JP2012189624A - 学習支援装置、学習支援方法、及びプログラム - Google Patents

Abstract

【課題】より好適なライバルの学習状況を支援対象の学習者に知らせること。
【解決手段】学習目標、習熟度、及び学習スタイルを含む学習者情報に基づき、当該学習者情報の特徴が類似した類似学習者を検出する類似学習者検出部と、支援対象の学習者に対し、前記類似学習者検出部により検出された当該支援対象の学習者に類似する類似学習者の学習者情報を提供する類似学習者情報提供部と、を備える、学習支援装置が提供される。
【選択図】図１

Description

本技術は、学習支援装置、学習支援方法、及びプログラムに関する。

効果的に学習を進める上でライバルの存在は貴重である。例えば、ライバルと競争したり、ライバルと情報を共有したりすることで学習の効率が高まる。しかし、ライバルを見つけるのは難しい。学校や職場などの集団生活を営んでいる環境においては偶然にライバルを見つけられるかもしれない。しかしながら、個人的な学習を行っている環境においては、同種の学習を進めているライバルを見つけるのは困難であろう。

こうした事情に鑑み、ライバルを自動選択するシステムの開発が行われている。例えば、下記の特許文献１には、テストの点数、年齢、性別などの情報を用いてライバルを選択する方法が開示されている。また、学習のモチベーションを高めるための方法に関し、下記の特許文献２では、学習者集合の中における各学習者の位置付けを提供するシステムが提案されている。さらに、学習状況を把握するための方法に関し、下記の特許文献３には、学習者の習熟度を脳活動の変化に基づいて測定する方法が提案されている。

特開２００４−１９２５２３号公報 特開２０１０−２０４８８３号公報 特開２００４−１７０９５８号公報

上記のような様々な技術が開発されているものの、学習者が持つ学習目標や学習スタイルなどに応じて好適なライバルを自動選択する技術は見受けられない。しかし、学習を進める最中にライバルの情報を知ることで得られる学習効率の向上効果は捨てがたい。そこで、本技術は、上記のような事情を受けて考案されたものであり、本技術の意図とするところは、より好適なライバルの学習状況を支援対象の学習者に知らせることが可能な、新規かつ改良された学習支援装置、学習支援方法、及びプログラムを提供することにある。

上記課題を解決するために、本技術のある観点によれば、学習目標、習熟度、及び学習スタイルを含む学習者情報に基づき、当該学習者情報の特徴が類似した類似学習者を検出する類似学習者検出部と、支援対象の学習者に対し、前記類似学習者検出部により検出された当該支援対象の学習者に類似する類似学習者の学習者情報を提供する類似学習者情報提供部と、を備える、学習支援装置が提供される。

また、上記の学習支援装置は、学習コンテンツをクラスタリングするクラスタリング部と、学習者が履修した学習コンテンツの帰属クラスタを抽出する履修クラスタ抽出部と、前記履修クラスタ抽出部により抽出された帰属クラスタの中で帰属度が最大となる帰属クラスタから学習目標毎の特徴量を取得する特徴量取得部と、前記特徴量取得部により取得された学習目標毎の特徴量の中で最大値に対応する学習目標を選択し、選択した学習目標を前記学習者の学習目標に決定する学習目標決定部と、をさらに備えていてもよい。

また、上記の学習支援装置は、学習コンテンツをクラスタリングするクラスタリング部と、学習者が履修した学習コンテンツの帰属クラスタを抽出する履修クラスタ抽出部と、前記履修クラスタ抽出部により抽出された帰属クラスタの中で帰属度が最大となる帰属クラスタから学習スタイル毎の特徴量を取得する特徴量取得部と、前記特徴量取得部により取得された学習スタイル毎の特徴量に基づいて前記学習者の学習スタイルに決定する学習スタイル決定部と、をさらに備えていてもよい。

また、前記特徴量取得部は、前記履修クラスタ抽出部により抽出された帰属クラスタの中で帰属度が最大となる帰属クラスタから学習スタイル毎の特徴量をさらに取得するように構成されていてもよい。さらに、前記学習支援装置は、前記特徴量取得部により取得された学習スタイル毎の特徴量に基づいて前記学習者の学習スタイルに決定する学習スタイル決定部をさらに備えていてもよい。

また、上記の学習支援装置は、前記特徴量取得部により取得された学習目標毎の特徴量及び学習スタイル毎の特徴量に基づき、同じ学習者が複数のクラスタに帰属することを許容する条件の下で学習者をクラスタリングする学習者クラスタリング部をさらに備えていてもよい。

また、前記学習スタイル決定部は、学習者の履修状況を示す時間情報、及び前記学習スタイル毎の特徴量から算出される情報エントロピーに基づいて前記学習者の学習スタイルを決定するように構成されていてもよい。

また、前記類似学習者検出部は、前記学習目標毎の特徴量及び前記学習スタイル毎の特徴量を組み合わせたベクトルを用いてベクトルマッチングを行うことにより前記支援対象の学習者に類似した類似学習者を検出するように構成されていてもよい。

また、上記の学習支援装置は、推薦対象となる全ての学習コンテンツについて、それぞれ学習目標毎の特徴量及び学習スタイル毎の特徴量を組み合わせたベクトルを算出する特徴ベクトル算出部と、前記特徴ベクトル算出部により算出されたベクトルの中から、前記特徴量取得部により取得された前記支援対象の学習者に対応する学習目標毎の特徴量及び学習スタイル毎の特徴量を組み合わせたベクトルに近い順に所定数のベクトルを抽出する特徴ベクトル抽出部と、前記特徴ベクトル抽出部により抽出されたベクトルに対応する学習コンテンツを前記支援対象の学習者に推薦する学習コンテンツ推薦部と、をさらに備えていてもよい。

また、上記の学習支援装置は、前記支援対象の学習者と学習目標が同じ学習者のそれぞれについて、前記学習目標毎の特徴量を合計した学習目標特徴量を算出する学習目標特徴量算出部と、前記学習目標特徴量の最大値と、前記支援対象の学習者について算出された学習目標特徴量とを比較することにより前記支援対象の学習者の習熟度を評価する習熟度評価部と、をさらに備えていてもよい。

また、上記の学習支援装置は、所定の学習目標を判別するための学習目標判別用語と当該所定の学習目標との関係を機械学習により抽出する関係抽出部と、学習者がソーシャルネットワーク上で記述したテキストの中から前記学習目標判別用語を抽出する判別用語抽出部と、前記判別用語抽出部により抽出された各学習目標判別用語について、前記関係抽出部により抽出された関係の強さを示す学習目標別重み値を算出する学習目標別重み値算出部と、前記各学習目標判別用語について算出された学習目標別重み値を合計し、合計値が最大となる学習目標判別用語に関係する学習目標を前記学習者の学習目標に決定する学習目標決定部と、をさらに備えていてもよい。

また、上記の学習支援装置は、所定の学習スタイルを判別するための学習スタイル判別用語と当該所定の学習スタイルとの関係を機械学習により抽出する関係抽出部と、学習者がソーシャルネットワーク上で記述したテキストの中から前記学習スタイル判別用語を抽出する判別用語抽出部と、前記判別用語抽出部により抽出された各学習スタイル判別用語について、前記関係抽出部により抽出された関係の強さを示す学習スタイル別重み値を算出する学習スタイル別重み値算出部と、前記各学習スタイル判別用語について算出された学習スタイル別重み値を合計し、合計値が最大となる学習スタイル判別用語に関係する学習スタイルを前記学習者の学習スタイルに決定する学習スタイル決定部と、をさらに備えていてもよい。

また、上記の学習支援装置は、学習者がソーシャルネットワーク上に記述したテキストからポジティブな主観表現とネガティブな主観表現とを抽出する主観表現抽出部をさらに備えていてもよい。この場合、前記類似学習者情報提供部は、前記類似学習者について前記主観表現抽出部により抽出されたポジティブな主観表現の量とネガティブな主観表現の量とを比較し、比較結果を当該類似学習者のモチベーションを示す学習者情報として前記支援対象の学習者に提供する。

また、上記の学習支援装置は、前記習熟度の変化を観測する習熟度変化観測部と、前記習熟度の増加量に応じて進捗度を評価する進捗度評価部と、をさらに備えていてもよい。

また、上記課題を解決するために、本技術の別の観点によれば、学習目標、習熟度、及び学習スタイルを含む学習者情報に基づき、当該学習者情報の特徴が類似した類似学習者を検出する類似学習者検出ステップと、支援対象の学習者に対し、前記類似学習者検出ステップで検出された当該支援対象の学習者に類似する類似学習者の学習者情報を提供する類似学習者情報提供ステップと、を含む、学習支援方法が提供される。

また、上記課題を解決するために、本技術の別の観点によれば、学習目標、習熟度、及び学習スタイルを含む学習者情報に基づき、当該学習者情報の特徴が類似した類似学習者を検出する類似学習者検出機能と、支援対象の学習者に対し、前記類似学習者検出機能により検出された当該支援対象の学習者に類似する類似学習者の学習者情報を提供する類似学習者情報提供機能と、をコンピュータに実現させるためのプログラムが提供される。

また、上記課題を解決するために、本技術の別の観点によれば、上記のプログラムが記録された、コンピュータにより読み取り可能な記録媒体が提供される。

以上説明したように本技術によれば、より好適なライバルの学習状況を支援対象の学習者に知らせることが可能になる。

本技術の一実施形態に係る学習支援装置の機能構成を示した説明図である。 同実施形態に係る反応解析モジュールの機能構成を示した説明図である。 同実施形態に係る環境解析モジュールの機能構成を示した説明図である。 同実施形態に係る学習体験モジュールの機能構成を示した説明図である。 同実施形態に係る学習者間情報共有モジュールの機能構成を示した説明図である。 同実施形態に係る学習者グループ解析モジュールの機能構成を示した説明図である。 同実施形態に係るライバル検索・推薦モジュールの機能構成を示した説明図である。 同実施形態に係る学習コンテンツ検索・推薦モジュールの機能構成を示した説明図である。 同実施形態に係る学習到達段階解析モジュールの機能構成を示した説明図である。 同実施形態に係る学習コンテンツ管理モジュールの機能構成を示した説明図である。 同実施形態に係る情報統合モジュールの機能構成を示した説明図である。 同実施形態に係る反応解析処理について説明するための説明図である。 同実施形態に係る反応解析処理について説明するための説明図である。 同実施形態に係る反応解析処理について説明するための説明図である。 同実施形態に係る環境解析処理について説明するための説明図である。 同実施形態に係る環境解析処理について説明するための説明図である。 同実施形態に係る環境解析処理について説明するための説明図である。 同実施形態に係る学習者間情報共有処理について説明するための説明図である。 同実施形態に係る学習者間情報共有処理について説明するための説明図である。 同実施形態に係る学習者間情報共有処理について説明するための説明図である。 同実施形態に係る学習者間情報共有処理について説明するための説明図である。 同実施形態に係る学習者グループ解析処理について説明するための説明図である。 同実施形態に係る学習目標の自動計測処理について説明するための説明図である。 同実施形態に係る学習目標の自動計測処理について説明するための説明図である。 同実施形態に係る学習目標の自動計測処理について説明するための説明図である。 同実施形態に係る学習目標の自動計測処理について説明するための説明図である。 同実施形態に係る学習目標の自動計測処理について説明するための説明図である。 同実施形態に係る学習スタイルの自動計測処理について説明するための説明図である。 同実施形態に係る学習スタイルの自動計測処理について説明するための説明図である。 同実施形態に係る学習スタイルの自動計測処理について説明するための説明図である。 同実施形態に係る学習スタイルの自動計測処理について説明するための説明図である。 同実施形態に係る学習スタイルの自動計測処理について説明するための説明図である。 同実施形態に係る学習スタイルの自動計測処理について説明するための説明図である。 同実施形態に係る学習目標の自動計測処理について説明するための説明図である。 同実施形態に係る学習目標の自動計測処理について説明するための説明図である。 同実施形態に係る学習目標の自動計測処理について説明するための説明図である。 同実施形態に係る学習目標の自動計測処理について説明するための説明図である。 同実施形態に係る学習スタイルの自動計測処理について説明するための説明図である。 同実施形態に係る学習スタイルの自動計測処理について説明するための説明図である。 同実施形態に係る学習スタイルの自動計測処理について説明するための説明図である。 同実施形態に係る学習スタイルの自動計測処理について説明するための説明図である。 同実施形態に係る学習者グループ解析処理について説明するための説明図である。 同実施形態に係るライバル検索・推薦処理について説明するための説明図である。 同実施形態に係るライバル検索・推薦処理について説明するための説明図である。 同実施形態に係るライバル検索・推薦処理について説明するための説明図である。 同実施形態に係る学習コンテンツ検索・推薦処理について説明するための説明図である。 同実施形態に係る学習コンテンツ検索・推薦処理について説明するための説明図である。 同実施形態に係る学習コンテンツ検索・推薦処理について説明するための説明図である。 同実施形態に係る学習到達段階解析処理について説明するための説明図である。 同実施形態に係る学習到達段階解析処理について説明するための説明図である。 同実施形態に係る学習到達段階解析処理について説明するための説明図である。 同実施形態に係る情報統合処理について説明するための説明図である。 同実施形態に係る情報統合処理について説明するための説明図である。 同実施形態に係る情報統合処理について説明するための説明図である。 同実施形態に係る情報統合処理について説明するための説明図である。 同実施形態に係る学習体験処理の全体的な流れについて説明するための説明図である。 同実施形態に係る学習体験処理の全体的な流れについて説明するための説明図である。 同実施形態に係る学習体験処理の全体的な流れについて説明するための説明図である。 同実施形態に係るモチベーションの算出処理について説明するための説明図である。 同実施形態に係る進捗度の算出処理について説明するための説明図である。 同実施形態に係る学習支援装置の機能を実現することが可能な情報処理装置のハードウェア構成例を示した説明図である。

