図面 (/)

技術 情報処理装置および情報処理方法

出願人 ソニー株式会社
発明者 浅野康治山本則行
出願日 2012年5月21日 (8年7ヶ月経過) 出願番号 2012-115605
公開日 2013年12月5日 (7年1ヶ月経過) 公開番号 2013-242433
状態 特許登録済
技術分野 電気的に作動する教習具 特定用途計算機
主要キーワード 操作メニュ 応用問題 記入箇所 操作取消 ワークブック ポイント化 指示時刻 到達度
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2013年12月5日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (17)

課題

学習の支援のために有用な指標をより簡便に取得する。

解決手段

学習コンテンツ利用中学習者による学習者端末入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得する操作履歴取得部と、上記操作履歴情報に基づいて上記学習者の上記学習コンテンツに対する受容特性を推定する受容特性推定部とを備える情報処理装置が提供される。

概要

背景

近年、学習における電子化が進行している。例えば、教科書などの教材が電子的に提供されるだけではなく、従来は教師との間でされていた問題の正誤判定などのやりとりコンピュータが自動的に行ったり、教師との間で通信回線を介してやりとりしたりすることも一般的になっている。

こうした電子化された学習において、生徒学習者)の状況をより詳細に把握し、その状況に合わせて教材や演習問題などの提供をより的確なものにする技術が提案されている。かかる技術は、例えば特許文献1〜3に記載されている。

概要

学習の支援のために有用な指標をより簡便に取得する。学習コンテンツ利用中の学習者による学習者端末入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得する操作履歴取得部と、上記操作履歴情報に基づいて上記学習者の上記学習コンテンツに対する受容特性を推定する受容特性推定部とを備える情報処理装置が提供される。

目的

後述するように、学習者端末100は、入力部および表示部の機能を有し、学習者に対して例えば教科書やノートなどの機能を提供する

効果

実績

技術文献被引用数
1件
牽制数
4件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

学習コンテンツ利用中学習者による学習者端末入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得する操作履歴取得部と、前記操作履歴情報に基づいて前記学習者の前記学習コンテンツに対する受容特性を推定する受容特性推定部とを備える情報処理装置

請求項2

前記受容特性推定部は、前記操作履歴情報に基づいて前記入力操作の所要時間を算出し、該所要時間を他の学習者の所要時間と比較することによって前記受容特性を推定する、請求項1に記載の情報処理装置。

請求項3

前記操作履歴取得部は、前記学習者の管理者が使用する管理者端末指示入力操作と該指示入力操作が取得された時刻とを対応付けて示す指示操作履歴情報を取得し、前記受容特性推定部は、前記操作履歴情報と前記指示操作履歴情報とに基づいて、前記指示入力操作から前記入力操作までの時間として前記所要時間を算出する、請求項2に記載の情報処理装置。

請求項4

前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、前記受容特性推定部は、前記問題ごとに前記所要時間を算出する、請求項2に記載の情報処理装置。

請求項5

前記操作履歴取得部は、取消操作を含む前記入力操作に対応する前記操作履歴情報を取得し、前記受容特性推定部は、前記取消操作の回数を算出し、該回数を他の学習者の回数と比較することによって前記受容特性を推定する、請求項1に記載の情報処理装置。

請求項6

前記操作履歴取得部は、前記学習者の管理者が使用する管理者端末の指示入力操作と該指示入力操作が取得された時刻とを対応付けて示す指示操作履歴情報を取得し、前記受容特性推定部は、前記操作履歴情報と前記指示操作履歴情報とに基づいて、前記指示入力操作に対応する前記入力操作ごとに前記回数を算出する、請求項5に記載の情報処理装置。

請求項7

前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、前記受容特性推定部は、前記問題ごとに前記回数を算出する、請求項5に記載の情報処理装置。

請求項8

前記受容特性に応じて、前記学習者に提供される前記学習コンテンツに関する演習問題を選択する演習問題選択部をさらに備える、請求項1に記載の情報処理装置。

請求項9

前記受容特性を示す情報が、前記学習者の管理者が使用する管理者端末に提供される、請求項1に記載の情報処理装置。

請求項10

前記受容特性を示す情報は、前記管理者端末における前記学習者を示す情報の表示を変化させるための情報として提供される、請求項9に記載の情報処理装置。

請求項11

前記受容特性推定部は、前記学習者の前記学習コンテンツに対する理解度を推定する理解度推定部を含む、請求項1に記載の情報処理装置。

請求項12

前記理解度推定部は、前記操作履歴情報に基づいて前記入力操作の所要時間を算出し、該所要時間を所定の閾値と比較することによって前記理解度を推定する、請求項11に記載の情報処理装置。

請求項13

前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、前記理解度推定部は、前記所要時間を、前記問題への回答の正誤が共通する他の学習者の所要時間の平均値と比較することによって前記理解度を推定する、請求項12に記載の情報処理装置。

請求項14

前記操作履歴取得部は、取消操作を含む前記入力操作に対応する前記操作履歴情報を取得し、前記理解度推定部は、前記取消操作の回数を算出し、該回数を所定の閾値と比較することによって前記理解度を推定する、請求項11に記載の情報処理装置。

請求項15

前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、前記理解度推定部は、前記回数を、前記問題への回答の正誤が共通する他の学習者の回数の平均値と比較することによって前記理解度を推定する、請求項14に記載の情報処理装置。

請求項16

前記受容特性推定部は、前記学習者が前記学習コンテンツに関する問題に回答するときの思考特性を推定する思考特性推定部を含む、請求項1に記載の情報処理装置。

請求項17

前記思考特性推定部は、前記思考特性に応じて前記学習者を分類する、請求項16に記載の情報処理装置。

請求項18

前記操作履歴取得部は、取消操作を含む前記入力操作に対応する前記操作履歴情報を取得し、前記思考特性推定部は、前記操作履歴情報に基づいて前記入力操作の所要時間を算出するとともに前記取消操作の回数を算出し、前記所要時間または前記回数のうちの少なくともいずれかを所定の閾値と比較することによって前記思考特性を推定する、請求項16に記載の情報処理装置。

請求項19

前記受容特性推定部は、前記学習者の前記学習コンテンツに対する理解度を推定する理解度推定部を含み、前記思考特性推定部は、前記所要時間または前記回数を、前記理解度が共通する他の学習者の平均値と比較することによって前記思考特性を推定する、請求項18に記載の情報処理装置。

請求項20

学習コンテンツ利用中の学習者による学習者端末の入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得することと、前記操作履歴情報に基づいて前記学習者の前記学習コンテンツに対する受容特性を推定することとを含む情報処理方法

技術分野

0001

本開示は、情報処理装置および情報処理方法に関する。

背景技術

0002

近年、学習における電子化が進行している。例えば、教科書などの教材が電子的に提供されるだけではなく、従来は教師との間でされていた問題の正誤判定などのやりとりコンピュータが自動的に行ったり、教師との間で通信回線を介してやりとりしたりすることも一般的になっている。

0003

こうした電子化された学習において、生徒学習者)の状況をより詳細に把握し、その状況に合わせて教材や演習問題などの提供をより的確なものにする技術が提案されている。かかる技術は、例えば特許文献1〜3に記載されている。

先行技術

0004

特開2011−7963号公報
特開2006−23506号公報
特開2009−75469号公報

発明が解決しようとする課題

0005

上記の特許文献1〜3は、学習をしている学習者の状況を、学習者の心拍数皮膚温度といった生体情報に基づいて推定する技術を開示している。しかしながら、こうした技術では、生体情報の測定のための機器を装着することによって学習者が煩わしさを感じることもあった。

0006

また、生体情報によって推定されるのは、学習者の精神的な状態であって、それが必ずしも学習コンテンツ習得という意味での学習状況を示すわけではない。それゆえ、上記の技術によってもなお、学習コンテンツの習得については、テストの結果(正答か誤答か)による判定に依存していた。テストの結果による習得の判定は、例えば回答までのプロセスが間違っているにもかかわらず結果の回答だけが合っている、といったような場合が識別されないため、判定方法としては誤差が多く、十分とはいえない。

0007

そこで、本開示では、学習の支援のために有用な指標をより簡便に取得することが可能な、新規かつ改良された情報処理装置および情報処理方法を提案する。

課題を解決するための手段

0008

本開示によれば、学習コンテンツ利用中の学習者による学習者端末入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得する操作履歴取得部と、上記操作履歴情報に基づいて上記学習者の上記学習コンテンツに対する受容特性を推定する受容特性推定部とを備える情報処理装置が提供される。

0009

また、本開示によれば、学習コンテンツ利用中の学習者による学習者端末の入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得することと、上記操作履歴情報に基づいて上記学習者の上記学習コンテンツに対する受容特性を推定することとを含む情報処理方法が提供される。

0010

上記の構成では、推定に用いられる情報が操作履歴情報であるため、学習者の負担なく簡便に取得することが可能である。また、推定されるのが学習者の学習コンテンツに対する受容特性であるため、これを例えば管理者による指導や演習問題の提供などに容易に反映させることができる。

