評価と学習分析

概要

測定したい能力を明確化し、観測データと指標を整備。運用に耐える可観測性を設計します。

評価設計の第一歩

ブルーム分類で狙いを定め、ルーブリックで採点基準を具体化。難易度/識別力/妥当性の観点からテスト品質を継続評価する。不正対策（問題バンク、ランダム化、再テスト設計）も同時に進める。

評価設計

• ブルーム分類/ルーブリック
• テスト信頼性/妥当性
• 再テスト・不正対策
• ブログ

学習分析の実装

到達度推定や離脱兆候検知のモデルは、ダッシュボードの「行動可能なインサイト」に落とし込む。過剰な指標は判断を鈍らせるため、役割別（学習者/講師/管理者）に見せ方を最適化する。

分析観点

• 到達度推定と推移
• 離脱兆候の早期検知
• 学習コンテンツの改善点抽出
• ブログ

データガバナンス

PIIの最小化、匿名化、保存期間の定義、目的外利用の禁止、アクセス権限の管理などを明文化。説明可能性と監査ログを確保し、モデル更新時は再評価を行う。