进度表制作方法以及进度表生成系统、尚未经验进度表预测方法以及学习进度表评价显...的制作方法

文档序号:6482843阅读:360来源:国知局
专利名称:进度表制作方法以及进度表生成系统、尚未经验进度表预测方法以及学习进度表评价显 ...的制作方法
技术领域
本发明涉及进度表制作方法和进度表生成系统、以及从根据遵照进度表制作方法制作成的进度表而得到的个人的反应信息,对今后的反应、最佳的进度表进行预测的尚未经验进度表预测方法,以及对其内容等进行显示的学习进度表评价显示系统。
背景技术
如一般的问卷调查那样,采用多变量解析法(从具有多种多样的特性的大量数据中,分析其相互的关联并提炼特征,找出事情背后的存在的原因来进行预测、分类的解析方法),广泛地对个人的反应进行统计,捕捉全体的倾向性。
例如,被用于通过采用问卷调查的商品的形象调查等,来推定该商品受到具有何种属性的人所喜爱,或用于大学入学考试的模拟考试,以集团中的个人的相对的位置来推定某一时其个人的成绩等。
但是,在采用以往进行的多变量分析法的调查方法中,存在一个界限。
这就是,可利用的信息被在某一时刻的个人的状态相关的数据所限定。
本来,个人的各种反应,是会随着经验而发生很大的变化的。比如,在问卷调查之前询问对某种商品的评价,如果见到那个商品的话,其形象应该会有很大的变化。
而且,对于模拟考试的成绩,即使是在某一时刻判定为C的学生,当然也可以是在这之前的模拟考试曾判定为E的学生,和曾判定为A的学生中,其成绩的预测变化来的。
也就是说,基于现在的多变量分析的数据,中心地使用表示某一时刻的状态的数据,不能说充分考虑了时间序列的变化,所以无法得到正确的分析结果。
而且,在人的反应的理解、预测中,从其个人的过去到未来的‘变化’的信息具有很大的意义。以怎样的时间的进度遭遇什么样的内容,进行怎样的反应,将成为个人的经验的差别。
而且,现在广泛见到的反应数据的分析,是以某一时期的个人的属性、内容的性质作为切入口,但是很少考虑其时间序列的遭遇进度、变化。
另一方面,在调查研究中存在纵贯式的研究。这是在一定的期间,连续地反复进行特定的调查,并观察特定的个人的反应的变化。
但是,这里进行的调查是在一个月进行一次,或一年进行一次的进度那样的大致的进度表的基础上进行的,不是将针对我们每日频繁遭遇那样的庞大的信息的反应的变化作为分析的对象的。
其一个理由是当以一个月一次那样地决定的进度进行评定的情况下,对庞大的内容以一定的进度在同样的条件下作出判定变得很困难。
比如,我们考虑以一个月一次的进度学习1000个英语单词的情况。如以往那样,以一个月一次的进度进行学习的话,在某1日,学习全部1000个单词,一个月以后还要进行学习。
另一方面,在需要连续长时间反复学习的英语单词学习等中,即使进行这样的反复学习,还是会强烈地感觉到‘学了好几遍也记不住’,‘真的能记住吗’,结果就会终止学习。
也就是,如果不能实际感觉到学习的效果、成果,就会产生对学习的能动性明显降低的问题。

发明内容
本发明,是为了解决上述的课题而提出的创造性方案,其目的在于,要得到进度表的制作方法,该制作方法可以依照一定的进度表收集个人的反应,可以进行考虑到个人的属性、内容的性质的分析以及预测;尚未经验进度表预测方法,其采用这个进度表预测针对尚未经验进度表的个人反应,比如,该方法向个人提供学习者‘对于某种学习,反复进行几次学习就可以见诸成绩’,‘怎样地推进学习’等的指针、最佳的进度表;以及学习进度表评价显示方法,该方法对其结果等进行显示。
本发明的进度表做成方法,其要旨在于,由以下部分组成的时序条件来构成与某种内容相关的事件发生的进度表条件,这些部分是作为与内容相关的事件发生的最小期间的提示单元;比事件发生的提示单元更长,并且对同一内容从事件开始到下一事件发生之前为止之间的间隔;是比所述间隔更短的一定期间,并用于分散事件的发生的事件周期单元;是比所述提示单元更长,并且比所述事件周期单元的长度更短的期间,并用于使内容的提示条件均质配置的条件单元;当开始多个进度表时,表示其开始时刻的不同的延迟期间。
而且,本发明的进度表做成方法,其要旨在于,当某种进度表内的事件的发生,没有以一定的间隔发生的情况下,由基本单元和附属单元构成进度表,其基本单元,由成为基本的间隔;事件周期单元;条件单元;和延迟期间构成;附属单元,由将成为所述基本的间隔看作为与内容有关的事件发生的最小期间时的间隔;事件周期单元;条件单元;和延迟期间构成。
本发明的尚未经验进度表反应预测方法,其要旨在于对于由一个或多个内容组成的一组,为了生成与所有的内容相关的事件以一定的时序反复生成的进度表,将比作为事件生成的最小期间的提示单元更长,并且比从某个事件开始到下一事件发生前为止之间的间隔更短的一定期间,作为事件周期单元进行设置,采用这样的进度表,该进度表将内容配置为与各内容有关的特定事件在其事件周期单元内发生一次,以时间序列收集针对所述内容的经验的反应,并从过去收集的反应模式预测今后的反应模式。
本发明的尚未经验进度表反应预测方法,其要旨在于对于关联的多个事件的种类,关于特定的事件,由于采用事件以一定的时序反复发生的进度表,将比事件发生的最小期间的提示条件更长,并且比从事件的开始到下一事件发生前为止之间的间隔更短的一定期间,作为事件周期单元进行设置,生成使得事件在其事件周期单元内发生一次的进度表,对每个关联的多个事件的种类,对事件的发生和与此对应的个人的反应进行编码后以时间序列进行收集,并将根据最终的反应结果抽出的他人的反应经过模式与个人的反应经过模式进行比较,并将具有类似的反应经过模式的所述他人的进度表作为所述个人的今后的进度表。
本发明的学习进度表评价显示方法,其要旨在于是一种由网络将学习者终端和Web显示学习到达度的服务器连接起来的学习者评价显示系统,;对于由一个或多个内容组成的一组,为了生成与所有的内容有关的事件以一定的时序反复发生的进度表,将比事件发生的提示单元更长,并且比从某个事件的开始到下一事件发生前为止之间的间隔更短的一定期间,作为事件周期单元进行设置,采用将内容配置为与各内容相关的事件在其事件周期单元内发生一次的学习进度表,以时间序列评价所述与内容有关的学习到达度,当学习到达度的评价到达一定水平时,对所述学习者终端进行与学习到达度有关的数据、以及对应学习到达度向与学习内容相关联的站点的链接显示。
而且,本发明的学习进度表评价显示方法,其要旨在于,是一种由网络将学习者终端和Web显示学习到达度的服务器连接起来的学习者评价显示系统,具备按学习者的学力阶段来登录学习者使用的检索字的单元;对应所述登录的检索字,对学习者访问的站点进行登录的单元;使用与所述登录的检索字相同的字进行检索,并且当访问了与所述登录的站点相同的站点时,对该站点的访问次数进行计数的单元,在学习者终端上,以访问次数多的顺序显示检索结果。
根据本发明,可以高效地表现非常多的时序条件,特别是由于可以自动生成同一时序条件反复发生那样的进度表条件的表格,因此可以预先做成尽可能多的进度表条件,并积累对事件的反应数据。
而且,可以从积累的反应数据来预测尚未经验的进度表的反应模式,例如,学习者可以明白对于某种学习反复进行多少次学习就可以见到成果应该怎样推进学习等的指针。进而,对于复杂的进度表,通过将具有不同时序条件的进度表组合起来构成,就可以很容易地进行表现。
而且,对应学习的到达度,对与学习内容关联的职业网站或资格申请网站进行链接显示,从而也提高学习热情,根据学习的内容的内容、个人的属性限定信息检索的区域,这样,可以返回质量很高的检索结果。


图1是表示本发明的进度表的定义的图;
图2是表示本发明的进度表的定义的图;图3是表示本发明的进度表的定义的图;图4是表示提示条件的均质配置和条件单元以及提示单元的均质化的图;图5是表示包含由基本单元和附属单元表现的进度表的进度表条件的一个例子的图;图6是表示当进行进度表学习时的基本的数据生成的流程图;图7是表示进度表的一个例子的图;图8是表示时序条件和内容项目分配的图;图9是表示时序条件和内容项目分配的图;图10是表示时序条件和内容项目分配的图;图11是表示综合全部条件的项目概要和预想的学习时间的图;图12A是表示内容数据库内的内容列表的例子的图;图12B是表示内容数据库内的内容列表的例子的图;图13A是表示输入的内容识别条件码的内容列表的例子的图;图13B是表示输入的内容识别条件码的内容列表的例子的图;图14A是表示提示列表的一个例子的图;图14B是表示提示列表的一个例子的图;图15A是表示测试记录的一个例子的图;图15B是表示测试记录的一个例子的图;图16是表示存储了反应的反应数据库的一个例子的图;图17是表示自我评定值的变化(全体平均)的图;图18A是表示三名学习者的自我评定值的预测函数的图;图18B是表示三名学习者的自我评定值的预测函数的图;图18C是表示三名学习者的自我评定值的预测函数的图;图19A是表示当进行学习水平的自我评定时的画面的例子的图;图19B是表示当进行学习水平的自我评定时的画面的例子的图;图20是表示不同的间隔条件的学习到达度的图;图21是表示在进行成绩预测时的动作的流程图;
图22是复杂的进度表的记述例子的说明图;图23是确定最佳事件进度表的方法的说明图;图24是事件进度表推定法的说明图;图25是学习进度表评价表示系统的概要构成图;图26是表示学习进度表评价显示系统的顺序图;图27是表示学习进度表评价显示系统的顺序图;图28是表示对与学习者评价有关联的站点进行链接显示的一个例子的图;图29是表示对与学习者评价有关联的站点进行链接显示的一个例子的图;图30是表示存储了检索字等的数据库的图;图31是表示将访问站点的访问次数由多到少之顺序地进行显示的动作的流程图。
具体实施例方式
首先从进度表固定法开始对进度表制作所必要的构成进行说明。
(进度表固定法)进度表固定法,是在对时序进行控制的基础上收集数据,并通过使时序的因素的影响变小而提高预测力的方法。
容易认为可以简单地对时序进行控制,但是实际上当对时序的变化进行固定并收集反应数据的情况下,存在非常困难的问题。例如,试想对1000个内容以一个月一次的进度要求对每个用5秒钟的反应的情况。如果简单考虑,在某1日对1000个内容进行反应,一个月以后再对1000个进行反应。这种情况下,进行反应的日,必须不加休息连续地反应一个半小时。在最初部分的反应和最后部分的反应中,其详情也就不同了。进而,如果是对1000个内容,1日必须分别进行5次评价的条件的话,个人就必须7小时连续地进行评价。这是不可能的。
如果就上述的例子而言,本发明是一种这样的进度表构成法,即无论内容是1000个,还是2000个,反复的次数是5次还是10次,都使有关某内容的事件,在一定的间隔中发生,并且每日的反应都可以在几分钟左右完成的进度表构成法。
用于解决这个问题策略,是做成设定了事件周期单元的进度表。在对进度表的方法进行说明之前,先对本发明的进度表进行明确定义。
本实施方式的进度表,采用进度表条件。这个进度表条件是表示在何时以怎样的时序,怎样地提示怎样的属性的内容的条件,由时序条件、属性条件、提示条件三部分组成。
时序条件意味着一个月一次、或两周一次那样地事件发生的时序。其严密的定义以后再作叙述。
所谓事件周期单元的期间,在散布内容、各种条件的期间,并非一定与间隔的期间一致,但是事件周期单元是比间隔更短的期间。
在本实施方式中,提出将进度表的因素组合到学习的调查研究中,进而提出了几个为实现这一点的方法和其数据的利用方法。漠然地收集数据的话只能得到一些没有价值的信息。因此,考虑时间的变化并用于对数据进行分析的架构是必要的。
(用于将进度表的因素组合进分析的策略)为了将进度表模型引进到分析中,首先提出在以往的调查方法中导入实验计划的考虑方法。
为了考虑进度表的因素,最初就将可无限地设想的进度表作为分析对象是不合理的。其结果,在内容等的提示进度表中加上限制,并与之对应进行数据的收集和分析是必要的。也就是,为了将进度表模式组合到分析中,必须在提示的进度表中加上限制,为此的具体的限制手法具有重要的意义。
仅仅设定进度表并不能解决问题。尤其是当依据一定的进度表对与庞大的内容相关的事件的反应进行收集时,对进度表的控制是非常困难的,这作为一个大问题被提出来。向个人要求对庞大的内容进行反应时,为了依据特定的进度表收集一个又一个的反应,那个人必须在日常生活中依据被相当控制了的进度表进行反应。但是,不可能委托一般的个人去作这件事。接受调查的个人,以千篇一律的进度表去进行反应是非常困难的。
因而,例如即使以自由度很大的个人生活节奏中收集反应的情况下,也必须具有能够将收集来的反应与一定的进度表建立对应关系并进行分析的构架。虽然个人对内容反应的时序的自由度很高,但也必须具有使之对应一定的进度表可统计、分析数据的进度的制作方法。
根据以下的方法,可以将进度表的因素组合进反应数据的分析中,并可进行高精度的分析和预测。
由此,可以在以往考虑的性别、地域、性格等各种各样的个人、内容的属性的组合的基础上再进行考虑了进度表因素的分析。
以下说明如何将进度表的因素组合到分析中来收集数据、及其具体策略。另外,以下列举的方法,由于越是采用各个方法、组合越是可以提高考虑了进度表因素的分析的精度,因此,意味着如果不采用,则精度就会降低。
(1)进度表的定义首先,必须对一般的进度表进行严格的定义。为此,可以将一般所说的,某个事件所发生的进度表,分成3个条件来考虑,即作为事件发生的最小期间的提示单元;由从某个事件的开始起到下一个事件的发生前为止的期间的间隔构成的时序条件Ai;表示事件的性质的提示条件Bi以及根据需要的内容的属性(难度等)。例如,对于一般一日工作四日休息的进度表的情况,可以称之为将一日设想为最小单位(提示单元),将五日设想为间隔的进度表。
另外,首先必须对事件发生的最小期间(提示单元)进行定义。如果是学习英语单词,一般要经过几天的学习,一般不会设想1日数百次地学习同一个单词。所以,将1日作为提示单元是很一般的。但是,如同狩猎游戏那样,当对是否扣动扳机那样的事件之前的数秒钟前,存在影响事件的内容的情况下,也可以考虑将一秒钟设想为时间的提示单元并对其时序的影响进行分析。
如果以学习英语单词为例,可以设想三种进度表,即一日一次学习一种英语单词,这样连续坚持10天(这里称之为进度表A);第1日和第6日5次学习一种英语单词(同样称之为进度表B);第1日和第6日一次学习一种英语单词(同样称之为进度表C)。
