分野別にみる 教育ビッグデータの可能性 – その他共通項目①


ここからは特定分野に関わらない基本概念や、教育ビッグデータにより実現できる世界観を紹介します。

LRS

Learning Record Store の略。学習履歴を蓄積するためのデータベースを指します。様々なシステムやデバイスから生成された履歴データを一手に受け、これを蓄積します。

技術的には旧来のリレーショナル・データベースだけでなく大量データを格納するのに適したNoSQL を利用することが多くあります。なお LRSはxAPI で使われる用語で、 Caliper Analytics では同様の仕組みをEvent Store と呼称しています。


マシンラーニング

多くのデータをコンピュータにかけ、データ間に潜む特徴を獲得したり予測モデルを構築する仕組み。AI の一つの領域で「機械学習」ともいいます。昨今、画像認識やレコメンドなどのサービスで広く用いられ注目されている技術領域の一つで、ラーニング・アナリティクスでも利用されています。
マシンラーニングは大きく「教師あり学習」と「教師なし学習」に分けられます。「教師あり学習」は入力データと、それに対する出力データをセットにしたデータを学習させることで、未知の入力データに対する予想される出力を求めようというものです。

例えば有名な実験例で大量の猫の写真をマシンラーニングにかけて学習させ、任意の写真を入力してその写真が「猫かどうか」を判別するのに用いられました。「教師なし学習」は入力データに対して出力があらかじめ定まっていないマシンラーニングで、入力データの背後に存在する本質的な構造をあぶり出すのに用いられます。

例えば受講者に付随する情報(履修教科、学習時間、成績など)をマシンラーニングにかけて、受講者をグループ分け(クラスタリング)する等に用いられます。


オムニチャネル学習

ラーニングシステムのみで学習するのではなく集合研修などのリアル研修と組み合わせる「ブレンディング」や「ブレンデッド・ラーニング」と言われる手法が広まってます。

また e ラーニングのトレンドとしてパソコンだけでなくタブレットやスマートフォンで
も学習する「マルチデバイス」の考え方も広がり、学習場所、方法、そのシステムも広がりを見せています。昨今はこれをさらに拡張し、読書記録や授業出席、動画閲覧などe ラーニング以外の学習アプリやサービスを併用したトータルでの学習環境を利用するケースが増えています。

オムニチャネル学習ではそれぞれのアプリケーション・サービスで学習履歴が生成・蓄積されますが、このままではトータルに一元管理をすることができません。そこで LRS を適用することで、それぞれのアプリケーション・サービスからの学習履歴が全てLRSに保存・管理され、学習履歴の一元管理を行うことができるようになります。

図12:オムニチャネル学習環境の概念図
図12:オムニチャネル学習環境の概念図


関連製品・サービス


プライバシーマーク
goto top