ラーニング・アナリティクス
展望と課題	
武田俊之
関西学院大学
2013/9/6 at FIT 鳥取	
1
ラーニング・アナリティクスとは	
•  The measurement, collection, analysis and
reporting
of data about learners and their contexts,
for pur...
ラーニング・アナリティクス: Process	
3
measurement
collection
analysis
report
目的・モデル
システム
understand
optimize
Teaching & Learning関連領域	
•  記述的理論
–  Learning Sciences / Cognitive Science
–  Psychology (Educational / Cognitive / Behavi...
データ	
•  「測定する」だけではない
•  デジタルサービスが生成する
– 事前の理論・デザインを前提としない
– 例
•  LMS
•  SNS
•  ポートフォリオ
•  センサーデータ
•  ビデオ撮影→コーディング&トランスクリプシ...
ラーニング・アナリティクスの特徴	
学習者とその環境のために
•  Multi Discipline—
– 複数の理論を併用してつかう
•  Multi Vocal—
– 学習(者)のさまざまな側面や役割を同時に見る
•  Multi Leve...
ビジネス・アナリティクス(BA)とは?	
•  Actionable Insightを生みだすためにおこなう
– 意思決定から行動につなげる
•  誰のために?
– 経営者のため(MIS / SIS) →
– サービスの最前線でリアルタイムにデ...
分析の目的	
•  予測(相関)
•  偏相関(真の相関)
•  相互的位置関係の抽出(クラスタリング、SNA)
•  Business Analytics
– ”Group by” :クロス集計
– 時系列プロット
8
Evidence Based Medicine (EBM)	
•  EBM ≠ Evidence Forced Medicine
– ActionもInsightも医療現場(臨床)のもの
– N-of-1 trial(患者ごとの研究)が最上位の...
Multi Level of Focus	
LA	
IR
Five primary areas of analysis
	
•  Prediction
•  Clustering
•  Relationship mining
•  Distillation of data for human judg...
five areas of LA/EDM application	
•  -Modeling user knowledge, behavior, and
experience
•  Creating profiles of users
•  M...
UMBC (1)	
13
http://www.educause.edu/library/resources/what-does-analytics-mean-higher-education
UMBC (2)	
14http://www.educause.edu/library/resources/what-does-analytics-mean-higher-education
UMBC (3)	
15
Data Management Committee
Meets twice a year to review progress made by various teams and
solicit feedback on...
Course Signals (Purdue University)	
16
Analytics 101 (Doug Clow)	
17
Blackboard	
Analytics for learn:
http://www.blackboard.com/Platforms/Analytics/Products/Blackboard-Analytics-for-Learn.asp...
Desire2Learn	
19
Desire2Learn (Sociogram)	
20
Instructure CANVAS	
http://www.instructure.com/features-higher-education/save-time-and-effort	
 21
Kahn Academy	
http://www.kahnacademy.org/	
 22
Udacity	
http://blog.udacity.com/2013/09/what-does-udacity-do-with-data.html	
 23
Grockit (GMAT受験サポート)	
http://grockit.com/blog/gmat/
category/grockit-feature-update/	
24
Social Network Analysis (SNAPP)	
http://www.slideshare.net/sbs/learning-analytics-or-the-data-tsunami-hits-higher-educatio...
Discourse analytics on textchat	
http://www.slideshare.net/sbs/learning-analytics-or-the-data-tsunami-hits-higher-educatio...
Student Activity Meter (Erik Duval)	
http://www.slideshare.net/erik.duval/learning-dashboards	
 27
ロールモデル型eポートフォリオ(日本女子大小川研究室)	
http://mcm-www.jwu.ac.jp/~kayo_lab/img/rmp1.pdf	
 28
課題 Issues—学習を科学するために	
•  所有と所在の問題
•  高等教育への影響
•  エビデンス・データベース、マップの構築
•  再分析可能なオープン・リンクト・データ
•  → Discipline間の対話
•  LA + {M...
所有の問題	
•  プライバシー、倫理
•  ひもづけ
30
所在の問題(1)	
•  アナログ時代
– 行為者の近くにデータがあった。
– 「集計結果」だけが下位レイヤーに送られた
•  デジタル時代
– raw dataは下位レイヤーで収集される
– 行為者はどんなデータが収集されていることを知ら
な...
所在の問題(2)	
•  LMS(大学のセンターで運営)のデータを
ダッシュボードより詳細に
– 学部が分析したい
– 授業担当者が分析したい
– 学生が分析したい
•  クラウド上のLMSのデータを
– 大学が詳細に分析したい
32
Curriculum Analytics	
•  カリキュラムのコースの整合性
– トピックモデル(LDA)
– 履修のSocial Network Analysis
•  推薦
33
http://www.slideshare.net/gsiemens/how-large-systems-change	
高等教育の変容:アンバンドルと統合
(Massive Open) Online Course
+
Learning Analytics
+
Active Learning
MOOCは伝統的なコースのオンライン化	
36Pardo, 2013: http://www.slideshare.net/abelardo_pardo/pushing-the-mooc-envelope-with-learning-analy...
LAがアクティブ・ラーニングのMOOC化を実現する	
37Pardo, 2013: http://www.slideshare.net/abelardo_pardo/pushing-the-mooc-envelope-with-learning...
個人で開講するコース(インディMOOC)	
38http://www.daigomi.org/lclj/	
クラウド利用で費用ゼロ
Our Own Open Online Course (O4C)	
•  知識を持っているひとがコースを開き、
その知識を得たい人が受講する
•  Massiveであってもなくてもよい
39
MOOC+LAプラットフォーム	
40
MOOC system
Instruction Design
ActiveLearning
Course
Platform
Course Design
Class
Individual
LearningA...
Upcoming SlideShare
Loading in …5
×

