ICT CONNECT 21 技術標準WG 連続セミナー 田村　WoT

1. Learning Analyticsの現状
〜研究、技術標準、プライバシー〜
上智大学 田村恭久
ICT CONNECT 21 技術標準WG連続セミナー
第５回 2018-6-10
@ユビキタス協創広場CANVAS
1

2. 自己紹介
• 上智大学 理工学部 教授
– 専門：教育工学、電子教科書、Learning Analytics
• 学習分析学会 理事長
• 日本eラーニング学会 会長
• ICT Connect 21 技術標準WG 座長
• 総務省 スマートスクール実証事業 評価委員
• ISO/IEC JTC1/SC36 (e-Learning)
– WG8 (Learning Analytics Interoperability) Co-
leader
2

3. 教育の情報化
3
生徒／学生／受講者
校務系サーバ教材サーバ
(出版社等)
学習系サーバ 履歴分析サーバ
電子教科書
認証
出欠
教材
クイズ
フィードバック
レコメンデーション
↓
Learning
Analytics

4. Learning Analyticsとは
• 学習履歴データの収集・分析・フィードバック
– 受講者や教員の状況や特徴を把握
• 従来の学習分析からの進歩
– 細粒度の学習履歴データの収集
• クライアントPCやウェアラブル機器を利用
– ビッグデータ分析技術の利用
• データクレンジング、スパース（疎）データの扱い
– Deep Learning 等人工知能技術の応用
4

5. 国際会議EDM 2008〜
国際会議LAK 2011〜
学習履歴データの電子化と細粒度化
5
心拍 血圧
発汗 視線
GPS情報
教材アクセス
ノートテイク
カメラ映像
音声
テスト回答
レポート記述
成績表
履修履歴
テスト回答
レポート記述
成績表
履修履歴
2000年前後
• LMSの普及
• 機械可読データへ
2010〜15年
• タブレットPCの普及
• 電子教科書を手元で表示
従来
• 紙媒体
• データ変換工数大
今後
• ｳｪｱﾗﾌﾞﾙ機器の普及
• ﾗｲﾌﾛｸﾞﾃﾞｰﾀ
データ
の粒度
粗
細
年
LMS上Q&A
メール
SNSﾒｯｾｰｼﾞ
2000〜10年
• 携帯/スマホ
• SNS
サーバ上のデータ デバイスが発信するデータ

6. Learning Analyticsの概観
データ収集
データ蓄積・
フィルタリング
分析
出力／
フィードバック
プライバシーを保護する匿名化と復元
 xAPI
 IMS Caliper
 Adaptive Data
Collector
 形式変換
 クレンジング
 前処理(NLPなど)
 統計処理
 ビッグデータ解析
 人工知能
 可視化
 ダッシュボード
 リコメンデーション
 学習者適応
 Eポートフォリオ
学生プロ
ファイル
学校評価/
IR
教員プロ
ファイル
教員・
学生への
フィード
バック
適応型
ナビゲー
ション
プロファイル
の記録
Revised from ISO/IEC TR20748-1 Learning Analytics Interoperability: Reference Model
6
LMS/VLE
教育アプリ
サードパーティアプリ

7. 2013.4 2014.4 2015.4 2016.4 2017.4 2018.4
1
13/10
2
14/2
3
14/6
4
14/
9
5
15/
2
JASLA発足
2015.5
2012.4
Buzan
12/9
Moscow
13/9
Oslo
14/6
SC36
eTextbook
IDPF/IMS
EDUPUB
V1.1
12/8
V2.0
14/1
V1.0
13/4
V0.8
12/7
ADL
xAPI
IMS
LTI
V1.03
16/10
V1.01
13/10
V1.02
14/10
V1.0
15/10
V1.1
18/1
IMS
Caliper
デジタル教材等の標準化 デジタル教科書の位置付け検討文部科学省
Rouen
15/6
Prague
16/6
Melbourne
17/6
↓
LA
NewYork
15/3
Indianapolis
14/3
国際会議
LAK
Sydney
18/3
Edinburgh
16/3
Vancouver
17/3
Leuven
13/3
LASI Asia
17/8
電子教科書
学習履歴分析
(Learning Analytics)
電子教科書とLAの技術標準・学会

8. データ粒度別の状況
8
データの種類 Learning Result Communication Behavior Physiological Data
データの例 科目の成績
テストの成績
メール、SNS、
電子掲示板の内容
教材アクセス、
ノートテイク、
カメラ画像、音声
心拍、血圧、発汗、
視線、GPS
データ発信元 校務系サーバ
学習系サーバ
メールサーバ
SNSサーバ
学習者PC 学習者デバイス
粒度 粗 中 細 超細
段階 実運用段階
退学予兆予測
適応型テスト
研究段階
ﾌﾟﾛﾄｺﾙ分析等
NLP適用がネック
研究段階
挙動と学習達成の
関係が不明
研究途上
生理状態と学習達成
の関係が不明
Multimodal Learning
Analytics と呼ばれる

