６時～１９時は赤の率が高い 深夜早朝は青・オレンジが高め Analytics+/Viewの例: 「終了別ごと時間帯別ログイン」
- 34. 34 どのような行動が終了率に相関するかを表し た相関図。 各アルファベット：各行動 緑：相関関係 赤：逆相関関係 ※絶対値0.3を超えるとやや強い相関がある。 頑張って学習しようと履修数を増やすとか えって足かせになることも。適切な履修指 導が大事。 終了率(A)=最終得点(C)は強い相関 終了率 初回得点 最終得点 終了教科数履修教科数 再テスト 率 再学習率 終了率(A)=履修教科数(E)は強い逆相関 初回得点(B)=終了率(A)には相関ほぼなし たとえ最初わからなくても繰り返し学習し て得点UPすると終了につながる。 Analytics+/Viewの例: 「行動別成績相関」
- 35. 35 学習時間帯と終了の相関を示したもの。 各アルファベット：各行動 緑：相関関係 赤：逆相関関係 ※絶対値0.3を超えるとやや強い相関がある。 土日勉強する人と平日勉強する人は違う層 土日(U)=平日(T)は強い逆相関 午前(O)=夜(R)は強い逆相関 土日(U)=夜(R)/深夜早朝(S)はやや強い相関 土日勉強する人は夜・深夜勉強する傾向が （忙しいのだろうか？） 終了率 初回得点 午前 午後 夜 深夜早朝 平日 昼休み 土日 午前中勉強する人と夜勉強する人は違う層 深夜勉強する人は初回得点が高く成績良好 Analytics+/Viewの例: 「学習時期別成績相関」
- 37. • レコメンド ・・・ 受講者の履修傾向から「次のオススメ」の教材を提示。 • アダプティブ ・・・ 受講者の理解度・苦手領域などを判断し、 個々の受講者にあったレベル・分野の学習項目を提示。 • 退学予兆検出 ・・・ 学生の退学の予兆を捉え、退学危険性の高い学生を事前に検出。 37 受講者の円滑学習支援環境 より円滑に効果的に学習を進める環境を提供するために教育ビッグデー タを活用します。 自動処理（Robot） 教育ビッグデータの分析結果から導き出したアルゴリズムを利用し、受 講者の学習履歴/行動履歴をもとに自動処理を行うエンジンを提供します。 【Robotの例】 有償オプショ ン Analytics+/Robot
- 38. 原因 38 早稲田大学との産学連携プロジェクト 早稲田大学人間科学学術院 松居辰則研究室との 産学連携プロジェクトで生まれた製品です。 行動の変化から退学予兆を検出 退学は成績不振などの直接的な事実以前に、学習意 欲の低下・経済的理由・生活の変化などの原因があ ります。 当エンジンでは退学につながる「姿勢」の変化に着 目し、退学に相関する行動を特定、それら行動の変 化から退学予兆を検出しました。 直接的な退学の事実 退学 意欲の低下経済的理由 有償オプショ ン 【退学にいたる流れ】 成績不振 欠席 『姿勢』 の変化 『行動』 の変化 『行動』の変化で 退学予兆を検出す る Analytics+/Robot『退学予兆検出エンジン』
- 39. 39 マシンラーニングによる決定木をも とに、LMSのデータから退学予兆を 検出するシステムを実装 ランク分けし、退学可能性の高い ユーザからリストアップ 提供組織ごとに決定木を調整し実装 （精度高く提供するには個別分析・調整が 必要です） 退学予兆検出：ドロップアウト予兆者一覧機能 個別調整し提供します 有償オプショ ン
- 44. この領域ではアメリカのKnewton(ニュートン)社が有名。 ビッグデータ／データマイニングなどを eラーニングに取り込んだアメリカの会社。 アダプティブラーニングのAPI(The Knewton API）が提供されており、各利用 企業がアダプティブの機能を取り込める。 弊社はKnewton社のパートナーとして ソリューションを提供してまいります。 The Knewton API アダプティブの適用例： 44 お問い合わせは弊社 またはニュートンジャパン株式会社までご連絡下