以下に添付図面を参照しながら、本技術に係る好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、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。

［説明の流れについて］
ここで、以下に記載する説明の流れについて簡単に述べる。

まず、図１を参照しながら、本実施形態に係る学習支援装置１００の機能構成について説明する。次いで、図２を参照しながら、本実施形態に係る反応解析モジュール１０１の機能構成について説明する。次いで、図３を参照しながら、本実施形態に係る環境解析モジュール１０２の機能構成について説明する。次いで、図４を参照しながら、本実施形態に係る学習体験モジュール１０３の機能構成について説明する。次いで、図５を参照しながら、本実施形態に係る学習者間情報共有モジュール１０４の機能構成について説明する。

次いで、図６を参照しながら、本実施形態に係る学習者グループ解析モジュール１０５の機能構成について説明する。次いで、図７を参照しながら、本実施形態に係るライバル検索・推薦モジュール１０６の機能構成について説明する。次いで、図８を参照しながら、本実施形態に係る学習コンテンツ検索・推薦モジュール１０７の機能構成について説明する。次いで、図９を参照しながら、本実施形態に係る学習到達段階解析モジュール１０８の機能構成について説明する。次いで、図１０を参照しながら、本実施形態に係る学習コンテンツ管理モジュール１０９の機能構成について説明する。次いで、図１１を参照しながら、本実施形態に係る情報統合モジュール１１０の機能構成について説明する。

次いで、図１２〜図１４を参照しながら、本実施形態に係る反応解析処理について説明する。次いで、図１５〜図１７を参照しながら、本実施形態に係る環境解析処理について説明する。次いで、図１８〜図２１を参照しながら、学習者間情報共有処理について説明する。次いで、図２２〜図４２を参照しながら、本実施形態に係る学習者グループ解析処理について説明する。この中で、学習目標及び学習スタイルの自動計測方法について述べる。次いで、図４３〜図４５を参照しながら、本実施形態に係るライバル検索・推薦処理について説明する。次いで、図４６〜図４８を参照しながら、本実施形態に係る学習コンテンツ検索・推薦処理について説明する。

次いで、図４９〜図５１を参照しながら、本実施形態に係る学習到達段階解析処理について説明する。次いで、図５２〜図５５を参照しながら、本実施形態に係る情報統合処理について説明する。次いで、図５６〜図５８を参照しながら、本実施形態に係る学習体験処理の全体的な流れについて説明する。次いで、図５９を参照しながら、本実施形態に係るモチベーションの算出処理について説明する。次いで、図６０を参照しながら、本実施形態に係る進捗度の算出処理について説明する。次いで、図６１を参照しながら、本実施形態に係る学習支援装置の機能を実現することが可能な情報処理装置のハードウェア構成例について説明する。

（説明項目）
１：学習支援装置１００の構成
１−１：全体的なモジュール構成
１−２：反応解析モジュール１０１の機能構成
１−３：環境解析モジュール１０２の機能構成
１−４：学習体験モジュール１０３の機能構成
１−５：学習者間情報共有モジュール１０４の機能構成
１−６：学習者グループ解析モジュール１０５の機能構成
１−７：ライバル検索・推薦モジュール１０６の機能構成
１−８：学習コンテンツ検索・推薦モジュール１０７の機能構成
１−９：学習到達段階解析モジュール１０８の機能構成
１−１０：学習コンテンツ管理モジュール１０９の機能構成
１−１１：情報統合モジュール１１０の機能構成
２：学習支援装置１００の動作
２−１：反応解析処理について
２−２：環境解析処理について
２−３：学習者間情報共有処理について
２−４：学習者グループ解析処理について
２−４−１：全体的な処理内容
２−４−２：学習目標の自動計測＃１（分布情報ベース）
２−４−３：学習スタイルの自動計測＃１（分布情報ベース）
２−４−４：学習目標の自動計測＃２（ＳＮＳベース）
２−４−５：学習スタイルの自動計測＃２（ＳＮＳベース）
２−５：ライバル検索・推薦処理について
２−６：学習コンテンツ検索・推薦処理について
２−７：学習到達段階解析処理について
２−８：情報統合処理について
２−９：学習体験処理の全体的な流れについて
２−１０：モチベーションの算出処理について
２−１１：進捗度の算出処理について
２−１２：効果
３：ハードウェア構成例

＜１：学習支援装置１００の構成＞
以下、本実施形態に係る学習支援装置１００の構成について説明する。

［１−１：全体的なモジュール構成］
まず、図１を参照しながら、学習支援装置１００のモジュール構成について説明する。

なお、学習支援装置１００は、１台の情報処理装置により構成されていてもよいし、複数台の情報処理装置により構成される情報処理システムであってもよい。例えば、学習支援装置１００を構成するモジュールの一部は、クラウドシステムなどのネットワーク上で構成されたネットワーク分散型の情報処理システムであってもよい。また、学習支援装置１００を構成するモジュールの一部は、学習者が保持している携帯電話、情報端末、パーソナルコンピュータ、情報家電、テレビジョン受像器、録画再生装置、携帯音楽プレーヤ、カーナビゲーションシステムなどであってもよい。

図１に示すように、学習支援装置１００は、反応解析モジュール１０１と、環境解析モジュール１０２と、学習体験モジュール１０３と、学習者間情報共有モジュール１０４と、学習者グループ解析モジュール１０５とを有する。さらに、学習支援装置１００は、ライバル検索・推薦モジュール１０６と、学習コンテンツ検索・推薦モジュール１０７と、学習到達段階解析モジュール１０８と、学習コンテンツ管理モジュール１０９と、情報統合モジュール１１０とを有する。以下、図２〜図１１を参照しながら、各モジュールの機能構成について説明する。

［１−２：反応解析モジュール１０１の機能構成］
図２に示すように、反応解析モジュール１０１は、反応解析モジュール検出部１０１１と、反応解析モジュール入力部１０１２と、反応解析モジュール記憶部１０１３と、反応解析モジュール演算部１０１４とにより構成される。また、反応解析モジュール１０１は、入力デバイス、音声認識装置、画像認識装置、生体情報センサなどに接続されていてもよい。

入力デバイスとしては、例えば、マウス、キーボード、リモートコントローラ（以下、リモコン）、タッチセンサなどがある。音声認識装置は、学習者（以下、ユーザ）が発した音声を認識する機能を有する。また、画像認識装置は、ユーザの特徴（例えば、顔や姿勢など）を認識する機能を有する。生体情報センサは、コレチゾール（ストレスに反応して分泌されるホルモン物質）のデータなど、生体データを検出する機能を有する。

反応解析モジュール検出部１０１１は、ユーザの学習体験時に、音声、画像、生体反応などの情報（以下、反応情報）をリアルタイムで取得する。そして、反応解析モジュール検出部１０１１は、取得した反応情報を時系列に沿って反応解析モジュール記憶部１０１３に保存する。なお、反応情報を取得するタイミングは、反応解析モジュール演算部１０１４により制御される。

反応解析モジュール入力部１０１２は、ユーザの学習体験時に、そのユーザがポインティングデバイスなどの入力デバイスを用いて入力したデータ（以下、学習者入力データ）を取得する。そして、反応解析モジュール入力部１０１２は、取得した学習者入力データを時系列で反応解析モジュール記憶部１０１３に保存する。

反応解析モジュール記憶部１０１３は、反応解析モジュール検出部１０１１により取得された反応情報、及び反応解析モジュール入力部１０１２により取得された学習者入力データを記憶する。例えば、反応解析モジュール記憶部１０１３には、入力デバイスによりポインティングされた位置情報、音声データ、画像データ、生体反応データなどが格納される。

反応解析モジュール演算部１０１４は、反応解析モジュール記憶部１０１３に格納された学習者入力データ及び反応情報を解析する。なお、反応解析モジュール演算部１０１４による解析処理は、オンラインで行われてもよいし、オフラインで行われてもよい。また、反応解析モジュール演算部１０１４による解析結果は、反応解析モジュール記憶部１０１３に格納される。さらに、反応解析モジュール演算部１０１４による解析結果は、情報統合モジュール１１０に送信される。

以上、反応解析モジュール１０１の機能構成について説明した。なお、反応解析モジュール演算部１０１４の機能は、必要に応じて学習体験モジュール１０３に移転してもよい。また、反応解析モジュール演算部１０１４は、他のモジュールが反応情報や学習者入力データを要求した場合に、反応解析モジュール記憶部１０１３に格納された反応情報や学習者入力データを読み出して他のモジュールに送信する。

［１−３：環境解析モジュール１０２の機能構成］
図３に示すように、環境解析モジュール１０２は、環境解析モジュール検出部１０２１と、環境解析モジュール記憶部１０２２と、環境解析モジュール演算部１０２３とにより構成される。なお、環境解析モジュール１０２は、電波時計、ＧＰＳレシーバ、音声認識装置、画像認識装置、生体情報センサなどに接続されていてもよい。

なお、電波時計は、例えば、ユーザの学習体験時における時間情報を取得するために利用される。ＧＰＳレシーバは、例えば、ユーザの学習体験時における場所の情報を取得するために利用される。また、音声認識装置、画像認識装置、生体情報センサは、例えば、ユーザの学習体験時における状況やユーザの気分などに関する情報を検出するために利用される。

環境解析モジュール検出部１０２１は、ユーザの学習体験時における時間、場所、ユーザのおかれた状況、ユーザの気分などの関する情報（以下、環境情報）をリアルタイムに取得する。そして、環境解析モジュール検出部１０２１は、取得した環境情報を時系列で環境解析モジュール記憶部１０２２に保存する。なお、環境情報を取得するタイミングは、環境解析モジュール演算部１０２３により制御される。

環境解析モジュール記憶部１０２２は、環境解析モジュール検出部１０２１により検出された環境情報を記憶する。また、環境解析モジュール演算部１０２３は、環境解析モジュール記憶部１０２２に保存された環境情報を解析する。なお、環境解析モジュール演算部１０２３による解析処理は、オンラインで行われてもよいし、オフラインで行われてもよい。また、環境解析モジュール演算部１０２３による解析結果は、環境解析モジュール記憶部１０２２に格納される。さらに、環境解析モジュール演算部１０２３による解析結果は、情報統合モジュール１１０に送信される。

以上、環境解析モジュール１０２の機能構成について説明した。なお、環境解析モジュール演算部１０２３の機能は、必要に応じて学習体験モジュール１０３に移転してもよい。また、環境解析モジュール演算部１０２３は、他のモジュールが環境情報を要求した場合に、環境解析モジュール記憶部１０２２に格納された環境情報を読み出して他のモジュールに送信する。