発明の効果

0011

以上説明したように本開示によれば、学習の支援のために有用な指標をより簡便に取得することができる。

図面の簡単な説明

0012

本開示の第1の実施形態に係る学習システムの構成を概略的に示す図である。
本開示の第1の実施形態に係る学習システムの実装の一例を示す図である。
本開示の第1の実施形態に係る学習者端末および管理者端末の概略的な機能構成を示すブロック図である。
本開示の第1の実施形態における学習者端末の表示の一例を示す図である。
本開示の第1の実施形態における管理者端末の表示の一例を示す図である。
本開示の第1の実施形態に係るサーバの概略的な機能構成を示すブロック図である。
本開示の第1の実施形態における全体的な処理の例を示すフローチャートである。
本開示の第1の実施形態における授業モードの処理の例を示すフローチャートである。
本開示の第1の実施形態における演習モードの処理の例を示すフローチャートである。
本開示の第1の実施形態におけるテストモードの処理の例を示すフローチャートである。
本開示の第1の実施形態における理解度推定処理を示すフローチャートである。
本開示の第1の実施形態における思考特性の推定処理を示すフローチャートである。
本開示の第2の実施形態に係る学習システムの構成を概略的に示す図である。
本開示の第2の実施形態における管理者端末の概略的な機能構成を示すブロック図である。
本開示の第3の実施形態に係る学習システムの構成を概略的に示す図である。
情報処理装置のハードウェア構成を説明するためのブロック図である。

実施例

0013

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

0014

なお、説明は以下の順序で行うものとする。
1.第1の実施形態
1−1.学習システムの構成
1−2.各装置の構成
1−3.処理フロー
1−4.理解度の推定
1−5.思考特性の推定
1−6.演習問題の選択
2.第2の実施形態
3.第3の実施形態
4.ハードウェア構成
5.補足

0015

(1.第1の実施形態)
まず、図1図12を参照して、本開示の第1の実施形態について説明する。

0016

(1−1.学習システムの構成)
図1は、本開示の第1の実施形態に係る学習システムの構成を概略的に示す図である。図1を参照すると、学習システム10は、学習者端末100、管理者端末200、およびサーバ300を含む。学習者端末100と、管理者端末200と、サーバ300とは、有線または無線の各種のネットワーク400によって互いに接続される。

0017

学習者端末100は、学習システム10を利用する学習者によって使用される。学習者は、例えば学校での学習の場合は生徒である。後述するように、学習者端末100は、入力部および表示部の機能を有し、学習者に対して例えば教科書やノートなどの機能を提供する。図示された例のように、複数の学習者端末100(学習者端末100a,100b,100c、数はこれに限られない)が学習システム10に含まれてもよい。

0018

管理者端末200は、学習システム10を利用する学習の管理者によって使用される。管理者は、例えば学校での学習の場合は教師である。後述するように、管理者端末200も、入力部および表示部の機能を有し、管理者に対して例えば学習者の学習状況を管理する機能を提供する。図示された例のように、複数の管理者端末200(管理者端末2001,200b、数はこれに限られない)が学習システム10に含まれてもよい。

0019

サーバ300は、学習者端末100および管理者端末200から取得した情報を格納および処理し、また適切な情報をこれらの端末に提供する。後述するように、サーバ300は、操作履歴DBや学習コンテンツDB、受容特性推定部などの機能を有し、学習者端末100の操作履歴に基づいて学習者の学習コンテンツに対する受容特性を推定することが可能である。図示された例では、サーバ300が、上記の受容特性推定部を含む解析サーバ300aと、操作履歴DBを含むデータサーバ300bとの組み合わせによって実現されているが、サーバ300の機能は、ネットワーク500に接続された単一の装置、または協働する任意の数の装置によって実現されうる。

0020

上記の学習システム10は、例えば学習者と管理者とが同じ場所に存在する環境下での学習に用いられうる。この場合、学習者端末100と、管理者端末200とは、同じ場所に配置される。サーバ300も同じ場所に配置されてもよい。このような例としては、学習者である生徒と管理者である教師とが共に教室内に存在する、学校での授業の例が挙げられる。

0021

あるいは、学習システム10は、学習者と管理者とが異なる場所に存在する環境下での学習に用いられてもよい。この場合、学習者端末100と、管理者端末200とは、それぞれ異なる場所に配置される。このような例としては、学習者である生徒が教室で自習し、管理者である教師が別室でこれを監督する、学校での自習の例が挙げられる。また、同様の例として、学習者が自宅でeラーニングの教材を利用する例も挙げられる。

0022

図2は、本開示の第1の実施形態に係る学習システムの実装の一例を示す図である。図示された例の学習システム10において、学習者端末100は、2つのディスプレイを有するノート型端末装置である。学習者端末100は、学習システム10の専用端末であってもよいし、ノートPC(Personal Computer)、タブレットPC、またはスマートフォンなどの汎用端末であってもよい。

0023

一方、図示された例において、管理者端末200は、本体に接続されるディスプレイ、キーボード、およびマウスを有するデスクトップC型の端末装置である。管理者端末200も、学習システム10の専用端末であってもよいし、各種のPCまたはスマートフォンのような汎用端末であってもよい。

0024

図示された例では、学習者端末100、管理者端末200、およびサーバ300を互いに接続するネットワーク400として、インターネット400aと、学習者端末100からWi−Fi(Wireless Fidelity;登録商標)などの無線通信によってアクセスされるアクセスポイント400bとを含む。

0025

(1−2.各装置の構成)
(学習者端末、管理者端末の機能構成)
図3は、本開示の第1の実施形態に係る学習者端末および管理者端末の概略的な機能構成を示すブロック図である。図3を参照すると、学習者端末100は、入力部110と、入力制御部120と、出力部130と、出力制御部140と、通信部150とを含む。管理者端末200は、入力部210と、入力制御部220と、出力部230と、出力制御部240と、通信部250とを含む。なお、これらの機能構成は、いずれも、例えば後述する情報処理装置のハードウェア構成を用いて実現されうる。例えば、入力制御部120,220と出力制御部140,240とは、CPU(Central Processing Unit)、RAM(Random Access Memory)、ROM(Read Only Memory)などを用いてソフトウェア的に実現されうる。

0026

図示されているように、学習者端末100および管理者端末200は、同様の機能構成をとりうる。従って、以下の説明では、学習者端末100の機能構成について説明し、管理者端末200の機能構成の説明に代える。なお、例えばそれぞれの入力部および出力部にどの要素が含まれるかといった細かい部分については、学習者端末100と管理者端末200との機能構成は異なりうる。

0027

入力部110は、学習者端末100に対するユーザの各種の入力操作を取得する。入力部110は、例えば、ペンタッチパネルカメラマイク、キーボード、マウス、またはボタンなどを含みうる。このうち、ペンは、例えばディスプレイ上に設けられたタッチパネルと組み合わせて使用され、手書きで文字や図形を入力したり、GUI(Graphical User Interface)としてディスプレイに表示された操作メニューを選択したりするのに用いられうる。

0028

入力制御部120は、入力部110が取得した入力操作を処理する。例えば、入力制御部120は、入力部110に含まれるペンやタッチパネル、キーボード、マウスなどによって取得された文字や図形などの入力操作を、出力部130に含まれるディスプレイの表示に反映させるために出力制御部140に提供する。また、入力制御部120は、入力部110によって取得された所定の入力操作の情報を、当該入力操作が取得された時刻に対応付けて、管理者端末200またはサーバ300に送信するために通信部150に提供する。

0029

出力部130は、ユーザである学習者に対して各種の情報を出力する。出力部130は、例えば、ディスプレイ、スピーカー、またはプリンタなどを含みうる。出力部130は、例えば、ディスプレイによって教科書やノートなどの画像を表示する。また、ディスプレイには、入力部110によって取得された学習者の入力操作に応じて、文字や図形などが表示されてもよい。なお、ディスプレイには、例えばLCD(Liquid Crystal Display)、PDP(Plasma Display Panel)、CRT(Cathode Ray Tube)ディスプレイ、または電子ペーパーなどが用いられうる。

0030

出力制御部140は、出力部130による情報の出力を制御する。例えば、出力制御部140は、出力部130に含まれるディスプレイによる表示を、入力制御部120や通信部150から提供された情報に応じて更新する。より具体的には、出力制御部140は、入力部110によって取得された文字や図形などの入力操作の情報を入力制御部120から取得し、文字や図形をディスプレイに表示させる。また、出力制御部140は、管理者端末200から受信された学習に関する指示の情報や、サーバ300から受信された学習者の受容特性に関する情報や学習コンテンツなどを通信部150から取得し、これに基づいてディスプレイの表示を変化させたり、スピーカーやプリンタから情報を出力したりしてもよい。

0031

通信部150は、通信装置を用いて実現され、他の装置との間でデータを送受信する。上述のように、例えば、通信部150は、入力制御部120から取得した学習者の入力操作に関する情報を、管理者端末200またはサーバ300に送信する。また、通信部150は、管理者端末200から学習に関する指示の情報を受信して、出力制御部140に提供する。さらに、通信部150は、サーバ300から学習者の受容特性に関する情報や学習コンテンツなどを受信して、出力制御部140に提供する。

