Analytics+

1つは「可視化」です。

表やグラフを用いて、学習状況や分析結果をわかりやすく表示します。分析結果を可視化することで多様な気づきを得ることができますし、教育提供者同士、あるいは、教育提供者と学習者の間で共通の認識を持ち教育改善につなげるための強力なツールとなります。

もう1つは「自動化」です。

分析にて得られた数値やアルゴリズムをもとに自動処理を行い、有益な機能を提供します。たとえば、現在の履修状況から次のおすすめ教科を推奨する「レコメンド」や、受講者の苦手な領域や次の学習箇所を類推し、効率的な学習を進める「アダプティブ」、過去の退学者のデータを今後の退学者防止に生かす「退学予兆検出」などがあります。

このように、データを詳しく分析したり可視化したりすることで、学習評価やさまざまな予測、成績と学習行動の関係性、問題点を導き出し、教育改善に生かす手法が「ラーニング・アナリティクス」です。教育ビッグデータの価値を引き出すが方法がラーニング・アナリティクス、だという表現もできるでしょう。

なぜ今ラーニング・アナリティクスなのか？

テストの点数や試験の合否など「学習結果に対する分析」はこれまでにもさかんに行われてきました。しかしながら、「学習プロセスの分析」については実施困難でした。なぜなら、学習過程を記録する方法が極めて限定的だったからです。授業をビデオ撮影したり、先生や生徒自身が学習の振り返りを記録するくらいしか方法がありませんでした。

しかしながら、急速なICT化により、学習シーンでも広くPCなどの情報機器が使われるようになると、学習や教育に関する膨大なデータがさまざまな形態や粒度で取得・蓄積できるようになり、これまで困難だった学習過程・プロセスに関する分析が可能となってきました。

たとえば、どのようなデータが取れるようになってきたのでしょうか？

さらに最近では多彩なウェアラブル端末の登場により、

など学習者本人が意識していない生体情報データまでもが取得可能となりつつあります。

「大規模な学習履歴」「粒度の細かな行動履歴」、そして「生体情報」と教育ビッグデータの多様化・多面化が進んだことで、学習過程のみならず、学習者の思考過程、心的状態をも把握し、教育改善や優れた学習環境デザインの実現に役立てる取り組みが進められているのです。

標準

学習傾向分析

高い教育効果と因果関係の強い項目・活動とは？教育効果を高めるためには？――戦略立案に必要な学習履歴データから強みや改善点を分析し、可視化します。

学習行動分析

学習履歴データを基に学習・行動を可視化します。これにより受講者の学習活動の概要を知ることができます。

オプション

レコメンド/アダプティブ

分析結果を基に「次のオススメ」を提示するレコメンド機能や、学習状況に合わせて次の学習課題を提示するアダプティブ機能を搭載し提供します。（有償Option）

退学予兆検出

早稲田大学 松居辰則教授との共同研究により、退学予兆を事前に察知するRobotを開発。企業・学校でも転用できるよう個別にチューニングして提供します。（有償Option）

研究

産学連携プロジェクト

Learning Analyticsの領域で研究活動をされている大学の先生方と連携し、企業・学校独自のAnalyticsプロジェクトを進めることもできます。