![LAプライバシーガイドラインの例
? Code of Practice for Learning Analytics[1]
– UK JISC
? Policy on Ethical Use of Student Data for
Learning Analytics[2]
– UK Open University
? 学習履歴の利活用に関するガイドライン[3]
– 学習履歴活用推進機構
21
[1] JISC (Joint Information System Committee), Code of Practice for Learning Analytics, June 2015,
https://www.jisc.ac.uk/guides/ code-of-practice-for-learning-analytics
[2] The Open University UK, Policy on Ethical use of Student Data for Learning Analytics, Sept. 2014,
http://www.open.ac.uk/ students/charter/sites/www.open.ac.uk.students.charter/files/files/ecms/web-
content/ethical-use-of-student-data-policy.pdf.
[3] 学習履歴活用推進機構、学習履歴の利活用に関するガイドライン第１版、2015年3月,
https://www.digital-knowledge.co.jp/about/loglaboratory/](https://image.slidesharecdn.com/20180510tamura-180510054507/85/20180510_ICON-5_-21-320.jpg){kind=icon}
More Related Content
Similar to 20180510冲滨颁翱狈技术セミナー5冲田村 (20)
More from ICT_CONNECT_21 (20)
Recently uploaded (6)
20180510冲滨颁翱狈技术セミナー5冲田村
- 1. Learning Analyticsの現状 ?研究、技術標準、プライバシー? 上智大学 田村恭久 ICT CONNECT 21 技術標準WG連続セミナー 第５回 2018-6-10 @ユビキタス協創広場CANVAS 1
- 2. 自己紹介 ? 上智大学 理工学部 教授 – 専門：教育工学、電子教科書、Learning Analytics ? 学習分析学会 理事長 ? 日本eラーニング学会 会長 ? ICT Connect 21 技術標準WG 座長 ? 総務省 スマートスクール実証事業 評価委員 ? ISO/IEC JTC1/SC36 (e-Learning) – WG8 (Learning Analytics Interoperability) Co- leader 2
- 4. Learning Analyticsとは ? 学習履歴データの収集?分析?フィードバック – 受講者や教員の状況や特徴を把握 ? 従来の学習分析からの進歩 – 細粒度の学習履歴データの収集 ? クライアントPCやウェアラブル機器を利用 – ビッグデータ分析技術の利用 ? データクレンジング、スパース（疎）データの扱い – Deep Learning 等人工知能技術の応用 4
- 5. 国際会議EDM 2008? 国際会議LAK 2011? 学習履歴データの電子化と細粒度化 5 心拍 血圧 発汗 視線 GPS情報 教材アクセス ノートテイク カメラ映像 音声 テスト回答 レポート記述 成績表 履修履歴 テスト回答 レポート記述 成績表 履修履歴 2000年前後 ? LMSの普及 ? 機械可読データへ 2010?15年 ? タブレットPCの普及 ? 電子教科書を手元で表示 従来 ? 紙媒体 ? データ変換工数大 今後 ? ???????機器の普及 ? ?????????? データ の粒度 粗 細 年 LMS上Q&A メール SNS?????? 2000?10年 ? 携帯/スマホ ? SNS サーバ上のデータ デバイスが発信するデータ
- 6. Learning Analyticsの概観 データ収集 データ蓄積? フィルタリング 分析 出力／ フィードバック プライバシーを保護する匿名化と復元 ? xAPI ? IMS Caliper ? Adaptive Data Collector ? 形式変換 ? クレンジング ? 前処理(NLPなど) ? 統計処理 ? ビッグデータ解析 ? 人工知能 ? 可視化 ? ダッシュボード ? リコメンデーション ? 学習者適応 ? Eポートフォリオ 学生プロ ファイル 学校評価/ IR 教員プロ ファイル 教員? 学生への フィード バック 適応型 ナビゲー ション プロファイル の記録 Revised from ISO/IEC TR20748-1 Learning Analytics Interoperability: Reference Model 6 LMS/VLE 教育アプリ サードパーティアプリ
- 7. 2013.4 2014.4 2015.4 2016.4 2017.4 2018.4 1 13/10 2 14/2 3 14/6 4 14/ 9 5 15/ 2 JASLA発足 2015.5 2012.4 Buzan 12/9 Moscow 13/9 Oslo 14/6 SC36 eTextbook IDPF/IMS EDUPUB V1.1 12/8 V2.0 14/1 V1.0 13/4 V0.8 12/7 ADL xAPI IMS LTI V1.03 16/10 V1.01 13/10 V1.02 14/10 V1.0 15/10 V1.1 18/1 IMS Caliper デジタル教材等の標準化 デジタル教科書の位置付け検討文部科学省 Rouen 15/6 Prague 16/6 Melbourne 17/6 ↓ LA NewYork 15/3 Indianapolis 14/3 国際会議 LAK Sydney 18/3 Edinburgh 16/3 Vancouver 17/3 Leuven 13/3 LASI Asia 17/8 電子教科書 学習履歴分析 (Learning Analytics) 電子教科書とLAの技術標準?学会
- 8. データ粒度別の状況 8 データの種類 Learning Result Communication Behavior Physiological Data データの例 科目の成績 テストの成績 メール、SNS、 電子掲示板の内容 教材アクセス、 ノートテイク、 カメラ画像、音声 心拍、血圧、発汗、 視線、GPS データ発信元 校務系サーバ 学習系サーバ メールサーバ SNSサーバ 学習者PC 学習者デバイス 粒度 粗 中 細 超細 段階 実運用段階 退学予兆予測 適応型テスト 研究段階 ??????分析等 NLP適用がネック 研究段階 挙動と学習達成の 関係が不明 研究途上 生理状態と学習達成 の関係が不明 Multimodal Learning Analytics と呼ばれる
