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。
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
-
事例
[サイボウズ株式会社] 受注約1.5倍と年間2万3000時間超の業務時間を削減、日機装に学ぶDX実践術 -
製品レビュー
[サイボウズ株式会社] 人材不足にどう挑む? ものづくり太郎が語る、製造現場でのAI活用成功の鍵 -
市場調査・トレンド
[グーグル・クラウド・ジャパン合同会社] 金融機関はAIエージェント導入でどう変わる? 7つの変化から19の事例まで解説 -
市場調査・トレンド
[グーグル・クラウド・ジャパン合同会社] 製造業のエージェント型AI活用に向けて押さえておきたい5つのトレンドとは? -
市場調査・トレンド
[グーグル・クラウド・ジャパン合同会社] 1231人への調査で見えた、企業が今直面するインフラの課題と今後採るべき戦略
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
RAGで「データをAIに送る」運用が限界を迎えている理由
-
2
Googleの業務向けAIエージェント「Gemini Agent」が登場 しかし課題は山積み
-
3
なぜ「Claude Code」拡張は消しても危ないのか? Cursorで不正版配信
-
4
いまIBM iエンジニアが直面する「5つの技術的課題」とその解決策
-
5
SAPの負荷増に苦しむZeissが「リアルタイム分析」「安定運用」を両立させた道
-
6
「Copilot」がIT予算を食いつぶす? 高額請求を招く課金体系と節約術
-
7
Claude利用8割のGMO、AI人材の評価軸が「トークン管理」に変わった
-
8
Microsoft 365侵害企業の9割はMFA導入済み 1002人調査で見えた盲点
-
9
なぜMicrosoftは「Rust」を標準言語に? AIで進むC/C++書き換えの課題
-
10
半数がブルーカラー転向を視野に? ベテランエンジニアを追い込む“54歳の壁”
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
侵入から横展開まで27秒の脅威にどう立ち向かう? 防御のカギがEDRの理由
-
3
有識者が語る、中堅中小企業に求められる最新のサイバーセキュリティ対策とは
-
4
AI駆動攻撃にどう対抗する? 超速の攻撃からエンドポイントを保護する方法
-
5
10G回線の真価をフルに享受するには? 導入前にチェックしたいポイント
-
6
なぜAIは組織で定着しないのか? 全社展開を阻む「3つの壁」と突破のヒント
-
7
パスワードレスへの移行で失敗しないためには? 導入・運用上の注意点を解説
-
8
自社のセキュリティ対策は大丈夫? 自己診断リストで対策の優先順位が分かる
-
9
ランサムウェア攻撃“究極の対策”はこれだ
-
10
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
TechTargetジャパン SNS
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