学びを科学する：MOOCsでCloudなBig DataをLearning Analytics！ (http://www.ipsj.or.jp/event/fit/fit2013/program/data/html/event/event_2-6.html) で使用したスライドです。

1. ラーニング・アナリティクス
展望と課題
武田俊之
関西学院大学
2013/9/6 at FIT 鳥取
1

2. ラーニング・アナリティクスとは
• The measurement, collection, analysis and
reporting
of data about learners and their contexts,
for purposes of understanding and
optimizing learning and the environments in
which it occurs.
SoLAR: http://www.solaresearch.org/about/

3. ラーニング・アナリティクス: Process
3
measurement
collection
analysis
report
目的・モデル
システム
understand
optimize

4. Teaching & Learning関連領域
• 記述的理論
– Learning Sciences / Cognitive Science
– Psychology (Educational / Cognitive / Behavioral)
• 処方的理論
– Design Research
– Instructional Design Theories
– Institutional Research
• 数理・システム
– Educational Data Mining
– Social Network Analysis
– CSCL
4
鈴木, 2011

5. データ
• 「測定する」だけではない
• デジタルサービスが生成する
– 事前の理論・デザインを前提としない
– 例
• LMS
• SNS
• ポートフォリオ
• センサーデータ
• ビデオ撮影→コーディング＆トランスクリプション
5

6. ラーニング・アナリティクスの特徴
学習者とその環境のために
• Multi Discipline—
– 複数の理論を併用してつかう
• Multi Vocal—
– 学習（者）のさまざまな側面や役割を同時に見る
• Multi Levels of Focus
– さまざまなレベルから分析をおこなう
6

7. ビジネス・アナリティクス（BA）とは？
• Actionable Insightを生みだすためにおこなう
– 意思決定から行動につなげる
• 誰のために？
– 経営者のため（MIS / SIS） →
– サービスの最前線でリアルタイムにデータを利用
する（=BAの深化）
http://www.slideshare.net/McK_CMSOForum/customer-
journey-analytics-and-big-data

8. 分析の目的
• 予測（相関）
• 偏相関（真の相関）
• 相互的位置関係の抽出（クラスタリング、SNA）
• Business Analytics
– ”Group by” ：クロス集計
– 時系列プロット
8

9. Evidence Based Medicine (EBM)
• EBM ≠ Evidence Forced Medicine
– ActionもInsightも医療現場（臨床）のもの
– N-of-1 trial（患者ごとの研究）が最上位のエビデン
ス
• EBM実現のためのデータ整理に膨大な労力が
さかれている（メタ分析など）
• Evidenceの賞味期限は5.5年。1年以内に17%、
2年以内に23％が書きかえられる。
(Shojania, 2007)
9

10. Multi Level of Focus
LA
IR

11. Five primary areas of analysis
• Prediction
• Clustering
• Relationship mining
• Distillation of data for human judgment
• Discovery with models
Baker and Yacef (2009)
11

12. five areas of LA/EDM application
• -Modeling user knowledge, behavior, and
experience
• Creating profiles of users
• Modeling knowledge domains
• Trend analysis
• Personalization and adaptation
Bienkowski, Feng and Means (2012)
12

13. UMBC (1)
13
http://www.educause.edu/library/resources/what-does-analytics-mean-higher-education

14. UMBC (2)
14http://www.educause.edu/library/resources/what-does-analytics-mean-higher-education

15. UMBC (3)
15
Data Management Committee
Meets twice a year to review progress made by various teams and
solicit feedback on specific issues and prioritizations.
• VPs & Deans
Data
Warehouse
Team (Weekly)
Assigns REX
tickets,
manages
changes to
warehouse &
reporting envir.
Chair: IR
Rep: IR, IT, EM,
Cont. Ed
Deans’
Representation
Campus Systems
Executive Committee
(Twice Monthly)
Chairs: CIO & AVP EM
IT Steering Committee
(Monthly)
Chair: Vice Provost
REX User
Group
(2X Monthly)
Informal
meeting to
discuss users
needs and
specific
reports. Could
be used to
discuss
training
options.
Chair: IT
Rep: IR, IT ,EM,
Stud Affairs, Cont.
Ed, Dean Offices
Data Quality
Team
(ad hoc)
Comprised of
data managers
from various
functional
offices to
develop and
monitor data
integrity
processes
Chair: IR
Rep: IR, IT, EM,
Cont. Ed,
Bud&Fin, HR, Res
Life
Data Access &
Security Team
(ad hoc)
Manages
access to and
security levels
in PS and
REX, including
confidentiality
issues
Chair: IT
Rep: IR, IT, EM,
Cont. Ed,
Bud&Fin, HR, Res
Life
Setup Tables
Team (ad hoc)
Manages
changes to
plans and
subjects as
well as the
rollups to orgs,
colleges, etc.
Chair: EM
Rep: IR, IT, EM,
Bud&Fin, HR, Res
Life
Training Team
(ad hoc)
Manages
training
material for
both SA and
REX
Chair: IT
Rep: IR, IT, EM,
Cont. Ed,
Bud&Fin, HR, Res
Life