［１−４：学習体験モジュール１０３の機能構成］
図４に示すように、学習体験モジュール１０３は、学習体験モジュール入力部１０３１と、学習体験モジュール表示部１０３２と、学習体験モジュール記憶部１０３３と、学習体験モジュール演算部１０３４とにより構成される。なお、学習体験モジュール１０３の機能は、ユーザが学習に利用可能な携帯電話、情報端末、パーソナルコンピュータ、情報家電、テレビジョン受像器、録画再生装置、携帯音楽プレーヤ、カーナビゲーションシステムなどにより実現される。

学習体験モジュール入力部１０３１は、キーボード、マウス、リモコン、タッチパネルなどの入力デバイスである。学習体験モジュール入力部１０３１により入力された情報（学習者入力データ）は、学習体験モジュール演算部１０３４に入力される。

学習体験モジュール演算部１０３４は、学習体験モジュール入力部１０３１から入力された学習者入力データ（ユーザの操作内容（例えば、習熟度、目標、学習スタイルの入力など））を情報統合モジュール１１０に送信する。また、学習体験モジュール演算部１０３４は、情報統合モジュール１１０から送信されたライバルに関する検索や推薦の結果、学習コンテンツに関する検索や推薦の結果、ライバルの学習状況などの情報を受信して学習体験モジュール記憶部１０３３に保存する。

また、学習体験モジュール演算部１０３４は、学習体験モジュール表示部１０３２の画面表示を制御する。例えば、学習体験モジュール演算部１０３４は、学習体験モジュール記憶部１０３３に保存されたライバル又は学習コンテンツに関する情報を学習体験モジュール表示部１０３２に表示する（図２１を参照）。また、学習体験モジュール演算部１０３４は、学習体験モジュール表示部１０３２に表示されるＧＵＩのレイアウトを制御する。

学習体験モジュール記憶部１０３３は、学習体験モジュール演算部１０３４が利用する学習者入力データを記憶する。また、学習体験モジュール記憶部１０３３は、情報統合モジュール１１０から送信されたライバル又は学習コンテンツに関する検索結果や推薦結果を記憶する。学習体験モジュール表示部１０３２は、学習体験モジュール演算部１０３４による制御に応じてライバル又は学習コンテンツに関する検索結果や推薦結果を表示する。

また、学習体験モジュール表示部１０３２は、ライバルの関連情報（例えば、プロフィールや学習状況など）や、学習コンテンツの関連情報（例えば、メタデータや推薦理由など）を表示するためのＧＵＩ画面を表示する。さらに、学習体験モジュール表示部１０３２は、学習コンテンツ自体を表示することもできる。例えば、学習体験モジュール表示部１０３２の機能は、モニタ、スピーカ、プリンタなどの出力デバイスにより実現される。

学習体験モジュール表示部１０３２に表示される情報としては、学習体験モジュール記憶部１０３３に保存された情報の他、ユーザに対して操作を促すためのＧＵＩ画面や、ユーザがライバルや学習コンテンツを選択した場合に表示される関連情報などがある。

以上、学習体験モジュール１０３の機能構成について説明した。なお、学習体験モジュール演算部１０３４は、学習者入力データ、ライバル及び学習コンテンツの検索結果や推薦結果など、学習体験モジュール記憶部１０３３に保存された情報を他のモジュールが要求した場合に、要求された情報を他のモジュールに送信する。例えば、学習体験モジュール演算部１０３４は、情報統合モジュール１１０を経由して、学習体験モジュール記憶部１０３３に保存された情報をライバル検索・推薦モジュール１０６や学習コンテンツ検索・推薦モジュール１０７に送信する。

［１−５：学習者間情報共有モジュール１０４の機能構成］
図５に示すように、学習者間情報共有モジュール１０４は、学習者間情報共有モジュール記憶部１０４１と、学習者間情報共有モジュール演算部１０４２とにより構成される。学習者間情報共有モジュール１０４は、ユーザ間で学習状況や情報を共有したり、ユーザ間でコミュニケーションを行ったりするためのソフトウェアモジュール及びネットワークモジュールである。なお、学習者間情報共有モジュール１０４により、ソーシャルネットワークが構築される。

学習者間情報共有モジュール記憶部１０４１は、情報統合モジュール１１０から送信された学習グループ、ユーザの習熟度、ユーザの目標、ユーザの学習スタイルなどの学習状況に関する情報を記憶する。また、学習者間情報共有モジュール記憶部１０４１は、ユーザ間の対話テキストや、ユーザ間における共有コンテンツ（例えば、テキスト、動画、静止画、音声など）を記憶する。また、学習者間情報共有モジュール記憶部１０４１は、学習者間情報共有モジュール演算部１０４２による演算結果を記憶する。

学習者間情報共有モジュール演算部１０４２は、学習者間情報共有モジュール記憶部１０４１に記憶されている学習状況に関する情報、ユーザ間の対話テキスト、ユーザ間における共有コンテンツについてユーザ間の情報共有に関する演算を実行する。例えば、学習者間情報共有モジュール演算部１０４２は、ユーザ間のライバル関係（例えば、「関係なし」「協働関係あり」「競争関係あり」など）に応じてユーザ間で共有する情報の関連付けを行う。

また、学習者間情報共有モジュール演算部１０４２は、関連付けの結果を学習者間情報共有モジュール記憶部１０４１に保存する。さらに、学習者間情報共有モジュール演算部１０４２は、関連付けの結果を情報統合モジュール１１０に送信する。

以上、学習者間情報共有モジュール１０４の機能構成について説明した。なお、学習者間情報共有モジュール演算部１０４２の機能は、必要に応じて学習体験モジュール１０３に移転してもよい。また、学習者間情報共有モジュール演算部１０４２は、他のモジュールが学習者間情報共有モジュール記憶部１０４１に格納された情報を要求した場合に、その情報を読み出して他のモジュールに送信する。

［１−６：学習者グループ解析モジュール１０５の機能構成］
図６に示すように、学習者グループ解析モジュール１０５は、学習者グループ解析モジュール解析部１０５１と、学習者グループ解析モジュール記憶部１０５２とにより構成される。学習者グループ解析モジュール１０５は、ユーザの習熟度、ユーザの目標、ユーザの学習スタイルに応じた類似学習者群に関する解析を行う。例えば、学習者グループ解析モジュール１０５の機能は、サーバ装置やクライアント装置などの情報処理装置、或いは、これら情報処理装置を制御するソフトウェアモジュールを利用して実現される。

学習者グループ解析モジュール記憶部１０５２は、情報統合モジュール１１０から送信されたユーザの習熟度、ユーザの目標、ユーザの学習スタイルに関する入力内容、及びユーザの学習到達段階に関する解析結果を記憶する。また、学習者グループ解析モジュール記憶部１０５２は、学習者グループ解析モジュール解析部１０５１による演算結果を記憶する。

学習者グループ解析モジュール解析部１０５１は、学習者グループ解析モジュール記憶部１０５２に保存されているユーザの習熟度、ユーザの目標、ユーザの学習スタイルに関する入力内容、及びユーザの学習到達段階に関する解析結果を用いて類似学習者群の解析を行う。そして、学習者グループ解析モジュール解析部１０５１は、類似学習者群の解析結果を学習者グループ解析モジュール記憶部１０５２に保存する。また、学習者グループ解析モジュール解析部１０５１は、類似学習者群の解析結果を情報統合モジュール１１０に送信する。

以上、学習者グループ解析モジュール１０５の機能構成について説明した。なお、学習者グループ解析モジュール解析部１０５１の機能は、必要に応じて学習体験モジュール１０３に移転してもよい。また、学習者グループ解析モジュール解析部１０５１は、他のモジュールが学習者グループ解析モジュール記憶部１０５２に格納された情報を要求した場合に、その情報を読み出して他のモジュールに送信する。

［１−７：ライバル検索・推薦モジュール１０６の機能構成］
図７に示すように、ライバル検索・推薦モジュール１０６は、ライバル検索・推薦モジュール演算部１０６１と、ライバル検索・推薦モジュール記憶部１０６２とにより構成される。ライバル検索・推薦モジュール１０６は、ライバルの検索及びライバルの推薦を実現するモジュールである。例えば、ライバル検索・推薦モジュール１０６の機能は、サーバ装置やクライアント装置などの情報処理装置、或いは、これら情報処理装置を制御するソフトウェアモジュールを利用して実現される。

ライバル検索・推薦モジュール記憶部１０６２は、情報統合モジュール１１０から送信されたユーザの反応情報、環境情報、操作情報、嗜好情報、習熟度／目標／学習スタイルに関する入力内容、及び学習到達段階に関する解析結果を記憶する。また、ライバル検索・推薦モジュール記憶部１０６２は、ライバル検索・推薦モジュール演算部１０６１により抽出されたユーザの嗜好情報を記憶する。さらに、ライバル検索・推薦モジュール記憶部１０６２は、ライバル検索・推薦モジュール演算部１０６１による演算結果を記憶する。

ライバル検索・推薦モジュール演算部１０６１は、ライバル検索・推薦モジュール記憶部１０６２に保存されているユーザの反応情報、環境情報、操作情報、嗜好情報、習熟度／目標／学習スタイルに関する入力内容、及び学習到達段階に関する解析結果を用いてライバルの検索やライバルの推薦を行う。また、ライバル検索・推薦モジュール演算部１０６１は、ライバルの検索結果やライバルの推薦結果をライバル検索・推薦モジュール記憶部１０６２に保存する。さらに、ライバル検索・推薦モジュール演算部１０６１は、ライバルの検索結果やライバルの推薦結果を情報統合モジュール１１０に送信する。

また、ライバル検索・推薦モジュール演算部１０６１は、ライバル検索・推薦モジュール記憶部１０６２に保存されている情報を用いてユーザの嗜好情報を更新する。そして、ライバル検索・推薦モジュール演算部１０６１は、更新後の嗜好情報をライバル検索・推薦モジュール記憶部１０６２に保存する。

以上、ライバル検索・推薦モジュール１０６の機能構成について説明した。なお、ライバル検索・推薦モジュール演算部１０６１の機能は、必要に応じて学習体験モジュール１０３に移転してもよい。また、ライバル検索・推薦モジュール演算部１０６１は、他のモジュールがライバル検索・推薦モジュール記憶部１０６２に格納された情報を要求した場合に、その情報を読み出して他のモジュールに送信する。

［１−８：学習コンテンツ検索・推薦モジュール１０７の機能構成］
図８に示すように、学習コンテンツ検索・推薦モジュール１０７は、学習コンテンツ検索・推薦モジュール演算部１０７１と、学習コンテンツ検索・推薦モジュール記憶部１０７２とにより構成される。学習コンテンツ検索・推薦モジュール１０７は、学習コンテンツの検索や学習コンテンツの推薦を実現するモジュールである。例えば、学習コンテンツ検索・推薦モジュール１０７の機能は、サーバ装置やクライアント装置などの情報処理装置、或いは、これら情報処理装置を制御するソフトウェアモジュールを利用して実現される。

学習コンテンツ検索・推薦モジュール記憶部１０７２は、情報統合モジュール１１０から送信された学習コンテンツのメタデータ、ユーザの反応情報、環境情報、操作情報、嗜好情報、習熟度／目標／学習スタイルに関する入力内容、及び学習到達段階に関する解析結果を記憶する。また、学習コンテンツ検索・推薦モジュール記憶部１０７２は、学習コンテンツ検索・推薦モジュール演算部１０７１により抽出されたユーザの嗜好情報を記憶する。さらに、学習コンテンツ検索・推薦モジュール記憶部１０７２は、学習コンテンツ検索・推薦モジュール演算部１０７１による演算結果を記憶する。