如图1所示,无论是如进度表A那样,1日学习1次并坚持10日的情况,还是如进度表B那样,第1日和第6日学习5次的情况,其合计都是学习了10次,但是各进度表的学习质量却明显不同。
如以下所述,可以将这些进度表分成时序条件(在进度表B中发生一个事件后,则从那个时刻开始到下一个事件发生前为止,取5日间为间隔的时序)和提示条件(在这个例子中,就是表示学习次数(学习强度)的维次)两个来考虑。
也就是,当将一种英语单词有关的事件发生的最小期间(提示单元)作为1日的情况下,通过将包含于10日间的那个最小期间中的事件的发生的有或无,与其反复次数、各种条件的种类无关地去对应1或0,来表现那个期间的特定的事件发生的时序条件(编码)。具体地如图2所示,进度表A被表现为(1、1、1、1、1、1、1、1、1、1),而进度表B和进度表C被表现为(1、0、0、0、0、1、0、0、0、0)。这样一来,进度表B和C就成为关于时序条件是相同的,但是反复次数的提示条件的维次是不同的这样一种捕捉方法。在提示条件的种类中,除了反复次数以外,还可以考虑被提示的时间(例如3秒间提示)、被提示的时刻所要求的处理(英语单词的熟知程度评定、学习到达度的自我评定等)、提示单元内的内容的提示顺序的特征等各种各样的项目,这些表现方法可以有各种各样的考虑,但是通过将这些提示条件的记述方法与时序条件的记述组合起来,可以完全表现以不特定的时序发生的事件(也就是那个个人的经验的内容)。
总结以上的论述行,本实施方式中,提出首先规定将事件发生的最小期间作为提示单元,在此基础上,提出了将以往被称为进度表的条件独立分成时序条件和提示条件的两个维次并对其影响进行研究的方案。另外,根据需要,也可以将内容的属性(难度)条件等作为另一个维次来考虑。
(事件周期单元的设定)作为用于对庞大的内容有关的事件发生的时序进行控制的构架,提案设定事件周期单元。如果认为难以将庞大的内容归纳并提示出来,当然就会产生在某一期间将内容播撒出来的必要。将这个期间作为事件周期单元。一个关键点是对其周期的设定必须有所制约。
也就是,为了生成与全部内容相关的事件在一定的时序中反复发生的进度表,要把比所述的提示单元更长,并且在设想的期间中被设定的间隔中,比最短的间隔的期间更短的期间设定为事件周期单元,而且必须将内容配置成与各内容相关的特定的事件在其事件周期单元内发生一次。
所以,在这种情况下,时序条件,就由提示条件、事件周期单元、间隔的各要素而构成。
比如,进行一年间的英语学习,我们考虑一个例子,即最初的半年,以两个月一次的时序进行学习,剩下的半年,以一个月一次的时序进行学习的情况。在这种情况下,由于最小的间隔就是一个月,为了控制时序条件,在播撒内容(配置)期间,最长必须设定为一个月。当设定了超过一个月的事件周期单元时,就无法严密地控制与内容相关的事件发生的时序。
另外,事件周期单元将考虑的事件最初发生的时刻作为起点而全部被固定,且事件周期单元一般都是全部同样长的期间。
在图3中,表示了对应图2的进度表B可以设定的事件周期单元的两个例子。本实施方式的配置方法是配置成在这些单元中各内容被提示一次。
而且,如图3所示,将从某个内容(英语单词)被提示(学习或事件)后到再次被提示前为止的时间称为间隔,将比提示单元长,比最短的间隔短的期间固定为事件周期单元mi,并使其开始时间与事件发生的时序的开始时刻一致(虽然并非一定要一致,但是将第一个事件周期单元后的事件周期单元的开始规定在最初的事件周期单元的开始时刻以后的间隔后)。而且,某一个内容在一个事件周期单元mi内提示一次。
根据考虑方法的不同,也可以在进度表B的第1日进行的五次学习中设想事件周期单元mi,但是此时,将第一次和第二次的学习间隔(分或秒等)定义为一个事件周期单元mi的最小单位=提示单元(bi)(也就是,也必须事先明确如何使事件周期单元的最小单位=提示单元)。但是,当对一般的学习事件及其效果进行研究时,如图1所示,只要将事件周期单元mi的最小单位=提示单元(bi)设想为1日左右就可以。
这里,返回到图1再次进行说明。
图1的进度表B和C,当将1日作为事件周期单元mi的最小单位(提示单元)bi时,表现为时序条件Ai相同而提示条件Bi不同。
另外,提示条件Bi不仅是简单的次数,还要考虑提示时间、反应方法等各种各样的变化。
也就是,进度表如果仅考虑表示几日间隔的事件、间隔,而以1、0来表现事件,则进度表B的‘5’可以简单地表示为‘1’。由于一个内容的提示在一个事件周期单元内为一次,所以如图3所示,在第1日和第6日中设定为‘1’。
因此,如图2所示,可以将图1的ABC进度表的时序条件Ai和事件的提示条件进行编码。
这样一来,将ABC进度表的时序条件、提示条件事先进行编码。
也就是,进度表(学习标准进度表),在将1日作为提示条件的情况下,将对时间的时序条件Ai和事件(内容)的提示条件Bi,表现为用1-0对应起来的矩阵。
(2)内容编组为了明确个人的特征、一般的倾向,或进行确切的预测,必须对要求进行评定等的反应的内容的性质加以明确。如果关心的是对各个商品、英语单词的反应的变化,就必须进行分组,但是为了看到其个人的反应倾向,希望采用对其个人发送的多个内容的反应的代表值。
当处于这种情况时,为各时序条件Ai(学习的休息间隔的模型等)和提示条件Bi(学习的次数、学习的强度)的每个组合,准备多个类似的内容。这就是内容的编组。例如,英语单词,以对难度等相同水准的单词、每个学年所必需的单词那样的一定的属性将内容项目进行归纳(附加属性信息)。另外,这里所说的难度,不仅是一般的难度,也可以是将对该个人的各内容的成绩的好坏与难度建立的对应关系,或将对各内容的该个人的反应、与专家的反映的偏移建立的对应关系。
但是,如果是对三角形的面积进行计算的问题,可以考虑将询问面积=底边×高/2的公式的问题、和乘除法的计算问题归纳成一个,但是尽量将内容的内容进行细分,希望使其分别对应进度表的各提示条件、时序条件来取得数据。这是因为,可以对诸如掌握乘除法运算的能力差到何种程度,就不能计算出三角形的面积这类问题间的阶层关系进行研讨。
以下,为了明确用语,对内容项目和内容编组进行补充说明。
·内容项目被期待的反应(只要能见到即可)归纳为一的提示内容。如果是英语单词则是一个英语单词和日语译文的对句,如果是一位的加法,则也可以考虑是1+2=?这样的算式。而且,如果是数学的文章题目,也可以将中途计算过程作为内容分开。当然,以声音数据、视频数据等可进行提示的内容也全部包括。内容项目的最小单位根据如何捕捉的内容而各不相同。
内容分组就是类似的内容项目的集合。如果是英语单词,就是将难度同级的单词、每学年所必需的单词、某个学习单元的学习所必需的单词等这样地以一定的属性归类的内容项目的集合。
另外,前面已经说过,内容项目在时序条件的一个事件周期单元中只发生(提示)一次(因为所谓一次不是提示条件,请注意)。
(对内容进行分组的理由)对内容进行分组的理由,是考虑到特定的进度表的效果根据内容而各不相同。对于持有多种属性的内容的集合的进度表的效果,如果内容的集合改变了就很可能成为不同的东西。也就是,目的是通过尽量地将内容的因素和进度表的因素进行分离来提高分析的精度。
另外,采用通过将内容设定为等质,并尽量精细分组,而得到的数据,从进度表和对各自的内容组的反应,可以相反地推定出不同质的内容组之间的关系。
如果以所述的三角形的面积问题为例,可以分为三角形面积计算问题、询问底边×高/2这个公式的问题、乘法和除法的计算问题的3个内容组,如果由各种进度表来收集各自的成绩,为了向孩子们提示三角形的面积计算问题,应该可以将最佳进度表与公式和乘法、除法的学习进度表建立对应关系并推定出来。
例如,也可以进行这样的预测〖如果对公式的理解没有达到何种程度的话,即使学习三角形面积的问题也不会收到预期的效果。因此,当以一周间一次的进度对公式进行学习的情况下,三角形面积的问题,到五周间为止不提示以后以3日一次的进度来提示是有效的〗。也就是,作为进度表条件的组合,可以将进度表分为两个,即在最初的五周间为止,以3日一次的进度提示促进公式的背诵学习的问题的内容组,之后以一周间一次的进度进行提示的进度表;在最初的五周间,一次也不提示,而在此之后以3日一次的进度对询问三角形面积的问题的内容组进行提示的进度表,并对两个进度表的影响进行研究。
(3)时序条件的决定方法可以无限地设想时序条件的种类,但是为了视觉上容易了解事件的周期影响,设定为10日一次,一个月一次那样等间隔的间隔、提示条件,这在当初是有效的。
对应进度表的数据的收集和分析,其最终的目的是要对无作为的进度表持有预测的能力(本实施方式2的目的)。为此,如果一开始就设定无作为的进度表并收集数据,这不是上策(当然,如果是已经与一定的时序条件所相应的反应数据处于可以利用的状况,则没有问题)。
这是因为,为了考虑进度表的因素并进行分析特别是抽出预测,就必须对某种程度可利用的数据进行积累。为此,如果从最初开始就设定复杂精细的时序条件,则难以向其评定者本人提供有益的预测,且无法进行数据的积累。
为了向最初的评定者提供易懂的数据,首先希望从设定如前所述那样的比较简单的时序条件开始收集数据。无论怎样,都希望决定事件周期单元的时序条件、提示条件的设定按计划地进行。
为了视觉上容易了解时序条件的间隔的影响,设定为10日一次,一个月一次等间隔的间隔、提示条件,这在当初是有效的。
(4)各事件周期单元内的提示条件的均质配置在特定的事件周期单元中,在那里考虑的提示条件,是在使一个事件周期单元中尽量均质地配置之后,将内容项目分配到那里。
均质地配置提示条件(例如学习的次数)的理由是事件周期单元内的事件可能不会以一定的进度发生,这种情况下,在后述的评价事件(试验)中,对这以前的事件的效果进行推定之际,误差会变得很大。关于这一点,在评价事件的设定方法之处还要进行详细的说明。
如果以英语单词的学习为例,当特定的提示条件的项目被偏向配置在某个事件周期单元的最初和最后的情况下,当在事件周期单元的中间发生由于得病等不能学习的状况时,根据条件,时序条件就会成为若干不同的事态。而且,如后述的那样,当把评价事件设定得比事件周期单元还要短的期间,对每个提示条件归纳内容并推定事件的效果之际,要严密地控制到研究效果的事件和评价事件为止的期间将变得很难。
为了防止这一点,在各事件周期单元内尽量使提示条件成为均质的。更具体说,就是设定以下所述的条件单元是有效的。
(5)提示条件的均质配置方法在进行均质配置时除了随机地配置提示条件以外还有以下的方法。也就是,将事件周期单元再分成一定的期间(称为条件单元),让这个条件单元内的所有的提示条件(不是内容项目)出现一次,或者,如果存在想要对一定的时序条件中发生的事件的效果进行比较研究的提示条件、属性条件的话,也让这个条件出现一次(参照图4)。
此时,时序条件由提示单元、条件单元、间隔、事件周期单元的各要素构成。
图4,是在约两个月(48天)的事件周期单元被连续反复的条件下,作为提示条件Bi,将提示次数设定了1~16次的16条件。在这个例子中,将第一事件周期单元mip(48天)按每4日进行分割,全部被分成12个条件单元fi。
例如,在第1日,学习次数被分配为1、8、9、16次条件,第2日则出现1、7、10、15次的学习次数,在一个条件单元(4天)中,16条件全部分别出现一次。
同样,从第5日天开始到第8日的第二条件单元fi中,16个条件全部也分别出现一次。以下同样,在一个周期(48天)中反复12个条件单元fi。
另外,在各条件单元fi的一个提示条件Bi中分配的内容项目的数也可以不等。而且在图4中,1~4天和5~8天之间的条件的组合顺序不同,但是这是为了减小提示条件Bi出现的顺序的影响。另外,在4日条件出现的顺序,也可以是随机的,也可以采用其他的更为严密的抵消法。
(6)内容项目提示顺序的固定在各事件周期单元中,将提示的内容项目的顺序固定,将其配置为无论从哪个事件周期单元取得都基本上以同样的顺序提示内容项目。
在各事件周期单元内,如果提示的特定的内容项目的时期不同,进度表条件(进度表条件是提示条件、时序条件的总称)中就会产生误差。
例如,在一个月间隔中,即使以反复事件的时序条件来收集数据,在第一事件周期单元的最后1日提示的内容项目,如果在第二事件周期单元miq的第1日被提示的话,这表示在一个月的事件周期单元的反复的时序条件中,变得难以对该内容项目的反应进行分类。
通过对在内容项目的事件周期单元内的提示顺序进行固定,即使在各单元内的提示中存在偏差,也可以将其影响抑制得比较小。
(7)各提示单元的均质化这里,将事件周期单元的最小单位内所提示的内容项目的归纳称之为提示单元Pi。如果是英语单词,就是在某1日所提示的英语单词的归纳的单元。
为了使在各提示单元Pi中要求的事件的质(单元次数的合计、合计所要的时间)尽量相等,对提示条件Pi的组合、内容项目的数量、或进度表条件的组合进行调整。
当然,使提示单元内的单元提示顺序随机化,尽量使同一内容在时间上分离开进行提示等各种各样进行调整的办法也是有效的。
这个操作意味着不要使在这个提示单元Pi中发生的事件对于每个提示单元Pi产生太大的变化。例如,如图4所示,当要求每天进行一个提示单元Pi的学习时,某1日学习次数条件只有16次的英语单词出现10个,而在某1日只有一次的英语单词也出现10个,这不能说各内容项目的学习条件是相等的(当然学习所花费的时间是不同的)。这种情况,当对各事件的效果进行推定时,并不希望只是单纯地以时序条件和提示条件、属性信息进行区分并推定效果。为了防止这一点,在图4中作为一个例子,提示单元内的学习次数(提示条件)基本相等地进行分配。另外,以后还要叙述学习次数等的分配的具体的方法(请参照具体的顺序的(顺序2)进度表的生成)。
当然这个调节不只是用提示条件,也可以用各提示条件分配的内容项目的数量,或将不同的进度表条件组合起来进行调节。
例如,即使进度表条件和提示条件相同,如果每个提示单元Pi与另一提示单元所要求的反应的负担不同,提示单元内的反应的意义也变得不同了,因此必须具备尽量排除这个可能性的策略。
(8)提示单元的小型化为了对进度表条件、提示条件Bi、内容组的条件的各种组合收集反应数据,希望在一个提示单元中反应的时间尽可能缩短(如果花费的时间太长,就不能保证一定的提示条件,而且加大了进行反应的人的负担)。