- 9. 統計処理とビッグデータ処理 9 学習成果 （科目の成績など） 学習の経過、 学習中の挙動 データの特徴 構造?整形 欠損がない 形式が一律 量が少ない 非構造?非整形 欠損が多い 形式が多様 量が膨大 データの蓄積 関係データベース テキスト、NoSQL データの処理 統計処理 統計処理 自然言語処理 Deep Learningによる峻別 ビッグデータ解析
- 10. ページ遷移（太線：教員） 10
- 11. 科目による比較 11 ? 情報リテラシー ? 教育工学
- 13. LAを用いることの意義 ? 教育評価へのエビデンス付与 – 授業をBlack Box から White Boxへ ? 学習過程（プロセス）明瞭化 – 従来はテストの回答などOutcomeのみ ? 学習の個別化 – 学習履歴データの分析や報告により、個々の学習者 に応じた最適化の実現可能性が高まる 13
- 14. LAのインパクト ? 受講者の状況把握の自動化?半自動化 – 教員による把握よりきめ細かい場合も – 「ロボット家庭教師」実現の足がかり – 家庭教師や塾講師の存在意義は？ ? 教員の授業運営がマルハダカになる – 受講者の質問に答えていない – 理解度を無視して授業を進める – 授業評価アンケートより客観的で容赦ない ? 経産省 30年代の産業ビジョンにも – 人工知能やビッグデータ分析により、生徒一人ひと りに合った教育を提供 14
- 15. LA研究の情報源例 ? International Conferences – LAK: Learning Analytics and Knowledge 2011, 2012, 2013, 2014, 2015, 2016 – EDM: Educational Data Mining 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016 ? Journal of Learning Analytics ? Google groups on learning analytics ? LACE Project (Europe) ? ISO/IEC JTC1/SC36 (Learning Technology) WG8 – 2015年６月発足 ? 学習分析学会 – 2015年５月発足 15
- 16. 学習分析学会 ? 2015年5月 NPO法人人材育成マネジメント研究 会を改組、9月 東京都より法人認可 ? Learning Analyticsを専門に扱う ? 活動 – 研究会 – セミナー – 学会誌の発行 ? Web: http://jasla.jp/ 16
- 17. 産官学の連携 ? 研究 – 学会：学習分析学会、JSET, JSiSE, IEICE, IPSJ – 知見の蓄積、産学連携、Technology Transfer ? 技術標準化 – ISO/IEC JTC1/SC36 – ユーザーメリットの極大化 ? 現場への展開 – 文部科学省?総務省 構築?実証事業 – ICT Connect 21 – 実現可能性検証、問題点の明確化 17
- 18. LA技術標準の例 ? xAPI – ADL, データ記述スキーム、JSON ? CMI5 – AICC→ADL, xAPI拡張、データスキーム ? Caliper – IMS Global, データ記述スキーム ? Adaptive Data Collection Scheme – IoT ? Web of Things – W3C 18
- 19. Metric Profile / Information Model 19 IMS Caliper ADL W3C Metric Profile Caliper Metric Profile CMI5 (ドメイン 依存) Information Model Caliper Information Model xAPI WoT 項目?数値の意味付け ? School とは？ ? 何点満点？ 情報の記述形式 （機械可読な形で） ? XML ? JSON
- 20. ISO/IEC JTC1/SC36 WG8 ? SC36 – Information Technology for Learning, Education and Training (ITLET) ? 2015年6月 WG8 (Learning Analytics) が発足 – Convener(議長)：Yong-Sang Cho (KERIS) – 20748-1: Reference Model (published) – 20748-2: System Requirements (published) – 20748-3: Guideline for Data Interoperability (under development) – 20748-4: Privacy and Data Protection (under development) 20
- 21. LAプライバシーガイドラインの例 ? Code of Practice for Learning Analytics[1] – UK JISC ? Policy on Ethical Use of Student Data for Learning Analytics[2] – UK Open University ? 学習履歴の利活用に関するガイドライン[3] – 学習履歴活用推進機構 21 [1] JISC (Joint Information System Committee), Code of Practice for Learning Analytics, June 2015, https://www.jisc.ac.uk/guides/ code-of-practice-for-learning-analytics [2] The Open University UK, Policy on Ethical use of Student Data for Learning Analytics, Sept. 2014, http://www.open.ac.uk/ students/charter/sites/www.open.ac.uk.students.charter/files/files/ecms/web- content/ethical-use-of-student-data-policy.pdf. [3] 学習履歴活用推進機構、学習履歴の利活用に関するガイドライン第１版、2015年3月, https://www.digital-knowledge.co.jp/about/loglaboratory/
- 22. GDPR: EU一般データ保護規則 ? General Data Protection Regulation ? 2018年５月施行、EU 28ヶ国+3ヶ国 (EEA) ? 個人データの保護と適正な管理を規定 – EEAに住む個人のデータを扱う際に適用 ? データの所有権 (Ownership)は本人 – 氏名やメアドなどのIdentifier – 身体的、経済的、社会的パラメータ ? 企業がデータを利用する際、本人の許諾が必要 ? 企業はデータ管理責任を持つ 22
Editor's Notes
- #2: 40分