蓄積されたデータの分析方法

3.16.1 分析

本年度の学習・教育クラウド・プラットフォームの実証では授業における利用期間が十分 でなく、分析に対して有効と考えられるデータ量を確保することができなかったため、他事 業にて実施されているICT を活用した学習環境の整備とその学習記録データを活用した取 り組みとして、立命館守山中学校・高等学校の事例について報告した。

同校では、中学1年、高校1年の生徒を対象に教師と合わせて約500名にiPadを配布し、

114

数学と英語の 2 教科で開始。クラウド上に問題単位で蓄積されたデジタル教材を、生徒一 人ひとりの習熟度に合わせて、教師や生徒自身が選択し学習する仕組みを授業に取り入れて いる。また、SNS 機能を活用して、生徒同士が教材を評価・推薦したり、分からない部分 を教師や他の生徒に質問したりしながら解決するなど、生徒たちが仲間と協働しながら、能 動的に学習できる環境を実現している。

学習記録データとして蓄積しているデータは下記のとおりである。

 操作ログ

 利用時間（ログイン時間）

 利用日数/ 問題を解いていた時間

 問題画面から遷移した回数

 解いた問題数（自ら検索した問題、レコメンドされた問題）

 コメント回数、等

 生徒が解いた問題からのデータ

 自己評価（正しく解くことができたかどうかを3段階で評価）

 問題評価（重要と考えるかどうかを4段階で評価）

 解説評価（わかりやすいかどうかを3段階で評価）

 問題閲覧時間

 解説閲覧時間

 問題に対するコメント

クラウドにて提供されている問題は、それぞれ、問題名・ファイル名・学年・単元・教材 名・設問数・目次・問題レベル・教材会社名等のデータを保有している。

なお、生徒に関する属性は男女や学年等の基本属性のみであり、家庭環境等の外部データ は含んでいない。

3.16.2 結論・得られた知見

上記データの収集、蓄積並びに分析を行うことにより、クラウド上に蓄積された問題を、

生徒の学力や理解度、学習の進捗状況などと紐付けて最適な教材コンテンツとして提示（レ コメンド）するアダプティブラーニングを実現している。

本システムでは、システムからのレコメンドだけではなく、教師によるレコメンドや生徒 同士によるレコメンドも可能な仕組みとなっているが、システム側では単元単位で正答率が 50％を下回る場合、同一単元のよりやさしい問題をレコメンドする（その反対も同様）な どが行われている。また、教師側では、同じレベル習熟度の生徒をグループ化してそれぞれ に最適な問題を配布するといったことが行われている。

3.16.3 今後の課題

本システムの稼働が開始し、ある程度のデータが蓄積され、学力との突合や分析、最適な 教え方などが進みつつあるのが現状である。将来的には、蓄積されたデータと「学力・理解 度」との関連付け、児童生徒の個々の特性に合わせたアダプティブラーニング、教科をまた いだレコメンド等も検討されている。また、これらのデータを中高大一貫教育の中での学習

115

指導に役立てたり、ビッグデータ解析技術を用いた多様な学びの形成に発展させたりする計 画である。

その他、保護者も自身の子どものジャンル別の学習の進捗や理解度、教員とのやりとりな どが可視化されることで、これまで以上の情報共有ができるようになっている。また、問題 の解説に対する評価やコメントは、教材会社とも共有されている。これまでは把握できなか った学習者の生の声を集めることができ、今後の教材開発に活かされる見込みである。

116