因此,有效的方法是加长事件周期单元、通过(5)减少一个提示单元Pi的提示条件、或减少在提示条件Bi中分配的内容项目的数量。
在图4的第1日的提示单元Pi的1、8、9、16次的提示条件Bi中,如果分别分配一个内容项目的话,每1日的总学习的次数不会那么多。当然,一般也可以将事件周期单元mi(mip、miq)或条件单元fi做得更长。
另外,个人的评定基准每天都在变化。为了在分析中考虑、排除这个变动,一个方法是在同一提示单元内准备多个提示条件的内容,并将对这个内容的反应的差作为严密的条件差来设定为指标。
(9)排除日常的遭遇经验的影响,使一般的倾向明朗的方法作为向在(4)中配置的提示条件分配内容项目的方法,除了向每个评定者随机地分配以外,也可以采用以往的实验研究中使用的抵消法。
在有计划地提示的内容项目中,有很多是在普通生活中偶然遭遇的。虽然要做到对这些控制是困难的,但是为了捕捉到一般的倾向,将特定的内容项目在普通生活中偶然遭遇的可能性等质化和随机化,在分析时取多数人的数据的代表值是有效的。
例如,以英语单词为例,特定的英语单词有时是在学校或私熟的课程中学习的。此时,当向以一定的进度表进行评定的评定者全体一律分配同一的英语单词的情况下,有可能只有那个高中、私塾的学生的英语单词的成绩能够上升,也就是,这是将那个条件作为一般的倾向而出现的问题。所以,那个数据不能用于一般的预测。为了提高预测能力,将这些方法组合起来是有效的。
(10)提示的有效测定方法以及数据的统计方法1(落穗捡拾法)以上,介绍了事件的进度表条件的各种设定方法,但是这些全部是与数据的统计方法对应而考虑的。也就是,如果采用上述的方法,由以下说明的方法对数据进行统计的话,可以将时序条件、提示条件、对内容的属性等进行控制的反应作为数据来进行统计。
上述的进度表的建立方法,简而言之,意思就是由于一次提示的内容多了以后反应不过来,为了使之减少就要把内容项目分散到间隔单元之中。如果随便地分散的话,由于对时序条件、提示条件、一个事件的影响力的控制变得非常困难,所以是用来对其进行控制的理由。
数据的统计,就是相反地对镶嵌了内容的反应一点一点地收集并最终归纳以后取代表值。
一个具体的数据收集的方法,是如同‘捡拾落穗’似的方法。下面是一个容易理解的例子当对经验了以Ai的时序条件发生的事件的效果进行测定之际,对在其最后的事件周期单元中提示的内容项目,只要设想一个要求评价的进度表即可(当然,作为依照想要测定其效果的一定的进度表的事件的延长,另外设定用于评价的事件也是一样的)。如果以图4的进度表为例的话,对于在第二事件周期单元的第3个月的第1日所提示的一次学习条件的单词,请他自己评价这个学习达到的程度的话,则在这个反应中,出现两个月前学习一次的学习事件的影响。同样,如果对16次的学习条件的单词要求自我评定的反应的话,就会出现两个月前的16次的学习事件的影响。当分配给各学习次数的内容项目的数量为一个时,如果连续进行4日(一个条件单元)的同样的评价事件,则会在1次~16次的提示条件中分别集中一个内容项目的反应数据。进而,如果将这个持续两个月,则在第二个事件周期单元结束的时刻(第4个月完了的时刻),就会收集对1次~16次的条件、针对每12个取相同的进度表条件的内容项目的反应。通过对这个反应的归纳,当然就可以得到对同一进度表条件的内容项目的反映的代表值。
这里,也可以看出设置条件单元的其它意义。也就是,在图4的例子中,当不设置条件单元,在3个月~4个月中散乱地设定各学习次数条件的情况下,也可能会有某个反复条件集中到第4个月的最后而被提示。此时,就不能在第4个月完了之前收集对这个学习次数的条件的学习者的反应。当学习者在第3个月中止学习的情况下,就不能对每个学习次数条件比较第一、二个月的学习事件的影响。如果对此设定条件单元,在第3个月的第4日结束的时刻,可以在每个学习次数条件中至少得到一个数据。由此,学习者也可以在第3个月的第4日结束的时刻再确认自己的学习效果,并通过对此进行反馈而容易地引起学习者的关心。
进而,通过在进行研究的进度表条件的前面也设置评价事件周期单元,并对最初和最后的评价事件的反应进行比较,可以更严密地表现依照其间的一定的进度表条件的事件的经验的影响。特别是,当设想个人对内容相关的经验差别很大的情况下,通过这个方法可以排除个人差别而进行研究。
落穗捡拾法,是在迄今为止说明的进度表构成法中,采用对事件周期单元进行设定,并对其事件周期单元设想评价事件的方法。
(11)提示效果的测定方法以及数据的统计方法2(时序抵消法)前述的数据收集方法1,有这样一个难点,即如果不设定一定的事件周期单元(至少是条件单元)那样的期间的话,就不能进行遵循一定的时序条件的正确的数据收集。一般测试的期间都很短。此时,在对事件周期单元进行设定的方法中,就要求必须应对学习事件和测试那样的评价事件(以后有时也称为测试)的期间的时间间隔的不同。例如,在图3中,当在第一、二个月实施学习,而在第3个月以后的某1日测定其效果的情况下,全部利用一、二个月之间使用的内容进行测试在时间上看是困难的,必须抽出若干内容项目来构成测试项目。此时,如果在第3个月的第1日实施测试的话,从学习到测试的间隔就会产生出1~24日的偏差。在这种状况下,由第一个月的前半月学习的内容与第二个月的最后学习的内容构成测试,并同等地比较成绩,由于学习和测试之间的间隔不同的影响混入到成绩中,就很难进行严密的比较。考虑到学习和测试的间隔的不同的影响,为了进行正确的比较,这里举出两个方法。
一个方法是当将图3那样的学习进度表延长到第6个月为止,在第3个月、第5个月、第7个月实施测试并对反复学习的成绩进行比较的情况下,将实施测试的日子设定在每个月的同1日,从事件周期单元内的同一时期的内容项目中选择每个同数目内容来构成测试项目。例如,当选择在第3个月和第5个月的第1日实施测试时,从第一个月的第6日、第12天、第18日、第24日的提示单元的内容项目中分别选择一个内容来构成测试项目。此时,同样地抽出第3个月和第5个月的测试项目并实施测试,并将全部归纳起来取代表值的话,在第3个月和第5个月的测试成绩中,从学习到测试为止的期间的不同同等程度影响的结果被体现出来。这是将以往的实验心理学领域采用的抵消法应用于时序条件之类的方法。
这个方法对于要看到每个月的学习成果是有效的,但是很难比较提示条件的影响。例如,当在第3个月的第1日实施测试之际,在第一个月的最初配置了很多10次学习条件的单词,在第二个月的最后配置了很多一次学习条件的单词,当这样配置进度表时,即使在第3个月的第1日,对10次学习条件的单词和一次学习条件的单词进行测试并比较其成绩,也不能同等地评价两条件的影响。用于解决这个问题的方法是作为进度表方法将条件单元的设定做为前提,进而在构成测试之际,从相同条件单元中抽出同数进行比较研究的条件的项目,并构成测试,并对反应进行归纳而进行比较。由此,无论什么提示条件,学习和测试的间隔也被视为同等。
所谓从相同条件单元抽出同数测试项目,意味着将从学习开始到测试为止的间隔的不同设定为同等,这与先前的方法(将抵消法适用于时序条件的情况)具有同等的效果。更重要的一点是如果利用所有的提示条件肯定包含一个这样的条件单元的特征的话,可以使多个提示条件的学习的影响与学习和测试的间隔的因素相抵并进行比较。也就是,这也是设定的条件单元后才使分析容易进行的评价方法。
(12)不同的进度表条件的配合例如,当如(11)的测试构成例子那样,在第三、五、七个月实施测试,并继续测定某个被进度表化了的事件的影响的情况下,用于测试的项目在接受测试的时刻接受那个事件的影响。所以,当按月查看学习成绩有那些变化时,只检查纯粹进行学习的效果是困难的。在这种情况下,除了以如图4所示的进度表(两个月学习1日的条件)进行的时间的内容以外,还另外准备了以同一进度表(当然也可以是不同的进度表)进行测试事件,只要能够使这两者并立来经历事件,并分别进行统计的话就没有问题。
这样,准备多个个人经历的进度表和内容,并使其在同一时期并立而实行也是完全可能的。特别是,使用同种类的内容使之经历同样的事件的情况下,即便进行反应的个人没有要求以不同的进度表进行反应的意识,也可以对多个进度表的反应数据进行个别的收集和分析。另外在此时,希望内容项目采用不同的项目,在提示单元内(图4的情况下为1日间)的个人的负担,尽量使所有的提示单元都相等。
尤其是,这个方法,对于针对在多个进度表条件下发生的事件的反应关系进行特定,从对一个进度表条件的反应变化模式,推测出对另一个进度表条件的反应变化的模式之际特别有效。
(13)用于配合不同的进度表的时序条件的构成方法在进行上述的预测之际,希望事先做成尽量多的进度表条件,并积累对事件的反应的数据。此时,可以考虑无数个时序条件,且必须一个一个地对应起来记述时序条件。例如,表现为‘一周一次时序’、‘一个月一次时序’等,则无法有效地表现多个时序。而且,决定提示单元的最小期间,因此以事件发生与否来表现时序的方法(以0、1的模式来表现的方法),也是全期间越长越不容易表现。
进而,当以多个进度表条件同时适用于同一学习者时,每次个别地做成表现每日进行学习条件的内容的进度表是效率不高的。特别是为了自动生成同一时序条件反复发生那样的进度表条件的表格而采用以下的手法。
以提示条件作为最小单位,由事件周期单元的长度(E)、间隔的长度(I)、条件单元的长度(J)、延迟的长度(D)来表现时序条件。
如图5所示,例如,设定一周为6日,一个月为四周也就是由24天构成一个月。在这个月和日中适合各种进度表。A1的进度表表现为E024 I024 J002D000,这表示以基本单位的提示单元作为1日的情况下,事件周期单元为一个月,间隔为一个月,条件单元的长度为2日,从学习开始日(此时为第一个月的第1日)到最初的A1条件开始为止的延迟期间的长度为零天(没有延迟)的意思。
以图的图线表示的横棒显示的部分,表示预定在间隔单元内提示散落的内容(事件的发生)。
同样,B1的进度表,表示事件周期单元为两个月,间隔为两个月,条件单元的长度为4日,从学习开始日到最初的B1条件开始为止的延迟期间的长度为零天。
另外,作为具有延迟的例子,将C2的进度表表现为E005 I006 J001D006。这个进度表,表示事件周期单元为6日,间隔为6日,条件单元的长度为1日,从学习开始日到最初的C2条件开始为止的延迟期间的长度为6日。
上述的例子,事件的发生表示每天进行的预定的进度表,但是根据需要,有时在第一次的学习结束后,并不马上进行第二次的学习,而是稍微留出点空闲再进行学习。表示这样的进度表的例子是D1、D2、E1、E2、E3。
例如,D1的进度表表现为E006 I006 J001 D000-E004 I008 J000 D000。这个表示的前半部,也就是E006 I006 J001 D000称为基本单元。对于这个基本单元可以与前述的表现方法进行同样的解释,表示事件周期单元(基本事件周期单元)为6日,间隔(基本间隔)为6日,条件单元(基本条件单元)的长度为1日,从学习开始日到最初的D1条件开始为止的延迟期间(基本延迟时间)的长度为0日。
另一方面将后半部分,也就是E004 I008 J000 D000称为附属单元。附属单元内容的意思是表示将基本单元的基本间隔期间6日看做是在记述进度表时的基本单位的提示单元,并采用这个6日的提示单元对进度表重新表示的话会变成为什么样子。将基本间隔作为提示单元的情况下的附属单元的间隔、事件周期单元、条件单元、延迟期间分别称为附属间隔、附属事件周期单元、附属条件单元、附属延迟期间。
例如,若将6日的提示条件称为一个单位的话,附属事件周期单元是4单位、附属间隔是4单位、附属条件单元的长度为0单位、从学习开始日到最初的D1条件开始为止的附属延迟期间的长度为0单位。
接着,当D2那样的进度表的情况下,最初从学习开始日有一个月的延迟期间,从第二个月开始有一个月间的事件发生,然后是一个月的休息,如果考虑到这样的周期被反复进行的话,当将基本间隔6日作为一个提示单元的情况下,附属事件周期单元为4单位、附属间隔为8单位、附属条件单元的长度为0单位、附属延迟期间的长度为4单位。这样,延迟期间的长度以附属单元来表现,而不以基本单元来表现并预设为0。
所以,就变为E006 I006 J001 D000-E004 I008 J000 D004的记述。
D2,基本事件周期单元为6日、基本间隔为6日、基本条件单元的长度为1日、从学习开始日到最初的D1条件开始为止的基本延迟期间的长度为0日,当将基本间隔6日作为一个提示单元的情况下,附属事件周期单元为6单位、附属间隔为6单位、附属条件单元的长度为0单位、附属延迟期间的长度为0单位。
在E3的进度表中,基本事件周期单元为6日、基本间隔为6日、基本条件单元的长度为1日、从学习开始日到最初的E3条件开始为止的基本延迟期间的长度为0日,当将基本间隔6日作为一个提示单元的情况下,附属事件周期单元为6单位、附属间隔为6单位、附属条件单元的长度为0单位、从学习开始日到最初的D2条件开始为止的附属延迟期间的长度为8单位。
E1、E2、E3的进度表条件的解释方法也与上述一样。
如以上所述,以基本单元和附属单元构成进度表条件,就可以非常有效地表现各种条件的进度表条件。将此推而广之,例如,将附属条件再扩充为第一附属单元、第二附属单元、……地构成的话,就可以以基本单元、第一附属单元、第二附属单元这样的多维次来表现。
(14)考虑了提示进度表的多变量分析以时序条件为一个轴,以在此之外,加上了强度(学习单元上的提示次数)、内容组的组合的维次来表现进度表。也就是,如果采用以迄今为止上面说明的方法得到的数据的话,就可以将以往难以控制的时序的因素作为多回归分析的说明变量、作为分析的因素来取入。
持有某种属性的内容项目,在某种提示条件下,遵循某种一定的时序来提示时的遭遇条件,可以作为时序条件的轴和该提示条件以及内容属性的轴的组合来代表。
可以对于时序条件和提示条件以及内容属性的组合描绘出对这个反映的变化。
以下,参照图6对根据所述的进度表构成法等,对实际分配到提示单元的内容,以一定的顺序重排列的归纳的提示表,进行生成并提示以后,获取个人的反应数据,到提供各种分析为止的流程进行说明。而且,图6中的处理,由计算机系统进行。另外,为了便于理解,以英语单词的学习为例进行说明。