ラーニング・アナリティクスの展望と課題

1,867 views

Published on

学びを科学する:MOOCsでCloudなBig DataをLearning Analytics! (http://www.ipsj.or.jp/event/fit/fit2013/program/data/html/event/event_2-6.html) で使用したスライドです。

Published in: Education, Technology
0 Comments
4 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
1,867
On SlideShare
0
From Embeds
0
Number of Embeds
55
Actions
Shares
0
Downloads
20
Comments
0
Likes
4
Embeds 0
No embeds

No notes for slide

ラーニング・アナリティクスの展望と課題

  1. 1. ラーニング・アナリティクス 展望と課題 武田俊之 関西学院大学 2013/9/6 at FIT 鳥取 1
  2. 2. ラーニング・アナリティクスとは •  The measurement, collection, analysis and reporting of data about learners and their contexts, for purposes of understanding and optimizing learning and the environments in which it occurs. SoLAR: http://www.solaresearch.org/about/
  3. 3. ラーニング・アナリティクス: Process 3 measurement collection analysis report 目的・モデル システム understand optimize
  4. 4. Teaching & Learning関連領域 •  記述的理論 –  Learning Sciences / Cognitive Science –  Psychology (Educational / Cognitive / Behavioral) •  処方的理論 –  Design Research –  Instructional Design Theories –  Institutional Research •  数理・システム –  Educational Data Mining –  Social Network Analysis –  CSCL 4 鈴木, 2011
  5. 5. データ •  「測定する」だけではない •  デジタルサービスが生成する – 事前の理論・デザインを前提としない – 例 •  LMS •  SNS •  ポートフォリオ •  センサーデータ •  ビデオ撮影→コーディング&トランスクリプション 5
  6. 6. ラーニング・アナリティクスの特徴 学習者とその環境のために •  Multi Discipline— – 複数の理論を併用してつかう •  Multi Vocal— – 学習(者)のさまざまな側面や役割を同時に見る •  Multi Levels of Focus – さまざまなレベルから分析をおこなう 6
  7. 7. ビジネス・アナリティクス(BA)とは? •  Actionable Insightを生みだすためにおこなう – 意思決定から行動につなげる •  誰のために? – 経営者のため(MIS / SIS) → – サービスの最前線でリアルタイムにデータを利用 する(=BAの深化) http://www.slideshare.net/McK_CMSOForum/customer- journey-analytics-and-big-data
  8. 8. 分析の目的 •  予測(相関) •  偏相関(真の相関) •  相互的位置関係の抽出(クラスタリング、SNA) •  Business Analytics – ”Group by” :クロス集計 – 時系列プロット 8
  9. 9. Evidence Based Medicine (EBM) •  EBM ≠ Evidence Forced Medicine – ActionもInsightも医療現場(臨床)のもの – N-of-1 trial(患者ごとの研究)が最上位のエビデン ス •  EBM実現のためのデータ整理に膨大な労力が さかれている(メタ分析など) •  Evidenceの賞味期限は5.5年。1年以内に17%、 2年以内に23%が書きかえられる。 (Shojania, 2007) 9
  10. 10. Multi Level of Focus LA IR
  11. 11. Five primary areas of analysis •  Prediction •  Clustering •  Relationship mining •  Distillation of data for human judgment •  Discovery with models Baker and Yacef (2009) 11
  12. 12. five areas of LA/EDM application •  -Modeling user knowledge, behavior, and experience •  Creating profiles of users •  Modeling knowledge domains •  Trend analysis •  Personalization and adaptation Bienkowski, Feng and Means (2012) 12
  13. 13. UMBC (1) 13 http://www.educause.edu/library/resources/what-does-analytics-mean-higher-education
  14. 14. UMBC (2) 14http://www.educause.edu/library/resources/what-does-analytics-mean-higher-education
  15. 15. UMBC (3) 15 Data Management Committee Meets twice a year to review progress made by various teams and solicit feedback on specific issues and prioritizations. •  VPs & Deans Data Warehouse Team (Weekly) Assigns REX tickets, manages changes to warehouse & reporting envir. Chair: IR Rep: IR, IT, EM, Cont. Ed Deans’ Representation Campus Systems Executive Committee (Twice Monthly) Chairs: CIO & AVP EM IT Steering Committee (Monthly) Chair: Vice Provost REX User Group (2X Monthly) Informal meeting to discuss users needs and specific reports. Could