【講演レポート】最新eラーニングからラーニングアナリティクスまで。
「eラーニングアワード 2015 フォーラム」にて講演を行いました


IMG_6167

2015年10月30日、「eラーニングアワード 2015 フォーラム」におきまして、弊社取締役COOの吉田自由児が講演を行い、
eラーニングの最新トレンドや注目を集める『学習履歴』『ラーニングアナリティクス』について解説いたしました。
お昼時にも関わらず大変多くの方にご来場いただき、誠にありがとうございました。

講演内容を一部ご紹介いたします。

eラーニングのトレンドは『実践型eラーニング』へ!

企業におけるeラーニングといえば、これまではデスクワーカーや経営者層を対象とした教育が一般的でしたが、
最近では現場スタッフの育成へとすそ野を広げている例として、ドミノ・ジャパン様の事例をご紹介しました。

ドミノピザさま事例

全国に300店舗を展開し、年間数千人ものアルバイト店員が入社するドミノ・ジャパン様にとって、アルバイト店員の教育・研修は大きな課題でした。
いつでもどこでもスマホで学べるeラーニング研修を導入したことで、
たとえば、アルバイト店員が業務の合間にスマホを片手にピザの作り方を動画で学び即実践する、といった流れが可能となり、大きな成果を上げています。

こうした『実践型eラーニング』化への流れの背景には、タブレットやスマホの普及が
大きく関係しています。設置場所を取らず、誰でも直感的に操作できる端末の普及は、eラーニングの可能性をさらに広げています。
さらに、動画教材の増加により、わかりやすくより実践的な学びが実現可能となっています。

株式会社ドミノ・ジャパン様 導入事例ページ: https://www.digital-knowledge.co.jp/archives/1975/

株式会社ドミノ・ジャパン様 インタビューページ:https://www.digital-knowledge.co.jp/archives/1939/

大注目の『ラーニングアナリティクス』について整理しましょう。

「eラーニングアワード 2015フォーラム」の全講演のうち、『学習履歴』『ラーニングアナリティクス』をテーマに取り上げたものは8講演もあり、
一部は立ち見が出るほどの盛況でした。

そんな『ラーニングアナリティクス』について、3つのレイヤに整理し話を進めました。

ラーニングアナリティクスプラス整理

たとえば、学習結果や学習時間などのデータを集計しグラフ化する(可視化する)、といった作業は以前から行われており、
とくに真新しいものではありません。
ラーニングアナリティクス未満ということで、ここではLearning Analytics0.5と位置付けます。

次の段階は、学習傾向の分析です。

さまざまな分析により、関連するデータの有用性や相関を見つけ出していきます。
一例ですが、

「学習時間帯と成績との相関」や
「学習終了に至るための条件(どんな条件下で終了率が変化するか)」
などが分析にて明らかとなります。
この段階をLearning Analytics1.0としましょう。

終了に至る木

さらに次の段階では、実際にアクションを起こします。
Learning Analytics1.0で見つけ出した法則をもとに、
学習者へのレコメンドやアダプティブアクション――学習者一人ひとりの理解度や学習状況にあわせたレベル・分野の学習項目の提示――を自動で行うことが可能となります。

また、「どの学習者がドロップアウトしそうか」ということまで分析/予想することが可能です。
ここまでくるとLearning Analytics2.0と言えるでしょう。

コンセプト・実証・検証・研究のフェーズではなく、「いますぐ」実用可能なLearning Analytics!

『ラーニングアナリティクス』についてはまだまだ研究段階である部分が多く、その実用には時間がかかるといわれていますが、
デジタル・ナレッジでは、前述したLearning Analytics1.0およびLearning Analytics2.0の部分をカバーする新サービス『Analytics+』を
2015年10月28日にすでにリリースしております。(一部は無料でご利用いただけます。)

a+特長

新サービス『Analytics+』は、蓄積した学習履歴の分析結果の可視化だけでなく、分析結果をもとにアクションを起こすオプションメニュー“Robot”を搭載。
お勧めを提示する“レコメンド機能”や学習状況に合わせて次の課題を提示する“アダプティブ機能”、ドロップアウトを事前に察知する“退学予兆検出機能”により、
今注目される教育ビッグデータの具体的な利活用が可能となります。

『退学予兆検出ロボット』は、早稲田大学 松居辰則教授との共同研究により開発いたしました。
講演当日は松居辰則教授にもご登壇いただき詳しく解説いただきました。

IMG_6208

『Analytics+』の機能

【学習傾向分析】<無料>

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】<無料>

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。

【レコメンド/アダプティブ】<有償オプション>

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。

【退学予兆検出】<有償オプション>

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。

【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。

関連情報

Analytics+の裏側から提供開始までブログでご紹介しています。

■Learning Analyticsの新サービス”Analytics+”提供開始(その1:View)

https://www.digital-knowledge.co.jp/blog/archives/1676/

■Learning Analyticsの新サービス”Analytics+”提供開始(その2:Robot / Project)

https://www.digital-knowledge.co.jp/blog/archives/1690/

■(脱線)Analytics+の裏側〜どういう経緯で作ったのか?

https://www.digital-knowledge.co.jp/blog/archives/1713/


プライバシーマーク
goto top