0032

(学習者端末の表示例)
図4は、本開示の第1の実施形態における学習者端末の表示の一例を示す図である。図示された例において、学習者端末100は、出力部130として、2つのディスプレイ131a,131bを有する。なお、これは学習者端末100を2つのディスプレイを有する種類の端末装置に限定するものではない。また、入力部110の例としてペン111が示されているが、これは学習者端末100が必ずペン111を有することを意味するものではない。学習者端末100は、必ずしも手書き入力が可能なものでなくてよく、専らタッチパネルやハードウェアボタンによって入力を受け付けるものであってもよい。

0033

ディスプレイ131aには、教科書画像510と、GUI画像530aとが表示される。教科書画像510は、現在利用されている学習コンテンツの教科書の内容を示す。GUI画像530aは、教科書画像510に対する操作に対応する。図示された例では、教科書を選択する、ブックマーク、拡大/縮小ページめくりといった操作に対応するGUI画像530aが表示されている。学習者は、入力部110に含まれるペン111などを用いてこれらのGUI画像530aを選択することによって、教科書画像510の表示に対する所定の操作を実行することが可能である。また、教科書画像510の任意の位置にペン111などを用いて接触することで、アンダーラインなどの書き込みが可能であってもよい。

0034

一方、ディスプレイ131bには、ノート画像520と、GUI画像530bとが表示される。ノート画像520は、現在利用されている学習コンテンツのノートの内容を示す。GUI画像530bは、ノート画像520に対する操作に対応する。図示された例では、書き込む、消す、色の設定、太さの設定、ブックマーク、ページめくり、ノートの終了といった操作に対応するGUI画像530bが表示されている。学習者は、入力部110に含まれるペン111などを用いてこれらのGUI画像530bを選択することによって、ノート画像520の表示に対する所定の操作を実行することが可能である。ノート画像520に対する書き込みは、ノート画像520の任意の位置にペン111などを用いて接触することで実行可能である。なお、ノート画像520は、所定の記入箇所が表示されるワークブック形式のものであってもよいし、罫線などが表示されうるフリーフォーマットのものであってもよい。

0035

(管理者端末の表示例)
図5は、本開示の第1の実施形態における管理者端末の表示の一例を示す図である。図示された例において、管理者端末200は、出力部230としてディスプレイ231を有する。なお、これは管理者端末200を1つのディスプレイを有する種類の端末装置に限定するものではない。

0036

ディスプレイ231には、教科書画像610と、ノート一覧画像620と、ノート詳細画像630とが表示される。教科書画像610は、現在学習者端末100で表示されている教科書画像を示す。ノート一覧画像620は、複数の学習者の一部または全部について、現在学習者端末100で表示されているノート画像を縮小表示する。ノート詳細画像630は、複数の学習者のうちのいずれかについて、現在学習者端末100で表示されているノート画像を拡大表示する。

0037

管理者端末200を使用する管理者は、例えば、教科書画像610を用いて学習を進行させる一方で、ノート一覧画像620によって各学習者の学習状況をチェックし、例えば気になる学習者について、ノート詳細画像630を表示させて学習状況をさらにチェックする。このような管理者の操作は、例えば管理者端末200が入力部210として有するキーボート211やマウス213によって取得されうる。

0038

サーバ装置の機能構成)
図6は、本開示の第1の実施形態に係るサーバの概略的な機能構成を示すブロック図である。図6を参照すると、サーバ300は、通信部310と、制御部320と、操作履歴DB330と、受容特性推定部340と、演習問題選択部370と、学習コンテンツDB380とを含む。なお、これらの機能構成は、いずれも、例えば後述する情報処理装置のハードウェア構成を用いて実現されうる。例えば、制御部320と、受容特性推定部340と、演習問題選択部370とは、CPU、RAM、ROMなどを用いてソフトウェア的に実現されうる。

0039

なお、上記の図1の例のように、サーバ300は、例えば解析サーバ300aとデータサーバ300bとの組み合わせによって実現されうる。この場合、上記の受容特性推定部340と演習問題選択部370とが解析サーバ300aに含まれ、操作履歴DB330および学習コンテンツDB380がデータサーバ300bに含まれうる。通信部310と制御部320とは、両方のサーバに含まれうる。

0040

通信部310は、通信装置を用いて実現され、学習者端末100および管理者端末200との間でデータを送受信する。例えば、通信部310は、学習者端末100/管理者端末200で取得された学習者/管理者の入力操作に関する情報を受信する。また、通信部310は、受容特性推定部340における推定の結果や、演習問題選択部370における選択の結果の情報を、管理者端末200または学習者端末100に送信してもよい。

0041

制御部320は、サーバ300の各部を制御する。例えば、制御部320は、通信部310が受信した学習者/管理者の入力操作に関する情報を、操作履歴DB330に格納する。また、制御部320は、操作履歴DB330から操作履歴情報を読み出して受容特性推定部340に提供する。さらに、制御部320は、受容特性推定部340による推定の結果を、演習問題選択部370に提供してもよい。また、制御部320は、必要に応じて学習コンテンツを学習コンテンツDB380から読み出し、通信部310を介して学習者端末100および管理者端末200に提供する。

0042

操作履歴DB330には、学習者端末100および管理者端末200から受信した操作履歴情報が格納される。操作履歴情報は、学習者端末100および管理者端末200のそれぞれにおいて取得された、ユーザである学習者または管理者による入力操作情報を、当該入力操作が取得された時刻に対応付けた情報でありうる。操作履歴DB330は、この操作履歴情報を蓄積し、必要に応じて受容特性推定部340に提供する。

0043

受容特性推定部340は、学習者端末100のユーザである学習者の、学習コンテンツに対する受容特性を推定する。本実施形態において、受容特性推定部340は、理解度推定部350と、思考特性推定部360とを含む。他の実施形態では、理解度推定部350または思考特性推定部360のいずれかだけが含まれてもよい。受容特性推定部340によって推定された受容特性の情報は、例えば管理者端末200、または学習者端末100に提供される。ここでいう“学習コンテンツ”、および“受容特性”について、以下で明細書中での意味を説明する。

0044

“学習コンテンツ”は、学習システム10において学習者によって利用されるコンテンツである。学習コンテンツは、例えば、教科書およびノートを用いた授業コンテンツや、演習問題を用いた演習コンテンツ、およびテストコンテンツなどを含みうる。学習コンテンツには、例えば科目語学、算数、理科、社会、など)、または科目中の単元(算数であれば、足し算引き算、かけ算、割り算、など)のような単位が設定される。後述する学習者の受容特性は、例えば、この単位ごとに推定されうる。この学習コンテンツは、本実施形態では学習コンテンツDB380に格納される。

0045

“受容特性”は、学習コンテンツを受容するにあたって学習者が示す特性である。受容特性の1つの例は、理解度推定部350によって推定される理解度である。理解度は、学習者が学習コンテンツをどの程度理解したかを示す指標である。学習コンテンツの理解は、上記の科目や単元に応じて様々に定義されうる。例えば語学の場合、単語や文法を習得し、それらを使って読解や作文ができることでありうる。一方、算数の場合は、定理公式を習得し、それらを使って計算ができることでありうる。また、理科や社会の場合は、知識を正しく記憶することでありうる。

0046

また、受容特性の別の例は、思考特性推定部360によって推定される思考特性である。思考特性は、学習者が学習コンテンツに対して思考するにあたっての特性である。思考特性は、例えば、“ケアレス型”(うっかりミスが多いタイプ)、“トライエラー型”(いろいろな方法を試してみるタイプ)、“てきぱき型”(手際よく正解に至るタイプ)、“熟考型”(時間をかけて1つの方法に取り組むタイプ)などのように、いくつかの型に分類される。

0047

上記のような“受容特性”を、受容特性推定部340は、操作履歴DB330から取得した学習コンテンツ利用中の学習者の入力操作の履歴に基づいて推定する。つまり、受容特性推定部340によって推定される“受容特性”は、学習者がどのように学習コンテンツを受容しているかを示すものであり、例えば単純にテストによって測られる学習の到達度よりも包括的な概念といえる。

0048

演習問題選択部370は、付加的に設けられる。演習問題選択部370は、学習者端末100のユーザである学習者に対して、受容特性推定部340によって推定された当該学習者の学習コンテンツに対する受容特性に基づいて、適切な演習問題を選択する。ここで選択される演習問題は、各学習者にパーソナライズされているともいえる。なお、受容特性に基づいて選択される演習問題の具体的な例については後述する。

0049

(1−3.処理フロー)
(全体の処理フロー)
図7は、本開示の第1の実施形態における全体的な処理の例を示すフローチャートである。図示されているように、本実施形態では、学習システム10の動作モードとして授業モード、演習モード、およびテストモードの3つが設定される。処理フローでは、まず、管理者端末200が動作モードを選択する管理者の操作を取得する(ステップS101)。これは、例えば授業、演習、またはテストの開始時に、管理者端末200を用いて実行される初期処理でありうる。

0050

次に、管理者端末200は、管理者によって選択されたモードが授業モードであるか否かを判定する(ステップS103)。授業モードが選択されていた場合、管理者端末200は選択されたモードをサーバ300および学習者端末100に通知し、以下、学習システム10は授業モードで動作する(ステップS105)。ここで、授業モードは、管理者(例えば教師)のインストラクションに従って、学習者(例えば生徒)がテキストを読み進めたり、ワークブックなどで演習問題を解いたりする場合に選択されるモードである。なお、学習システム10の授業モードでの動作については後述する。