(顺序1)内容数据库的准备在生成进度表的表格之际,以及在遵照进度表的表格生成提示列表之际使用内容数据库1(也称之为内容文件)。内容文件,存储有经由网络或存储介质对从企业的厂家服务器接收的内容Ci(并不一定是内容本身。如果是在英语+日本语上附加了编号的内容的话,也可以是那个编号)。
这个内容Ci,如果是英语单词的话,就是区别英语和日本语的对句的归总的(1)内容(没有必要做成问题和回答那样的对句,也可以是归总的文章、图画、动画)、(2)其内容的归总的识别编号(如高中一年级用、大学用等),而如果作为可利用的信息而可利用的话,附加(3)各内容的熟知程度、难度、重要性、关联信息、阶层性(在学习A的教育内容之前,必须对B的教育内容学习到何种程度的关系)等的属性数据,并在内容编号(也称内容的识别编号)上附加链接后进行存储。
另外,作为内容的属性信息,也应该考虑提供这个内容的企业等预先制定的信息以外的信息。也就是,将学习者个人对各内容感觉的重要性、对于作为此前的学习成果的那个内容的实际成绩作为属性信息来考虑。例如,可以设想依照一定的进度表对准备的内容推进学习,在到达一定的学习阶段的时刻,将该学习者对各内容的成绩以难度信息的形式附加在各内容上,并使用这个信息再依照新的进度表进行学习的流程。
图12A、B表示了保存在内容数据库1中的内容列表的例子。对应顺序编号(SERIAL),存储英语和日语的对句归纳的内容(Q&A),并存储内容属性信息(种类TYPE)、作为熟知程度评定值(F00)对象的学习组的熟知程度评定值(FNORM)等。
(顺序2)进度表表格的生成根据迄今为止介绍的进度表构成法等,来生成用于学习所述这个内容列表的内容的进度表表格,(K2)。
而且,从已经登录了做成的进度表表格的进度表数据库2抽出必要的进度表表格(K2)。
具体地,进度表表格,例如,如图7所示那样,变成为与下列项目对应的表进度表类型(SCHE TYPE);序列编号(NO)、月·日(MONTH·DAY);属性信息(难度、重要性等)的条件码的种类(TYPE);表示内容的数目的条件码(N);表示学习法的种类的条件码(EXP);进度表条件的维次(MAXDIM);内容识别条件码(EXP COND);表示事件周期单元的单位的条件码(SC COND);表示反复次数的条件码的重复(REPEAT);基础的进度表条件码(BASIC COND)(在图14、15中表示)。
另外,这个进度表表格的例子,是对包含图5以及图8~图10所示的时序条件A1、B1、C1、D1、E1等的进度表的表格的一部分的示例。另外,A1是以一个月1日的进度,B1是以两个月1日的进度,C1是以一周1日的进度进行学习的条件,D1是以一周1日的进度学习一个月以后,中断一个月的学习,然后再以一周1日的进度学习并反复进行上述方式的条件,E1是以一周1日的进度学习一个月以后,中断两个月,然后再以一周1日的进度学习一个月并反复进行上述方式的条件。在图8~图10中,(注1)的内容,提示条件成了D条件,这意味着是要求再认识测试和训练学习的学习法,(注2)的内容,其右端的合计,意味着为了使提示单元内的内容项目的总提示次数相等(为使学习和测试条件尽可能相等),精心进行条件的配置。
图8~图10的事件周期单元的最小单位(提示单元)设定为1日。由于这些表的样子相同,因此,以图8为例进行说明。
对于属性条件LB1的英语单词,在提示条件内的T条件中,设想训练学习次数条件从1到8次分别进行,并设想以各训练学习次数提示的内容(英语单词)为5个。
而且,在D条件中,设想训练学习次数条件从1到8次分别进行,并设想以各训练学习次数提示的内容(英语单词)为3个。
因此,在T条件中,由于用于提示所必须的内容数为5个,当训练学习次数为1次时,总训练项目数就成为1×5=5次,当训练学习次数为2次时,总训练项目数就成为2×5=10次。在D条件中,由于用于提示所必须的内容数为3个,当训练学习次数为8次时,总训练学习项目数就成为3×8=24次。
这样,表示进行计算的结果的就是总训练项目数的栏,并将对这些进行合计的结果表示在右端。从图中可以看出,1条件单元(2日)中必要的内容项目数是64种,因此1事件周期单元(24日)中必要的项目数就是64×12=768项目。
而且,为了精心进行条件的配置以使提示单元内的内容项目的总提示次数相等(使学习和测试条件尽量相等),可以使第一天的学习次数的合计与第二天的学习次数合计都是18次那样地分配学习次数条件。
在进度表表格中,由于事件周期单元的期间,既有1个月也有2个月还有一周地混在一起,因此设置SC COND这样的字段,表示该进度表条件上的事件的发生,相当于第几事件周期单元的第几天。例如,如果将C1的SCCOND表示为0203的话,就是第二事件周期单元的第三天,也就是从学习开始数的第九天。
上述的学习法的种类(EXP),是提示条件的一个例子,例如存在4种类(TDBF)。第一种(T)是例如在进行学习英语的日语译文的对句连合学习之际,在这个学习之前出示英语单词来评定其熟知程度的(再认识测试)学习法;第二种(D)是要求再认识测试和训练学习的学习法;第三种(B)是再认识测试等什么也不做而进行训练学习的学习法;第四种(F)是例如从各月的最后进行熟知程度评定了的内容中选择所定的内容并进行测试的学习法;提示的方法也是与TDB不同的学习法。
而且,反复次数(REPEAT)也是提示条件的一个例子,并表示在1提示单元内反复提示的次数。作为其他的提示条件,条件中也包括以下的一些项目提示的时间;学习项目的强调的方法;在提示列表内为了使同样的内容尽可能在时间上分离开提示那样来决定顺序等的提示顺序。这些学习法、反复次数相当于提示条件。也就是,如果将各种提示条件事先编码的话,就可以对每个条件进行详细地预测。
在属性信息的条件码中(TYPE)中,表示有W1、S1等的记号,如果是日语译文的学习的话,先头的文字W,提示英语单词并表示对这个日语译文进行学习的方法,S提示文章并表示对这个日语译文进行学习的方法,在第二位置记述的数字,表示该日语译文的种类数。例如,如果记载为W3,则表示该英语单词的日语译文有三种。
图6的进度表表格的内容识别条件码(EXP COND),是将对应序列编号的各种条件的代码进行归总的代码。例如,序列编号10101A=W1T=DR=1ST=AD SC=0101J=01表示这样的进度表数据,即这是第一个月的第一天进行的事件,是称为W1类型的属性的单词,相应于D的学习法(也称提示条件1)、反复次数为1次(R=1;也称提示条件2)、在第一次事件周期单元中的第一天(SC=0101),并提供一个相应于第一次条件单元的条件内容。
这样的进度表表格,是将采用迄今为止说明的的方法来设计的进度表条件进行表格化的东西,其基本设计自然是以上述的进度表编制的方法的构架为基础而考虑的。另外,关于向各进度表条件的各条件组合中分配哪几个内容,如图1~10所示那样,按每个时序条件或进度表条件制作的内容项目数分配表,并考虑可利用的内容数和必要的时间来调整和决定向各条件分配的单词的数量,事先决定好,就可以容易地一边参照可利用的内容数或预想的学习时间等一边向条件中分配内容项目或进行条件的分派。当然,如果使各提示单元中的学习条件相等,或无视学习时间的话,也可以不做图8~图10那样的表。但是,在成绩推定精度降低了的同时,也不能进行各种各样的解析。
输入了图8~图10的训练学习次数和条件单元内的提示次数条件的分配等以后,为了可以向图11的利用项目数的概要反复学习时间的预想等栏目中输出学习时间等的信息形成了预先写入了计算公式的EXCEL文件。
如上所述,以混合了多个进度表条件的形式可以提示学习内容,在这个例子中也是可以将多个进度表条件提供给同一学习者,然后在其上可进行各种各样的解析。在这个进度表中,进度表条件为5个,在内容属性条件中有称为LB1、XX、L1等的条件,提示条件作为学习方法,具有T、D、B等条件,还具有在训练学习中所要求的学习次数条件。对这些组合的每一个,也能表示学习的推进方法,并可以研讨它们的关系。
接着,以没有设想图5的附属单元的时序条件的情况(A1)和设想了(附属单元)的情况(D1)为例,对进度表表格的做成的概要进行说明。
《没有设想附属单元的情况》在图7的进度表表格例子中,表示了AT的进度表,成为在图5的A1的时序条件中组合了各种提示条件的进度表条件。
(1)首先,以显示器输入或定义文件的形式等,事先输入以下信息中的必要的信息(进度表信息)。
·进度表简易名称SC_TYPE=’AT’AT是A1的时序条件的进度表条件中的一个。
·以容易理解的期间单位对提示单元进行换算时的数(DAY_IN_UNIT作为容易理解的期间单位如果使用日的话,由于提示单元设想为1日DAYIN_UNIT=1)∶1。
以1日为提示单元,最终以1日单位表现生成的进度表时,以一个营业月为提示单元,最终以一个营业月表示进度表时,只要总是设想1就可以,因此大多数情况下DAY_IN_UNIT可以是1。
·进度表时序码SCID=’E024_I024_J002_D000’·构成事件周期单元的提示单元的数(EVENT_UNIT_01=24)·构成间隔的提示单元的数(INT_UNIT_01=24)·构成条件单元的提示单元的数(JOKEN_UNIT_01=2)·构成延迟期间的提示单元的数(DELAY_UNIT_01=0)·向该进度表条件中分配的内容的数(单词数)WORD_NO_IN_JOKEN_UNIT=1·分配的内容属性WORDTYPE=’W1’W1表示在以单词的形式表示的英语单词和日语的内容(W)中,日语译文的数为一个的英语单词和日语的对句。以图8来说,相当于属性条件的LB1(W1包含于LB1(在B公司的单词数据库中难度级别1的省略)的属性中)。在图8中,这个条件内容的数每个都是5个,这是因为在这里说明的进度表条件(AT)以外,包含有多个图8所研讨的进度表(A1)。
·提示单元内的提示条件EXP_TYPE=’T’T,意味着以熟知程度和再认识测试提示问题部(英语单词),并以REPEAT指定的次数进行训练学习的条件。而且,用于图7的EXP的其它的记号,意味着D,是以再认识测试提示,并接受与T同样的训练学习的问题;B,是只进行反复学习的问题;F,是以熟知度评定来提示,并以插入课题求出训练学习,且在一个月一次的客观测试也采用的问题;X,是只在一个月一次的客观测试中使用的问题(表示进度表表格例子的图中7只表示了一部分)。
·反复条件的提示条件的条件名和其表示位数ALL_COND_DIM01=’12345678’COND_MAX_KETA01=2在这个条件中,设想1~8条件的反复条件。可以一个一个指定条件名,也可以如上所述,预先决定由以COND_MAX_KETA01指定的条件名的半角文字表现的话,作为一接续的条件而事先写入ALL_COND_DIM01。另外,这个条件当然不是只设想为反复条件,也可以事先输入这样的记号,即表示英语单词的提示时间以与1秒、2秒、3秒不同的条件、或其它各种条件,与其效果进行比较或欲描绘出其条件的效果的条件(也可以是abcde那样的条件)的记号。只要以这个记号为关键字可进行分析即可。
·条件单元的分组信息vCOND_DIM01_SET01’1368’vCOND_DIM01_SET02’2456’在AT进度表中,由于以2提示单元构成条件单元,所以就必须事先对两个的所有条件进行分组。表示包含哪些条件和包含在哪些条件单元中。输入方法是不特定的。这个分组,为了考虑在图8的条件单元内怎样地分配提示次数条件为好,将表的分组记载下来作为参考。
·进度表期间MAX_DAY=144日(144日*DAY_IN_UNIT)设定到底要做成最长到几个月的进度表表格。144日,是除去星期六以一个月为24日,做成6个月的进度表。
(2)对于每个最小的条件单元(REPEAT)的各条件,根据必要做成记载了进度表信息的记录。参照图7(AT和D1的进度表混合的进度表表格)进行说明。进度表表格的例子中的字段与进度表信息的对应如以下所述。此时,将对应条件单元的分组信息(vCOND_DIM01_SET01,COND_DIM01_SET02)的组号记入到各条件的记录的组字段(SET_DIM01)中。
NO序列编号、MONTH月(在本实施例中以24日换算为一个月)、DAY日、TYPE内容的属性信息、N在对应条件中包含的问题数(对应进度表信息的WORD_NO_IN_JOKEN_UNIT)、EXP提示条件(=EXP_TYPE)、MAX_DIM设想了几个维次(几层)基本单元(当如AT那样没有设想附属单元时为1)。
(3)对应条件单元的数,例如采用实验计划法的循环法对提示的顺序的列表进行随机地排列,并如以下例子那样地另外做成,并根据其顺序抽出相应于组字段的序列编号的记录,记入提示单元的序列编号(进度表表格的TU_DIM01),直到这个记录成为最大的条件单元(在事件周期单元内可以设想的条件单元的最大数)为止一直追加下去。
条件单元为两个时的顺序的列表的例子1、2、2、1、1、2、2、1…(4)在进度表表格的EU_DIM01中,输入事件周期单元的编号(在这个时刻由于是最小的1)。
(5)于是可以做成对应事件周期单元的列表(6)对在(5)中做成的事件周期单元的列表,增加事件周期单元的序列编号,并直到可以包含所有的进度表期间的事件周期单元的最大数为止反复地追加下去。
(7)基本的时间轴(DAY)的写入对每个记录向DAY的字段中写入以下公式的内容。
TU_DIM01+INT_UNIT_01×(EU_DIM01-1)(8)最后若在所有的DAY中加入DELAY_UNIT_01(AT进度表的场合为0),就做成了AT进度表的进度表表格。
(9)根据需要,以月(MONTH)和日改写已输入的DAY。
(10)条件的记入如果以进度表表格的图的第5个记录为例,在字段的EXP_COND中写入月日(从最左边开始以4位表示0101)、项目的属性(A=W1)、提示条件(-T=D)、反复条件(R=1)、进度表名称(ST=D1)、时序条件的编号(SC=010101以两位记载基本单元的提示单元编号、事件周期单元的编号、附属事件周期单元的编号,使之更容易分析地写入)、条件单元的编号(J=01)。同样在SC_COND中写入时序条件的编号(往往这是为了容易分析而采用的)。
(11)如果存在与AT进度表以外并存的多个进度表的话,将关于这些做成的进度表全部归纳起来以天和月为基准进行分类,可以做成包含全部进度表条件的进度表表格。
<设想附属单元的例子>
以D1的进度表为例进行说明。这是将各种提示条件组合到图5D1的时序条件中的进度表条件。
