学習分析入門｜シラバス情報

授業コード

521069

オムニバス

科目名

学習分析入門

科目名（英語）

Introduction to Learning Analytics

配当学年

2年

単位数

2.00単位

年度学期

2025年度秋学期

曜日時限

金曜4限

対象学科

先_情報

コース

科目区分

専門科目

必選の別

選択科目

担当者

加藤　利康

教室

情報処理演習室2

実務家教員担当授業

授業の目的と進め方

学習分析は，世界でLearning Analytics（学習分析学）と呼ばれている。学習分析学とはどんな学問なのか学び、現在の研究状況や研究対象を知る。また、学習履歴とAIがもたらす教育の変化について理解を深める。
実際に学習履歴を活用してデータ分析を行い、学習分析に関する能力を身につける。

達成目標１

学習分析の背景および特長について説明できる。【10%】　

達成目標２

学習分析の対象と方法について説明できる。【10%】　

達成目標３

教育におけるAIの活用について説明できる。【30%】　

達成目標４

学習履歴データを活用したデータ分析ができる。【50%】　

達成目標５

達成目標６

達成目標７

アクティブラーニング

ディスカッション

○

ディベート

グループワーク

プレゼンテーション

実習

○

フィールドワーク

○

その他課題解決型学習

授業計画

授業時間外課題（予習および復習を含む）

第１回

ガイダンス
学習分析とは
学習分析の必要性と社会情勢
これからの授業展開

学習分析について調べておく。（1時間）
学習分析の必要性を再確認する。（1時間）

第２回

学習分析の現在
関連研究の最前線

学習分析の歴史について調べておく。（1時間）
学習分析に関する研究を調べてみる。（1時間）

第３回

学びを変える学習分析
学習分析１：記述統計

学習管理システムMoodleについて調べておく。（1時間）
記述統計の分析結果を考察する。（1時間）

第４回

授業と学びはどう変わったか
学習分析２：層別分析

学習分析の対象分野を調べておく。（1時間）
層別分析の結果を考察する。（1時間）

第５回

AIがカリキュラムに与える影響
学習分析３：t検定

AIによる学習への影響を調べておく。（1時間）
t検定の分析結果を考察する。（1時間）
x教育全般についてAIの活用方法を再確認する。（1時間）

第６回

AIは教育でどのように働くか
学習分析４：分散分析・多重比較

学習管理システムを用いた授業について調べておく。（1時間）
分散分析・多重比較の分析結果を考察する。（1時間）

第７回

教育におけるAIの活用1
前半のおさらい

データの可視化方法について調べておく。（1時間）
ヒストグラム、箱ひげ図、t検定、分散分析について再確認しておく。（1時間）　

第８回

中間課題

第１回から第7回までの授業内容を再確認しておく。（1時間）
中間課題の実施結果を振り返る。（1時間）

第９回

教育におけるAIの活用2
学習分析５：ノンパラメトリック検定

少人数のデータに対する分析方法について調べておく。（1時間）
ノンパラメトリック検定による分析結果を考察する。（１時間）

第10回

学習プロセスの分析
学習分析：６相関分析

学習プロセスにはどのような学習履歴があるかを調べておく。（1時間）
相関分析の結果を考察する。（1時間）

第11回

学習成果の予測
学習分析７：回帰分析

学習成果を予測する方法について調べておく。（1時間）
回帰分析の結果を考察する。（1時間）

第12回

学習履歴を考慮したグループ作成
学習分析８：クラスター分析

学習者にとってどのような情報提供があれば支援になるのか調べておく。（1時間）
クラスター分析の結果を考察する。（1時間）

第13回

文字列・文章の分析
学習分析９：テキストマイニング

文章や文字列を分析したい場合、どのような手法があるのかを調べておく。（1時間）
テキストマイニングの結果を考察する。（1時間）

第14回

期末試験

第9回から第13回までの授業内容を再確認しておく。（1時間）
期末試験の実施結果および授業全体を振り返る。（1.5時間）　

課題等に対するフィードバック

学修内容を授業内でフィードバックする。

評価方法と基準

毎回の授業課題への取組(50%)＋中間課題(25%)+期末試験（25%）
これらを合わせた水準が60%を満たしていれば「C」とする。

テキスト

テキストは指定しない。適宜資料を配布する。

参考図書

緒方広明「学びを変えるラーニングアナリティクス」日経BP 2023
田村恭久「学習分析概論: 研究から現場導入まで」Amazon Kindle 2024
ウェイン・ホルムス「教育AIが変える21世紀の学び : 指導と学習の新たなかたち」北大路書房 2020
矢野米雄、平嶋宗他「教育工学とシステム開発」ミネルヴァ書房 2012

科目の位置づけ（学習・教育目標との対応）

学習履歴データの管理、データ分析・可視化技術の開発、教育・学習改善の支援などについて学ぶことができる。
学習分析の結果に基づき、教育・学習の改善に貢献する能力を身につける。
学習にたいするAIの用途について学ぶことができる。
実際の学習履歴データについて、複数の手法で分析することができる。

履修登録前の準備

本学の「日本工大サポータル」、情報リテラシーで使われているLMS「Moodle」、Google Form、Microsoft Formsを利用できるようになっておくこと。