0051

一方、ステップS103で、授業モードが選択されなかった場合、管理者端末200は、管理者によって選択されたモードが演習モードであるか否かを判定する(ステップS107)。演習モードが判定されていた場合、管理者端末200は選択されたモードをサーバ300および学習者端末100に通知し、以下、学習システム10は演習モードで動作する(ステップS109)。ここで、演習モードは、管理者(例えば教師)のインストラクションなしで、学習者(例えば生徒)が演習問題を解く場合に選択されるモードである。なお、学習システム10の演習モードでの動作については後述する。

0052

一方、ステップS107で、演習モードが選択されなかった場合、管理者端末200は、管理者によって選択されたモードがテストモードであるか否かを判定する(ステップS111)。テストモードが判定されていた場合、管理者端末200は選択されたモードをサーバ300および学習者端末100に通知し、以下、学習システム10はテストモードで動作する(ステップS113)。ここで、テストモードは、管理者(例えば教師)の開始の指示によって学習者(例えば生徒)に問題が提示され、管理者の終了の指示までの間に学習者がその問題に回答する場合に選択されるモードである。なお、学習システム10のテストモードでの動作については後述する。

0053

一方、ステップS111で、テストモードが選択されなかった場合、管理者端末200は、モードが正しく選択されなかったと判定する。この場合、管理者端末200は、モードを正しく選択するように警告を表示し(ステップS115)、モード選択に戻る(ステップS101)。

0054

(授業モードの処理フロー)
図8は、本開示の第1の実施形態における授業モードの処理の例を示すフローチャートである。上述のように、授業モードは、管理者(例えば教師)のインストラクションに従って、学習者(例えば生徒)がテキストを読み進めたり、ワークブックなどで演習問題を解いたりする場合に選択されるモードである。

0055

まず、付加的な構成として、授業の開始時に、サーバ300の理解度推定部350が、学習者の過去の操作履歴に基づいて、学習者の理解度を推定する(ステップS201)。なお、学習者の理解度の推定の処理の詳細については後述する。ここで、推定される理解度は、例えば今回の授業で学習する科目についての学習者のこれまでの理解度でありうる。また、推定される理解度は、今回の授業で学習する単元に関連する、過去の学習された単元(例えば、算数で割り算の場合であればかけ算のような)の学習者の理解度であってもよく、また関連する単元の理解度から推定される今回学習する単元の学習者の理解度であってもよい。

0056

次に、ステップS201を受けた付加的な構成として、サーバ300から管理者端末200に学習者の理解度を示す情報が送信され、これに従って管理者端末200の表示が更新される(ステップS203)。例えば、管理者端末200の表示には、各学習者の理解度が直接的に表示されてもよい。また、管理者端末200の表示、例えば学習者のリストや、上記の図5の例で説明したノート一覧画像620などが、各学習者の理解度に応じてソートされてもよい。

0057

このような表示によって、例えば、管理者は、今回の授業内容に対する理解度が十分でない可能性がある学習者を前もって把握し、その学習者に特に注目しながら授業を進めることができる。

0058

授業の開始後、サーバ300の制御部320は、学習者端末100において学習者の入力操作が取得されたか否かを判定する(ステップS205)。上記のように、学習者端末100からは、取得された入力操作の情報が、当該入力操作が取得された時刻に対応付けてサーバ300に送信される。ここで、入力操作が取得された場合、入力操作履歴に基づく理解度の推定に関するステップS207〜S213の処理が実行される。

0059

一方、ステップS205において入力操作が取得されなかった場合、サーバ300は、管理者端末200において授業終了の入力操作がされたか否かを判定する(ステップS215)。ここで、授業終了の入力操作がされた場合、一連の処理は終了する。授業終了の入力操作がされなかった場合、サーバ300は、再び学習者の入力操作が取得されたか否かを判定する(ステップS205)。

0060

入力操作履歴に基づく理解度の推定に関する処理として、まず、サーバ300の制御部320が、学習者端末100から受信された入力操作を示す操作履歴情報を、操作履歴DB330に保存する(ステップS207)。上記のように、学習者端末100から提供される操作履歴情報は、学習者による学習者端末100の入力操作を、当該入力操作が取得された時刻に対応付けた情報である。従って、操作履歴DB330には、各学習者の一連の操作履歴が、それぞれ時刻に対応付けて格納されうる。

0061

次に、制御部320は、操作履歴DB330から学習者の操作履歴を取得して、理解度推定部350に提供する(ステップS209)。制御部320は、さらに、管理者端末200によって同様に取得されてサーバ300に送信され、操作履歴DB330に格納された管理者の操作履歴を取得して、理解度推定部350に提供してもよい。ここで理解度推定部350に提供される操作履歴は、上記のステップS207で保存された操作履歴に限らず、過去に取得された操作履歴、および他の学習者の操作履歴などが、理解度推定部350における理解度の推定のおいて必要な分だけ提供されうる。

0062

次に、理解度推定部350が、学習者の理解度を推定する(ステップS211)。ここで推定される理解度は、今回の授業で学習している単元に対する学習者の理解度、すなわち授業に対する学習者のリアルタイムの理解度でありうる。なお、学習者の理解度の推定の処理の詳細については後述する。

0063

次に、サーバ300から管理者端末200に学習者の理解度を示す情報が送信され、これに従って管理者端末200の表示が更新される(ステップS213)。例えば、管理者端末200の表示には、各学習者の理解度が直接的に表示されてもよい。また、管理者端末200の表示、例えば学習者のリストや、上記の図5の例で説明したノート一覧画像620などが、各学習者の理解度に応じてソートされてもよい。

0064

このような表示によって、例えば、管理者は、授業内容に対する各学習者の理解度をリアルタイムで把握し、理解度が比較的低い学習者に特に注目しながら授業を進めることができる。また、管理者は、学習者全体の理解度をリアルタイムで把握し、それに応じて授業のペースを調整することもできる。

0065

(演習モードの処理フロー)
図9は、本開示の第1の実施形態における演習モードの処理の例を示すフローチャートである。上述のように、演習モードは、管理者(例えば教師)のインストラクションなしで、学習者(例えば生徒)が演習問題を解く場合に選択されるモードである。

0066

まず、付加的な構成として、演習の開始時に、サーバ300の理解度推定部350が、学習者の過去の操作履歴に基づいて、学習者の理解度を推定する(ステップS301)。なお、学習者の理解度の推定の処理の詳細については後述する。ここで、推定される理解度は、例えば今回の演習で出題される科目についての学習者のこれまでの理解度でありうる。また、推定される理解度は、今回の演習で出題される単元に関連する、過去の学習された単元の学習者の理解度であってもよく、また関連する単元の理解度から推定される今回学習する単元の学習者の理解度であってもよい。

0067

次に、これも付加的な構成として、サーバ300の思考特性推定部360が、学習者の過去の操作履歴に基づいて、学習者の思考特性を推定する(ステップS303)。思考特性推定部360は、ステップS301で推定された学習者の理解度にさらに基づいて、思考特性を推定してもよい。なお、学習者の思考特性の推定の処理の詳細については後述する。ここで、推定される思考特性の対象範囲は、ステップS301における理解度の推定と同様に、さまざまに設定されうる。

0068

なお、本実施形態では、後述するように思考特性の推定にあたって理解度の情報が用いられるため、上記のように理解度の推定に続いて思考特性の推定が実行される。しかしながら、他の実施形態では、推定された理解度の情報を用いずに思考特性を推定することも可能である。この場合、理解度の推定なしで思考特性の推定だけが実行されてもよい。また、理解度の推定と思考特性の推定との処理の順序は逆であってもよいし、また並行していてもよい。

0069

次に、ステップS301,S303を受けた付加的な構成として、サーバ300の演習問題選択部370が、学習者の推定された理解度および思考特性に応じて演習問題を選択する(ステップS305)。なお、理解度および思考特性に応じた演習問題の選択の例については、後述する。本実施形態において、学習者の理解度と思考特性とは、いずれか一方が推定されてもよいし、両方が推定されてもよい。また、両方が推定されたとしても、演習問題選択部370は、そのいずれか一方に応じて演習問題を選択してもよい。

0070

これによって、例えば、演習を受ける学習者に対して、その学習者の理解度や思考特性に応じて適切な演習問題を呈示して回答させることができる。従って、演習の効果をより高めることができる。

0071

演習の開始後、サーバ300の制御部320は、学習者端末100において学習者の入力操作が取得されたか否かを判定する(ステップS307)。上記のように、学習者端末100からは、取得された入力操作の情報が、当該入力操作が取得された時刻に対応付けてサーバ300に送信される。ここで、入力操作が取得された場合、入力操作履歴に基づく理解度および思考特性の推定に関するステップS309〜S317の処理が実行される。

0072

一方、ステップS307において入力操作が取得されなかった場合、サーバ300は、管理者端末200において演習終了の入力操作がされたか否かを判定する(ステップS319)。ここで、演習終了の入力操作がされた場合、一連の処理は終了する。演習終了の入力操作がされなかった場合、サーバ300は、再び学習者の入力操作が取得されたか否かを判定する(ステップS307)。