(1)与AT同样地定义D1的进度表信息。
·SC_TYPE=’D1’·DAY_IN_UNIT=1·进度表时序编码SCID=’_E006_I006_J001_D000-_E004_I008_J000_D000’·对于基本单元EVENT_UNIT_01=6,INT_UNIT_01=6JOKEN_UNIT_01=1,DELAY_UNIT_01=0·对于第一附属单元EVENT_UNIT_02=4,INT_UNIT_02=8JOKEN_UNIT_02=0,DELAY-UNIT_02=0另外,由于并不一定要对第一附属条件设想条件单元,所以始终也可以为JOKEN_UNIT_02=0。如果要对附属单元设想条件单元,就要作出非常复杂的条件组合。
·WORD_NO_IN_JOKEN_UNIT=1·WORDTYPE=’W1’·EXP_TYPE=’D’反复条件的提示条件的条件名及其表示位数ALL_COND_DIM01=’1234’
COND_MAX_KETA01=2·条件单元的分组信息vCOND_DIM01_SET01=’1234’·MAX_DAY=144日(2)到所述AT进度表的做成法的说明的(6)为止进行同样的处理,并做成事件周期单元的列表。由于D1是进一步设想的附属单元,因此追加以下的处理。
(3)设置记入附属单元的序列号的附属事件周期单元的字段(EU_DIM02)(意为二次的事件周期单元),并在此写入附属事件周期单元的序列号(这个时刻由于最小所以是1),进而,直到可以包含进度表期间的全部的附属事件周期单元的最大数为止将反复进行下去并追加列表。对每个追加增加序列号并写入到EU_DIM02。
(4)这里,当设想了更高次的附属单元的情况下,一边加算对应附属事件周期单元的编号(EU_DIM02、EU_DIM03、EU_DIM04…)一边反复追加下去。由此可以得到对应的进度表的列表。
(5)基本的时间轴(DAY)的写入对每一个记录,在DAY字段中写入以下公式的内容。
TU_DIM01+INT_UNIT_01×(EU_DIM01-1)+DELAY_UNIT_01+INT_UNIT_02×INT_UNIT_01×(EU_DIM02-1)+DELAY_UNIT_02×INT_UNIT_01而且,当设想了第i附属单元的情况下,在关于基本单元的值TU_DIM01+INT_UNIT_01×(EU_DIM01-1)+DELAY_UNIT_01上,加入以下表示的所有的附属单元相关值。
+INT_UNIT_x(i+1)×INT_UNIT_x(i)×INT_UNIT_x(i-1)…×INT_UNIT_02×INT_UNIT_01×(EU_DIMx(i+1)-1)+DELAY_UNIT_x(i+1)×DELAY_UNIT_x(i)×DELAY_UNIT_x(i-1)…×DELAY_UNIT_02×DELAY_UNIT_01另外,也可以如所述的公式那样,对每个单元定义延迟时间(DELAY_UNIT_x(i))并加上去,但是也可以将各单元的延迟期间(DELAY_UNIT_x(i))全部设定为0,在最后在成为最初的基点的日中全部加上延迟的时间。
(6)根据必要,可以月(MONTH)和日来改写输入的DAY。
(7)条件的记入如果以进度表表格的图7的第5个记录为例,就是在字段EXP_COND中,写入以下项目月日(在最左边的4位上显示0101)、项目的属性(_A=W1)、提示条件(_T=D)、反复条件(_R=1)、进度表名称(_ST=D1)、时序条件的编号(_SC=010101从右边开始以两位记载基本单元的提示单元的编号、事件周期单元的编号、附属事件周期单元的编号,为容易分析而写入的)、条件单元的编号(_J=01)。在SC_COND中也同样写入时序条件的编号(这也是为容易分析而采用)。
(8)如果在D1的进度表以外还有并存的多个进度表的话,将对他们做成的进度表的表格全部归纳并以DAY和MONTH为基准进行分类,就可以做成包含全部进度表条件的进度表表格。
(顺序3)基于进度表表格和内容数据库的,向各内容的内容识别条件码的写入做成进度表表格,或是从进度表数据库2中抽出必要的进度表表格后,对各识别条件编码特定必要的内容的种类及其数量。对于以怎样的识别条件来分配内容,除了使各内容的属性信息与识别条件码的属性信息对应进行分配以外,希望尽量进行随机地分配。
具体地,按如以下所述进行。
(1)对于每个进度表条件,只抽出进度表表格中最小的基本单元的事件周期单元对应的条件记录(称为基本条件记录)。在具体的进度表表格的例子中,对于只有基本单元的进度表(AT进度表等)只抽出EU_DIM01=1,对于还有附属单元的进度表(D1进度表等),只限定抽出EU_DIM01=1以及EU_DIM02=1的记录(2次、3次、4次也一样)。
(2)以抽出的最小基本单元为基础,以进度表名(SCHE_TYPE)和属性(TYPE)分别对项目的数(N)进行合计,并对在各进度表到底必须要多少个属性的项目(进而对分别的提示条件的项目)等进行确定,且做成进度表信息表后,就可以在分析等、各种各样的情况下有效地活用。
(3)对各进度表的基本条件记录,从内容列表中抽出持有(如果将个人的反应作为属性的话,是一定范围的属性条件的属性)与在此(记录上)指定的属性相等的属性的项目,并将此作成随机的顺序的基础上,在一个一个的内容项目的识别条件码字段(EXP_COND)上,一个一个地写入该基本条件记录的识别条件字段(EXP_COND)(当N大于或等于2时,将同样基本条件记录的识别条件,写入N个内容项目的识别条件的字段)。当与特定的属性条件相当的内容项目,比在基本条件记录中必须的N的合计还要多的情况下,将余下的项目作为不同的内容列表进行保存(在进行进度表再构筑时使用)。另外,当将识别条件记载到内容列表中时,要千方百计使在条件单元内的提示条件之间尽可能地分配类似的属性(难度或成绩的值),这对于提高精度是重要的。
另外,如在(9)中所述那样,当采取抵消法,对多个人的数据进行归纳而捕捉一般倾向时,则根据抵消法向内容分配识别条件。对根据这个抵消法向内容分配识别条件的方法进行说明。首先,作为向想要比较、研讨的条件(例如,反复条件1、2、3次)分配的内容项目,是要预先决定必要的内容项目,以便向全体对象者分配同一项目组(只要写入特殊的属性条件即可)。对那个项目组,个别地实施以下的处理,并最终追加到内容数据库上即可。也就是,在那个项目组的内容数据库上设置SET、COND两个字段,并在将想要比较、研讨的条件数的组上随机地划分这个组,并向每个划分的组的SET字段写入记号(如果是3条件则可以是A、B、C等)(称为条件组)。按以下的方法另外做成想要比较的条件和分配的条件组的对应(反复条件为1、2、3次的情况下,组条件为A、B、C的情况)。在条件与组的对应中分配抵消条件(CB条件)的编号。
CB条件①(1次-A、2次-B、3次-C)CB条件②(2次-A、3次-B、1次-C)CB条件③(3次-A、1次-B、2次-C)而且,将学习者随机地分配给CB条件,与分配的CB条件的条件与组的对应相匹配,向COND字段记入对应SET字段的记号的条件的记号(1、2、3等)。在分配识别条件之际,为了使反复条件(REPEAT字段)对应COND字段的条件,写入内容项目的识别条件。对相应的全体学习者实行这个操作,在进行分析的时刻,将使作为分析对象的学习者的CB条件与总人数相等(随机地抽出等)的基础上,对每个研讨的反复条件取平均值等进行比较的话,就可以以内容项目的材料的效果被相抵的形式得到数据并可提高精度。
将以上那样分配的进度表表格的内容识别条件码(EXP COND)与内容列表的各内容对应并写入的同时,将被写入了内容识别条件的内容列表的内容登录到反应数据库3中。
图13A、图13B表示了将内容识别条件写入到内容中的内容列表的一个例子。图13A,表示了写入了内容识别条件的AT进度表中相应的内容项目的一部分,图13B,表示了写入了内容识别条件的D1进度表中相应的内容项目的一部分。
另外,没有必要将内容的内容也记录到内容列表中,而取代内容的内容,只记录序列编号,而根据必要与记录在内容数据库内的内容数据进行对照,再确定内容的内容也是可以的。
将以上的附记了规定了一定进度表条件的进度表表格和与之对应的识别条件码的内容列表,各准备一个或1个以上的状态作为前提,由以下的顺序,做成与提示单元对应的提示列表。
(顺序4)提示列表的抽出范围的指定当抽出与提示单元对应的提示列表时,根据必要指定是否生成对应第几号提示单元的提示列表。一般情况,是以提示单元的顺序一个一个地抽出提示列表,但是也可以指定多个提示单元,将那些单元的提示列表全部抽出(特别是通过网络下载列表那样的情况下,可以考虑是归纳起来一起下载)。当依照同一进度表表格在不同的终端上生成提示列表时,以进度表表格为基础把握已经生成了哪个提示单元等,因而,也可以与学习的履历同步(synchronous)。也就是,将哪个提示单元成为了提示列表(处于可以学习的状态)作为进度表表格或别的文件进行记录,并利用它把握提示列表生成履历,适当地生成和提供尚未学习的提示列表是可能的。
(顺序5)作为生成对应提示单元的提示列表的例子,根据图7的进度表表格,说明了对应第一个月的第一天的提示单元的提示列表的抽出方法。首先,如果以第一个月的第一天的形式指定生成的范围后,与图7的MONTH和DAY对应的进度表表格的范围就被限定了(图7的MONTH=1/DAY=1的部分)。接着,从内容列表中抽出写入了其范围的识别条件码(EXP COND)的信息的全部或一部分信息的内容,并依照提示条件构成提示列表。例如,图7的第一个月的第一天的最初的进度表条件(AT条件)的识别条件(EXP_COND),为以下4种。
1)0101_A=W1 _T=T_R=1_ST=AT_SC=0101_J=012)0101_A=W1 _T=T_R=3_ST=AT_SC=0101_J=013)0101_A=W1 _T=T_R=6_ST=AT_SC=0101_J=014)0101_A=W1 _T=T_R=8_ST=AT_SC=0101_J=01如果从各个识别条件之中,取出从_A=开始到_SC之前为止的字符串,则分别成为以下这样(由于W1的下一个空白被最大固定为属性信息的字符宽度)。
1’)W1_T=T_R=1_ST=AT2’)W1_T=T_R=3_ST=AT3’)W1_T=T_R=6_ST=AT4’)W1_T=T_R=8_ST=AT在内容数据库中,将这些条件作为识别条件,写入到EXP_COND字段,进而,在由_SC=_J=夹持的时序条件的序列编号中,在EXP_COND中包含有表示提示单元的序列号的字符(提示单元的序列号以两位表示的这个例子中,_J=的之前的两位的01)的两者的项目,在内容数据库中当然只有一个项目了(这是因为在AT进度表条件的进度表信息中,将对应各条件的项目数定义为一个)。即便是第几个的事件周期单元,属性条件与提示条件与提示单元的序列号一致的项目,在内容列表中也只有以N表示的数(AT的情况下是1)。首先抽出这个项目。同样地,对那一天的全部的进度表条件,抽出对应的内容项目。
接着,对于所有被抽出的项目,依照在识别条件中表示的提示条件(以_T=表示的<T>)和反复条件(以_R=表示的<1>等)的条件,如对应提示单元的图14A、B那样地生成提示列表。具体地,提示条件为T的项目,首先由于仅仅对问题(英语单词)进行熟知程度的评定,所以随机地将这个问题加到所有的提示列表上,并在那个列表的课题字段的任务1(TASK1)上追加写入表示熟知程度评定的课题记号(F)。接着,将进行了熟知程度评定的英语单词,和虽然没有评定但是在再认识测试中出现的单词(提示条件为D)作为再认识测试,以随机的顺序加入,将表示再认识测试的课题记号(R)追加写入到那个课题字段中。进而,将在训练学习中只提示反复条件的数的项目,分别作成只是反复条件的数随机的顺序来加入。然后在那个课题字段中写入表示训练课题的记号(D)。为了做成课题的归纳、或中途停止学习也可以的区分,在阶段字段(PHASE)上记入表现归纳的序列号,并在提示程序内作为区分而使用。最后,在学习时检查学习是否已经结束的检查字段(CHECK)中全部记入1。在学习时,从各自的提示列表上,顺序地以对应课题记号的课题提示方法提出问题,得到了对此的反应以后,将反应记入到反应1(RESPONSE1)和时间1(TIME1)等中,最后将CHECK字段置为0,从而可以把握学习的经过。
这样地依照图7的进度表表格,一旦特定了特定提示单元的识别条件后,从写入了那个信息的内容列表中抽出必要的内容的同时,依照提示条件等的操作,顺序地排列内容,并生成做成一个提示单元的提示列表的列表(K4)。
另外,一个提示单元的提示列表的做成,完全依存于提示条件或课题内容,由于其种类庞大提示列表的例子还对其他情况进行了各种各样的考虑。
如果从图14A、B左端的字段再次说明的话,CHECK字段是表示到哪个字段为止学习结束的字段,所以,当在提示列表的中途,中断学习的情况下,是使用这个信息用于继续学习的字段。PHASE字段表示学习或其他的课题(熟知程度评定或记忆测试、插入练习等)的归纳。TRUE DAY,是输入实施学习的日期的字段,TIME1表示到熟知程度评定等的评定为止的时间。
SERIAL,是内容的序列号,例如,在图14的列表的第一号的例子中,为SERIAL=1359(英语单词为inisiative),但是这相当于图12的内容列表的SERIAL=1359(图中未示出)。在例子中,由于是对一个内容,对学习者要求一个反应的学习法,因此如同图15的写入了反应履历的反应数据库那样,只要在各内容中,最低限度设置一个记录反应字段和反应时间的字段就可以。如果在一个内容中要求多个反应的提示条件,则必须设置多个反应字段。
(顺序6)依照提示条件依次提示内容(K5)这个顺序,依存于内容的提示条件或学习的方法等。这里,介绍一个提示方法。这是一个最容易使用并且对各种各样的内容都可适用兼备学习和测试的数据的收集方法。
首先,如图19A所示,只显示英语单词,学习者只要按动某个键日语译文就会如图19B那样地显示出来。至此,是内容的显示。是在显示完成的时刻,学习者自我评定内容的内容的学习水平的方法。图19B,是以4个阶段(A良好、B稍差、C差、D极差)进行自我评定的例子。
