今年 3 月 2 日和 3 日，我参加了日本教育技术协会 2024 年春季全国大会。

这次，我在自主专题研讨会上作了发言，题目是 “从粒度学习数据分析中我们能看到什么？ 如何分析学习过程 “的研讨会上发言。 我谈到了应如何捕捉和分析学习行为的时间序列特征，以了解学习者的学习过程。 我介绍了作为分析方法之一的滞后序列分析法，并报告了一个利用这种方法进行学习过程分析的案例研究。 谷口雄太教授就编程学习环境 “WEVL “的开发及其在细粒度LA中的应用发表了演讲，我很喜欢他的演讲。 我自己也想体验一下使用 “WEVL “进行编程学习。 我还与山田政宽教授和谷口雄太教授就细粒度数据的使用问题进行了深入讨论，例如分析结果应如何反馈给教师和学生，以及仅靠系统能在多大程度上把握学习的全貌等。 特别是，我们与在座的教师就如何使用精细数据进行了热烈的讨论。 我自己也被问到了诸如滞后序列分析和隐马尔可夫模型之间的区别等问题，并认识到简而言之，有许多不同的序列分析方法。 虽然我从事的是为学习者开发支持系统和使用学习分析方法分析学习者行为的工作，但我加深了自己对学习分析方法如何帮助教师的想法，并感到自己能够看到未来研究的潜力。

除了我的发言，我还听取了主要关于教育和学习支持系统以及 VR 的研究报告。 一个是开发用于灾难模拟的 VR 环境，另一个是评估用于内部培训的 VR 环境。 这些研究让我深入思考了 VR 技术为学习环境带来的创新潜力–VR 不只是用于高风险的课程内容（如解剖课或危险化学实验的模拟），还可用于超越正规学习背景、成为实践场所的学习环境。 会议还意识到其在非正式学习中的应用，如在正式学习之外作为实践场所的学习环境中的应用。 在这一环节之后，东京理科大学的渡边由纪（Yuki Watanabe）教授与主讲人之间的讨论也非常有趣：VR 学习环境与传统学习环境之间的差异、如何利用 VR 所特有的身临其境的感觉，以及如何捕捉 VR 学习环境下作为学习效果的行为变化。 就以下议题的讨论提出了一些建议。这与我们目前正在进行的学习分析研究密切相关，其中的关键问题是如何利用学习分析来分析新技术学习环境中的学习行为，以及我们应该如何理解这些行为与传统学习环境中的行为之间的差异。这些问题对我们而言都是值得思考的。

过去，我曾在新冠时期通过网络参加过全国春季学会，但这是我第一次面对面参加会议。因此，虽然我很紧张，但还是直接聆听了各种研究报告并提出了问题，参加学会的这两天收获颇丰。

(笔者：DX促进部项目助教 耿光旺)