0073

入力操作履歴に基づく理解度の推定に関する処理として、まず、サーバ300の制御部320が、学習者端末100から受信された入力操作を示す操作履歴情報を、操作履歴DB330に保存する(ステップS309)。上記のように、学習者端末100から提供される操作履歴情報は、学習者による学習者端末100の入力操作を、当該入力操作が取得された時刻に対応付けた情報である。従って、操作履歴DB330には、各学習者の一連の操作履歴が、それぞれ時刻に対応付けて格納されうる。

0074

次に、制御部320は、操作履歴DB330から学習者の操作履歴を取得して、理解度推定部350に提供する(ステップS311)。ここで理解度推定部350に提供される操作履歴は、上記のステップS309で保存された操作履歴に限らず、過去に取得された操作履歴、および他の学習者の操作履歴などが、理解度推定部350における理解度の推定のおいて必要な分だけ提供されうる。

0075

次に、理解度推定部350が、学習者の理解度を推定する(ステップS313)。ここで推定される理解度は、今回の演習で出題されている単元に対する学習者の理解度、すなわち演習に対する学習者のリアルタイムの理解度でありうる。なお、学習者の理解度の推定の処理の詳細については後述する。

0076

次に、思考特性推定部360が、学習者の思考特性を推定する(ステップS315)。ここで、推定される特性は、今回の演習で出題されている単元の問題に対する学習者の思考特性、すなわち演習問題に対する学習者のリアルタイムの思考特性でありうる。なお、学習者の思考特性の推定の処理の詳細については後述する。

0077

なお、本実施形態では、後述するように思考特性の推定にあたって理解度の情報が用いられるため、上記のように理解度の推定に続いて思考特性の推定が実行される。しかしながら、他の実施形態では、推定された理解度の情報を用いずに思考特性を推定することも可能である。この場合、理解度の推定なしで思考特性の推定だけが実行されてもよい。また、理解度の推定と思考特性の推定との処理の順序は逆であってもよいし、また並行していてもよい。

0078

次に、演習問題選択部370が、学習者の推定された理解度および思考特性に応じて演習問題を選択する(ステップS317)。なお、理解度および思考特性に応じた演習問題の選択の例については、後述する。本実施形態において、学習者の理解度と思考特性とは、いずれか一方が推定されてもよいし、両方が推定されてもよい。また、両方が推定されたとしても、演習問題選択部370は、そのいずれか一方に応じて演習問題を選択してもよい。

0079

これによって、例えば、演習を受ける学習者に対して、その学習者の理解度や思考特性に応じて適切な演習問題を呈示して回答させることができる。従って、演習の効果をより高めることができる。

0080

(テストモードの処理フロー)
図10は、本開示の第1の実施形態におけるテストモードの処理の例を示すフローチャートである。上述のように、テストモードは、管理者(例えば教師)の開始の指示によって学習者(例えば生徒)に問題が提示され、管理者の終了の指示までの間に学習者がその問題に回答する場合に選択されるモードである。

0081

まず、管理者端末200が、テストの開始を示す操作者の指示を取得し(ステップS401)、一連の処理が開始される。テストの開始後、サーバ300の制御部320は、学習者端末100において学習者の入力操作が取得されたか否かを判定する(ステップS403)。上記のように、学習者端末100からは、取得された入力操作の情報が、当該入力操作が取得された時刻に対応付けてサーバ300に送信される。

0082

ここで、入力操作が取得された場合、サーバ300の制御部320が、学習者端末100から受信された入力操作を示す操作履歴情報を、操作履歴DB330に保存する(ステップS405)。上記のように、学習者端末100から提供される操作履歴情報は、学習者による学習者端末100の入力操作を、当該入力操作が取得された時刻に対応付けた情報である。従って、操作履歴DB330には、各学習者の一連の操作履歴が、それぞれ時刻に対応付けて格納されうる。

0083

なお、テストモードでは、理解度および思考特性の推定は実行されない。これは、本実施形態では、テストでは学習者があらかじめ決められた問題に回答するだけであり、管理者からの何らかの働きかけや、問題の選択といった余地がないためである。他の実施形態では、理解度や思考特性を推定して、例えば管理者端末200を介して管理者に提供してもよい。また、ここで保存された操作履歴情報は、例えば以後に実施される授業や演習での理解度や思考特性の推定に利用されうる。

0084

一方、ステップS403において入力操作が取得されなかった場合、サーバ300は、管理者端末200においてテスト終了の入力操作がされたか否かを判定する(ステップS407)。ここで、演習終了の入力操作がされた場合、一連の処理は終了する。演習終了の入力操作がされなかった場合、サーバ300は、再び学習者の入力操作が取得されたか否かを判定する(ステップS403)。

0085

(1−4.理解度の推定)
続いて、本開示の第1の実施形態における理解度の推定処理について説明する。上述の通り、本実施形態では、サーバ300の理解度推定部350が、学習コンテンツ利用中の学習者の入力操作の履歴に基づいて、学習者の学習コンテンツに対する理解度を推定する。

0086

(操作履歴について)
まず、本実施形態において、理解度の推定に用いられる学習者の入力操作の履歴について説明する。学習者端末100において取得される学習者の入力操作は、例えば以下の種類を含みうる。
ページ操作(ページ送り、ページ保存など)
図形描画操作(直線、円、フリーハンド手書き文字マーカー、色の選択、線種の選択、塗りつぶし色の選択、塗りつぶしパターンの選択、描画位置指定など)
テキスト入力(キーボードによる入力、手書き文字の文字認識機能によるテキスト化など)
取消操作消しゴム機能による消去範囲指定消去、直前操作取消(undo)など)

0087

上記のような入力操作が、当該入力操作が取得された時刻に対応付けられて、操作履歴として操作履歴DB330に格納されている。理解度推定部350は、この操作履歴を必要に応じて取得して、学習者の理解度の推定に利用する。また、理解度推定部350は、同様にして管理者端末200に取得され、操作履歴DB330に格納されている管理者の操作履歴をあわせて利用してもよい。

0088

推定アルゴリズムの例)
ある学習者が、授業、演習、またはテストの中で、ある作業(例えば管理者から指示された一連の操作や、問題への回答など)にかかる所要時間をxとする。他の学習者も含めた学習者全体での、上記作業を行うのにかかる時間の平均をXとすると、上記学習者の所要時間の全体の中での相対値Rxは、Rx=(x−X)/Xと表される。

0089

次に、上記の学習者が、ある作業中に取消操作を実行した回数をcとする。他の学習者も含めた学習者全体でも、上記作業中の取消操作の回数の平均をCとすると、上記学習者の取消操作回数の全体の中での相対値Rcは、Rc=(c−C)/Cと表される。

0090

この時、理解度を推定する第1の方法(所定の規則に基づく方法)の一例では、理解度が高いと判定される相対所要時間の閾値をThx、同じく相対取消操作回数の閾値をThcとし、理解度が低いと判定される閾値を相対所要時間の閾値をTlx、同じく相対取消操作回数の閾値をTlcとすると、以下のような規則を定義することによって、理解度を3段階で判定することができる。
(1) (Thx>Rx)かつ(Thc>Rc)の場合、理解度が高いと判定する
(2) (Tlx<Rx)かつ(Tlc<Rc)の場合、理解度低いと判定する
(3) 上記以外の場合、理解度が普通と判定する

0091

一方、理解度を推定する第2の方法(統計的な方法)の一例では、重回帰分析の手法を用いる。この場合、理解度の指標として、ある単元のテストの成績を0〜1に正規化した値をSとする。そして、上記の相対所要時間Rx、相対消去回数Rc、およびSの値の組を、過去に同一単元を学習した学習者について収集する。このデータをもとに、RxおよびRcを説明変数、Sを目的変数として重回帰分析を実行すると、以下のような回帰式が得られる。このような回帰式を使えば、学習者のRx、Rcを操作履歴から取得した上で、これらの値を用いて理解度Sを推定することができる。
S=a*Rx+b*Rc

0092

このような理解度の推定は、例えば、演習モードなどで問題への回答に対応する操作履歴が取得された場合は、問題ごとに操作所要時間や消去操作回数を算出し、比較することによって実行されうる。また、授業モードなどで管理者の指示に対応する入力操作の操作履歴が取得された場合は、その指示に対応する入力操作ごとに操作所要時間や消去操作回数を算出し、比較することによって実行されうる。なお、管理者の指示は、管理者端末200において管理者の指示に関する入力操作を時刻とともに取得することによって特定されうる。

0093

(処理フローの例)
図11は、本開示の第1の実施形態における理解度の推定処理を示すフローチャートである。以下の推定処理は、例えば、処理履歴DB330に格納された学習者の一連の処理履歴を対象として順次実行されてもよいし、また新たに取得された学習者の入力操作を対象として、必要に応じて過去の処理履歴を参照して実行されてもよい。

0094

まず、理解度推定部350は、処理対象になる学習者の操作履歴が、問題への回答に関する操作履歴であるか否かを判定する(ステップS501)。問題への回答に関する操作履歴は、例えば演習モードやテストモードで取得される他、授業モードでも、ワークブックなどに組み込まれた演習問題への回答の場合に取得されうる。問題への回答に関するもの以外の操作履歴としては、例えば、授業モードで管理者からの指示に応じて教科書を開いたり、ノートなどに書き込んだりするときの操作履歴がある。