学習コンテンツ検索・推薦モジュール演算部１０７１は、学習コンテンツ検索・推薦モジュール記憶部１０７２に保存されている学習コンテンツのメタデータ、ユーザの反応情報、環境情報、操作情報、嗜好情報、習熟度／目標／学習スタイルに関する入力内容、及び学習到達段階に関する解析結果を用いて学習コンテンツの検索や学習コンテンツの推薦を行う。また、学習コンテンツ検索・推薦モジュール演算部１０７１は、学習コンテンツの検索結果や学習コンテンツの推薦結果を学習コンテンツ検索・推薦モジュール記憶部１０７２に保存する。さらに、学習コンテンツ検索・推薦モジュール演算部１０７１は、学習コンテンツの検索結果や学習コンテンツの推薦結果を情報統合モジュール１１０に送信する。

以上、学習コンテンツ検索・推薦モジュール１０７の機能構成について説明した。なお、学習コンテンツ検索・推薦モジュール演算部１０７１の機能は、必要に応じて学習体験モジュール１０３に移転してもよい。また、学習コンテンツ検索・推薦モジュール演算部１０７１は、他のモジュールが学習コンテンツ検索・推薦モジュール記憶部１０７２に格納された情報を要求した場合に、その情報を読み出して他のモジュールに送信する。

［１−９：学習到達段階解析モジュール１０８の機能構成］
図９に示すように、学習到達段階解析モジュール１０８は、学習到達段階解析モジュール解析部１０８１と、学習到達段階解析モジュール記憶部１０８２とにより構成される。学習到達段階解析モジュール１０８は、ユーザの学習到達度に関する解析を行う。例えば、学習到達段階解析モジュール１０８の機能は、サーバ装置やクライアント装置などの情報処理装置、或いは、これら情報処理装置を制御するソフトウェアモジュールを利用して実現される。

学習到達段階解析モジュール記憶部１０８２は、情報統合モジュール１１０から送信されたユーザの習熟度／目標／学習スタイルに関する入力内容、ユーザの反応情報、環境情報、操作情報などを記憶する。また、学習到達段階解析モジュール記憶部１０８２は、学習到達段階解析モジュール解析部１０８１による学習到達段階に関する演算結果を記憶する。

学習到達段階解析モジュール解析部１０８１は、学習到達段階解析モジュール記憶部１０８２に保存されているユーザの習熟度／目標／学習スタイルに関する入力内容、ユーザの反応情報、環境情報、操作情報などを用いて学習到達段階の解析を行う。そして、学習到達段階解析モジュール解析部１０８１は、学習到達段階解析の解析結果を学習到達段階解析モジュール記憶部１０８２に保存する。さらに、学習到達段階解析モジュール解析部１０８１は、学習到達段階解析の解析結果を情報統合モジュール１１０に送信する。

以上、学習到達段階解析モジュール１０８の機能構成について説明した。なお、学習到達段階解析モジュール解析部１０８１の機能は、必要に応じて学習体験モジュール１０３に移転してもよい。また、学習到達段階解析モジュール解析部１０８１は、他のモジュールが学習到達段階解析モジュール記憶部１０８２に格納された情報を要求した場合に、その情報を読み出して他のモジュールに送信する。

［１−１０：学習コンテンツ管理モジュール１０９の機能構成］
図１０に示すように、学習コンテンツ管理モジュール１０９は、学習コンテンツ管理モジュール演算部１０９１と、学習コンテンツ管理モジュール記憶部１０９２とにより構成される。学習コンテンツ管理モジュール１０９は、学習コンテンツを管理したり、学習コンテンツを配信したりするためのモジュールである。例えば、学習コンテンツ管理モジュール１０９の機能は、放送機器、サーバ装置やクライアント装置などの情報処理装置、或いは、これらの機器や装置を制御するソフトウェアモジュールを利用して実現される。

学習コンテンツ管理モジュール記憶部１０９２は、学習コンテンツのメタデータを記憶する。また、学習コンテンツ管理モジュール記憶部１０９２に保存されているメタデータは、学習コンテンツを配信する配信元の運用ルールに従って適時更新される。

学習コンテンツ管理モジュール演算部１０９１は、動画、静止画、音声、テキスト、Ｗｅｂページなどの学習コンテンツデータや言語情報リソースを管理する。また、学習コンテンツ管理モジュール演算部１０９１は、学習コンテンツデータや言語情報リソースを情報統合モジュール１１０に送信する。例えば、学習コンテンツ管理モジュール演算部１０９１の機能は、テレビジョン放送システムの配信サーバの機能、インターネット上のＷｅｂサーバやストリーミングコンテンツサーバの機能などに相当する。

以上、学習コンテンツ管理モジュール１０９の機能構成について説明した。なお、学習コンテンツ管理モジュール演算部１０９１は、他のモジュールが学習コンテンツ管理モジュール記憶部１０９２に格納された情報を要求した場合に、必要に応じて、その情報を読み出して他のモジュールに送信する。

［１−１１：情報統合モジュール１１０の機能構成］
図１１に示すように、情報統合モジュール１１０は、情報統合モジュール管理部１１０１と、情報統合モジュール記憶部１１０２とにより構成される。情報統合モジュール１１０は、モジュール間における情報の統合や中継を担うモジュールである。例えば、情報統合モジュール１１０の機能は、サーバ装置やクライアント装置などの情報処理装置、或いは、これらの機器や装置を制御するソフトウェアモジュールを利用して実現される。

情報統合モジュール記憶部１１０２は、情報統合モジュール管理部１１０１により送受信される情報を時系列で記憶する。また、情報統合モジュール管理部１１０１は、他のモジュールから受信した各種情報を管理し、要求に応じて所望のモジュールに送信する。また、情報統合モジュール１１０は、学習支援装置１００の一部又は全体における演算負荷や運用ルールに基づいて送受信のタイミングや優先度を制御する。なお、情報統合モジュール管理部１１０１は、必要に応じて、送受信される情報を情報統合モジュール記憶部１１０２に保存する。

以上、情報統合モジュール１１０の機能構成について説明した。

（変形例について）
以上、本実施形態に係る学習支援装置１００のモジュール構成について説明したが、ここで述べたモジュール構成は一例であり、適宜変更することが可能である。例えば、各モジュール間で直接的に情報のやり取りを行うようにし、情報統合モジュール１１０を省略することも可能である。また、反応解析モジュール１０１や環境解析モジュール１０２を用いず、学習体験モジュール１０３により取得できるユーザの操作内容に基づいて処理を遂行するように構成してもよい。また、図１の例には情報統合モジュール１１０を介して全てのモジュールが接続される形態が示されているが、インターネットやイントラネットなどのネットワークを介して各モジュールが接続されていてもよい。この場合、ネットワークは、有線であっても、無線であってもよい。このように、モジュール構成は様々に変形することが可能である。

＜２：学習支援装置１００の動作＞
次に、図１２〜図６０を参照しながら、本実施形態に係る学習支援装置１００の動作について説明する。以下、学習支援装置１００が実行する各種処理について説明する。

［２−１：反応解析処理について］
まず、図１２〜図１４を参照しながら、反応解析処理について説明する。ここで説明する反応解析処理は、主に反応解析モジュール１０１により実行される。

図１２に示すように、まず、反応解析モジュール１０１は、反応情報を検出するか否かを判定する（Ｓ１０１）。反応情報を検出する場合、反応解析モジュール１０１は、処理をステップＳ１０２に進める。一方、反応情報を検出しない場合、反応解析モジュール１０１は、処理をステップＳ１０３に進める。処理をステップＳ１０２に進めた場合、反応解析モジュール１０１は、反応情報を検出し、検出した反応情報を保存する（Ｓ１０２）。例えば、反応解析モジュール１０１は、図１３に示すような音声データ、画像データ、生体データなどの反応情報を検出する。

処理をステップＳ１０３に進めた場合、反応解析モジュール１０１は、反応情報を解析するか否かを判定する（Ｓ１０３）。反応情報を解析する場合、反応解析モジュール１０１は、処理をステップＳ１０４に進める。一方、反応情報を解析しない場合、反応解析モジュール１０１は、処理をステップＳ１０５に進める。処理をステップＳ１０４に進めた場合、反応解析モジュール１０１は、反応情報を解析し、その解析結果を保存する（Ｓ１０４）。例えば、反応解析モジュール１０１は、図１４に示すように、音声データから主観的な発言を抽出したり、画像データからユーザの笑顔度や集中度を抽出したり、生体データからストレス度を抽出したりする。

処理をステップＳ１０５に進めた場合、反応解析モジュール１０１は、解析結果を情報統合モジュール１１０に送信するか否かを判定する（Ｓ１０５）。解析結果を情報統合モジュール１１０に送信する場合、反応解析モジュール１０１は、処理をステップＳ１０６に進める。一方、解析結果を情報統合モジュール１１０に送信しない場合、反応解析モジュール１０１は、反応解析に関する一連の処理を終了する。処理をステップＳ１０６に進めた場合、反応解析モジュール１０１は、解析結果を情報統合モジュール１１０に送信する（Ｓ１０６）。

以上、反応解析処理について説明した。

［２−２：環境解析処理について］
次に、図１５〜図１７を参照しながら、環境解析処理について説明する。ここで説明する環境解析処理は、主に環境解析モジュール１０２により実行される。

図１５に示すように、まず、環境解析モジュール１０２は、環境情報を検出するか否かを判定する（Ｓ１１１）。環境情報を検出する場合、環境解析モジュール１０２は、処理をステップＳ１１２に進める。一方、環境情報を検出しない場合、環境解析モジュール１０２は、処理をステップＳ１１３に進める。処理をステップＳ１１２に進めた場合、環境解析モジュール１０２は、環境情報を検出し、検出した環境情報を保存する（Ｓ１１２）。例えば、環境解析モジュール１０２は、図１６に示すような日時データ、場所データ、状況データなどの環境情報を検出する。

処理をステップＳ１１３に進めた場合、環境解析モジュール１０２は、環境情報を解析するか否かを判定する（Ｓ１１３）。環境情報を解析する場合、環境解析モジュール１０２は、処理をステップＳ１１４に進める。一方、環境情報を解析しない場合、環境解析モジュール１０２は、処理をステップＳ１１５に進める。処理をステップＳ１１４に進めた場合、環境解析モジュール１０２は、環境情報を解析し、その解析結果を保存する（Ｓ１１４）。例えば、環境解析モジュール１０２は、図１７に示すように、日時データを「月曜」「昼」などの表現に変換したり、場所データを「自宅」などの表現に変換したり、状況データから体験共有者を抽出したりする。

処理をステップＳ１１５に進めた場合、環境解析モジュール１０２は、解析結果を情報統合モジュール１１０に送信するか否かを判定する（Ｓ１１５）。解析結果を情報統合モジュール１１０に送信する場合、環境解析モジュール１０２は、処理をステップＳ１１６に進める。一方、解析結果を情報統合モジュール１１０に送信しない場合、環境解析モジュール１０２は、環境解析に関する一連の処理を終了する。処理をステップＳ１１６に進めた場合、環境解析モジュール１０２は、解析結果を情報統合モジュール１１０に送信する（Ｓ１１６）。

以上、環境解析処理について説明した。

［２−３：学習者間情報共有処理について］
次に、図１８〜図２１を参照しながら、学習者間情報共有処理について説明する。ここで説明する学習者間情報共有処理は、主に学習者間情報共有モジュール１０４により実行される。

図１８に示すように、まず、学習者間情報共有モジュール１０４は、学習者共有情報を取得するか否かを判定する（Ｓ１２１）。学習者共有情報を取得する場合、学習者間情報共有モジュール１０４は、処理をステップＳ１２２に進める。一方、学習者共有情報を取得しない場合、学習者間情報共有モジュール１０４は、処理をステップＳ１２３に進める。処理をステップＳ１２２に進めた場合、学習者間情報共有モジュール１０４は、学習者共有情報を取得し、取得した学習者共有情報を保存する（Ｓ１２２）。例えば、学習者間情報共有モジュール１０４は、図１９に示すような学習者共有情報を取得する。なお、学習者共有情報は、図２１のようにしてユーザに提示される。

処理をステップＳ１２３に進めた場合、学習者間情報共有モジュール１０４は、学習者共有情報を解析するか否かを判定する（Ｓ１２３）。学習者共有情報を解析する場合、学習者間情報共有モジュール１０４は、処理をステップＳ１２４に進める。一方、学習者共有情報を解析しない場合、学習者間情報共有モジュール１０４は、処理をステップＳ１２５に進める。処理をステップＳ１２４に進めた場合、学習者間情報共有モジュール１０４は、学習者共有情報を解析し、その解析結果を保存する（Ｓ１２４）。例えば、学習者間情報共有モジュール１０４は、図２０に示すようにして学習者共有情報を更新する。

