「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...

「 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

2016/10/2810:35-11:15

撮影・録音・シェアALL OK!

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

株式会社デジタル・ナレッジの紹介まず、弊社の概要を紹介します。2



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

７つの「ワンストップ」メニュー4

構築

クラウド運用

製品教材

募集

コンテンツ制作・収録インストラクショナルデザイン

受講者募集リアル・ Web プロモ

教室・ IT 機器タブレットクラウド、 ASP

ストリーミング

カスタマイズシステム連携

LMS 、マルチデバイス学習プラットフォーム

環境

支援スタッフ常駐業務委託

e ラーニングしかやってませんが、e ラーニングなら全てやってます。

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

7デジタル・ナレッジみらいの教育基金

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

自己紹介どんな人？？8



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。

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）

・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・３０秒切る方、コツ教えてください

昨今のテクノロジーからみた教育トレンド今日のセッションの進め方11



12今日のねらい

最旬の教育テクノロジを現場に導入して、効果を上げる方法を検討する上で、何かヒントになる情報が提供できればと願っております。いくつかの最旬教育テクノロジを取り上げ、　その仕組みや背景を解説します。

弊社における最新の取り組みやサービスについても　言及します。

参加者の皆さんへの事前アンケート：　e ラーニングに“新しい機能”を付けるとしたらどんな機能が欲しいですか？

13

(1) スマホ(2) ラーニングアナリティクス

ちなみに今回お話しする内容は・・・

14

(1) スマホ対応15



16スマホを中心に据えた学習スタイル

パソコンに、スマホ・タブレットを併用する学習スタイルへ。• 「いつでも・どこでも」が加速• 「ブレンデッド・ラーニング」・「ブレンディング・ラーニン

グ」

　

　スマホ「が」主役、さらにスマホ「だけ」の時代へ。

モバイル・ラーニング

マルチデバイス

スマホファースト

スマホがデバイスの本命へ。

17

１回あたりの学習時間

端末サイズ（ポータビリティ／情報量）

スマホ

タブレット日常の中で

さくっと学習

オールマイティ

省スペース

大小

大

小

各デバイスの特性

ＰＣ

落ち着いてがっつり学習文字入力

（キーボード）

Push通知

タッチ

デバイスの特性に合わせ、日常のあらゆるシーンで使い分けながら学習を実施

通勤・通学途中スマホ学習

帰宅途中スマホ学習

職場・学校でタブレット学習

自宅でパソコン学習

マルチデバイスの一日の学習例18

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）

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、メニュー構成が自動で変化し、デバイスに最適なインタフェイスを提供

20弊社 LMS=KnowledgeDeliver のレスポンシブデザインの例

利用している端末の画面横幅で、表示・メニュー構成が自動で変化

今年２月より出荷の Ver.6.2以降で対応中。レスポンシブデザインのバージョンの出荷比率が向上中

21アプリ版 KnowledgeDeliver 　（リリース予定）

アプリ起動のみで学習開始　（ログイン必要なし）

スケジュール / インフォメーション / メッセージは PUSH通知で通知

スマホ特化した　ユーザインターフェイス

学校・企業向けの専用アプリも　個別提供可能近日リリース予定

動画スライド

モバイル時代の主流は動画コンテンツ教員のスキルがそのまま活かせる機材が安価、撮影・編集も簡単マルチデバイス展開が楽そもそも受講者が動画に慣れてき

た

22

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。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に。

(2) 教育ビッグデータ・ラーニングアナリティクス教育ビッグデータ・ Learning Analytics について説明します。25



26

学習履歴LRS

蓄積された学習履歴をどのように活用するか？

ポートフォリオ

分析・データマイニング

教育ビッグデータ

ラーニング・アナリティクス(Learning Analytics)

課題：学習履歴の利活用

27Learning 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。

Learning Analytics総合サービスAnalytics+

28

Analytics+/

View

無償提供

2016 年 10 月現在２０法人でご利用中

29

Knowledge

DeliverKnowledge

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

Analytics＋／ View学習活動を可視化30



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+/View31

32Analytics+/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 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 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 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か