0095

上記のステップS501において、操作履歴が問題への回答に関するものであった場合、理解度推定部350は、回答の正誤を判定する(ステップS503)。次に、理解度推定部350は、制御部320を介して、回答の正誤が共通する他の学習者の回答に関する操作履歴を操作履歴DB330から取得する(ステップS505)。本実施形態では、操作履歴が問題への回答に関するものであった場合、学習者の回答が正答であれば、同じように正答を入力した他の学習者との比較によって、上記の相対所要時間Rxや、相対消去回数Rcが算出される。なお、ここで取得される操作履歴は、問題の回答の始めから終わりまでの操作履歴でありうる。つまり、操作所要時間や消去操作回数は、問題ごとに算出される。

0096

これによって、例えば、演習やテストで学習者が正答を入力した場合に、回答を放棄した結果誤答になった他の学習者などの影響を除去して理解度を推定でき、相対値を用いた理解度の推定の精度を向上させることができる。なお、例えば授業中の演習問題への回答など、学習者全体が同じように問題に回答することが想定されるような場合には、回答の正誤に関わらず学習者全体の操作履歴を取得してもよい。あるいは、理解度推定部350は、操作所要時間や消去操作回数と同様に、回答の正誤を理解度推定のパラメータの1つとして用いてもよい。

0097

一方、ステップS501において、操作履歴が問題への回答に関するものではなかった場合、理解度推定部350は、管理者の指示時刻を特定する(ステップS507)。ここで時刻特定される管理者の指示は、処理対象になる学習者の操作履歴に関連する指示である。例えば、学習者の操作履歴が教科書へのマーキングの操作履歴である場合、教科書にマーキングするよう指示する管理者の操作履歴が取得され、この操作履歴に関連付けられた時刻から、指示時刻が特定される。なお、管理者の操作履歴は、例えば、管理者端末200の入力部210に含まれるペンによるメニューの選択や、マイクによって指示音声を取得して指示内容解析することによって取得されうる。

0098

ステップS507に続いて、理解度推定部350は、管理者の指示時刻以降の他の学習者の操作履歴を操作履歴DB330から取得する(ステップS509)。これによって、管理者が指示をしてから、各学習者がその指示に反応して操作入力を開始するまでの経過時間を算出することができる。また、取消操作回数についても、管理者の指示に対応した各学習者の操作入力について取得することができる。

0099

次に、理解度推定部350は、学習者の操作所要時間を、他の学習者と比較する(ステップS511)。ここでの処理は、例えば、上記の相対所要時間Rxを算出する処理でありうる。また、理解度推定部350は、学習者の消去操作回数を、他の学習者と比較する(ステップS513)。そして、理解度推定部350は、これらの比較結果に基づいて、学習者の理解度を判定する(ステップS515)。ステップS511〜S515では、例えば上記で説明したような、所定の規則に基づく理解度の推定、または統計的な方法による理解度の推定の処理が実行される。

0100

以上のようにして推定される各学習者の理解度は、例えば問題に対する回答の正誤をポイント化した指標に比べて、学習コンテンツに対する学習者の受容特性をより包括的に表現する指標といえる。例えば、本実施形態における理解度は、学習者が問題に対して正答を入力した場合でも、同じく正答を入力した学習者の間で操作所要時間や消去回数を比較することによって推定される。そのため、学習者がどの程度学習コンテンツを理解しているかをより詳細に表現することが可能である。

0101

また、本実施形態における理解度は、学習者が問題に対して回答した場合だけではなく、授業中などに管理者の指示に対して何らかの操作をした場合の操作所要時間や消去回数をも用いて推定される。そのため、学習の結果としての演習時やテストのときの問題への回答を通じてだけではなく、学習の過程である授業中の挙動を通じても学習者の理解度を判定することが可能である。これによって、例えば管理者が授業中にリアルタイムで学習者の理解度に応じた個別の対応をとったり、授業では理解しているものの問題は解けない、といったような学習者の特性を見抜いたりすることができる。

0102

(1−5.思考特性の推定)
続いて、本開示の第1の実施形態における思考特性の推定処理について説明する。上述の通り、本実施形態では、サーバ300の思考特性推定部360が、学習コンテンツ利用中の学習者の入力操作の履歴に基づいて、学習者の学習コンテンツに対する思考特性を推定する。

0103

図12は、本開示の第1の実施形態における思考特性の推定処理を示すフローチャートである。以下の推定処理は、例えば、処理履歴DB330に格納された学習者の一連の処理履歴を対象として順次実行されてもよいし、また新たに取得された学習者の入力操作を対象として、必要に応じて過去の処理履歴を参照して実行されてもよい。

0104

まず、思考特性推定部360は、学習コンテンツに対する他の学習者の理解度を推定する(ステップS601)。本実施形態において、思考特性の推定処理は、例えば上記の図9に示す演習モードの動作において、学習者の理解度の推定(ステップS313)に続いて実行される(ステップS315)ため、推定対象になる学習者の理解度は既に推定されているという前提である。従って、例えば理解度を推定することなく思考特性を推定する他の実施形態では、ここで推定対象の学習者を含む学習者全体の理解度がそれぞれ推定される。他の理解度を推定する処理は、例えば上記で図11などを参照して説明した処理と同様である。

0105

次に、思考特性推定部360は、推定対象になる学習者と理解度が同程度である他の学習者の操作履歴を取得する(ステップS603)。以下の思考特性の推定処理では、ここで取得された、理解度が同程度である他の学習者の操作履歴が用いられる。これによって、例えば、理解度が高い、または低いことによる操作所要時間や消去操作回数への影響(理解度が高いために操作所要時間が短い、理解度が低いために消去操作回数が多い、など)が除去され、思考特性の推定の精度が向上しうる。なお、例えば、理解度を推定することなく思考特性を推定する場合などは、必ずしも操作履歴を理解度が同程度の他の学習者のものに限定しなくてもよい。このような場合、他の学習者全体の操作履歴が取得される。

0106

次に、思考特性推定部360は、学習者の操作所要時間を他の学習者と比較する(ステップS605)。また、思考特性推定部360は、学習者の消去操作回数を他の学習者と比較する(ステップS607)。そして、思考特性推定部360は、これらの比較結果に基づいて、学習者の思考特性を判定する(ステップS609)。

0107

ステップS605〜S609における思考特性の判定によって、例えば、学習者は以下のように型に分類される。操作所要時間の長短、および消去操作回数の多少は、例えば他の学習者を含めた学習者全体の平均値との比較によって判定されうる。
(1)ケアレス型・・・操作所要時間が短く、消去操作回数が多い
(2)トライ&エラー型・・・操作所要時間が長く、消去操作回数が多い
(3)てきぱき型・・・操作所要時間が短く、消去操作回数が少ない
(4)熟考型・・・操作所要時間が長く、消去操作回数が少ない

0108

このような分類によって、例えば、学習者が問題への回答を導き出すにあたってどのような過程をたどったかを、簡潔に表す分類が可能になる。これによって、同じく問題に対して正答を入力した学習者であっても、一方は楽々と回答を導き出し、もう一方は苦労を重ねて回答に到達したといったようなことが判別できるようになる。このような思考特性の情報は、例えばそのまま管理者端末200に送信され、管理者による学習者の状態の把握に利用されてもよい。また、思考特性の情報は、後述するように演習問題選択部370に提供され、演習問題の学習者ごとのパーソナライズに利用されてもよい。

0109

(1−6.演習問題の選択)
続いて、本開示の第1の実施形態における演習問題の選択処理について説明する。本実施形態では、付加的な構成として、例えば演習モードにおいて、推定された学習者の理解度や思考特性に応じて、サーバ300の演習問題選択部370が適切な演習問題を選択する。以下では、上述した学習者の思考特性推定の例に対応して、それぞれの思考特性、および理解度に応じて、どのような問題が選択されうるかの例について説明する。

0110

(1)理解度が低く、ケアレス型の場合
難易度が低い基本的な問題を数多く選択し、演習量を確保して習熟を図る。
(2)理解度が低く、トライ&エラー型の場合
まず難易度が低い基本的な問題を選択し、回答の操作所要時間の減少傾向がみられてきたら徐々に難易度の高い問題に切り替える。
(3)理解度が低く、てきぱき型の場合
適当に考えて答えていると推定されるので、難易度がやや高い課題を選択し、じっくり考える習慣をつける。
(4)理解度が低く、熟考型の場合
単に処理時間が遅いと推定されるので、難易度が低い基本的な問題を数多く選択し、演習量を確保して回答のスピードアップを図る。
(5)理解度が高く、ケアレス型の場合
難易度が中程度の問題をやや多めに選択し、演習量を確保して回答の正確性の向上を図る。
(6)理解度が高く、トライ&エラー型の場合
回答の最初に全体の見通しを立てるのが苦手であると推定されるので、基本的な手順や知識の問題ではなく、複数の手順や知識を組み合わせる応用問題を主に選択する。
(7)理解度が高く、てきぱき型の場合
難易度が中程度〜高い問題を混合して出題し、自信を失わないように配慮しながら、難易度が高い問題にもチャレンジさせる。
(8)理解度が高く、熟考型の場合
難易度が高い応用問題を厳選し、思考力や応用力をより高める。