这个方法只是提示内容,即使不要求解答也可以学习,并可以对应各种各样的内容,并且将这个评定结果进行数值变换(图19中例如A=3、B=2、C=1、D=0那样)这样,可以作为成绩来处理,因此,特别是设定事件周期单元,在一定的时序中反复进行学习的进度表的情况下,由于可以直接研讨学习次数与其成绩的关系,因此是有效的(通常,如果进行了与学习无关的测试,其测试事件的影响会影响到其后的成绩,因此难以单纯地研讨成绩与学习的关系)。
另一方面,图15A、B表示了进行了要求解答的测试的情况下的测试记录的例子。以F1或X1、X2、X3的进度表条件,进行测试,当在第一次测试中从学习者提出的解答是正确的情况下,在PM01中记录O,不正确时记录×。PM02、PM03是第二次、第三次测试时记录正确结果和不正确结果的部分。TIMEFUN01表示到作出第一次测试的解答为止的限制时间。TIMEFUN02、TIMEFUN03分别对应第二次、第三次的测试。
(顺序7)反应数据以及学习履历数据的写入在依照各提示条件提示了内容的时刻,将对那个事件形成的反应写入到图16那样的数据库3中(K6)。在图16中,在F00字段中是熟知程度评定的值,在FNORM中是英语的熟知程度评定的标准值(基准值),ANS是存储测试的反应,(J01、J02、…)字段是将图19的自我评定的反应打分并表示(A良好、C稍差、C差、D极差)的评定进行分数化(A=3,B=2,C=1,D=0)。(JT01、JT02、…)字段记录了各种反应所需要的时间(如果解析这个时间的话,各学习者就可以容易地把握进行何种程度的学习需要花费多少时间并进行反馈)。
图16中的称为F、ANS、J的字段并不一定要分开设置,也可以作为一个反应字段来记录反应。
(顺序8)反应履历列表、个人数据文件的返送所有有关提示列表的事件结束之时,根据必要通过网络将写入了内容编号和反应等的反应履历列表返送到数据分析的服务器上。另外,在个人履历数据文件中,写入其提示单元的序列号、学习开始的时刻、结束的时刻、日期、提示单元内设置的阶段的开始/结束时刻等。若根据这些数据解析学习的数据的话,原理上可以进行诸如早晨学习成绩好,或在几点钟左右学习的人成绩好的预测或进行性格、学习的方式等的推定。
由于依照一定的进度表表格将各内容的识别条件等写入到内容列表中,并且依照一定的进度表表格做成了提示列表,因此一旦将这些写入到反应数据库中,就如图16所示,就对应各条件对数据进行了记录。
另外,对每一个提示列表做成个人履历数据文件(只一个记录),也可以在服务器侧保存个人的全部履历文件。一旦采用个人履历文件,学习者就可以把握哪个提示单元的学习结束了,哪个还没有结束,也可以根据必要发出催促学习的指示。当由于通讯错误等使学习的数据消失掉时,如果将这部分数据事先保存在终端一侧的话,以后再明确不足部分的数据,并可以催促再一次传送这些数据。
(顺序9)采用个人反应数据库的数据分析在个人反应数据库的识别条件码中,除了进度表条件之外,还包含提示条件、属性信息。所以,如果使用包含于这个码的信息(当然,也可以原封不动地使用提示条件字段或属性信息字段),就可以对一定的进度表的学习成绩等的反应进行归纳并得到每个事件周期单元中的代表值。然后利用这些数据,进行后述的各种分析(K7)。
《引用进度表做成方法并实施的实验结果》(进度表条件的说明)以下,对采用本进度表构成法和分析方法并已经实施完毕的实验结果进行介绍。图17是依照一定的进度表要求高中学生持续对英语单词的学习进行的长期学习实验中的、在自我评定值中出现的学习的积累的平均的样子。
横轴是间隔单元(24日约一个月)的顺序(在这个进度表中对应月)、位于其中的各棒图是提示条件(1~8次的学习条件),纵轴表示分别对应的自我评定值(成绩)。
另外,实际的时候这个实验考虑了多个间隔条件,但是这里只对一个条件进行说明。如果以所述的语言表现这个实验的进度表条件的话,可以归纳如下。
·时序条件是间隔为以一个月=一个月(设定为24日)1日的进度进行学习的条件,以1日为最小的事件期间的话,则进行如下所示的编码。
1日 2日 3日 4日 … 24日 25日 26日 … 48日 49日 …1 0 0 0 …010 … … 0 1 …顺便要说的是,如果以一个月(24天)为最小事件期间的话,可进行以下的编码。
第1个月 第2个月 第3个月 第4个月 第5个月 第6个月1 11 1 1 1·提示条件1(反复次数)反复次数1~8次的8个条件·提示条件2(学习方法)D(不进行英语单词的熟知程度评定而进行训练学习的条件)·事件周期单元24日(称为=一个月)·在这个条件中间隔和事件周期单元都是一个月,是一致的。
·提示单元1日·条件单元2日·提示单元内的反复次数条件的分配种类奇数日分配了1、3、6、8次条件,偶数日分配了2、4、5、7次条件。
·向提示单元内的各反复次数条件分配的单词数4个·提示单元内的反复次数条件的总数,奇数日是1+3+6+8=18、偶数日是2+4+5+7=18为同样的数。由于向其条件中分别分配4个单词,所以1日(提示单元)的单词的总学习单词数为18×4=72,希望每日对这个进度表条件有大体一样程度的负担(实际上由于也并存了其他的进度表,因此负担多于72个)。
·内容组1种这个实验中采用难度相同的单词。
(得到的数据)若按月来看图17中的以一个月一次的进度学习的条件的单词成绩,可知是稳步上升的。各月中的棒图对应反复次数的条件,在各月之初对该单词所形成的自我评定的反应进行评分后来表示(A良好、B稍差,C差,D极差)的评定变成分数(A=3、B=2、C=1、D=0)。这些评定值,是表示通过学习对于被提示的英语单词的意思理解到了何种程度的自我评定(从这个结果可以看出对于推定学习的到达度,这是一个非常有效的指标)。
对于有些单词,是要求进行1次~8次这样的评定,在以后的一个月中不提示这个单词,过了一个月后(24日)再次提示的条件。在这个实验中,如果在这个进度表条件中限定了相应的单词,在各学习次数条件中分配的单词数(种类)就是48个(4个×24日÷2)(总数384单词),对这48个单词反复提示对应各条件的次数,最初的自我评定值被平均的值分别对应图17的各月的一根棒图。如果,用以往的方法制作图17的数据的话,是在某一特定的日进行总数48个×36=1728次的单词学习,然后空出一个月间隔,进行同样的评定的方法(36是1~8次反复条件的总数=1+2+3+4+5+6+7+8)。如果一个单词的学习需要5秒的话,就需要进行1728个×5秒=144分的学习。
仅仅以1~8次的学习条件,只进行对实质的384个单词的学习,也必须连续地学习2小时以上。这样很难保证学习的均质性,而且也不可能将庞大的学习内容一下子提示给学习者。也就是,必须削减每1日学习的总数。但是,如果把1日的学习分为几日进行的话,则又难以控制其学习和测试之间的间隔或学习条件。
本发明,提供既可以控制间隔条件又可以减少每一日的学习总数,减少一次发送的内容量,并使1日的学习条件(学习的质量)等质,并对其效果进行严密测定的方法。
而且,在提示单元的做成法部分已经进行了一些说明,而自我评定等评定者的反应的基准每天在变动,作为排除这个变动或个人差别,严密地推定提示条件的效果等的方法,可以举出在同一提示单元内配置想要进行比较、研讨的提示条件,并求取分配到这个条件中的内容的反应差的方法。
例如,在图17中,以第一个月的各学习次数条件的单词的最初评定值为基线,从第二个月以后的评定值中引出的话就可以排除个人差别。进而,对于排除个人差别的得分,如果取各月的对8次学习条件和1次学习条件的得分差的话,就可以推定出排除了评定基准的日内变动影响的,非常严密的学习效果。但是,可以严密地排除判断基准的变动,是8次条件和1次条件被配置在同一提示单元内的情况。所以,为了排除这样的变动,(不限于条件单元内)必须事先将可比较研讨的提示条件配置在同一提示单元内。
迄今为止之所以不能客观地测定以一定的进度表对庞大的学习内容进行学习时的学习推进方法,就是因为没有考虑到本发明那样的策略。根据本发明,就可以在以一定的间隔条件对非常庞大的内容(对象)进行学习时,严密地捕捉反应的变化。
所述图17,是23人的学习者的平均数据,但是也可以对每个人描绘出这些数据,如果依照把本发明提案的学习阶段的到达度的自我评定换算成成绩的方法,很明显,可以得到以个人的数据为基础对一个人一个人的到达度预测的预测能力。
图18A、B、C中,表示了实际上实施的结果所得到的3名学习者的个人数据及其预测函数(引出了简单回归直线的)(与图17的学习进度表不同的实验数据)。预测方法,考虑了各种各样的函数,显然,如果利用本发明,可以收集到用于预测的正确的客观的数据。顺便提及的是,如图18A、B、C所示,详细地对每个人描绘出的学习效果的变化的数据,在现时世界的任何地方都不存在。而且,可以将学习一次单词所要的时间作为其它的反应指标进行记录,也可以从其分析结果中使深感兴趣的事实变得明朗,但是此处省略了细节。图17或图18A、B、C,表示了将到达度的自我评定作为把握到达度的一个指标的有效性,但是基于这个进度表做成法对数据进行收集,由此,对这个以外的指标也可以描绘出非常详细的学习效果。
特别是,如这个实验例那样,如果采用一个月一次的时序条件,并与这个时序匹配来表示反应数据,则在某一期间继续学习的时刻,也可以预测其后的学习推进情况。在这个实验中如图18A、B、C那样对到1~第3、4个月为止的反应数据进行整理的话,即使对每个人一个月1次的事件效果不同,也可以预测那个人的学习到达度要到达一定的水平需要几个月。
进而,如果多数人以同一进度表条件继续学习,并对其数据进行收集、积累,并将这些数据做成数据库,将某一个人以这个进度表条件进行学习时的学习推进情况作为预测模式返回,实际上这也是可能的。特别是,如果知道想要预测的个人的个人属性(性别、学习热情的程度、学习方式等),作为数据库对已经持有某种同一属性的学习者的集团进行特定,可以将其反应数据作为正确的预测模式返回。成为对进度表进行控制并收集反应数据的进度表固定法的预测方法。
(15)设置长的间隔在短期间对发生的事件的效果进行预测的方法若以英语单词的实验结果为例,从图18A、B、C可以看出当以一个月1次的进度继续进行学习(事件)时,怎样表现学习的效果,或者以同一进度表继续进行学习时,到完成学习需要多长的期间,这些都是可以预测的。但是,这个预测,如果不是如图18A、B、C那样持续进行3、4个月程度的学习就很难导出。由于当看不到前景地持续3各月左右的学习时,学习干劲就不会持续。也就是,有时希望在更短的时间内看到表示学习等事件效果的表现情况的前景。下面说明可进行这样的预测的方法。
为了便于理解,这里以一个月为24天,一周为6日进行说明。
(a)我们以与(12)不同的进度表条件的配合所说明的那样,对以一个月1次的进度发生事件的长间隔的进度表条件、和以一周一次的进度发生事件的短间隔的进度表条件进行配合,要求同一学习者在配合了两种进度表条件的状态下持续学习,并分析其反应的话,则可以对每个进度表条件得到图18A、B、C那样的数据。
(b)如果对多数人进行这个操作,就可以得到表示平均化倾向的图18A、B、C那样的两个图。图20表示了上述的情况。如该图所示,预想短间隔条件的成绩(例如到达度的自我评定值)的上升程度,比长间隔条件的要大。因此,如果确定其斜率的比,可以从短间隔条件的成绩的斜率,表现长间隔条件的成绩的斜率。
图20的(A),表示了学习者X以间隔为一周(6日)的进度表条件持续学习6周的情况下的成绩变化和学习者X以外的多数学习者以间隔一周持续学习6周的情况下的成绩变化的平均值。由于考虑到间隔因素的影响,对于所述两个进度表条件,将间隔条件以外的条件,如表示学习内容的难度的属性条件、表示事件的性质的提示条件等都设定为同样的。
另一方面,图20的(B)表示的是学习者X以外的多数学习者以间隔一个月(24日)持续学习6个月的情况下的成绩变化的平均值,对于学习者X,由于预定以后以间隔一个月进行6个月的学习,所以不存在成绩变化数据,也没有表示。
因此,当以间隔为一周的进度表条件持续学习6周的学习者X,表示了在(A)表或图形中所示那样的成绩的上升时,如果该学习者X以间隔为一个月的进度表条件持续学习,预测成绩将会如何。
必须预先对多数(多数人)的学习者收集积累两个成绩数据,即对同一学习者以间隔一周持续学习6周时的成绩数据、以及以间隔一个月持续6个月学习时的成绩数据。
如果预先研讨并确定这些数据和用于导出预测的模型(函数),则可以提示当以间隔为一个月的进度表条件进行学习时的学习者X的成绩的预测值。
作为一个例子,可以假定以下的模型,该模型表示以间隔一个月进行学习时的成绩(到达度)的上升率Y与以间隔一周进行学习时的上升率X具有一定的比例关系(比例关系系数a)。
若Y=a×X则a=Y/X。
如果将Y考虑为由个人能力以及学习方法的特征因子(个人因子每个学习者本来不同的成绩上升率)和对应间隔的长度而上升率走向低下的因子(间隔因子对应间隔的长度而上升率走向低下的程度)的积来表现学习到达度的变化的话,将个人能力以及学习方法的特征因素作为P,将间隔一周的学习到达度的变化因子作为LW,以间隔一个月的学习到达度的变化因子作为LM的话,则Y就成为Y=P×LM
另一方面,X=P×LW。
所以,则成为a=Y/X=P×LM/P×LW=LM/LW。
由这个结果可以看出,在比例系数a中,不包含个人的能力以及学习方法的特征因子,可以只由间隔因子的比来表示。
因此,可以要求同一学习者,预先以间隔一周和间隔一个月进行学习,取得并积累此时的学习成绩数据,并对多数的学习者反复进行这个操作。由积累的数据,算出以间隔一周进行学习时的成绩上升率的平均值和间隔一个月进行学习时的成绩上升率的平均值的比。这两个上升率的比就是a。而且,除这个方法之外,将Y=a×X考虑为单回归模型,从使预测值与实测值的差的平方和成为最小的最小平方推定法,也可以决定系数a。
例如,将其他学习者的间隔一周的成绩上升率作为Xi,将间隔一个月的成绩上升率作为Yi,来积累N个学习者的数据。
接着,如上所述,如果设定Y=a×X的预测模型,就成为使这个预测值Y与实测值Yi的误差的平方和∑(Yi-Y)2为最小地求出系数a这样的周知的方法。
也就是,∑(Yi-Y)2=∑(Yi-aXi)2,以系数a对该公式进行偏微分并设置为0,就可以求出a。
最后成为a=E(Y)/E(X)。(E(Y)、E(X)分别表示Yi、Xi的平均值)。其结果,为与取前述的上升率的平均值后计算其各上升率的比的方法同样的结果。