be used to discuss training options. Chair: IT Rep: IR, IT ,EM, Stud Affairs, Cont. Ed, Dean Offices Data Quality Team (ad hoc) Comprised of data managers from various functional offices to develop and monitor data integrity processes Chair: IR Rep: IR, IT, EM, Cont. Ed, Bud&Fin, HR, Res Life Data Access & Security Team (ad hoc) Manages access to and security levels in PS and REX, including confidentiality issues Chair: IT Rep: IR, IT, EM, Cont. Ed, Bud&Fin, HR, Res Life Setup Tables Team (ad hoc) Manages changes to plans and subjects as well as the rollups to orgs, colleges, etc. Chair: EM Rep: IR, IT, EM, Bud&Fin, HR, Res Life Training Team (ad hoc) Manages training material for both SA and REX Chair: IT Rep: IR, IT, EM, Cont. Ed, Bud&Fin, HR, Res Life
  16. 16. Course Signals (Purdue University) 16
  17. 17. Analytics 101 (Doug Clow) 17
  18. 18. Blackboard Analytics for learn: http://www.blackboard.com/Platforms/Analytics/Products/Blackboard-Analytics-for-Learn.aspx 18
  19. 19. Desire2Learn 19
  20. 20. Desire2Learn (Sociogram) 20
  21. 21. Instructure CANVAS http://www.instructure.com/features-higher-education/save-time-and-effort 21
  22. 22. Kahn Academy http://www.kahnacademy.org/ 22
  23. 23. Udacity http://blog.udacity.com/2013/09/what-does-udacity-do-with-data.html 23
  24. 24. Grockit (GMAT受験サポート) http://grockit.com/blog/gmat/ category/grockit-feature-update/ 24
  25. 25. Social Network Analysis (SNAPP) http://www.slideshare.net/sbs/learning-analytics-or-the-data-tsunami-hits-higher-education 25
  26. 26. Discourse analytics on textchat http://www.slideshare.net/sbs/learning-analytics-or-the-data-tsunami-hits-higher-education 26
  27. 27. Student Activity Meter (Erik Duval) http://www.slideshare.net/erik.duval/learning-dashboards 27
  28. 28. ロールモデル型eポートフォリオ(日本女子大小川研究室) http://mcm-www.jwu.ac.jp/~kayo_lab/img/rmp1.pdf 28
  29. 29. 課題 Issues—学習を科学するために •  所有と所在の問題 •  高等教育への影響 •  エビデンス・データベース、マップの構築 •  再分析可能なオープン・リンクト・データ •  → Discipline間の対話 •  LA + {MOOC, Active Learning, Student Experience Design} •  マインドセットの醸成とリテラシーの普及… 29
  30. 30. 所有の問題 •  プライバシー、倫理 •  ひもづけ 30
  31. 31. 所在の問題(1) •  アナログ時代 – 行為者の近くにデータがあった。 – 「集計結果」だけが下位レイヤーに送られた •  デジタル時代 – raw dataは下位レイヤーで収集される – 行為者はどんなデータが収集されていることを知ら ない – 行為者は集計結果だけを見ることができる 31
  32. 32. 所在の問題(2) •  LMS(大学のセンターで運営)のデータを ダッシュボードより詳細に – 学部が分析したい – 授業担当者が分析したい – 学生が分析したい •  クラウド上のLMSのデータを – 大学が詳細に分析したい 32
  33. 33. Curriculum Analytics •  カリキュラムのコースの整合性 – トピックモデル(LDA) – 履修のSocial Network Analysis •  推薦 33
  34. 34. http://www.slideshare.net/gsiemens/how-large-systems-change 高等教育の変容:アンバンドルと統合
  35. 35. (Massive Open) Online Course + Learning Analytics + Active Learning
  36. 36. MOOCは伝統的なコースのオンライン化 36Pardo, 2013: http://www.slideshare.net/abelardo_pardo/pushing-the-mooc-envelope-with-learning-analytics
  37. 37. LAがアクティブ・ラーニングのMOOC化を実現する 37Pardo, 2013: http://www.slideshare.net/abelardo_pardo/pushing-the-mooc-envelope-with-learning-analytics
  38. 38. 個人で開講するコース(インディMOOC) 38http://www.daigomi.org/lclj/ クラウド利用で費用ゼロ
  39. 39. Our Own Open Online Course (O4C) •  知識を持っているひとがコースを開き、 その知識を得たい人が受講する •  Massiveであってもなくてもよい 39
  40. 40. MOOC+LAプラットフォーム 40 MOOC system Instruction Design ActiveLearning Course Platform Course Design Class Individual LearningAnalytics Course Course 学習者 従来型講義 アクティブ・ラーニング コース提供者 コース提供 分析結果 受講

×