データ分析・活用
学力調査・アンケート調査・体力調査・学習ログ等の分析、活用方法の提案を行っています。
専門的な観点で調査結果を解釈し、統計的手法等も用いて、仮説導出から検証までを行うコンサルティングサービス等を提供しています。
調査結果を教育施策の検討・評価に活用できるよう支援します。


- 神奈川県「子ども一人ひとりの学びづくり支援システム開発事業」(2017)
- 横須賀市「横須賀市学力・体力・生活意識調査を活用した専門的な課題分析に関する調査業務委託」(2015~2016)
- 堺市「義務教育基本調査業務」(2014)
- 姫路市「全国学力・学習状況調査 集計分析業務」(2013~2015)
- 福岡市「生活習慣・学習等定着度調査のあり方に関する調査研究」(2010)
- 福岡市「教育ビッグデータ活用調査検討業務」(2022)
- 神奈川県「子ども一人ひとりの学びづくり支援システム開発事業」(2017)
- 横須賀市「横須賀市学力・体力・生活意識調査を活用した専門的な課題分析に関する調査業務委託」(2015~2016)
- 堺市「義務教育基本調査業務」(2014)
- 姫路市「全国学力・学習状況調査 集計分析業務」(2013~2015)
- 福岡市「生活習慣・学習等定着度調査のあり方に関する調査研究」(2010)
- 福岡市「教育ビッグデータ活用調査検討業務」(2022)
概要紹介
統合型校務支援システムを、単なる業務効率化や事務負担軽減にとどめず、学習履歴や学習記録、学習成果物等の学習系データと連携し、学びを可視化することを通じて、児童生徒の学習指導の充実や教員の指導力向上、学級・学校経営の改善、教育委員会の施策立案等、教育の質向上を図る手段として活用する実証研究を行いました。
全国学力・学習状況調査データの研究利用を促進し、エビデンスに基づく政策形成を推進するため「個票データの匿名化」に関する技術的検討およびデータ作成を担当しました。
匿名データ
個票データ(設置者名・学校名等の情報を含むデータ)に匿名化処理を行い、データ内容を限定した上で、より簡易な審査で貸与するデータ
パブリックユースデータ
集計表からデータ生成した、個人情報を一切含まないデータ(疑似データ。誰でも申請不要で利用できる。)
学校現場と企業等との協働により、AIやセンシング技術等の昨今の技術革新を踏まえながら、学校教育において効果的に活用できる先端技術の導入・活用について実証を行い、教員による児童生徒への学習・生活指導の充実や校務支援等、教育の質の向上を図ることを目指す実証研究事業1~3年目の成果を「学校現場における先端技術活用ガイドブック」にまとめました。
学力向上に資するものを多角的に捉え、市内学校の指導改善及び教育行政の施策に役立てるため、学力・体力・生活意識調査の相関や、学力に強く影響する要素を明らかにするための調査を実施しました。分析結果は、横須賀市教育振興基本計画(第3期実施計画)に反映されました。

用いたデータ
(小学校3年生~中学校3年生)
- 全国学力・学習状況調査
- 横須賀市立小・中学校学習状況調査
- 横須賀市体力調査
- 生活意識調査
データ活用にかかる先行事例や既存データ・システムの調査、活用するデータの選定、新たに取得すべきデータの整理を行い、「子ども・教師・教育委員会」の今後望まれる姿やデータ活用の方向性、ユースケースなどを盛り込んだ、教育データ活用ロードマップを作成しました。



文部科学省「GIGAスクール構想」にて児童・生徒一人一台の端末整備が加速しており、テスト等をコンピュータで実施するCBT (Computer Based Testing)も行われるなど、データを蓄積できる環境も整ってきたことから、そのデータを生かすために教育でのAI活用の研究も始まっています。
ただ、学校教育現場では、AIが解析したデータに学習者が納得できなければ、主体的な意欲を引き出せないという課題がありました。そのため京都大学緒方研究室と内田洋行は、単に問題が自動的に提示されるだけではなく、学習者がより納得して課題に取り組めたり、先生が児童生徒のつまずきを把握して適切な指導を行えるよう、より学習・指導に有効な分析データを導き出す「説明できるAI」の開発を行うほか、教育委員会と連携してその実証研究を行うことを内容とする5か年計画を作成し、NEDO(国立研究開発法人新エネルギー・産業技術総合開発機構)からの委託研究で採択されました。
京都大学緒方研究室によって独自に開発したデジタル教材配信システム(e-Bookリーダー)のBookRollと分析ツールLA-Viewで構成されるラーニングアナリティクスシステム「LEAFシステム」を基盤に、学習行動から説明生成を行うAIエンジン「EXAIT」(エキサイト・Education Explainable AI Tools)を開発して搭載し、学習行動について「モデル駆動」と「データ駆動」の両面から開発を進めています。

研究代表者
緒方 広明
京都大学
学術情報メディアセンター 教授
「モデル駆動」では、教材や知識マップをもとに学習者が解答プロセスについて自己説明を行うことで、次に学ぶべき事項や解くべき問題を理由とともに推薦します。「データ駆動」では、推薦やダッシュボードの学習ログを蓄積し、学習ログからボトムアップに説明を生成します。そして、「データ駆動」と「モデル駆動」を融合することにより、児童生徒の学習プロセスを理解して説明を生成し、学ぶべき事項を推薦するAIを開発します。
2020年度は、京都市教育委員会と共同でプレスリリースを行い、滋賀県教育委員会と連携協定を締結しました。中学校1校(1〜3年生)、高等学校4校(1〜2年生)で実証研究を行なっています。内田洋行が学校現場で学習者が利用しやすいシステム構築と学習データの管理・抽出を行い、京都大学と共同でデータに基づく学習効果を検証しています。
(京都大学と共同で受託)


誤答した場合に表示される画面例