这样,只要决定了比例系数a,就可以从以间隔一周进行学习时的上升率Xi通过上述的公式预测出学习者X以间隔一个月进行学习时的成绩的上升率Y。
从图20来看,其他学习者间隔一周的学习成绩上升率平均值为0.2,间隔一个月的学习成绩上升率平均值为0.1,因此系数a=0.1/0.2=0.5。
另一方面,由图20可知,学习者X以间隔一周进行学习时的上升率X为0.5,因此,由Y=a×X的关系,得出Y=0.5×0.5=0.25,并可以如(B)的图形的斜线部分那样,预测成绩上升的程度。
接着,在到达度数据以外,例如,同时考虑性格因子Z等,可以设定下式的模型并进行预测。
Y=a×X+b×z这里,所谓性格因子Z,可以考虑由规定的指标将每个人的慎重度等进行分数化。例如,也可以将客观测试成绩的上升率与自我评定的成绩上升率的间隔的大小作为得分。由于慎重的学习者,其自我评定的到达度比实际的学习能力估计得低的可能性很大,所以通常上升率Y的值变低,有考虑这个因子的意义。
a、b的系数,是采用已经进行学习的多个学习者的间隔一周的成绩数据和间隔一个月的成绩数据,进行多回归分析,由周知的最小平方推定法求出的。
通过以上的方法,在可以推定学习者X的间隔一个月的学习成绩(到达度)的上升率的同时,可以从间隔一个月的初期阶段的学习成绩结果,由该阶段(进行了一个月学习的时刻)推定出数个月后的学习成绩的变化。
在上述中,作为一个例子,说明了可以从间隔一周的学到达度数据预测出间隔一个月的学习到达度,但是,只要预先积累了各种各样的时序条件的学习到达度数据的话,例如可以从间隔两周的学习到达度数据预测间隔两个月的学习到达度,从各种短间隔条件的学习到达度数据预测出长的间隔条件的学习到达度。
当然,相反也可以从长的间隔条件预测出短的间隔条件的成绩变化。
图21以流程图的方式一般地表示了上述动作。
首先,以各种进度表条件,收集很多的学习者的成绩,并累积到数据库中(S1)。获取成绩预测对象者的第一间隔条件的学习成绩(S2),对成绩预测对象者希望预测的第二间隔条件进行确定(S3)。
从数据库分别抽出第一间隔条件、属性条件、提示条件同一的成绩数据、和第二间隔条件、属性条件、提示条件同一的成绩数据(S4)。
设定如前所述的回归模型(S5),采用在步骤S4中从数据库抽出的数据进行回归分析,并决定回归模型的系数(S6)。
从步骤S6决定的系数和在步骤S2取得的成绩预测对象者在第一间隔条件的学习成绩数据来预测第二间隔条件的成绩变化(S7)。
(复杂的时序条件以及进度表的生成方法)对应图22的各进度表A1、A2、x、y、z的格子内的1、2的数字,是所谓1的提示条件,2的提示条件,表示发生与某种特定的内容(对象)相关的事件,而0表示没有发生那个事件。提示单元是时间发生的最小期间,例如,若将这个期间定为1日,提示单元的数字表示是第几天。
在图22的复杂的进度表的记述例子中,以语言来表现进度表条件A1、A2的复杂的进度表并不简单,而且以进度表表格的形式来自动地生成其进度表条件时,例如,做成1000提示单元的进度表表格的话,简直无法表现。
即使能够表现,依照其时序条件和提示条件也很难控制事件的发生。
对此以提示单元为基本单位,若利用以事件周期单元的长度、间隔的长度、以及根据必要以条件单元的长度和延迟的长度记述时序条件的方法的话,则可以表现A1、A2那样的进度表,进而可依此对事件的发生进行控制。
例如,如图的进度表x和进度表y那样,考虑以1的提示条件发生的事件,进度表A1的事件所发生的时序,与以进度表x和进度表y重叠的状态的发生的事件的时序一致。由于可以将进度表x和进度表y的时序条件分别表现为E003_I006_J001_D000E001_I006_J001_D004,与同一内容(对象)有关的事件,分别以已经介绍的方法做成以一个提示条件,两个时序条件发生的进度表表格,并归纳成一个进度表表格的话,就可以生成进度表A1那样的进度表条件。同样,将进度表x和z组合起来的话,可以生成进度表A2那样的进度表条件。也就是,进度表A1可以由进度表x和y的时序条件与提示条件1的组合来表现,而进度表A2可以由进度表x和z的时序条件与提示条件2的组合来表现。进而,如果以前述的方法记述将进度表x、y的时序条件做成了嵌套的复杂的时序条件,来做成进度表表格的话,则可以做成更复杂的进度表表格。
当然,还有其他的进度表条件的表记方法,通过使用这个表记方法,可以明确地比较进度表条件A1与A2的进度表的不同的效果。例如,作为某些商品的广告事件,将写有收件人姓名的广告信作为提示条件1,将直接用电话进行劝购的广告作为提示条件2,而采用进度表A1和A2的广告进度表,并将其商品的销售业绩作为效果进行测试的话,则可以对在提示单元5和11(进度表y、z)中发生的电话与写有收件人姓名的广告信的广告效果之不同进行比较。
(最佳事件进度表特定法)以事件的种类和时序条件来表现各种各样的事件,收集数据(或利用已有的数据)并利用类似度,由此,来推定为了实现特定的目的,以怎样的时序进行(处理)怎样的事件是高效的,这是有效的。例如,以从S公司向一个称为T的人发送写有收件人姓名的广告信的事件为例子,为了使某个人对某一对象(商品或服务或合同)提出购买申请这样一个事件发生,当公司向个人发送写有收件者姓名的广告信,进行电话促销时,如果事先明白以怎样的进度表处理这件事更为有效,这是有效的。
但是,现在,例如公司等进行的发送写有收件者姓名的广告信、促销等,很多都是以不特定的的进度表进行的,而对于以怎样的进度表使事件发生更有效这一点,没有提出明确的方法。
其理由是可以设想无数的各种各样事件发生的进度表,而人去处理这些是困难的。为了从无数的进度表中找出哪个进度表是有效的,起初必须将各种进度表进行编码,为了进一步以它为基础进行分析,必须利用计算机等。但是,目前,将无数的多样的进度表编码,进行表现,进而生成,并积累与此对应的数据而用于分析的方法还没有明确。
因此,确定提示单元,以前述的进度表生成法记述、控制事件的生成,对每个进度表测定效果并对其效果进行比较,由此,来确定哪个进度表是最佳的,这是有效的。
具体地,通过前述的进度表做成法,设置图23的事件1~6那样的复杂的进度表条件,并根基各自的进度表来实行事件,并对其效果进行测定和比较,由此,确定为实现特定的目的最佳的事件的进度表条件。例如,当公司为了促进商品的销售,要把握在以怎样的时序向个人发送写有收件者姓名的广告信为好时,以一个季度为提示单元,通过前述的进度表做成法做成对应事件1~4那样的多个进度表表格,并依照这个表格向不同的顾客发送写有收件者姓名的广告信。对每一个进度表统计出引起经历了各种各样事件的顾客购买这个商品的事件的数量,并从数量最多的进度表,或者类似的多个进度表中推定、生成最佳的进度表即可。
另外,由与特定的对象相关的事件,可以设想多个提示条件(例如,对应的操作者是男性还是女性)的情况下,生成上述的图23的事件3、4那样的多个进度表表格,并依此收集成为对象的顾客的数据的话,则也可以测定不同的提示条件的效果。例如,为了对某种商品进行促销,当以写有收件者姓名的广告信对那个商品进行促销时,如果设想发出带有提示条件和奖励的写有收件者姓名的广告信的提示条件的话,将其两个提示条件组合到事件1~4中,并设定事件5、6那样的进度表,就可以对其效果进行比较。
即使可以简单地表现时序条件,如果此处的事件的提示(发生)条件不同的话,进度表条件也就不同。进度表的表记有各种利用方法,并不简单地停留在表现时序条件上,而是将其与控制特定的内容的发生事件,对其效果进行测定,对发生(提示)条件的影响进行比较的方法论结合起来,这是本时序表记法以及进度表表记法的特征。
另外,图23的例子,是为了说明以已经叙述过的图5中的,E1和X2类的时序条件的组合,可以表现复杂的进度表的例子。
(事件进度表推定法)通过图24对事件进度表推定法进行说明。当期待特定的商品的购入申请的企业,向顾客X进行使用了写有收件者姓名的广告信的促销时,在提示单元3就发生了收到从企业来的写有收件者姓名的广告信的事件,与此相同在提示单元中也发生了从X先生来的质询的事件。以下同样,以图的X先生的事件的粗线框包围的矩阵(称为进度表矩阵)被记录下来。在这个状态,当在提示单元9的时期期待申请事件时,可以使用已经累积了A、B、C先生(或者X先生的过去的)的进度表矩阵,进行推定作业,以推定出发生怎样的事件的模式是最有效的。
也就是,只取出申请事件在某个提示单元中发生的顾客数据。在其各顾客的矩阵中,在各顾客之间使发生申请事件的提示单元(最终点)一致。在这个状态下,限定于顾客X的已经收集的进度表矩阵(粗线框)和相对地处于相同的提示单元的位置上的各顾客矩阵(各个顾客的粗线框),并计算两者的类似度(例如,内积)。
如果,当所有的事件的开始时刻是明确的情况下(从顾客开始有询问时,或开始进行电话促销时),将这个开始点作为始点并将进度表矩阵设想(限定)为其他的顾客的数据并计算类似度。而且,当期待的事件可以几次设想为个人内时,(以从开始点开始可以设想的所有的进度表矩阵来计算类似度),从顾客X本人或其他顾客的所有的进度表矩阵找出顾客X的进度表矩阵和类似度高的进度表矩阵,并确定类似度最高的进度表矩阵,重新进行推定、生成。
基于内积的计算结果,与写入各矩阵的相同格子位置的数字相乘并作出回答,并成为对每个格子中计算的这些结果进行合计的数。
图是以最终点为基准设想进度表矩阵的例子,与A先生的类似度为2.0,与B先生的类似度为3.0,与C先生的类似度为5.0。这个中间,例如,以同样的时序使成为类似度最高的C先生的、计算对象的矩阵以后的事件发生的方法,可以将申请事件推定为是可期待的事件的模式。
另外,反映的预测,并不限于一般的教育场面中的人的学习或市场(销售行动、合同行动)的预测,也可以适用于对由累积过去的学习的效果并基于这个学习(经验)进行行动的主体(人、动物、计算机等)所规定的各种各样的对象的行动、动作进行预测和生成的情况。例如,在预测汽车在特定的状况将会发生怎样的反应之际,可以将遭遇特定状况的事件的发生、向特定方向前进的事件等包含到矩阵中,利用这个矩阵和现在的汽车的事件模式,来预测其后的事件。可以适用于以人的行动、动作为首,机器人等的运动、反应的预测(以及生成)。
《学习者评价显示系统》对进行学习者成绩的把握、评价,并以预测学习的到达度和对其进行的显示作为重点的学习者评价系统进行说明。
图25表示了学习者评价显示系统的概要构成图。如图25所示,该系统由个人计算机51、移动电话52、移动个人计算机53等学习者终端54、通信网络55(包含移动电话网、一般线路、互联网等)、学习进度表服务站点57以及企业、大学的服务器58而构成。
前述的学习进度表服务站点57,至少具备进度表表格59、内容文件60、个人履历文件61、发送列表文件62等,将附加了从企业、大学的服务器58提供的的属性信息的内容Ci,保存到内容数据文件60中。其后,将基于进度表表格的传送列表(提示列表)的学习内容或提示顺序信息,通过通信网络55以及根据必要通过企业服务器68配送到学习者终端54上,学习者操作学习者终端54输入针对这个学习内容的反应,并通过通信网络55返送到服务站点57。
学习者进度表服务站点57,将返送的反应数据与进度表表格对应起来,并记录特定的进度表中的学习者的反应履历数据,生成基于这个履历数据的分析模式,并将这个分析模式的变化以及对此的适当的建议等反馈给学习者或教师等。
也就是,利用学习者终端54和各种各样的通信网络(基础设施),服务主体(站点)将包含于各种各样内容(评定的内容的种类)之中的一个一个项目,以特定的进度表一次或数次地配送,并对其内容收集学习者的反应。
而且,学习进度表服务站点57,对多个学习者的评定值或时间等的数据进行收集,并作为履历数据进行累积,并将这些数据与特定的进度表等关联起来进行分析,并对各自的内容的个人的评定时刻的状态、到此为止的状态变化,其后的变化的预测,与其他利用者的比较等,进行反馈,此外,对积累的数据进行分析,由此,来提供学习者可利用的评定进度表或建议等。
而且,在利用本服务站点的服务的基础上,对学习者的性别、出生年月日、地区、学年、希望的前进的道路、职业等个人的信息进行登录,在其个人信息和个人的履历数据以外,还根据多人的评定者的履历数据,使对评定项目的个人的判断状况、全体的倾向更加明确,并向学习者或第三者提供信息。
另外,学习进度表服务站点57、企业、大学的服务器58,具备以超文本格式表示的分散数据库系统功能,可以统一地获取互联网上的信息,超文本将指针预设在文本中,具有可由此跳跃到关联信息中的结构,信息以HTML格式记述,通过指定指针或链接,跳到一个又一个新的文本文件而获取必要的信息。
也就是,将指定的主页的HTML源码传送到客户端(学习者终端54’)的浏览器上,发送对应客户端要求的画像等的信息文件。
而且,个人计算机51、移动电话52、移动个人计算机53等的学习者终端54,具备浏览器功能,依照学习者指定的主页的URL代码,对持有这个URL的服务站点发出传送HTML等信息的要求。
而后,对到达的HTML进行解析,在将显示部分显示到画面上的同时,当在这个HTML中存在图像等的链接信息的情况下,执行这个图像的传送要求。
也就是,根据输入(指定)的URL进行访问,发送其先头页面(主页)的传送要求,在对发送来的HTML源代码进行解析的同时,显示到画面上,进而执行包含于HTML中的CGI脚本(script)等的传送要求。
接着图26以顺序图表示了这个系统的动作。
首先,学习进度表服务站点或内容提供企业、大学(将它们称之为中心),将在内容中记载了进度表等各种条件的文件,以及与这个内容对应的进度表表格、学习提示程序、数据传送程序上传到主页上。而对于各种内容,依照各种进度表条件进行学习时的一般的成绩的变化等也作为例子使之可以进行参考。
希望(d40)以下的服务的学习者,根据需要将个人的信息(住处、信箱地址等)进行登录。另外,不一定非要在这个时刻登录个人信息,也可以在(d42)进行登录。
学习者参照(d41)中心的主页,当对其有兴趣,想要利用的情况下,将其内容和与之对应的进度表表格、提示程序等的组进行下载,并安装到自己的学习终端上。
(d42)安装以后,向中心返送一个表示想要开始基于该内容的进度表的学习(以下,称为进度的学习(SL))的请求,。而且,根据必要也可以在这里登录个人信息。