0111

一般的に、学習者のモチベーションの維持のためには、実力よりもいくらか高いレベルの問題にチャレンジするのが効果的である。その一方で、問題のレベルが高すぎると、学習者が自信を失いモチベーションが低下する可能性がある。上記の例は、かかる見識に基づいて、理解度および思考特性に基づいて出題する課題の種類を選択する例である。他にも、理解度や思考特性に応じて問題を選択する手法はありうるので、そうした手法を用いて演習問題が選択されてもよい。また、上述のように、他の実施形態では、理解度または思考特性のいずれか一方だけが推定されうる。その場合は、演習問題は、理解度または思考特性のいずれか一方に基づいて選択されうる。また、理解度と思考特性とが両方推定される場合でも、その一方だけに基づいて演習問題が選択されてもよい。

0112

以上で説明した本開示の第1の実施形態では、学習コンテンツに対する学習者の理解度や思考特性といった受容特性を推定することによって、例えば、授業時の管理者によるきめの細かい指導が可能になる。また、演習時に出題される問題を、回答のプロセスにおける学習者の傾向まで考慮して最適化することができる。

0113

(2.第2の実施形態)
次に、図13および図14を参照して、本開示の第2の実施形態について説明する。本実施形態は、操作履歴の取得やそれに基づいた受容特性の推定といった点においては上記の第1の実施形態と同様であるが、推定の処理を管理者端末で実行する点が第1の実施形態とは異なる。それゆえ、以下では、かかる相違点について主に説明する。

0114

図13は、本開示の第2の実施形態に係る学習システムの構成を概略的に示す図である。図13を参照すると、学習システム20は、学習者端末100、管理者端末200,1200、およびサーバ1300を含む。学習者端末100と、管理者端末200,1200と、サーバ300とは、有線または無線の各種のネットワーク400によって互いに接続される。

0115

学習者端末100は、第1の実施形態における学習者端末100と同様の構成を有するため、ここでは詳細な説明を省略する。

0116

管理者端末1200aは、第1の実施形態における管理者端末200と同様の機能に加えて、解析サーバ300aの機能を有する。かかる管理者端末1200のより詳細な構成については後述する。学習システム20には、管理者端末1200aの他に、第1の実施形態と同様の管理者端末200bが含まれていてもよい。なお、図示された例は一例であり、学習システム20には、例えば1または複数の管理者端末1200だけが含まれていてもよく、またこれに加えて1または複数の管理者端末200が含まれていてもよい。

0117

サーバ1300は、第1の実施形態におけるサーバ300の機能のうち、解析サーバ300aの機能を含まない。従って、サーバ1300は、専らデータサーバ300bとして機能する。解析サーバ300aの機能は、上記の通り管理者端末1200によって実現される。

0118

上記の学習システム20でも、第1の実施形態における学習システム10と同様に、学習者端末100と管理者端末200,1200、およびサーバ1300の設置場所は任意に設定されうる。

0119

図14は、本開示の第2の実施形態における管理者端末の概略的な機能構成を示すブロック図である。図14を参照すると、管理者端末1200は、入力部210と、入力制御部220と、出力部230と、出力制御部240と、通信部250と、制御部260と、受容特性推定部340と、演習問題選択部370とを含む。なお、これらの機能構成は、いずれも、例えば後述する情報処理装置のハードウェア構成を用いて実現されうる。例えば、入力制御部220と、出力制御部240と、制御部260と、受容特性推定部340と、演習問題選択部370とは、CPU、RAM、ROMなどを用いてソフトウェア的に実現されうる。

0120

上記の構成要素は、制御部260を除いて、上記の第1の実施形態で管理者端末200またはサーバ300の構成要素として説明された、同一の符号を有する構成要素と共通する構成を有しうる。つまり、管理者端末1200は、第1の実施形態でいう管理者端末200と解析サーバ300aとを組み合わせたものといえる。これらの構成要素については、例えば、第1の実施形態における説明で“内部的な伝送”と“装置間の通信”とを相互に置き換えることによって十分に説明可能であるため、ここでは重複した詳細な説明は省略する。

0121

制御部260は、管理者端末1200の各部を制御する。例えば、制御部260は、入力制御部220から提供された管理者の所定の入力操作を、通信部250を介してサーバ300に送信する。また、制御部260は、受容特性推定部340による推定の結果を、出力制御部240に提供したり、通信部250を介して他の管理者端末200または学習者端末100に送信したりする。さらに、制御部260は、サーバ300の操作履歴DB330から操作履歴情報を読み出して受容特性推定部340に提供する。また、制御部260は、受容特性推定部340による推定の結果を、演習問題選択部370に提供してもよい。

0122

(3.第3の実施形態)
次に、図15を参照して、本開示の第3の実施形態について説明する。本実施形態は、操作履歴の取得やそれに基づいた受容特性の推定といった点においては上記の第1の実施形態と同様であるが、サーバが設けられない点が第1の実施形態とは異なる。それゆえ、以下では、かかる相違点について主に説明する。

0123

図15は、本開示の第3の実施形態に係る学習システムの構成を概略的に示す図である。図15を参照すると、学習システム30は、学習者端末100、管理者端末200,2200を含む。学習者端末100と、管理者端末200,2200とは、有線または無線の各種のネットワーク400によって互いに接続される。

0124

学習者端末100は、第1の実施形態における学習者端末100と同様の構成を有するため、ここでは詳細な説明を省略する。

0125

管理者端末2200aは、第1の実施形態における管理者端末200と同様の機能に加えて、解析サーバ300aおよびデータサーバ300bの機能を有する。管理者端末2200の機能構成は、例えば、上記の図14で説明した第2の実施形態に係る管理者端末1200の機能構成に、さらに操作履歴DB330を追加したものでありうる。それぞれの構成要素については既に説明されているため、ここでは重複した詳細な説明は省略する。

0126

なお、学習システム30には、管理者端末2200aの他に、第1の実施形態と同様の管理者端末200bが含まれていてもよい。なお、図示された例は一例であり、学習システム30には、例えば1または複数の管理者端末2200だけが含まれていてもよく、またこれに加えて1または複数の管理者端末200が含まれていてもよい。

0127

以上で説明した本開示の第3の実施形態では、操作履歴の取得やそれに基づいた受容特性の推定の処理が、管理者端末2200によって完結する。第2の実施形態や第3の実施形態から明らかなように、本開示の実施形態では、操作履歴の取得やそれに基づいた受容特性の推定の処理が、サーバや管理者端末に任意の形で分散されうる。また、これらの処理は、もちろん学習者端末にも分散されうる。あるいは、操作履歴の取得やそれに基づいた受容特性の推定の処理は、学習者端末、管理者端末、サーバのいずれかで集約的に実行されうる。このとき、操作履歴の取得やそれに基づいた受容特性の推定の処理を実行するいずれかの装置が、本開示でいう情報処理装置でありうる。

0128

(4.ハードウェア構成)
最後に、図16を参照して、本開示の実施形態に係る情報処理装置のハードウェア構成について説明する。図16は、情報処理装置のハードウェア構成を説明するためのブロック図である。図示された情報処理装置900は、例えば、上記の実施形態における学習者端末100、管理者端末200,1200,2200、およびサーバ300,1300を実現しうる。

0129

情報処理装置900は、CPU(Central Processing unit)901、ROM(Read Only Memory)903、およびRAM(Random Access Memory)905を含む。また、情報処理装置900は、ホストバス907、ブリッジ909、外部バス911、インターフェース913、入力装置915、出力装置917、ストレージ装置919、ドライブ921、接続ポート923、通信装置925を含んでもよい。さらに、入力装置915は、必要に応じて、撮像装置または各種センサなどを含んでもよい。情報処理装置900は、CPU901に代えて、またはこれとともに、DSP(Digital Signal Processor)などの処理回路を有してもよい。

0130

CPU901は、演算処理装置および制御装置として機能し、ROM903、RAM905、ストレージ装置919、またはリムーバブル記録媒体927に記録された各種プログラムに従って、情報処理装置900内の動作全般またはその一部を制御する。ROM903は、CPU901が使用するプログラムや演算パラメータなどを記憶する。RAM905は、CPU901の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一次記憶する。CPU901、ROM903、およびRAM905は、CPUバスなどの内部バスにより構成されるホストバス907により相互に接続されている。さらに、ホストバス907は、ブリッジ909を介して、PCI(Peripheral Component Interconnect/Interface)バスなどの外部バス911に接続されている。

0131

入力装置915は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなど、ユーザによって操作される装置である。入力装置915は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、情報処理装置900の操作に対応した携帯電話などの外部接続機器929であってもよい。入力装置915は、ユーザが入力した情報に基づいて入力信号を生成してCPU901に出力する入力制御回路を含む。ユーザは、この入力装置915を操作することによって、情報処理装置900に対して各種のデータを入力したり処理動作を指示したりする。

