Author Archives: 吉田 自由児

About 吉田 自由児

ヒゲこと、株式会社デジタル・ナレッジ 代表取締役COOの吉田がお届けします。 弊社関連の情報だけでなく、eラーニング周辺の話題についても触れます。

《求人》エンジニアとディレクタを募集中

先週の暦通りの連休明けから週末を挟んだ月曜日、GWっぽさは吹き飛びすっかり通常の月曜日のような感じでしたが、皆様はいかがでしたでしょうか?

「あーあ、ゴールデンウィーク終わっちゃったよ」という方に朗報です。
今年の秋の大型連休、いわゆるシルバーウィークも比較的長期休暇でして、

  • 9月21日(月) 敬老の日
  • 9月22日(火) 国民の休日
  • 9月23日(水) 秋分の日

と休みが続き、19日・20日の土日を含めると5連休になります。シルバーウィークが5連休となるのは2009年以来6年ぶり、次は11年後の2026年という結構レアな条件だそうです。せっかくの貴重な5連休ですので、次の休みの計画を立ててみるのもいいでしょう。

 

このGW明け、我々eラーニング業界に身を置く者としては国内最大の教育ICT系イベントである教育ITソリューションEXPO、通称EDIXが来週(5月20日?22日)に控えており、GW明けからそちらの準備に大わらわです。

今回は弊社デジタル・ナレッジのブースだけでなく、Z会さんとの共催ブースも出展いたします。出展概要はブログで紹介しておりますのでご覧ください。見所、ハイライトなどは開催前にまた別途紹介いたしますのでどうぞお楽しみに。

 

さて、今回の話題は「求人」です。

Continue reading

ナレッジデリPlus、5/31までお得なキャンペーン中

ナレッジデリPlus Plusオプチョン機能 無償キャンペーン

まだ連休中の方もいらっしゃるでしょうが、世間一般では長いGWもようやく終わり、日常に戻ってきました。

先日、「GWっぷり」を弊社サイトのアクセス状況から類推しましたが、昨日までは約30%減だったものの、今日になって通常通りの動きを取り戻してきました。下記グラフをご覧ください。

弊社サイトのセッション数比較(5/8 vs 4/24)

弊社サイトのセッション数比較(5/8 vs 4/24)

本日5月8日(青)と二週間前の4月24日(オレンジ)を比べてみると、12時台までの状況ですが、ほぼ同じ傾向を示しています。今日あたりから、どうやら通常に戻ったと言って差し支えないようです。

かくいう私も昨日はお休みをいただいて今日から出勤。そういう人も多いのかもしれませんね。

 

さて、連休明けの今回は弊社の企業内研修向けASPサービス「ナレッジデリPlus」のお得なキャンペーンのご案内です。

Continue reading

(番外編)データでみるゴールデンウィークっぷり

今日は4月30日、暦の上では平日ですが、通勤電車はいつもよりやや少ない感じがするし、社内を見回すと休みを取っている人もおり、ややゴールデンウィーク(GW)っぽい感じがしております。

じゃあどのくらいGWなのか? というのを見てみるために、ひとつデータを引っ張り出してみました。
(以下、eラーニングには、まーったく関係ありませんので、そこのところはあらかじめご了承ください)

Continue reading

無料授業支援ツール”Clica”がバージョンアップ

Clica 学生の理解度や意見をリアルタイムで招集・表示 Clica-クリカの最新情報をご案内します。

デジタル・ナレッジは(ご存知の通り)eラーニングのソリューション会社でして、いろいろなeラーニングパッケージやそれらを活用したソリューションを提供しており、多くの企業様や学校様でご利用いただいております。

その一方、「多くの方が無償で触れることができるサービスあってもいいんじゃない? とりあえず売上利益はさておき。なんだか面白そうだから」と思い立ち、教育に役立つサービスを提供できないかと思っておりました。

その流れでスタートしたのが無料授業支援ツール”Clica“(クリカ)です。

Continue reading

早稲田大学との共同研究スタート:ラーニングアナリティクスによる退学予兆検出プロジェクト

昨今、学習におけるデータマイニング(Data Mining)、ラーニングアナリティクス(Learning Analytics)など、eラーニングの世界でもビッグデータをどう扱うか? という議論が始まっています。

一歩先にAmazonやGoogleをはじめとするIT企業がビッグデータを取り扱ったサービス、たとえばAmazonでは閲覧・購入履歴などから「おすすめ」を表示したり、というのを以前より始めており、我々もその恩恵を受けているわけです。ユーザたちの履歴の巨大なデータから関連性を見出し、それを個々に適用することで次の需要予測をする、という感じでしょうか。

このAmazonの例は、いわゆる「レコメンド」(Recommend)とか「アダプティブ」(Adaptive)とか呼ばれるもので、教育の世界でいうと、「このテスト問題を間違えた人は、次にこの問題をやるといいですよ」と最適な問題を出題する適応型の学習を行うエンジンとしてすでに使われていたりします。

Continue reading