処理をステップＳ１２５に進めた場合、学習者間情報共有モジュール１０４は、解析結果を情報統合モジュール１１０に送信するか否かを判定する（Ｓ１２５）。解析結果を情報統合モジュール１１０に送信する場合、学習者間情報共有モジュール１０４は、処理をステップＳ１２６に進める。一方、解析結果を情報統合モジュール１１０に送信しない場合、学習者間情報共有モジュール１０４は、学習者間情報共有に関する一連の処理を終了する。処理をステップＳ１２６に進めた場合、学習者間情報共有モジュール１０４は、解析結果を情報統合モジュール１１０に送信する（Ｓ１２６）。

以上、学習者間情報共有処理について説明した。

［２−４：学習者グループ解析処理について］
次に、図２２〜図４２を参照しながら、学習者グループ解析処理について説明する。ここで説明する学習者グループ解析処理は、主に学習者グループ解析モジュール１０５により実行される。なお、以下の説明においてユーザの目標及び学習スタイルを自動計測する方法についても説明する。

（２−４−１：全体的な処理内容）
図２２に示すように、まず、学習者グループ解析モジュール１０５は、学習者入力データ及び履歴学習コンテンツを取得するか否かを判定する（Ｓ１３１）。学習者入力データ及び履歴学習コンテンツを取得する場合、学習者グループ解析モジュール１０５は、処理をステップＳ１３２に進める。一方、学習者入力データ及び履歴学習コンテンツを取得しない場合、学習者グループ解析モジュール１０５は、処理をステップＳ１３３に進める。処理をステップＳ１３２に進めた場合、学習者グループ解析モジュール１０５は、学習者入力データ及び履歴学習コンテンツを取得する（Ｓ１３２）。

処理をステップＳ１３３に進めた場合、学習者グループ解析モジュール１０５は、学習者グループを解析するか否かを判定する（Ｓ１３３）。学習者グループを解析する場合、学習者グループ解析モジュール１０５は、処理をステップＳ１３４に進める。一方、学習者グループを解析しない場合、学習者グループ解析モジュール１０５は、処理をステップＳ１３５に進める。処理をステップＳ１３４に進めた場合、学習者グループ解析モジュール１０５は、学習者グループを解析し、その解析結果を保存する（Ｓ１３４）。

処理をステップＳ１３５に進めた場合、学習者グループ解析モジュール１０５は、解析結果を情報統合モジュール１１０に送信するか否かを判定する（Ｓ１３５）。解析結果を情報統合モジュール１１０に送信する場合、学習者グループ解析モジュール１０５は、処理をステップＳ１３６に進める。一方、解析結果を情報統合モジュール１１０に送信しない場合、学習者グループ解析モジュール１０５は、学習者グループ解析に関する一連の処理を終了する。処理をステップＳ１３６に進めた場合、学習者グループ解析モジュール１０５は、解析結果を情報統合モジュール１１０に送信する（Ｓ１３６）。

以上、学習者グループ解析処理の全体的な処理内容について説明した。但し、ここではステップＳ１３４で実行される学習者グループの解析内容について詳細を割愛している。以下では、上記の説明で割愛した学習者グループの解析内容の詳細について説明する。特に、ステップＳ１３４で実行される学習者グループの解析処理に含まれる学習目標及び学習スタイルの自動計測処理などについて詳細に説明する。

（２−４−２：学習目標の自動計測＃１（分布情報ベース））
まず、図２３〜図２７を参照しながら、履修学習コンテンツの分布情報に基づく学習目標の自動計測処理について説明する。この処理は、例えば、学習者グループ解析モジュール１０５により実行される。但し、この処理を他のモジュールが実行するように変形してもよい。

図２３に示すように、学習者グループ解析モジュール１０５は、学習コンテンツのクラスタリングを行うか否かを判定する（Ｓ２０１）。学習コンテンツのクラスタリングを行う場合、学習者グループ解析モジュール１０５は、処理をステップＳ２０２に進める。一方、学習コンテンツのクラスタリングを行わない場合、学習者グループ解析モジュール１０５は、処理をステップＳ２０３に進める。

処理をステップＳ２０２に進めた場合、学習者グループ解析モジュール１０５は、全ての学習コンテンツについて目標及び学習スタイルに関する特徴量を抽出し、図２７に示すように、抽出した特徴量に基づいて学習コンテンツをクラスタリングする（Ｓ２０２）。また、学習者グループ解析モジュール１０５は、図２４に示すように、各クラスタに対する各学習コンテンツの帰属度を算出する。

処理をステップＳ２０３に進めた場合、学習者グループ解析モジュール１０５は、図２５に示すように、ユーザが履修した学習コンテンツの帰属クラスタを抽出する（Ｓ２０３）。次いで、学習者グループ解析モジュール１０５は、図２６に示すように、ユーザが履修した学習コンテンツに関して帰属度が最大の帰属クラスタから特徴量を抽出する（Ｓ２０４）。次いで、学習者グループ解析モジュール１０５は、図２６に示すように、抽出した特徴量に基づいてユーザ（学習者）の目標を決定し（Ｓ２０５）、一連の処理を終了する。

以上、履修学習コンテンツの分布情報に基づく学習目標の自動計測処理について説明した。

（２−４−３：学習スタイルの自動計測＃１（分布情報ベース））
次に、図２８〜図３３を参照しながら、履修学習コンテンツの分布情報に基づく学習スタイルの自動計測処理について説明する。この処理は、例えば、学習者グループ解析モジュール１０５により実行される。但し、この処理を他のモジュールが実行するように変形してもよい。

図２８に示すように、学習者グループ解析モジュール１０５は、学習コンテンツのクラスタリングを行うか否かを判定する（Ｓ２１１）。学習コンテンツのクラスタリングを行う場合、学習者グループ解析モジュール１０５は、処理をステップＳ２１２に進める。一方、学習コンテンツのクラスタリングを行わない場合、学習者グループ解析モジュール１０５は、処理をステップＳ２１３に進める。

処理をステップＳ２１２に進めた場合、学習者グループ解析モジュール１０５は、全ての学習コンテンツについて目標及び学習スタイルに関する特徴量を抽出し、抽出した特徴量に基づいて学習コンテンツをクラスタリングする（Ｓ２１２）。また、学習者グループ解析モジュール１０５は、図２９に示すように、各クラスタに対する各学習コンテンツの帰属度を算出する。

処理をステップＳ２１３に進めた場合、学習者グループ解析モジュール１０５は、図３０に示すように、ユーザが履修した学習コンテンツの帰属クラスタを抽出する（Ｓ２１３）。次いで、学習者グループ解析モジュール１０５は、図３１に示すように、ユーザが履修した学習コンテンツに関して帰属度が最大の帰属クラスタから特徴量を抽出する（Ｓ２１４）。次いで、学習者グループ解析モジュール１０５は、図３２に示すように、時間情報を抽出すると共に、抽出した特徴量に基づいて情報エントロピーを算出する（Ｓ２１５）。次いで、学習者グループ解析モジュール１０５は、図３３に示すように、ユーザ（学習者）の学習スタイルを決定し（Ｓ２１６）、一連の処理を終了する。

以上、履修学習コンテンツの分布情報に基づく学習スタイルの自動計測処理について説明した。

（２−４−４：学習目標の自動計測＃２（ＳＮＳベース））
次に、図３４〜図３７を参照しながら、ソーシャルネットワーク上の記述テキストに基づく学習目標の自動計測処理について説明する。この処理は、例えば、学習者グループ解析モジュール１０５により実行される。但し、この処理を他のモジュールが実行するように変形してもよい。

図３４に示すように、まず、学習者グループ解析モジュール１０５は、テキスト解析の学習を行うか否かを判定する（Ｓ２２１）。テキスト解析の学習を行う場合、学習者グループ解析モジュール１０５は、処理をステップＳ２２２に進める。一方、テキスト解析の学習を行わない場合、学習者グループ解析モジュール１０５は、処理をステップＳ２２３に進める。処理をステップＳ２２２に進めた場合、学習者グループ解析モジュール１０５は、図３５に示すように、記述テキストと正解データとを用いた機械学習により、目標判別に用いる目標判別用語と目標との関係を抽出し、その関係の強さを示す目標別重み値を算出する（Ｓ２２２）。

処理をステップＳ２２３に進めた場合、学習者グループ解析モジュール１０５は、図３６に示すように、ユーザの記述テキストから目標判別用語を抽出し、その目標判別用語に対応する目標別重み値を取得する（Ｓ２２３）。次いで、学習者グループ解析モジュール１０５は、図３７に示すように、ユーザの記述テキストに含まれる目標判別用語のそれぞれについて目標別重み値を合計し、合計値が最大となる目標をユーザの目標に決定して（Ｓ２２４）、一連の処理を終了する。

以上、ソーシャルネットワーク上の記述テキストに基づく学習目標の自動計測処理について説明した。なお、履修学習コンテンツの分布情報に基づく学習目標の自動計測処理を利用するか、ソーシャルネットワーク上の記述テキストに基づく学習目標の自動計測処理を利用するかは任意に決定することができる。

（２−４−５：学習スタイルの自動計測＃２（ＳＮＳベース））
次に、図３８〜図４１を参照しながら、ソーシャルネットワーク上の記述テキストに基づく学習スタイルの自動計測処理について説明する。この処理は、例えば、学習者グループ解析モジュール１０５により実行される。但し、この処理を他のモジュールが実行するように変形してもよい。

図３８に示すように、まず、学習者グループ解析モジュール１０５は、テキスト解析の学習を行うか否かを判定する（Ｓ２３１）。テキスト解析の学習を行う場合、学習者グループ解析モジュール１０５は、処理をステップＳ２３２に進める。一方、テキスト解析の学習を行わない場合、学習者グループ解析モジュール１０５は、処理をステップＳ２３３に進める。処理をステップＳ２３２に進めた場合、学習者グループ解析モジュール１０５は、図３９に示すように、記述テキストと正解データとを用いた機械学習により、学習スタイルの判別に用いる学習スタイル判別用語と学習スタイルとの関係を抽出し、その関係の強さを示す学習スタイル別重み値を算出する（Ｓ２３２）。

処理をステップＳ２３３に進めた場合、学習者グループ解析モジュール１０５は、図４０に示すように、ユーザの記述テキストから学習スタイル判別用語を抽出し、その学習スタイル判別用語に対応する学習スタイル別重み値を取得する（Ｓ２３３）。次いで、学習者グループ解析モジュール１０５は、図４１に示すように、ユーザの記述テキストに含まれる学習スタイル判別用語のそれぞれについて学習スタイル別重み値を合計し、合計値が最大となる学習スタイルをユーザの学習スタイルに決定して（Ｓ２３４）、一連の処理を終了する。

以上、ソーシャルネットワーク上の記述テキストに基づく学習スタイルの自動計測処理について説明した。なお、履修学習コンテンツの分布情報に基づく学習スタイルの自動計測処理を利用するか、ソーシャルネットワーク上の記述テキストに基づく学習スタイルの自動計測処理を利用するかは任意に決定することができる。

（ステップＳ１３４の処理について）
以上説明したように、学習者グループの解析処理において、学習目標及び学習スタイルに関する学習コンテンツの特徴量が計算され、その特徴量に基づいて学習コンテンツがクラスタリングされる。さらに、ユーザの履歴学習コンテンツに基づいて帰属クラスタが決定され、学習目標又は学習スタイルに関する帰属クラスタの特徴量に基づいてユーザの学習目標又は学習スタイルが決定される。また、学習者グループ解析モジュール１０５は、図４２に示すように、ユーザ毎に決定された目標及び学習スタイルに関する特徴量を用いて、ユーザを対象にソフトクラスタリングを行い、各ユーザが属するユーザクラスタを決定する。つまり、ユーザクラスタという学習者グループが決定される。