- 46. 46 大学・研究機関との産学連携プロジェクト Learning Analyticsの領域で研究活動をなさっている大学の先生 や研究機関の専門家と連携し、産学連携プロジェクトを進める こともできます。 独自の分析・独自エンジンの開発 それぞれの企業・学校独自の学習特性を踏まえ教育ビッグデー タを分析しレポートを作成します。さらに分析結果に応じて、 独自の自動処理（Robot）を開発することもできます。 有償オプショ ン Analytics+/Project
- 47. 47 教育ノウハウを持つデータサイエン ティスト eラーニングのノウハウとデータサイエンスの スキルを合わせることで、教育ビッグデータ の仮説検証・分析を行い、データの可視化・ 自動処理などの処理を行います。 高度なLAパッケージの開発 Analytics+やKnowledgeRecorderのLA製品や LMS:KnowledgeDeliverへのLA機能提供など、 弊社パッケージを開発し提供します。 Project/カスタマイズ案件に対応 それぞれの企業・学校様の教育ビッグデータを ラーニング・データサイエンティストが整形し た上で分析し、必要に応じて適切な機能を追加 します。 弊社のラーニング・データサイエンティストたち ラーニング・データサイエンティスト ラーニング・データサイエンティストたちが個別に対応 します
- 52. 【Project例】生体情報による学習行動分析 生体情報 IoTで収集できる生体情報を分析対象に 汗 心拍数 まばたき 体の動き 頷き 脳波 活動量計 筋電 52 脳波を分析するプロジェクトを実施中 大学と共同で脳波によるLearning Analyticsを実施中。近日中に概要発表予定。 IoTプロジェクト 筋電センサー・ジャイロセンサー・加速度計・磁気センサー・眼電位センサー などを搭載したIoTデバイスによる学習行動の分析を実施中。
- 53. ２つの規格：xAPIとIMS Caliper • 学習履歴の採取に関して、２つの標準規格が存在。 ExperienceAPI(xAPI) IMS Caliper • LMS：KnowledgeDeliverおよびLRS：KnowledgeRecorderをxAPI対応済。 • 弊社はIMS Japanの発起人として活動。 • Caliperを利用したシステム開発・データ収集・分析を提供。 53 xAPIもCaliperも双方取り扱い対応してます
- 55. 55 対象 価値・用途 ①収集／蓄積 ・ＬＲＳ ・オムニチャネル学習環境 ②履歴可視化 ・ポートフォリオ ・統合学習履歴管理 ・バッジ、修了証 ・タレントマネジメント ③集計／分析 ・教材評価 ・指導カルテ（指導者向情報提示による指導精度向上） ・ユーザ特性別教育（学習パターン・傾向による分類） ・成績/出席/合否予測 ・志望校別合格者活動分析 ④自動化 ・指導を必要とする対象者自動抽出（指導品質向上） ・ドロップアウト予兆（トラブルの予測による抑止） ・自動採点 ／ 自動応答 ・ハイパフォーマー抽出 ・アダプティブ（弱点補強のための自動教材提示） ・レコメンド（自動履修指導） 教育ビッグデータ・ラーニングアナリティクスの 価値・用途
- 57. Learning Analytics導入のステップ案 1. 前もって課題や解決したいことを掲げ、LAで創出する価値を想定して おく。 （データを前に「なにしよう？」と考えるのも良いが、事前に課題が明確だと有 意かつ効果が発揮できる） 2. 教育ビッグデータを蓄積する仕組みを入れ、蓄積する。 3. 可視化ツールなどを使い分析する。有意な相関を探し出すことに注 力する。 4. 分析をもとに、アダプティブ・レコメンド・予兆検出などの自動化 を行う。 57
- 58. Learning Analytics導入のメリット 1. 合格・修了・卒業・ハイパフォーマなどのゴールに 相関する行動を明らかにする 2. 属人的な指導ノウハウからデータに裏付けされた指 導へ 3. 受講者一人一人に合わせた個別指導 4. 一歩先の予測 58 教育ビッグデータをもとに ラーニングアナリティクスが導き出した分析結果が教育資産 に
- 59. Learning Analyticsの記事を TechTargetに連載中 59 http://techtarget.itmedia.co.jp/tt/series/3801/index.html
- 60. プレゼント 60