9. 統計処理とビッグデータ処理
9
学習成果
（科目の成績など）
学習の経過、
学習中の挙動
データの特徴 構造・整形
欠損がない
形式が一律
量が少ない
非構造・非整形
欠損が多い
形式が多様
量が膨大
データの蓄積 関係データベース テキスト、NoSQL
データの処理 統計処理 統計処理
自然言語処理
Deep Learningによる峻別
ビッグデータ解析

10. ページ遷移（太線：教員）
10

11. 科目による比較
11
• 情報リテラシー • 教育工学

12. LMS や VLEの分析ダッシュボード
12

13. LAを用いることの意義
• 教育評価へのエビデンス付与
– 授業をBlack Box から White Boxへ
• 学習過程（プロセス）明瞭化
– 従来はテストの回答などOutcomeのみ
• 学習の個別化
– 学習履歴データの分析や報告により、個々の学習者
に応じた最適化の実現可能性が高まる
13

14. LAのインパクト
• 受講者の状況把握の自動化・半自動化
– 教員による把握よりきめ細かい場合も
– 「ロボット家庭教師」実現の足がかり
– 家庭教師や塾講師の存在意義は？
• 教員の授業運営がマルハダカになる
– 受講者の質問に答えていない
– 理解度を無視して授業を進める
– 授業評価アンケートより客観的で容赦ない
• 経産省 30年代の産業ビジョンにも
– 人工知能やビッグデータ分析により、生徒一人ひと
りに合った教育を提供
14

15. LA研究の情報源例
• International Conferences
– LAK: Learning Analytics and Knowledge
2011, 2012, 2013, 2014, 2015, 2016
– EDM: Educational Data Mining
2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016
• Journal of Learning Analytics
• Google groups on learning analytics
• LACE Project (Europe)
• ISO/IEC JTC1/SC36 (Learning Technology) WG8
– 2015年６月発足
• 学習分析学会
– 2015年５月発足
15

16. 学習分析学会
• 2015年5月 NPO法人人材育成マネジメント研究
会を改組、9月 東京都より法人認可
• Learning Analyticsを専門に扱う
• 活動
– 研究会
– セミナー
– 学会誌の発行
• Web: http://jasla.jp/
16

17. 産官学の連携
• 研究
– 学会：学習分析学会、JSET, JSiSE, IEICE, IPSJ
– 知見の蓄積、産学連携、Technology Transfer
• 技術標準化
– ISO/IEC JTC1/SC36
– ユーザーメリットの極大化
• 現場への展開
– 文部科学省・総務省 構築・実証事業
– ICT Connect 21
– 実現可能性検証、問題点の明確化
17

18. LA技術標準の例
• xAPI
– ADL, データ記述スキーム、JSON
• CMI5
– AICC→ADL, xAPI拡張、データスキーム
• Caliper
– IMS Global, データ記述スキーム
• Adaptive Data Collection Scheme
– IoT
• Web of Things
– W3C
18

19. Metric Profile / Information Model
19
IMS Caliper ADL W3C
Metric
Profile
Caliper
Metric Profile
CMI5
(ドメイン
依存)
Information
Model
Caliper
Information
Model
xAPI WoT
項目・数値の意味付け
• School とは？
• 何点満点？
情報の記述形式
（機械可読な形で）
• XML
• JSON

20. ISO/IEC JTC1/SC36 WG8
• SC36
– Information Technology for Learning, Education
and Training (ITLET)
• 2015年6月 WG8 (Learning Analytics) が発足
– Convener(議長)：Yong-Sang Cho (KERIS)
– 20748-1: Reference Model (published)
– 20748-2: System Requirements (published)
– 20748-3: Guideline for Data Interoperability
(under development)
– 20748-4: Privacy and Data Protection (under
development)
20

21. LAプライバシーガイドラインの例
• Code of Practice for Learning Analytics[1]
– UK JISC
• Policy on Ethical Use of Student Data for
Learning Analytics[2]
– UK Open University
• 学習履歴の利活用に関するガイドライン[3]
– 学習履歴活用推進機構
21
[1] JISC (Joint Information System Committee), Code of Practice for Learning Analytics, June 2015,
https://www.jisc.ac.uk/guides/ code-of-practice-for-learning-analytics
[2] The Open University UK, Policy on Ethical use of Student Data for Learning Analytics, Sept. 2014,
http://www.open.ac.uk/ students/charter/sites/www.open.ac.uk.students.charter/files/files/ecms/web-
content/ethical-use-of-student-data-policy.pdf.
[3] 学習履歴活用推進機構、学習履歴の利活用に関するガイドライン第１版、2015年3月,
https://www.digital-knowledge.co.jp/about/loglaboratory/

22. GDPR: EU一般データ保護規則
• General Data Protection Regulation
• 2018年５月施行、EU 28ヶ国+3ヶ国 (EEA)
• 個人データの保護と適正な管理を規定
– EEAに住む個人のデータを扱う際に適用
• データの所有権 (Ownership)は本人
– 氏名やメアドなどのIdentifier
– 身体的、経済的、社会的パラメータ
• 企業がデータを利用する際、本人の許諾が必要
• 企業はデータ管理責任を持つ
22

23. ご静聴ありがとうございました
ご質問、ご意見等は
ytamura@sophia.ac.jp まで