0132

出力装置917は、取得した情報をユーザに対して視覚的または聴覚的に通知することが可能な装置で構成される。出力装置917は、例えば、LCD(Liquid Crystal Display)、PDP(Plasma Display Panel)、有機EL(Electro-Luminescence)ディスプレイなどの表示装置、スピーカーおよびヘッドホンなどの音声出力装置、ならびにプリンタ装置などでありうる。出力装置917は、情報処理装置900の処理により得られた結果を、テキストまたは画像などの映像として出力したり、音声または音響などの音声として出力したりする。

0133

ストレージ装置919は、情報処理装置900の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置919は、例えば、HDD(Hard Disk Drive)などの磁気記憶デバイス半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイスなどにより構成される。このストレージ装置919は、CPU901が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。

0134

ドライブ921は、磁気ディスク光ディスク光磁気ディスク、または半導体メモリなどのリムーバブル記録媒体927のためのリーダライタであり、情報処理装置900に内蔵、あるいは外付けされる。ドライブ921は、装着されているリムーバブル記録媒体927に記録されている情報を読み出して、RAM905に出力する。また、ドライブ921は、装着されているリムーバブル記録媒体927に記録を書き込む。

0135

接続ポート923は、機器を情報処理装置900に直接接続するためのポートである。接続ポート923は、例えば、USB(Universal Serial Bus)ポート、IEEE1394ポート、SCSI(Small Computer System Interface)ポートなどでありうる。また、接続ポート923は、RS−232Cポート、光オーディオ端子、HDMI(High-Definition Multimedia Interface)ポートなどであってもよい。接続ポート923に外部接続機器929を接続することで、情報処理装置900と外部接続機器929との間で各種のデータが交換されうる。

0136

通信装置925は、例えば、通信ネットワーク931に接続するための通信デバイスなどで構成された通信インターフェースである。通信装置925は、例えば、有線または無線LAN(Local Area Network)、Bluetooth(登録商標)、またはWUSB(Wireless USB)用の通信カードなどでありうる。また、通信装置925は、光通信用ルータ、ADSL(Asymmetric Digital Subscriber Line)用のルータ、または、各種通信用モデムなどであってもよい。通信装置925は、例えば、インターネットや他の通信機器との間で、TCP/IPなどの所定のプロトコルを用いて信号などを送受信する。また、通信装置925に接続される通信ネットワーク931は、有線または無線によって接続されたネットワークであり、例えば、インターネット、家庭内LAN、赤外線通信ラジオ波通信または衛星通信などである。

0137

以上、情報処理装置900のハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。かかる構成は、実施する時々技術レベルに応じて適宜変更されうる。

0138

(5.補足
以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

0139

本開示の実施形態は、例えば、上記で説明したような情報処理装置、情報処理システム、情報処理方法、コンピュータを情報処理装置として機能させるためのプログラム、および当該プログラムが記録された記録媒体を含む。

0140

なお、以下のような構成も本開示の技術的範囲に属する。
(1)学習コンテンツ利用中の学習者による学習者端末の入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得する操作履歴取得部と、
前記操作履歴情報に基づいて前記学習者の前記学習コンテンツに対する受容特性を推定する受容特性推定部と
を備える情報処理装置。
(2)前記受容特性推定部は、前記操作履歴情報に基づいて前記入力操作の所要時間を算出し、該所要時間を他の学習者の所要時間と比較することによって前記受容特性を推定する、前記(1)に記載の情報処理装置。
(3)前記操作履歴取得部は、前記学習者の管理者が使用する管理者端末の指示入力操作と該指示入力操作が取得された時刻とを対応付けて示す指示操作履歴情報を取得し、
前記受容特性推定部は、前記操作履歴情報と前記指示操作履歴情報とに基づいて、前記指示入力操作から前記入力操作までの時間として前記所要時間を算出する、前記(2)に記載の情報処理装置。
(4)前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、
前記受容特性推定部は、前記問題ごとに前記所要時間を算出する、前記(2)または(3)に記載の情報処理装置。
(5)前記操作履歴取得部は、取消操作を含む前記入力操作に対応する前記操作履歴情報を取得し、
前記受容特性推定部は、前記取消操作の回数を算出し、該回数を他の学習者の回数と比較することによって前記受容特性を推定する、前記(1)〜(4)のいずれか1項に記載の情報処理装置。
(6)前記操作履歴取得部は、前記学習者の管理者が使用する管理者端末の指示入力操作と該指示入力操作が取得された時刻とを対応付けて示す指示操作履歴情報を取得し、
前記受容特性推定部は、前記操作履歴情報と前記指示操作履歴情報とに基づいて、前記指示入力操作に対応する前記入力操作ごとに前記回数を算出する、前記(5)に記載の情報処理装置。
(7)前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、
前記受容特性推定部は、前記問題ごとに前記回数を算出する、前記(5)または(6)に記載の情報処理装置。
(8)前記受容特性に応じて、前記学習者に提供される前記学習コンテンツに関する演習問題を選択する演習問題選択部をさらに備える、前記(1)〜(7)のいずれか1項に記載の情報処理装置。
(9)前記受容特性を示す情報が、前記学習者の管理者が使用する管理者端末に提供される、前記(1)〜(8)のいずれか1項に記載の情報処理装置。
(10)前記受容特性を示す情報は、前記管理者端末における前記学習者を示す情報の表示を変化させるための情報として提供される、前記(9)に記載の情報処理装置。
(11)前記受容特性推定部は、前記学習者の前記学習コンテンツに対する理解度を推定する理解度推定部を含む、前記(1)〜(10)のいずれか1項に記載の情報処理装置。
(12)前記理解度推定部は、前記操作履歴情報に基づいて前記入力操作の所要時間を算出し、該所要時間を所定の閾値と比較することによって前記理解度を推定する、前記(11)に記載の情報処理装置。
(13)前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、
前記理解度推定部は、前記所要時間を、前記問題への回答の正誤が共通する他の学習者の所要時間の平均値と比較することによって前記理解度を推定する、前記(12)に記載の情報処理装置。
(14)前記操作履歴取得部は、取消操作を含む前記入力操作に対応する前記操作履歴情報を取得し、
前記理解度推定部は、前記取消操作の回数を算出し、該回数を所定の閾値と比較することによって前記理解度を推定する、前記(11)〜(13)のいずれか1項に記載の情報処理装置。
(15)前記操作履歴取得部は、前記学習コンテンツに関する問題への回答に対応する前記操作履歴情報を取得し、
前記理解度推定部は、前記回数を、前記問題への回答の正誤が共通する他の学習者の回数の平均値と比較することによって前記理解度を推定する、前記(14)に記載の情報処理装置。
(16)前記受容特性推定部は、前記学習者が前記学習コンテンツに関する問題に回答するときの思考特性を推定する思考特性推定部を含む、前記(1)〜(15)のいずれか1項に記載の情報処理装置。
(17)前記思考特性推定部は、前記思考特性に応じて前記学習者を分類する、前記(16)に記載の情報処理装置。
(18)前記操作履歴取得部は、取消操作を含む前記入力操作に対応する前記操作履歴情報を取得し、
前記思考特性推定部は、前記操作履歴情報に基づいて前記入力操作の所要時間を算出するとともに前記取消操作の回数を算出し、前記所要時間または前記回数のうちの少なくともいずれかを所定の閾値と比較することによって前記思考特性を推定する、前記(16)または(17)に記載の情報処理装置。
(19)前記受容特性推定部は、前記学習者の前記学習コンテンツに対する理解度を推定する理解度推定部を含み、
前記思考特性推定部は、前記所要時間または前記回数を、前記理解度が共通する他の学習者の平均値と比較することによって前記思考特性を推定する、前記(18)に記載の情報処理装置。
(20)学習コンテンツ利用中の学習者による学習者端末の入力操作と該入力操作が取得された時刻とを対応付けて示す操作履歴情報を取得することと、
前記操作履歴情報に基づいて前記学習者の前記学習コンテンツに対する受容特性を推定することと
を含む情報処理方法。

0141

10,20,30学習システム
100学習者端末
200,1200,2200管理者端末
300,1300サーバ
310通信部
320 制御部
330操作履歴DB
340受容特性推定部
350理解度推定部
360思考特性推定部
370演習問題選択部

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 上海▲か▼▲か▼玩具有限公司の「 模擬運転おもちゃ」が 公開されました。( 2020/10/29)

    【課題】本発明は模擬運転おもちゃを開示した。【解決手段】前後対称的に設置された止め板を含み、両側の前記止め板の間には模型車がスライドできるように設置され、前記模型車の中には制御装置が設置され、両側の前... 詳細

  • 青島欧科玩具有限公司の「 早期教育の識字玩具」が 公開されました。( 2020/10/29)

    【課題】子どもにとって覚えやすく、印象的であり、自ら学習する楽しみを与える早期教育の識字玩具を提供する。【解決手段】教育チューブ11を含み、教育チューブ11の中には下方へ開口した投入チャンバ24が設置... 詳細

  • ユシロ化学工業株式会社の「 3次元外科治療研修モデル用組成物及びその製造方法」が 公開されました。( 2020/10/29)

    【課題・解決手段】切断されたとしても繰り返し使用可能な3次元外科治療研修モデル用組成物を提供することを課題とし、3次元外科治療研修モデル用組成物は自己修復性を有するポリマーゲルを含む。... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