課題6：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

　目的を明確化し、適切なシステムを構築して慎重にラーニングアナリティクスを実践しても、なかなか良い結果が現れないこともあるでしょう。結果が芳しくないときには、下記を見直すことが有効です。

処理が正確かどうか

　学習の進め方や業務内容を理解した上で、分析に利用するデータセットを確認します。その上で、求めたい結果を導出するのに正しい処理がなされているかどうかを確認します。

データが適切かどうか

　そもそも今分析しているデータは、想定している結果を導き出せるデータなのでしょうか。意味を成さないデータをいくら分析しても、当然ながら結果は出ません。利用するデータと求めたい結果との相関関係があるのかどうかを確認する必要があります。

　ある程度のデータ量がないと、結果が偏ってしまい正しい結果を導き出すことができません。収集するデータに偏りや恣意（しい）性がないかどうかも確認してください。

データクレンジングが正確かどうか

　分析対象のデータとして、抽出したデータそのものではなく、処理をしやすいように整理したデータを利用することがあります。例えば重複データ削除や異常値の解釈など、さまざまな処理を施します。こうしたデータ補正作業を「データクレンジング」と呼びます。

　データクレンジングは、学習者の学習や教員の業務特性を踏まえて処理されることが一般的です。人手を完全に排除することが難しく、ミスを生じやすい箇所のため、処理が適切かどうかを見直す必要があります。

特徴量抽出が適切かどうか

　テキストや画像、時系列データなどの非構造化データは、そのままではシステムが分析に利用しにくいことが一般的です。非構造化データをシステムで分析したい場合には、何らかの手段で構造化データに変換する必要があります。その代表的な手法が、テキストや画像、音声などが含む特徴的なデータである「特徴量」の抽出です。特徴量は、テキスト内にある特定語句の出現回数、画像内で特定の色が占める割合などの数値です。この特徴量抽出の手法やプロセスが適切かどうかを確認します。

課題7：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

　教育ビッグデータを分析して学びの状況を分かりやすく可視化する。指導や教材作りに有益な情報をフィードバックする。受講者一人一人へお薦めの教材や個別カリキュラムを提供する――。ラーニングデータサイエンティストの仕事は、このように多岐にわたります。ラーニングデータサイエンティストには、3つのスキル／ノウハウが必要だといわれています。

必須スキル／ノウハウ1：データサイエンス

　まず求められるのは、統計学の知識に加え、機械学習をはじめとする人工知能（AI）技術などを駆使するデータサイエンスのスキルです。統計の手法や仕組み、数式の理解といった理論の理解度だけでなく、実践的なスキルも求められます。例えば「Microsoft Excel」といった広く使われるツールから、R言語やPythonといったデータ分析に適した言語、「IBM SPSS」「Tableau」といったデータ分析ツールなどを使いこなすことが必要です。

必須スキル／ノウハウ2：アプリケーション開発／システム構築

　データを分析するだけでは、ラーニングデータサイエンティストの仕事は終わりません。分析結果を基にして目的達成を支援するアプリケーションを開発したり、システムを構築したりすることも求められます。自らコーディングをしない場合でも、システムの要件定義をまとめ、開発スタッフに指示ができるスキルが必要になります。

必須スキル／ノウハウ3：eラーニング／教育

　ラーニングデータサイエンティストは単にデータを分析するのではなく、よりよい学習環境を提供するために、データを駆使することで価値を創造します。そのためにはLMSの仕様や学習者の行動に加え、分析対象となる教育現場の運営の流れを十分に理解しておくことが大切です。実情を理解しておくことで、より適切な仮説を立てたり、実効性のある検証をしたりできます。さらに分析結果から導出される結論をまとめ、良い学習環境を提供するためのフィードバックを提示できるようになるはずです。

　これからラーニングデータサイエンティストを目指す人は、勉強会やイベントが各地で開催されているので参加してみるとよいでしょう。より本格的に取り組みたい人は、データサイエンスの専門課程を持つ大学や養成機関もあるので、これらの機関を活用する方法もあります。

執筆者紹介

吉田 自由児（よしだ・じゆうじ）　デジタル・ナレッジ代表取締役COO、デジタル・ナレッジ教育テクノロジ研究所所長

1973年生まれ。早稲田大学理工学部卒。大学でCAI（コンピュータ支援教育）を研究しデジタル・ナレッジ創業時から参加。エンジニアとしてeラーニングシステムのパッケージ開発や数多くの個別SI（システムインテグレーション）に従事。近年はラーニングアナリティクスへの関心が高く、同社ラーニングアナリティクス総合サービス「Analytics+」の初期バージョンを1人で開発した。