動き始めた「ラーニングアナリティクス」【第4回】
ラーニングアナリティクス実践校が挫折しかねない「7つの課題」、その解決策は？（1/3 ページ）
ビッグデータを教育に生かす「ラーニングアナリティクス」に取り組む教育機関が直面しがちな課題とは何か。主要な7つの課題と、その解決策を示す。
ラーニングアナリティクスに取り組む教育機関が直面しがちな課題とは
第3回「九州大学でも実践中、『ラーニングアナリティクス』が“空論”ではないこれだけの根拠」では、九州大学や京都大学などが取り組んでいるラーニングアナリティクスの実践事例から、応用先として期待が高まる「アダプティブラーニング」の動向、ラーニングアナリティクスシステムの具体例まで、ラーニングアナリティクスを取り巻く現在の動きを整理して紹介しました。
ラーニングアナリティクスは、その目的も手段もさまざまであり、これさえやれば十分というベストプラクティスはありません。これからラーニングアナリティクスに挑む教育機関も、既にラーニングアナリティクスを実践している教育機関も、さまざまな課題や疑問を抱えているのが現状です。本稿では、ラーニングアナリティクスに取り組む教育機関が直面しやすい主要な課題を7つピックアップして、その解決策を示します。
- ラーニングアナリティクスに取り組みたいが、何から始めるべきか分からない
- ラーニングアナリティクスの利点を訴求できず、導入の稟議（りんぎ）が通らない
- 今使っている学習管理システム（LMS）がラーニングアナリティクスに使えない
- ラーニングアナリティクスで扱う個人情報の保護が心配
- ラーニングアナリティクスが現場で活用されない
- ラーニングアナリティクスを実践しても、思い通りの結果が出ない
- ラーニングデータサイエンティストになる方法が分からない
課題1：ラーニングアナリティクスに取り組みたいが、何から始めるべきか分からない
ラーニングアナリティクスの実践には、まずは過去に受講した授業や講義といった学習履歴データを収集する必要があります。既にLMSや学習用アプリケーションを導入している場合には、これらのデータを利用できます。授業／講義の出欠データや学習者のシステム利用履歴といった、学習履歴以外のデータも分析対象に含めることが可能です。
大事なのは「何のためのラーニングアナリティクスか」を明確化しておくことです。単に学習履歴を分析するだけであれば、学習履歴データを分析するだけで十分な場合があります。学習者の退学につながる行動を予測したり、成績向上のための施策を練ったりと、単なる分析にとどまらない目的があるのなら話は別です。学習履歴データに加え、学習者の退学や成績に関する情報など、分析の目的となるデータ（「目的変数」といいます）も取り込む必要があります。
まずは「何のためのラーニングアナリティクスか」を明確にした上で、現在収集し得るデータをリストアップし、導入目的を基に必要なデータを取捨選択することから着手するとよいでしょう。その上で教育ビッグデータを一元管理するデータベース「ラーニングレコードストア」（LRS）の構築や、LRS内にあるデータの分析の検討に入ります。ここは専門家に加わってもらってプロジェクトを進めるのがよいでしょう。
併せて読みたいお薦め記事
「ラーニングアナリティクス」とは何か
- AIブームが後押し？ 「ラーニングアナリティクス」が教育界の“熱い話題”になった理由
- 教育ビッグデータ分析「ラーニングアナリティクス」に必須な“4つの機能”とは？
- 九州大学でも実践中、「ラーニングアナリティクス」が“空論”ではないこれだけの根拠
教育ビッグデータの活用例「アダプティブラーニング」とは
課題2：ラーニングアナリティクスの利点を訴求できず、導入の稟議が通らない
ラーニングアナリティクスの実践に必要な投資をする際、「何でもいいから取りあえず分析してみよう」という考えでは、組織内の稟議が通りにくいでしょう。前述の通りラーニングアナリティクスの導入目的が明確になっていればよいのですが、現実的には「やってみないことには分からない」という側面があるのも確かです。仮に導入目的が明確になっていたとしても、現在のデータセットから狙い通りの結果を導き出せる確証はありません。
このような背景から、ラーニングアナリティクスシステムの導入に当たっては、まずは小規模パイロット（試験）プロジェクトを実施することをお勧めします。お持ちのデータをラーニングアナリティクスシステムに投入することで得られる、可視化のアウトプットや結論の可能性を事前に確認しておくのです。あるいは教育ビッグデータの分析やラーニングアナリティクス関連の機能開発を担う人材「ラーニングデータサイエンティスト」がデータをチェックして、どのような結論が導き出せそうかを試算することで、導入後のイメージを得ることができるでしょう。
導入前検証という位置付けでベンダーの協力が得られれば、パイロットプロジェクトを無料もしくは低コストで実施できます。まずはパイロットプロジェクトでラーニングアナリティクスのメリットを明確にした上で、本格導入の計画を立案してはいかがでしょうか。
Copyright © ITmedia, Inc. All Rights Reserved.
動き始めた「ラーニングアナリティクス」
教育や学習活動から生まれる教育ビッグデータを生かす「ラーニングアナリティクス」。その実態を明らかにする。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣 -
製品資料
[サイボウズ株式会社] AIが「わざわざ使うツール」になっていない？ 業務で自然に使う導線にする秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
2
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
3
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
4
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
5
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
-
6
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
7
「Wi-Fi 7」経由でWindowsが乗っ取られる？ 最高権限奪取の恐怖
-
8
情報漏えいはなぜ繰り返されるのか 今すぐ見直すべき「境界」
-
9
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
-
10
【漫画付き】ひとり情シス協会が明かす、RAG導入でしくじる企業「2つの共通点」
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
5
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
6
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
生成AIを開発に導入しても効果が見えない？ 実証実験で分かった成果と課題
-
9
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー