今年3月2日和3日，我参加了日本教育技术学会2024年春季全国大会。

此次，我在自主策划研讨会“细粒度学习数据分析能看到什么？思考如何进行学习过程分析”中进行了演讲。我主要探讨了为了理解学习者的学习过程，应该如何捕捉和分析学习行为的时间序列特征。我介绍了滞后序列分析（Lag Sequential Analysis）作为一种分析方法，并报告了应用该方法的学习过程案例。与我一同担任演讲嘉宾的谷口雄太老师所做的题为“编程学习环境‘WEVL’的开发及其向细粒度LA的扩展”的演讲非常精彩。我自己也想尝试使用“WEVL”来体验编程学习。此外，关于如何将分析结果反馈给教师和学生，以及系统本身能在多大程度上把握学习的全貌等细粒度数据应用中的课题，我与山田政宽老师、谷口雄太老师进行了深入探讨。特别是与会场的老师们就细粒度数据应用如何发挥作用展开了热烈的讨论。我本人也收到了关于滞后序列分析与隐马尔可夫模型之间区别等提问，这让我认识到，即使统称为序列分析，也存在多种多样的方法。我目前从事面向学习者的支持系统开发以及利用学习分析进行学习者行为分析的工作，通过此次交流，我加深了对学习分析如何服务于教师的思考，也看到了未来研究发展的方向。

除了我自己的演讲外，我还听取了主要关于教育及学习支持系统以及VR相关的研究发表。其中两项VR相关的发表令我印象深刻。一项是用于灾害模拟的VR环境开发，另一项是关于企业内部培训用VR环境的评估。通过这些研究，我深刻思考了VR技术为学习环境带来创新的可能性。我意识到，VR不仅可以用于高风险的教学内容（例如解剖学课程或危险化学实验模拟等），还可以超越正式学习的语境，应用于作为实践场所的学习环境等非正式学习中。该环节结束后，东京理科大学渡边雄贵老师与演讲者们之间的讨论也非常有趣。从关于VR学习环境与传统学习环境的区别、如何利用VR的沉浸式特征，以及如何捕捉VR学习环境下作为学习效果的行为变化等讨论中，我获得了许多启示。这与我目前正在进行的研究密切相关，我认为如何利用学习分析来分析引入新技术学习环境中的学习行为，以及如何理解这些行为与传统学习环境行为之间的差异，是当前的重要课题。

过去我曾有过在新冠疫情期间线上参加春季全国大会的经历，但这次是我首次线下参会。因此，尽管感到紧张，但我能够直接聆听各种研究发表并进行提问，度过了非常充实的两天。

（文责：耿学旺 (DX推进本部 特任助教)）