16. Course Signals (Purdue University)
16

17. Analytics 101 (Doug Clow)
17

18. Blackboard
Analytics for learn:
http://www.blackboard.com/Platforms/Analytics/Products/Blackboard-Analytics-for-Learn.aspx
18

19. Desire2Learn
19

20. Desire2Learn (Sociogram)
20

21. Instructure CANVAS
http://www.instructure.com/features-higher-education/save-time-and-effort
21

22. Kahn Academy
http://www.kahnacademy.org/
22

23. Udacity
http://blog.udacity.com/2013/09/what-does-udacity-do-with-data.html
23

24. Grockit (GMAT受験サポート）
http://grockit.com/blog/gmat/
category/grockit-feature-update/
24

25. Social Network Analysis (SNAPP)
http://www.slideshare.net/sbs/learning-analytics-or-the-data-tsunami-hits-higher-education
25

26. Discourse analytics on textchat
http://www.slideshare.net/sbs/learning-analytics-or-the-data-tsunami-hits-higher-education
26

27. Student Activity Meter (Erik Duval)
http://www.slideshare.net/erik.duval/learning-dashboards
27

28. ロールモデル型eポートフォリオ（日本女子大小川研究室）
http://mcm-www.jwu.ac.jp/~kayo_lab/img/rmp1.pdf
28

29. 課題 Issues—学習を科学するために
• 所有と所在の問題
• 高等教育への影響
• エビデンス・データベース、マップの構築
• 再分析可能なオープン・リンクト・データ
• → Discipline間の対話
• LA + {MOOC, Active Learning,
Student Experience Design}
• マインドセットの醸成とリテラシーの普及…
29

30. 所有の問題
• プライバシー、倫理
• ひもづけ
30

31. 所在の問題（1）
• アナログ時代
– 行為者の近くにデータがあった。
– 「集計結果」だけが下位レイヤーに送られた
• デジタル時代
– raw dataは下位レイヤーで収集される
– 行為者はどんなデータが収集されていることを知ら
ない
– 行為者は集計結果だけを見ることができる
31

32. 所在の問題（2）
• LMS（大学のセンターで運営）のデータを
ダッシュボードより詳細に
– 学部が分析したい
– 授業担当者が分析したい
– 学生が分析したい
• クラウド上のLMSのデータを
– 大学が詳細に分析したい
32

33. Curriculum Analytics
• カリキュラムのコースの整合性
– トピックモデル（LDA）
– 履修のSocial Network Analysis
• 推薦
33

34. http://www.slideshare.net/gsiemens/how-large-systems-change
高等教育の変容：アンバンドルと統合

35. (Massive Open) Online Course
+
Learning Analytics
+
Active Learning

36. MOOCは伝統的なコースのオンライン化
36Pardo, 2013: http://www.slideshare.net/abelardo_pardo/pushing-the-mooc-envelope-with-learning-analytics

37. LAがアクティブ・ラーニングのMOOC化を実現する
37Pardo, 2013: http://www.slideshare.net/abelardo_pardo/pushing-the-mooc-envelope-with-learning-analytics

38. 個人で開講するコース（インディMOOC）
38http://www.daigomi.org/lclj/
クラウド利用で費用ゼロ

39. Our Own Open Online Course (O4C)
• 知識を持っているひとがコースを開き、
その知識を得たい人が受講する
• Massiveであってもなくてもよい
39

40. MOOC+LAプラットフォーム
40
MOOC system
Instruction Design
ActiveLearning
Course
Platform
Course Design
Class
Individual
LearningAnalytics
Course
Course
学習者
従来型講義 アクティブ・ラーニング
コース提供者
コース提供
分析結果
受講