以上、学習者グループ解析処理について説明した。

［２−５：ライバル検索・推薦処理について］
次に、図４３〜図４５を参照しながら、ライバル検索・推薦処理について説明する。ここで説明するライバル検索・推薦処理は、主にライバル検索・推薦モジュール１０６により実行される。

図４３に示すように、まず、ライバル検索・推薦モジュール１０６は、学習者入力データを取得するか否かを判定する（Ｓ１４１）。学習者入力データを取得する場合、ライバル検索・推薦モジュール１０６は、処理をステップＳ１４２に進める。一方、学習者入力データを取得しない場合、ライバル検索・推薦モジュール１０６は、処理をステップＳ１４３に進める。処理をステップＳ１４２に進めた場合、ライバル検索・推薦モジュール１０６は、図４４に示すような学習者入力データを取得する（Ｓ１４２）。

処理をステップＳ１４３に進めた場合、ライバル検索・推薦モジュール１０６は、ライバル検索・推薦を行うか否かを判定する（Ｓ１４３）。ライバル検索・推薦を行う場合、ライバル検索・推薦モジュール１０６は、処理をステップＳ１４４に進める。一方、ライバル検索・推薦を行わない場合、ライバル検索・推薦モジュール１０６は、処理をステップＳ１４５に進める。処理をステップＳ１４４に進めた場合、ライバル検索・推薦モジュール１０６は、図４５に示すように、ライバル検索・推薦を実行し、その結果を保存する（Ｓ１４４）。

処理をステップＳ１４５に進めた場合、ライバル検索・推薦モジュール１０６は、結果を情報統合モジュール１１０に送信するか否かを判定する（Ｓ１４５）。結果を情報統合モジュール１１０に送信する場合、ライバル検索・推薦モジュール１０６は、処理をステップＳ１４６に進める。一方、結果を情報統合モジュール１１０に送信しない場合、ライバル検索・推薦モジュール１０６は、ライバル検索・推薦に関する一連の処理を終了する。処理をステップＳ１４６に進めた場合、ライバル検索・推薦モジュール１０６は、結果を情報統合モジュール１１０に送信する（Ｓ１４６）。

以上、ライバル検索・推薦処理について説明した。

［２−６：学習コンテンツ検索・推薦処理について］
次に、図４６〜図４８を参照しながら、学習コンテンツ検索・推薦処理について説明する。ここで説明する学習コンテンツ検索・推薦処理は、主に学習コンテンツ検索・推薦モジュール１０７により実行される。

図４６に示すように、まず、学習コンテンツ検索・推薦モジュール１０７は、コンテンツ情報、学習者入力データ、学習到達段階を取得するか否かを判定する（Ｓ１５１）。コンテンツ情報、学習者入力データ、学習到達段階を取得する場合、学習コンテンツ検索・推薦モジュール１０７は、処理をステップＳ１５２に進める。一方、コンテンツ情報、学習者入力データ、学習到達段階を取得しない場合、学習コンテンツ検索・推薦モジュール１０７は、処理をステップＳ１５３に進める。処理をステップＳ１５２に進めた場合、学習コンテンツ検索・推薦モジュール１０７は、図４７に示すようなコンテンツ情報、学習者入力データ、学習到達段階を取得する（Ｓ１５２）。

処理をステップＳ１５３に進めた場合、学習コンテンツ検索・推薦モジュール１０７は、学習コンテンツ検索・推薦を行うか否かを判定する（Ｓ１５３）。学習コンテンツ検索・推薦を行う場合、学習コンテンツ検索・推薦モジュール１０７は、処理をステップＳ１５４に進める。一方、学習コンテンツ検索・推薦を行わない場合、学習コンテンツ検索・推薦モジュール１０７は、処理をステップＳ１５５に進める。処理をステップＳ１５４に進めた場合、学習コンテンツ検索・推薦モジュール１０７は、図４８に示すように、学習コンテンツ検索・推薦を実行し、その結果を保存する（Ｓ１５４）。

処理をステップＳ１５５に進めた場合、学習コンテンツ検索・推薦モジュール１０７は、結果を情報統合モジュール１１０に送信するか否かを判定する（Ｓ１５５）。結果を情報統合モジュール１１０に送信する場合、学習コンテンツ検索・推薦モジュール１０７は、処理をステップＳ１５６に進める。一方、結果を情報統合モジュール１１０に送信しない場合、学習コンテンツ検索・推薦モジュール１０７は、学習コンテンツ検索・推薦に関する一連の処理を終了する。処理をステップＳ１５６に進めた場合、学習コンテンツ検索・推薦モジュール１０７は、結果を情報統合モジュール１１０に送信する（Ｓ１５６）。

以上、学習コンテンツ検索・推薦処理について説明した。

［２−７：学習到達段階解析処理について］
次に、図４９〜図５１を参照しながら、学習到達段階解析処理について説明する。ここで説明する学習到達段階解析処理は、主に学習到達段階解析モジュール１０８により実行される。

図４９に示すように、まず、学習到達段階解析モジュール１０８は、学習者入力データ、履歴学習コンテンツを取得するか否かを判定する（Ｓ１６１）。学習者入力データ、履歴学習コンテンツを取得する場合、学習到達段階解析モジュール１０８は、処理をステップＳ１６２に進める。一方、学習者入力データ、履歴学習コンテンツを取得しない場合、学習到達段階解析モジュール１０８は、処理をステップＳ１６３に進める。処理をステップＳ１６２に進めた場合、学習到達段階解析モジュール１０８は、図５０に示すような学習者入力データ、履歴学習コンテンツを取得する（Ｓ１６２）。

処理をステップＳ１６３に進めた場合、学習到達段階解析モジュール１０８は、学習到達段階解析を行うか否かを判定する（Ｓ１６３）。学習到達段階解析を行う場合、学習到達段階解析モジュール１０８は、処理をステップＳ１６４に進める。一方、学習到達段階解析を行わない場合、学習到達段階解析モジュール１０８は、処理をステップＳ１６５に進める。処理をステップＳ１６４に進めた場合、学習到達段階解析モジュール１０８は、図５１に示すように、学習到達段階解析を実行し、その解析結果を保存する（Ｓ１６４）。

処理をステップＳ１６５に進めた場合、学習到達段階解析モジュール１０８は、解析結果を情報統合モジュール１１０に送信するか否かを判定する（Ｓ１６５）。解析結果を情報統合モジュール１１０に送信する場合、学習到達段階解析モジュール１０８は、処理をステップＳ１６６に進める。一方、解析結果を情報統合モジュール１１０に送信しない場合、学習到達段階解析モジュール１０８は、学習到達段階解析に関する一連の処理を終了する。処理をステップＳ１６６に進めた場合、学習到達段階解析モジュール１０８は、解析結果を情報統合モジュール１１０に送信する（Ｓ１６６）。

以上、学習到達段階解析処理について説明した。

［２−８：情報統合処理について］
次に、図５２〜図５５を参照しながら、情報統合処理について説明する。ここで説明する情報統合処理は、主に情報統合モジュール１１０により実行される。

図５２に示すように、まず、情報統合モジュール１１０は、反応解析の結果を取得するか否かを判定する（Ｓ１７１）。反応解析の結果を取得する場合、情報統合モジュール１１０は、処理をステップＳ１７２に進める。一方、反応解析の結果を取得しない場合、情報統合モジュール１１０は、処理をステップＳ１７３に進める。処理をステップＳ１７２に進めた場合、情報統合モジュール１１０は、反応解析モジュール１０１から反応解析の結果を取得する（Ｓ１７２）。

処理をステップＳ１７３に進めた場合、情報統合モジュール１１０は、環境解析の結果を取得するか否かを判定する（Ｓ１７３）。環境解析の結果を取得する場合、情報統合モジュール１１０は、処理をステップＳ１７４に進める。一方、環境解析の結果を取得しない場合、情報統合モジュール１１０は、処理をステップＳ１７５に進める。処理をステップＳ１７４に進めた場合、情報統合モジュール１１０は、環境解析モジュール１０２から環境解析の結果を取得する（Ｓ１７４）。

処理をステップＳ１７５に進めた場合、情報統合モジュール１１０は、学習者間共有情報を取得するか否かを判定する（Ｓ１７５）。学習者間共有情報を取得する場合、情報統合モジュール１１０は、処理をステップＳ１７６に進める。一方、学習者間共有情報を取得しない場合、情報統合モジュール１１０は、処理をステップＳ１７７（図５３）に進める。処理をステップＳ１７６に進めた場合、情報統合モジュール１１０は、学習者間情報共有モジュール１０４から学習者間共有情報を取得する（Ｓ１７６）。

処理をステップＳ１７７に進めた場合、図５３に示すように、情報統合モジュール１１０は、学習者グループ解析の結果を取得するか否かを判定する（Ｓ１７７）。学習者グループ解析の結果を取得する場合、情報統合モジュール１１０は、処理をステップＳ１７８に進める。一方、学習者グループ解析の結果を取得しない場合、情報統合モジュール１１０は、処理をステップＳ１７９に進める。処理をステップＳ１７８に進めた場合、情報統合モジュール１１０は、学習者グループ解析モジュール１０５から学習者グループ解析の結果を取得する（Ｓ１７８）。

処理をステップＳ１７９に進めた場合、情報統合モジュール１１０は、学習到達段階解析の結果を取得するか否かを判定する（Ｓ１７９）。学習到達段階解析の結果を取得する場合、情報統合モジュール１１０は、処理をステップＳ１８０に進める。一方、学習到達段階解析の結果を取得しない場合、情報統合モジュール１１０は、処理をステップＳ１８１に進める。処理をステップＳ１８０に進めた場合、情報統合モジュール１１０は、学習到達段階解析モジュール１０８から学習到達段階解析の結果を取得する（Ｓ１８０）。

処理をステップＳ１８１に進めた場合、情報統合モジュール１１０は、ライバル検索・推薦の結果を取得するか否かを判定する（Ｓ１８１）。ライバル検索・推薦の結果を取得する場合、情報統合モジュール１１０は、処理をステップＳ１８２に進める。一方、ライバル検索・推薦の結果を取得しない場合、情報統合モジュール１１０は、処理をステップＳ１８３（図５４）に進める。処理をステップＳ１８２に進めた場合、情報統合モジュール１１０は、ライバル検索・推薦モジュール１０６からライバル検索・推薦の結果を取得する（Ｓ１８２）。

処理をステップＳ１８３に進めた場合、図５４に示すように、情報統合モジュール１１０は、学習コンテンツ検索・推薦の結果を取得するか否かを判定する（Ｓ１８３）。学習コンテンツ検索・推薦の結果を取得する場合、情報統合モジュール１１０は、処理をステップＳ１８４に進める。一方、学習コンテンツ検索・推薦の結果を取得しない場合、情報統合モジュール１１０は、処理をステップＳ１８５に進める。処理をステップＳ１８４に進めた場合、情報統合モジュール１１０は、学習コンテンツ検索・推薦モジュール１０７から学習コンテンツ検索・推薦の結果を取得する（Ｓ１８４）。

処理をステップＳ１８５に進めた場合、情報統合モジュール１１０は、各モジュールから取得された各種の結果を統合し、その統合結果を保持して（Ｓ１８５）、情報統合処理に関する一連の処理を終了する。

ここでモジュール間における情報の流れについて簡単にまとめる。各種処理の結果と、その結果が入力又は出力されるモジュールとの関係について、図５５にまとめた。図１に示したモジュール構成の場合、各種処理の結果は、情報統合モジュール１１０を経由して各モジュールに送信される。

図５５に示すように、反応解析の結果は、反応解析モジュール１０１から出力され、学習コンテンツ検索・推薦モジュール１０７に入力される。また、環境解析の結果は、環境解析モジュール１０２から出力され、学習コンテンツ検索・推薦モジュール１０７に入力される。学習者間共有情報は、学習者間情報共有モジュール１０４から出力され、学習者グループ解析モジュール１０５、ライバル検索・推薦モジュール１０６、学習コンテンツ検索・推薦モジュール１０７、学習到達段階解析モジュール１０８、学習体験モジュール１０３に入力される。