Analytics+/View の例 :「学習時期別成績相関」

Analytics＋ / Robot学習結果を分析し、有益な自動処理を行う36



• 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

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 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

40弱点タグクラウド表示機能

テスト実施後に、受講者の弱点と思われる単語をタグクラウド化して表示事前に単語データを登録するのではなく、テスト問題や解説を形態素解析して

自動的に単語データを生成するのがポイント（事前準備必要なく利用できる）

KnowledeDeliver6.3以降

標準搭載

IMS Japan賞受賞

Amazon の「おすすめ」って、

結構図星じゃないですか？

利用者の検索文字列や閲覧履歴や購買履歴から「次に何が欲しいか」をおすすめする技術を学習に転用できないか？これが『レコメンド』

Google検索も図星ですよね？

「おすすめ」＝レコメンド41

42おすすめ単元レコメンド

テスト問題の誤答履歴から、受講者の苦手分野を類推し、その知識体系を含む単元を自動でおすすめ。

単元構造の定義といった事前準備が不要で、テキストマイニングにより自動でレコメンド。

KnowledeDeliver6.3以降

標準搭載

教材知識構造データ

学習履歴

これまでの学習状況を分析すると、あなたが次に勉強するべき項目は『一次方程式』です。

「個別適応型学習」＝アダプティブ学習

これが『アダプティブ』

43

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さい。

Analytics＋ / Project教育ビッグデータをプロジェクトで分析・利活用45



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 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

「プログラミング学習アプリ」質問応答自動化機能共同開発

48株式会社 Manabelle様

Manabelle取締役 CTO久保田氏Manabelle代表取締役小林コトミ氏

DK 代表取締役社長はが弘明

プログラミング学習アプリ「 Codebelle 」の受講者からの質問に自動応答する機能の共同開発を開始しました。

49【 Project例】分析レポート

講座完了率のロジスティック回帰

顧客ごと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分析しレポートを作成。

相関関係の分析進捗率推定

アソシエーション分析（講座間ナレッジグラフ）

50【 Project例】分析レポート

年間降雪量と学力の相関都道府県別平均進捗と相関のある項目詳しくは 11:30 ルーム D で開催される「グラフ”で繋がり、可視化されるデータ～データ表現の技術的側面と LA活用の可能性～」で紹介いたします。

合格に至る決定木

テスト得点と合否判定

51【 Project例】ハイパフォーマ候補検出

LRS( 教育ビッグデータ )

e ラーニングシステム

人事データベース

集合研修出欠情報学習アプリ

全社員

ハイパフォーマー

ハイパフォーマー候補

教育ビッグデータを分析し、ハイパフォーマの行動と類似性の高いハイパフォーマ候補をピックアップ。大塚製薬様、サイコム・ブレインズ様のプロジェクトで実施中。

業務成績の高い人（ハイパフォーマー）の学習履歴・行動履歴から、今後業務成果を上げそうな人（ハイパフォーマー候補）を検出する機能。

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

IoT デバイスの利用

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。

53２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。xAPI も Caliper も双方取り扱い対応してま

す

Learning Analytics まとめ価値・進め方54



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

56Learning Analytics導入による PDCA サイクル

Plan

Do

Check

Action

教員・運用者のカンや経験に基づき確認

教材や指導にフィードバック

教育ビッグデータを分析しグラフや相関データを確認

＋自動指導

57Learning 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。

5. 自動化の精度を高める。

58Learning 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

Learning Analytics の記事をTechTarget に連載中

59

http://techtarget.itmedia.co.jp/tt/series/3801/index.html

http://techtarget.itmedia.co.jp/tt/series/3801/index.html

プレゼント

60

ご聴講ありがとうございました。

【 blog】 http://www.digital-knowledge.co.jp/blog/

@dk_plat 　 (http://twitter.com/dk_plat)

http://www.facebook.com/jiyuuji.yoshida

http://www.facebook.com/Digital.Knowledge.CO.LTDよろしければ「いいね」おねがいします。

61撮影・録音・シェアALL OK!ブースにて

お待ちしてます！



http://upload.wikimedia.org/wikipedia/commons/8/8b/Twitter_logo_initial.svg

「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...

Education

Transcript of 「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...