(d43)在中心,确认利用者是否登录了个人信息,并在确认了时,在生成、记录了用于利用这个SL服务的认证信息之后,(d44)将其发信给预先登录了的学习者。
(d45)学习者利用该认证信息,在终端一侧安装服务程序并进行临时登录,(d46)将这个临时登录信息(安装目录等的学习环境信息、认证信息)发送到中心。
(d47)在中心,当临时登录信息到达,并确认了认证时,确保记录对相应的内容数据库的反应的区域(并不一定是内容自身所必需的,只要有内容编号等最低限度区域即可),在此记录利用者的终端环境、安装状况,分配个人所利用的终端ID,(d48)将该ID等的信息作为正式登录文件传送给学习者(在中心一侧的正式登录结束)。
(d49)学习者使用传送来的正式登录文件,结束终端侧的正式登录,(d50)根据必要,与最终登录结束状态等(安装目的地、送信的信箱地址等)的信息结合起来,将登录结束的信息传送给中心。
以上是SL服务登录的概要。另外,SL服务说到底是按每个进度表和内容的组合来进行。而且,通过向中心传送(d50)的信息来处理进度表或送信的信箱地址变更等各种变更。
而且,也可以预先另外将个人信息登录到中心,从d44或d48开始推进登录作业。
接着图27表示SL服务的登录完成后的信息的交换。
(d51)学习者以一定的进度表推进学习,在终端上记录其学习结果的反应。在学习推进的过程中如果学习者希望参照分析结果的话,则将学习反应数据传送到中心。在这个数据中,根据必要可以包含内容编号、进度表编号、进度表内的提示单元的编号、对各内容的反应或反应时间、内容的编号、学习时间、学习开始时刻和完成时刻、提示单元的编号、终端ID等等。
(d52)中心为每个人保存接收到的学习反应数据,并利用这个数据和根据必要也利用其他学习者的数据,对学习的推进方法进行分析,将(d53)这个结果公布在主页上,(d54)并与此一起将这个主页的URL以及根据必要也将密码等传送给学习者以及根据必要也传送给第三者。当然,在此之际也可以将主页上公布的分析结果作为直接文件传送给学习者或第三者。
(d55)学习者或第三者,随时可以参照这个学习者的学习经过或预测等的分析数据。
(d58)有时要依照学习的进度表,以个人的成绩为基础对进度表条件进行再构筑。此时,从终端一侧将进行了再构筑的信息传送给中心,(d59)中心根据这个再构筑信息,确保记录反应数据的数据库,在构造上施加变更,并使之可以再现学习者的终端的状态。
另外,也可以将在(d52)中保存的反应数据原封不动地、或者将其分析的结果,以个人无法特定的形式或者个人可以特定的形式传送给研究者等第三者。
在所述的系统中,当特定的学习者,想要知道自己的学习过程中的成绩、学习结束时刻的成绩、以特定的进度表条件进行学习时的到达度之预测结果的情况下,由于从中心以E_mail等方式通知可以看到其内容的URL(d57),因此利用与那时同时发送的密码等就可以访问这个URL。
此时,例如图28所示,可以将作为学习成绩表示自我评定值(学习到达度)的经过的图形与为了预测今后成绩将如何变化而进行推定的回归函数结合起来进行显示。
根据图中的图形,在以事件周期单元一个月条件结束了6个月的学习期间的时刻,得到约2.5的评定值。例如当这个评定值在2.5以上时,作为满足取得与该学习相关的资格的条件,如图所示,事先将相关资格的名称、进行这个资格审查的团体名称表示并进行链接。例如,只要点击×××资格(AAA财团法人)http//www.aaa.or.jp的部分,就可以转移到那个主页上。
为了提供资格获取与学习一体化的服务,学习进度表服务站点与图中所示的AAA财团法人、BBB协会、CCC学会那样的资格审查团体合作,利用这些团体所保有的学习内容,向学习者发送学习进度表,当达到一定的水平的情况下,也可以全部或部分地免除用于获取资格的考试。
而且,作为其他的例子,表示在了图29中。它表示了表示以间隔1周进行学习时的学习到达度到现在为止的经过的数据、以及表示以后以间隔1个月进行学习时的学习到达度的预测结果的数据。
进而,如图所示,当学力的到达度成为3以上时,视之为在这个学习领域已经达到了一定的知识水平,根据来自要求具备一定的知识水平的人才的企业或大学的请求,链接显示企业或大学的名称和主页地址。
例如,若以间隔1周的条件进行学习的内容,对英语的听力或写作能力的到达度进行评价的话,在所述连接显示的人才招募站点上,还显示兼职翻译或志愿者招募等。
而且,如果已经保有了图29所示的资格审查站点上的资格的话,也可以使之显示向来自以这个保有资格为招募条件的企业、大学的雇佣招募站点的链接。
接着,根据正在学习的内容的内容以及个人的属性,限定信息检索的区域,为了返回高质量的检索结果,采用以下介绍的结构。
在表示学习者成绩等的上述那样的Web显示中,设置检索链接。该检索链接,由于设置了可以输入在一般的门户站点上执行的检索字的检索窗口,因此当学习者想要检索时,只要输入适当的检索字即可。
这样,学习进度表服务站点将各个学习者输入的检索字储存在数据库65中。然后,在存储检索字的场合,与进行该检索的学习者个人的学力阶段关联起来进行。所谓学力阶段就是从学习的到达度可算出的知识水平和从那个学习者过去的学历等已认定的水平。
例如,当把这个学力阶段分为A、B、C、D、E,5个阶段时,数据库65由图30那样的文件构成。确保每个阶段的存储区域,在各阶段的存储区域中,设置有各自使用的检索字,从访问等级1到访问等级N为止的存储区域。在所使用的字的区域中,登录学习者使用的新的检索字,在各访问等级区域中,在使用了对应的检索字后,就登录实际上学习者所访问的新的站点。
另一方面,当使用已经登录到数据库65上的检索字,访问了登录的同一站点时,在对该访问站点的访问次数进行计数的同时,以访问次数多的顺序进行站点的重新排列。
如果以与图30的学力阶段A关联的区域进行说明的话,已经使用的检索字,有检索字a1、检索字a2、检索字a3,与此相对应,以访问次数多的顺序排列访问站点。
在检索字a1的情况下,表示站点a11的访问次数最多,访问次数次多的站点是站点a21。关于其他的从B到E的学力阶段构成也一样。
然后,访问站点的等级划分(访问等级1~N),是在每次学习者访问站点的时候,进行累计计数,以访问多的顺序进行重新排队,当采用与在数据库中登录的检索字同样的字进行检索时,在Web页上,依照对该检索字的最新的访问站点等级的顺序进行站点显示。
图31表示所述动作的流程。
首先,获取学习者的学力阶段(T1)。接着,获取学习者使用的检索字(T2),在数据库65与该学习者同等学力阶段的区域中,检查是否登录(保存)了获取的检索字(T3)。当没有在数据库65中登录时,将其所使用检索字登录到数据库65中(T4),并如一般显示的检索结果那样地进行显示(T5)。
另一方面,当已经在数据库中登录了同样的检索字时,将与这个检索字对应的访问等级的数据与检索结果数据进行比较,将一致的站点以这个等级顺序进行显示,对不一致的站点以检索结果的顺序进行显示(T6)。
该学习者获取实际访问的站点(T7),在数据库65中,在与该学习者的学力阶段相同的区域,并且在与使用的检索字相同字的区域内,检查是否登录了与访问的站点同一的站点(T8)。当没有登录访问站点时,对该访问站点进行新登录(T9)。
另一方面,当登录了访问站点时,对该站点的访问次数进行计数(T10),对访问站点的等级进行重新排列并更新数据库(T11)。
权利要求
1.一种进度表做成方法,其特征在于,由以下部分组成的时序条件来构成与某种内容相关的事件发生的进度表条件,这些部分是作为与内容相关的事件发生的最小期间的提示单元;比事件发生的提示单元更长,并且对同一内容从事件开始到下一事件发生之前为止之间的间隔;是比所述间隔更短的一定的期间,并用于分散事件的发生的事件周期单元;是比所述提示单元更长,并且比所述事件周期单元的长度更短的期间,用于使内容的提示条件均质配置的条件单元;当开始多个进度表时,表示其开始时刻的不同的延迟期间。
2.如权利要求1所述的进度表做成方法,其特征在于,当某种进度表内的事件的发生,没有以一定的间隔发生的情况下,由基本单元和附属单元构成进度表,其基本单元,由成为基本的间隔、事件周期单元、条件单元和延迟期间构成,附属单元,由将成为所述基本的间隔看作与内容有关的事件发生的最小期间时的间隔、事件周期单元、条件单元和延迟期间构成。
3.如权利要求1或2所述的进度表做成方法,其特征在于,所述进度表是与同一对象的事件的时间上的发生时序有关的,且由时序条件不同的多个进度表的组合而构成。
4.如权利要求3所述的进度表做成方法,其特征在于,在所述多个进度表中,包含有同一或不同的提示条件的组合,或它们与属性条件的组合。
5.一种进度表生成系统,其特征在于为了由诸如作为与内容相关的事件发生的最小期间的提示单元、比事件发生的提示单元更长,并且对同一内容从事件开始到下一事件发生之前为止之间的间隔、是比所述间隔更短的一定期间,并用于分散事件的发生的事件周期单元、比所述提示单元更长,并且比所述事件周期单元的长度更短的期间,用于使内容的提示条件均质配置的条件单元和当开始多个进度表时,表示其开始时刻的不同的延迟期间等部分组成的时序条件,构成与某种内容相关的事件发生的进度表条件,具有输入规定的信息的输入单元,并根据在所述输入单元中输入的信息,生成在事件周期单元内能够设想的条件单元的最大数,以及包含进度表期间的全体的事件周期单元的最大数。
6.如权利要求5所述的进度表生成系统,其特征在于当某种进度表内的事件的发生,没有以一定的间隔发生的情况下,由基本单元和附属单元构成进度表,其基本单元,由成为基本的间隔、事件周期单元、条件单元和延迟期间构成,其附属单元,由将成为所述基本的间隔看作为与内容有关的事件发生的最小期间时的间隔、事件周期单元、条件单元和延迟期间构成。
7.一种尚未经验进度表预测方法,其特征在于对于由一个或多个内容组成的一组,为了生成与所有的内容相关的事件以一定的时序反复发生的进度表,将比作为事件发生的最小期间的提示单元更长,并且比从某个事件开始到下一事件发生前为止之间的间隔更短的一定期间,作为事件周期单元进行设置,采用使之将内容配置为与各内容有关的特定事件在其事件周期单元内发生一次的进度表,以时间序列收集针对所述内容的经验的反应,并从过去收集的反应模式预测今后的反应模式。
8.如权利要求7所述的尚未经验进度表预测方法,其特征在于所述从过去收集的反应模式预测今后的反应模式的方法,是从根据特定的学习进度表进行学习的学习者自身的过去的学习到达度数据的到达度上升率,来预测今后的学习到达度变化。
9.如权利要求7所述的尚未经验进度表预测方法,其特征在于所述从过去收集的反应模式预测今后的反应模式的方法,针对使第一间隔条件的学习进度表和第二间隔条件的学习进度表混合在一起的进度表发生的事件的学习到达度数据,包括从多个学习者收集的阶段;特定第一间隔条件的学习到达度的变化与第二间隔条件的学习到达度的变化的函数关系的阶段;对于成为学习到达度预测的对象的学习者,收集针对以第一间隔条件发生的事件的学习到达度数据的阶段;从该收集数据和所述特定的函数关系,对第二间隔条件下的学习到达度的变化模式进行预测的阶段。
10.如权利要求7所述的尚未经验进度表预测方法,其特征在于当所述第一间隔条件与所述第二间隔条件进行比较时,第一间隔是比第二间隔更短的期间。
11.一种尚未经验进度表预测方法,其特征在于对于关联的多个事件的种类,关于特定的事件,为了采用事件以一定的时序反复发生的进度表,将比事件发生的最小期间的提示条件更长,并且比从事件的开始到下一事件发生前为止之间的间隔更短的一定期间,作为事件周期单元进行设置,生成使之事件在其事件周期单元内发生一次的进度表,对每个关联的多个事件的种类,对事件的发生和与此对应的个人的反应进行编码,并按时间序列进行收集,并将基于最终的反应结果抽出的他人的反应经过模式与个人的反应经过模式进行比较,并将具有类似的反应经过模式的所述他人的进度表作为所述个人的今后的进度表。
12.如权利要求11所述的尚未经验进度表预测方法,其特征在于所述类似的程度,由所述抽出的他人的反应模式经过与所述个人的反应经过模式的内积的值来决定。
13.一种学习进度表评价显示方法,其特征在于其是由网络将学习者终端和Web显示学习到达度的服务器连接起来的学习者评价显示系统;对于由一个或多个内容组成的一组,为了生成与所有的内容有关的事件以一定的时序反复发生的进度表,将比事件发生的提示单元更长,并且比从某个事件的开始到下一事件发生前为止之间的间隔更短的一定期间,作为事件周期单元而进行设置,采用使之将内容配置为与各内容相关的事件在其事件周期单元内发生一次的学习进度表,以时间序列评价与所述内容有关的学习到达度,当学习到达度的评价到达了一定水平时,将与学习到达度有关的数据以及对应学习到达度向与学习内容相关联的站点的链接显示到所述学习者终端上。
14.一种学习进度表评价显示方法,其特征在于,其是由网络将学习者终端和Web显示学习到达度的服务器连接起来的学习者评价显示系统,具备按学习者的学力阶段登录学习者使用的检索字的单元;对应已登录的检索字,对学习者访问的站点进行登录的单元;使用与所述登录的检索字相同的字进行检索,并且当访问与所述登录的站点相同的站点时,对该站点的访问次数进行计数的单元,在学习者终端上,以访问次数多的站点顺序显示检索结果。
全文摘要
本发明提供依照一定的进度表收集个人的反应,可对考虑了个人的属性或内容的性质进行分析和预测的进度表做成方法;以及采用这个进度表,对尚未经验进度表的个人的反应进行预测的方法;和显示其结果的学习进度表评价显示方法。由下述部分构成时序条件,即与内容有关的事件发生的最小期间的提示单元;表示比事件发生的提示单元更长,比从某一事件的开始到下一事件的发生前为止之间的间隔更短的一定期间的事件周期单元;比提示单元更长比事件周期单元更短的期间的条件单元;以及当开始多个进度表时,表示其开始时刻的不同的延迟期间;并使用它来做成与某内容有关的事件发生的进度表。
文档编号G06Q50/10GK1784693SQ20048001230
公开日2006年6月7日 申请日期2004年5月7日 优先权日2003年5月7日
发明者寺泽孝文 申请人:寺泽孝文
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1