また、学習者グループ解析の結果は、学習者グループ解析モジュール１０５から出力され、ライバル検索・推薦モジュール１０６に入力される。ライバル検索・推薦の結果は、ライバル検索・推薦モジュール１０６から出力され、学習者間情報共有モジュール１０４、学習体験モジュール１０３に入力される。学習コンテンツ検索・推薦の結果は、学習コンテンツ検索・推薦モジュール１０７から出力され、学習者間情報共有モジュール１０４、学習体験モジュール１０３に入力される。

また、学習到達段階解析の結果は、学習到達段階解析モジュール１０８から出力され、学習者間情報共有モジュール１０４、ライバル検索・推薦モジュール１０６、学習コンテンツ検索・推薦モジュール１０７に入力される。なお、学習コンテンツの履歴は、学習体験モジュール１０３から出力され、学習者間情報共有モジュール１０４、学習者グループ解析モジュール１０５、学習コンテンツ検索・推薦モジュール１０７、学習到達段階解析モジュール１０８に入力される。

以上、情報統合処理について説明した。

［２−９：学習体験処理の全体的な流れについて］
次に、図５６〜図５８を参照しながら、学習体験処理の全体的な流れについて説明する。ここで説明する処理には、学習支援装置１００を構成する全てのモジュールが関わる。

図５６に示すように、まず、学習支援装置１００は、ユーザ入力情報（学習者入力データ）を取得するか否かを判定する（Ｓ３０１）。ユーザ入力情報を取得する場合、学習支援装置１００は、処理をステップＳ３０２に進める。一方、ユーザ入力情報を取得しない場合、学習支援装置１００は、処理をステップＳ３０３に進める。処理をステップＳ３０２に進めた場合、学習支援装置１００は、学習体験モジュール１０３などの機能を利用してユーザ入力情報を取得する（Ｓ３０２）。

処理をステップＳ３０３に進めた場合、学習支援装置１００は、ユーザの反応を解析するか否かを判定する（Ｓ３０３）。ユーザの反応を解析する場合、学習支援装置１００は、処理をステップＳ３０４に進める。一方、ユーザの反応を解析しない場合、学習支援装置１００は、処理をステップＳ３０５に進める。処理をステップＳ３０４に進めた場合、学習支援装置１００は、反応解析モジュール１０１などの機能を利用してユーザの反応を解析し、その解析結果を保存する（Ｓ３０４）。

処理をステップＳ３０５に進めた場合、学習支援装置１００は、ユーザの環境を解析するか否かを判定する（Ｓ３０５）。ユーザの環境を解析する場合、学習支援装置１００は、処理をステップＳ３０６に進める。一方、ユーザの環境を解析しない場合、学習支援装置１００は、処理をステップＳ３０７（図５７）に進める。処理をステップＳ３０６に進めた場合、学習支援装置１００は、環境解析モジュール１０２などの機能を利用してユーザの環境を解析し、その解析結果を保存する（Ｓ３０６）。

処理をステップＳ３０７に進めた場合、図５７に示すように、学習支援装置１００は、学習者グループを解析するか否かを判定する（Ｓ３０７）。学習者グループを解析する場合、学習支援装置１００は、処理をステップＳ３０８に進める。一方、学習者グループを解析しない場合、学習支援装置１００は、処理をステップＳ３０９に進める。処理をステップＳ３０８に進めた場合、学習支援装置１００は、学習者グループ解析モジュール１０５などの機能を利用して学習者グループを解析し、その解析結果を保存する（Ｓ３０８）。

処理をステップＳ３０９に進めた場合、学習支援装置１００は、学習到達段階を解析するか否かを判定する（Ｓ３０９）。学習到達段階を解析する場合、学習支援装置１００は、処理をステップＳ３１０に進める。一方、学習到達段階を解析しない場合、学習支援装置１００は、処理をステップＳ３１１に進める。処理をステップＳ３１０に進めた場合、学習支援装置１００は、学習到達段階解析モジュール１０８などの機能を利用して学習到達段階を解析し、その解析結果を保存する（Ｓ３１０）。

処理をステップＳ３１１に進めた場合、学習支援装置１００は、学習者間共有情報を解析するか否かを判定する（Ｓ３１１）。学習者間共有情報を解析する場合、学習支援装置１００は、処理をステップＳ３１２に進める。一方、学習者間共有情報を解析しない場合、学習支援装置１００は、処理をステップＳ３１３（図５８）に進める。処理をステップＳ３１２に進めた場合、学習支援装置１００は、学習者間情報共有モジュール１０４などの機能を利用して学習者間共有情報を解析し、その解析結果を保存する（Ｓ３１２）。

処理をステップＳ３１３に進めた場合、図５８に示すように、学習支援装置１００は、情報統合を実行するか否かを判定する（Ｓ３１３）。情報統合を実行する場合、学習支援装置１００は、処理をステップＳ３１４に進める。一方、情報統合を実行しない場合、学習支援装置１００は、処理をステップＳ３１５に進める。処理をステップＳ３１４に進めた場合、学習支援装置１００は、情報統合モジュール１１０などの機能を利用して情報統合を実行し、その結果を保存する（Ｓ３１４）。

処理をステップＳ３１５に進めた場合、学習支援装置１００は、ライバル検索・推薦を実行するか否かを判定する（Ｓ３１５）。ライバル検索・推薦を実行する場合、学習支援装置１００は、処理をステップＳ３１６に進める。一方、ライバル検索・推薦を実行しない場合、学習支援装置１００は、処理をステップＳ３１７に進める。処理をステップＳ３１６に進めた場合、学習支援装置１００は、ライバル検索・推薦モジュール１０６などの機能を利用してライバル検索・推薦を実行し、その結果を保存する（Ｓ３１６）。

処理をステップＳ３１７に進めた場合、学習支援装置１００は、学習コンテンツ検索・推薦を実行するか否かを判定する（Ｓ３１７）。学習コンテンツ検索・推薦を実行する場合、学習支援装置１００は、処理をステップＳ３１８に進める。一方、学習コンテンツ検索・推薦を実行しない場合、学習支援装置１００は、処理をステップＳ３１９に進める。処理をステップＳ３１８に進めた場合、学習支援装置１００は、学習コンテンツ検索・推薦モジュール１０７などの機能を利用して学習コンテンツ検索・推薦を実行し、その結果を保存する（Ｓ３１８）。

処理をステップＳ３１９に進めた場合、学習支援装置１００は、学習体験モジュール１０３などの機能を利用して、ライバル、学習コンテンツ、或いは、ライバル及び学習コンテンツの関連情報をユーザに提示し（Ｓ３１９）、学習体験に関する一連の処理を終了する。

以上、学習体験処理の全体的な流れについて説明した。

［２−１０：モチベーションの算出処理について］
次に、図５９を参照しながら、モチベーションの算出方法について説明する。

学習体験モジュール１０３は、図２１に示すような形でライバルや学習コンテンツに関する情報をユーザに提示し、ユーザの学習意欲を喚起する。また、学習体験モジュール１０３は、ユーザがライバルとコミュニケーションする場を提供する。このとき、学習体験モジュール１０３により提供される情報の中に、ユーザのモチベーションを示す情報がある。このモチベーションは、図５９に示すように、ソーシャルネットワーク上の記述テキストに対して言語解析を行い、抽出された主観表現に基づいて算出される。例えば、ポジティブな主観表現の量とネガティブな主観表現の量とを比較し、その比較結果からモチベーションが決定される。

以上、モチベーションの算出方法について説明した。

［２−１１：進捗度の算出処理について］
次に、図６０を参照しながら、進捗度の算出方法について説明する。

学習体験モジュール１０３は、図２１に示すような形でライバルや学習コンテンツに関する情報をユーザに提示し、ユーザの学習意欲を喚起する。また、学習体験モジュール１０３は、ユーザがライバルとコミュニケーションする場を提供する。このとき、学習体験モジュール１０３により提供される情報の中に、ユーザの進捗度を示す情報がある。この進捗度は、図６０に示すように、学習到達段階の数値変化を観測しておき、その数値の増加量に基づいて算出される。例えば、進捗度は、１日当たりの学習到達段階の増加量が０．１以上の場合に「向上」に設定され、０．０５以上０．１未満の場合に「維持」に設定され、０．０５未満の場合に「低下」に設定される。なお、進捗度の判定に用いる閾値は適切に設定されることが好ましい。

以上、進捗度の算出方法について説明した。

［２−１２：効果］
上記のように、本実施形態に係る学習支援装置１００は、ユーザの習熟度、学習目標、学習スタイルに応じてライバルの検索や推薦を行うことができる。学習目標としては、例えば、「プロレベル」「趣味レベル」などがある。また、学習スタイルとしては、例えば、「広く浅く」「狭く深く」「早く」「じっくり」などがある。こうしたユーザの学習目標や学習スタイルなどに応じて好適なライバルが選択されることにより、ユーザの学習に対するモチベーションを高い状態で維持することが可能になる。

また、本実施形態に係る学習支援装置１００は、ライバルとの競争や協働が可能なようにソーシャルネットワークによる情報共有の場を提供する。そのため、ユーザは、このような場を通じて競争心や協働の精神をかき立てられる。また、ライバルとの間で質問や対話などのコミュニケーションがはかれることにより、問題解決の早期化や学習意欲の向上が実現される。特に、学習目標や学習スタイルの似たライバルとのコミュニケーションがはかれることで、より効果的に学習を進めることが可能な学びの場が実現される。

また、本実施形態に係る学習支援装置１００は、ユーザの習熟度、学習目標、及び学習スタイルに応じた学習者グループの解析や学習到達段階の解析に基づいてライバルや学習コンテンツの検索・推薦を行う。そのため、高価な計測器や生体センサなどを利用せずとも、ユーザの学習状態を適切に判定することが可能である。その結果、ユーザにかかる負担が少なく、かつ、低コストな学習システムを構築することが可能になる。

以上、本実施形態に係る学習支援装置１００の利用により得られる効果について説明した。

＜３：ハードウェア構成例＞
上記の学習支援装置１００が有する各構成要素の機能は、例えば、図６１に示す情報処理装置のハードウェア構成を用いて実現することが可能である。つまり、当該各構成要素の機能は、コンピュータプログラムを用いて図６１に示すハードウェアを制御することにより実現される。なお、このハードウェアの形態は任意であり、例えば、パーソナルコンピュータ、携帯電話、ＰＨＳ、ＰＤＡ等の携帯情報端末、ゲーム機、又は種々の情報家電がこれに含まれる。但し、上記のＰＨＳは、Ｐｅｒｓｏｎａｌ Ｈａｎｄｙ−ｐｈｏｎｅ Ｓｙｓｔｅｍの略である。また、上記のＰＤＡは、Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔの略である。

図６１に示すように、このハードウェアは、主に、ＣＰＵ９０２と、ＲＯＭ９０４と、ＲＡＭ９０６と、ホストバス９０８と、ブリッジ９１０と、を有する。さらに、このハードウェアは、外部バス９１２と、インターフェース９１４と、入力部９１６と、出力部９１８と、記憶部９２０と、ドライブ９２２と、接続ポート９２４と、通信部９２６と、を有する。但し、上記のＣＰＵは、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略である。また、上記のＲＯＭは、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙの略である。そして、上記のＲＡＭは、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略である。

ＣＰＵ９０２は、例えば、演算処理装置又は制御装置として機能し、ＲＯＭ９０４、ＲＡＭ９０６、記憶部９２０、又はリムーバブル記録媒体９２８に記録された各種プログラムに基づいて各構成要素の動作全般又はその一部を制御する。ＲＯＭ９０４は、ＣＰＵ９０２に読み込まれるプログラムや演算に用いるデータ等を格納する手段である。ＲＡＭ９０６には、例えば、ＣＰＵ９０２に読み込まれるプログラムや、そのプログラムを実行する際に適宜変化する各種パラメータ等が一時的又は永続的に格納される。

これらの構成要素は、例えば、高速なデータ伝送が可能なホストバス９０８を介して相互に接続される。一方、ホストバス９０８は、例えば、ブリッジ９１０を介して比較的データ伝送速度が低速な外部バス９１２に接続される。また、入力部９１６としては、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、及びレバー等が用いられる。さらに、入力部９１６としては、赤外線やその他の電波を利用して制御信号を送信することが可能なリモートコントローラ（以下、リモコン）が用いられることもある。

出力部９１８としては、例えば、ＣＲＴ、ＬＣＤ、ＰＤＰ、又はＥＬＤ等のディスプレイ装置、スピーカ、ヘッドホン等のオーディオ出力装置、プリンタ、携帯電話、又はファクシミリ等、取得した情報を利用者に対して視覚的又は聴覚的に通知することが可能な装置である。但し、上記のＣＲＴは、Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅの略である。また、上記のＬＣＤは、Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙの略である。そして、上記のＰＤＰは、Ｐｌａｓｍａ ＤｉｓｐｌａｙＰａｎｅｌの略である。さらに、上記のＥＬＤは、Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ Ｄｉｓｐｌａｙの略である。

記憶部９２０は、各種のデータを格納するための装置である。記憶部９２０としては、例えば、ハードディスクドライブ（ＨＤＤ）等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、又は光磁気記憶デバイス等が用いられる。但し、上記のＨＤＤは、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅの略である。

ドライブ９２２は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９２８に記録された情報を読み出し、又はリムーバブル記録媒体９２８に情報を書き込む装置である。リムーバブル記録媒体９２８は、例えば、ＤＶＤメディア、Ｂｌｕ−ｒａｙメディア、ＨＤ ＤＶＤメディア、各種の半導体記憶メディア等である。もちろん、リムーバブル記録媒体９２８は、例えば、非接触型ＩＣチップを搭載したＩＣカード、又は電子機器等であってもよい。但し、上記のＩＣは、Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略である。

接続ポート９２４は、例えば、ＵＳＢポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ、ＲＳ−２３２Ｃポート、又は光オーディオ端子等のような外部接続機器９３０を接続するためのポートである。外部接続機器９３０は、例えば、プリンタ、携帯音楽プレーヤ、デジタルカメラ、デジタルビデオカメラ、又はＩＣレコーダ等である。但し、上記のＵＳＢは、Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓの略である。また、上記のＳＣＳＩは、Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅの略である。

通信部９２６は、ネットワーク９３２に接続するための通信デバイスであり、例えば、有線又は無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又はＷＵＳＢ用の通信カード、光通信用のルータ、ＡＤＳＬ用のルータ、又は各種通信用のモデム等である。また、通信部９２６に接続されるネットワーク９３２は、有線又は無線により接続されたネットワークにより構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、可視光通信、放送、又は衛星通信等である。但し、上記のＬＡＮは、Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋの略である。また、上記のＷＵＳＢは、Ｗｉｒｅｌｅｓｓ ＵＳＢの略である。そして、上記のＡＤＳＬは、Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅの略である。

（備考）
上記のライバル検索・推薦モジュール１０６は、類似学習者検出部、学習者クラスタリング部の一例である。上記の情報統合モジュール１１０、学習体験モジュール１０３は、類似学習者情報提供部の一例である。上記の学習者グループ解析モジュール１０５は、クラスタリング部、履修クラスタ抽出部、特徴量取得部、学習目標決定部、学習スタイル決定部、関係抽出部、判別用語抽出部、学習目標別重み値算出部、学習スタイル別重み値算出部の一例である。上記の学習コンテンツ検索・推薦モジュール１０７は、特徴ベクトル算出部、特徴ベクトル抽出部、学習コンテンツ推薦部の一例である。上記の学習到達段階解析モジュール１０８は、学習目標特徴量算出部、習熟度評価部、習熟度変化観測部、進捗度評価部の一例である。

以上、添付図面を参照しながら本技術に係る好適な実施形態について説明したが、本技術はここで開示した構成例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本技術の技術的範囲に属するものと了解される。

１００ 学習支援装置
１０１ 反応解析モジュール
１０１１ 反応解析モジュール検出部
１０１２ 反応解析モジュール入力部
１０１３ 反応解析モジュール記憶部
１０１４ 反応解析モジュール演算部
１０２ 環境解析モジュール
１０２１ 環境解析モジュール検出部
１０２２ 環境解析モジュール記憶部
１０２３ 環境解析モジュール演算部
１０３ 学習体験モジュール
１０３１ 学習体験モジュール入力部
１０３２ 学習体験モジュール表示部
１０３３ 学習体験モジュール記憶部
１０３４ 学習体験モジュール演算部
１０４ 学習者間情報共有モジュール
１０４１ 学習者間情報共有モジュール記憶部
１０４２ 学習者間情報共有モジュール演算部
１０５ 学習者グループ解析モジュール
１０５１ 学習者グループ解析モジュール解析部
１０５２ 学習者グループ解析モジュール記憶部
１０６ ライバル検索・推薦モジュール
１０６１ ライバル検索・推薦モジュール演算部
１０６２ ライバル検索・推薦モジュール記憶部
１０７ 学習コンテンツ検索・推薦モジュール
１０７１ 学習コンテンツ検索・推薦モジュール演算部
１０７２ 学習コンテンツ検索・推薦モジュール記憶部
１０８ 学習到達段階解析モジュール
１０８１ 学習到達段階解析モジュール解析部
１０８２ 学習到達段階解析モジュール記憶部
１０９ 学習コンテンツ管理モジュール
１０９１ 学習コンテンツ管理モジュール演算部
１０９２ 学習コンテンツ管理モジュール記憶部
１１０ 情報統合モジュール
１０１１ 情報統合モジュール管理部
１０１２ 情報統合モジュール記憶部

Claims (15)

1. 学習目標、習熟度、及び学習スタイルを含む学習者情報に基づき、当該学習者情報の特徴が類似した類似学習者を検出する類似学習者検出部と、
   支援対象の学習者に対し、前記類似学習者検出部により検出された当該支援対象の学習者に類似する類似学習者の学習者情報を提供する類似学習者情報提供部と、
   を備える、
   学習支援装置。
2. 学習コンテンツをクラスタリングするクラスタリング部と、
   学習者が履修した学習コンテンツの帰属クラスタを抽出する履修クラスタ抽出部と、
   前記履修クラスタ抽出部により抽出された帰属クラスタの中で帰属度が最大となる帰属クラスタから学習目標毎の特徴量を取得する特徴量取得部と、
   前記特徴量取得部により取得された学習目標毎の特徴量の中で最大値に対応する学習目標を選択し、選択した学習目標を前記学習者の学習目標に決定する学習目標決定部と、
   をさらに備える、
   請求項１に記載の学習支援装置。
3. 学習コンテンツをクラスタリングするクラスタリング部と、
   学習者が履修した学習コンテンツの帰属クラスタを抽出する履修クラスタ抽出部と、
   前記履修クラスタ抽出部により抽出された帰属クラスタの中で帰属度が最大となる帰属クラスタから学習スタイル毎の特徴量を取得する特徴量取得部と、
   前記特徴量取得部により取得された学習スタイル毎の特徴量に基づいて前記学習者の学習スタイルに決定する学習スタイル決定部と、
   をさらに備える、
   請求項１に記載の学習支援装置。
4. 前記特徴量取得部は、前記履修クラスタ抽出部により抽出された帰属クラスタの中で帰属度が最大となる帰属クラスタから学習スタイル毎の特徴量をさらに取得し、
   前記学習支援装置は、前記特徴量取得部により取得された学習スタイル毎の特徴量に基づいて前記学習者の学習スタイルに決定する学習スタイル決定部をさらに備える、
   請求項２に記載の学習支援装置。
5. 前記特徴量取得部により取得された学習目標毎の特徴量及び学習スタイル毎の特徴量に基づき、同じ学習者が複数のクラスタに帰属することを許容する条件の下で学習者をクラスタリングする学習者クラスタリング部をさらに備える、
   請求項４に記載の学習支援装置。
6. 前記学習スタイル決定部は、学習者の履修状況を示す時間情報、及び前記学習スタイル毎の特徴量から算出される情報エントロピーに基づいて前記学習者の学習スタイルを決定する、
   請求項４に記載の学習支援装置。
7. 前記類似学習者検出部は、前記学習目標毎の特徴量及び前記学習スタイル毎の特徴量を組み合わせたベクトルを用いてベクトルマッチングを行うことにより前記支援対象の学習者に類似した類似学習者を検出する、
   請求項４に記載の学習支援装置。
8. 推薦対象となる全ての学習コンテンツについて、それぞれ学習目標毎の特徴量及び学習スタイル毎の特徴量を組み合わせたベクトルを算出する特徴ベクトル算出部と、
   前記特徴ベクトル算出部により算出されたベクトルの中から、前記特徴量取得部により取得された前記支援対象の学習者に対応する学習目標毎の特徴量及び学習スタイル毎の特徴量を組み合わせたベクトルに近い順に所定数のベクトルを抽出する特徴ベクトル抽出部と、
   前記特徴ベクトル抽出部により抽出されたベクトルに対応する学習コンテンツを前記支援対象の学習者に推薦する学習コンテンツ推薦部と、
   をさらに備える、
   請求項４に記載の学習支援装置。
9. 前記支援対象の学習者と学習目標が同じ学習者のそれぞれについて、前記学習目標毎の特徴量を合計した学習目標特徴量を算出する学習目標特徴量算出部と、
   前記学習目標特徴量の最大値と、前記支援対象の学習者について算出された学習目標特徴量とを比較することにより前記支援対象の学習者の習熟度を評価する習熟度評価部と、
   をさらに備える、
   請求項４に記載の学習支援装置。
10. 所定の学習目標を判別するための学習目標判別用語と当該所定の学習目標との関係を機械学習により抽出する関係抽出部と、
    学習者がソーシャルネットワーク上で記述したテキストの中から前記学習目標判別用語を抽出する判別用語抽出部と、
    前記判別用語抽出部により抽出された各学習目標判別用語について、前記関係抽出部により抽出された関係の強さを示す学習目標別重み値を算出する学習目標別重み値算出部と、
    前記各学習目標判別用語について算出された学習目標別重み値を合計し、合計値が最大となる学習目標判別用語に関係する学習目標を前記学習者の学習目標に決定する学習目標決定部と、
    をさらに備える、
    請求項１に記載の学習支援装置。
11. 所定の学習スタイルを判別するための学習スタイル判別用語と当該所定の学習スタイルとの関係を機械学習により抽出する関係抽出部と、
    学習者がソーシャルネットワーク上で記述したテキストの中から前記学習スタイル判別用語を抽出する判別用語抽出部と、
    前記判別用語抽出部により抽出された各学習スタイル判別用語について、前記関係抽出部により抽出された関係の強さを示す学習スタイル別重み値を算出する学習スタイル別重み値算出部と、
    前記各学習スタイル判別用語について算出された学習スタイル別重み値を合計し、合計値が最大となる学習スタイル判別用語に関係する学習スタイルを前記学習者の学習スタイルに決定する学習スタイル決定部と、
    をさらに備える、
    請求項１に記載の学習支援装置。
12. 学習者がソーシャルネットワーク上に記述したテキストからポジティブな主観表現とネガティブな主観表現とを抽出する主観表現抽出部をさらに備え、
    前記類似学習者情報提供部は、前記類似学習者について前記主観表現抽出部により抽出されたポジティブな主観表現の量とネガティブな主観表現の量とを比較し、比較結果を当該類似学習者のモチベーションを示す学習者情報として前記支援対象の学習者に提供する、
    請求項１に記載の学習支援装置。
13. 前記習熟度の変化を観測する習熟度変化観測部と、
    前記習熟度の増加量に応じて進捗度を評価する進捗度評価部と、
    をさらに備える、
    請求項１に記載の学習支援装置。
14. 学習目標、習熟度、及び学習スタイルを含む学習者情報に基づき、当該学習者情報の特徴が類似した類似学習者を検出する類似学習者検出ステップと、
    支援対象の学習者に対し、前記類似学習者検出ステップで検出された当該支援対象の学習者に類似する類似学習者の学習者情報を提供する類似学習者情報提供ステップと、
    を含む、
    学習支援方法。
15. 学習目標、習熟度、及び学習スタイルを含む学習者情報に基づき、当該学習者情報の特徴が類似した類似学習者を検出する類似学習者検出機能と、
    支援対象の学習者に対し、前記類似学習者検出機能により検出された当該支援対象の学習者に類似する類似学習者の学習者情報を提供する類似学習者情報提供機能と、
    をコンピュータに実現させるためのプログラム。
    

Images