既存の成績管理システム（コンピュータームーブ社／SQL）と入試・出欠データを統合し、個人ではなく学生集団（コホート）の教育成果を可視化します。表示中の個人情報はすべて匿名化フィルタ適用済みです。
学年別 平均GPA 推移
2020〜2025年度・医学科／看護学科入試区分 × 6年間パフォーマンス
入学者コホート追跡（匿名集計）| 入試区分 | 人数 | 平均GPA | 留年経験率 | 国試合格率 |
|---|
保存済みレポート
教育審議会・自己点検評価用| レポート名 | 用途 | データ範囲 | 更新 | 状態 |
|---|
日本語の質問文を SQLクエリに自動変換し、匿名化フィルタを通したうえで成績・入試・出欠の統合データに問い合わせます。生成SQLは常に開示され、そのまま編集・保存できます。
上の候補質問をクリックしても実行できます。
入学年度・入試区分・カリキュラム改訂の単位で学生集団を切り出し、教育プログラムの妥当性を比較検証します。抽出条件はそのままSQL化して保存できます。
| 指標 | 群A | 群B | 差 | p値 |
|---|
カリキュラム改訂の効果検証
2019年度版 → 2023年度版（臨床実習前倒し）入学時（共通テスト・調査書）から6年次・国試までを1本の時系列として保持します。学籍番号はハッシュ化した匿名IDに置換され、権限に応じて再識別可否が制御されます。
| 匿名ID | 学科 | 学年 | 入試区分 | 累積GPA | 状態 |
|---|
入学時成績と最終アウトカムの相関
共通テスト得点率 × 6年次総合評価（n=612）出欠・小テスト・再試験履歴から留年・国試不合格の予兆を検知します。個人を評価するためではなく、教育支援・面談の優先度づけに使う運用を想定しています。
検知リスト
モデル更新：2026/08/24 03:00| 匿名ID | 学年 | リスク | スコア | 主な根拠 | 推奨アクション |
|---|
※ 検知結果は教育センター内で共有され、学生本人への通知有無は運用ポリシーで制御します。
既存の成績管理システム（コンピュータームーブ社／SQL Server）を変更せず、読み取り連携＋匿名化を経て分析DBを構築します。将来のシステム更改時も分析層はそのまま残せる構成です。
| ソース | 方式 | 頻度 | 状態 |
|---|
匿名化ポリシー
分析用ビュー生成時に自動適用分析DBに取り込むテーブルと項目の一覧です。既存システムの学籍・履修・成績・入試・出欠を横断できる形に正規化します（行クリックで項目定義）。
| テーブル | 由来システム | 行数 | 主な項目 | 匿名化 | 更新 |
|---|
結合キー設計
学籍番号 → 匿名ID（HMAC-SHA256・年度ソルト）入試システムの「新入生取込処理」で学籍番号が採番されるタイミングで対応表を作成し、対応表そのものは分析DBから物理的に分離して保管します。
この画面は構成A：既存の成績管理システムからデータを取得する案のデモです。現行システムには手を加えず、読み取り接続と匿名化を経て分析層だけを新設します。
現行のSQLデータベースへ読み取り専用で接続し、匿名化ビュー・BI・AIクエリ層を上に重ねる方式。
- 既存データをそのまま活用（移行作業なし）
- 教員・支援課の入力業務フローは変更なし
- 過去の蓄積データも初日から分析対象になる
- 構築期間：約3.5か月（年内稼働が可能）
- 懸念：将来ベンダーを変更する際に接続層の再設計が必要
教員のExcel／CSVを直接取り込む独立DBを構築する案です。ベンダーロックインを避けられる一方、当面は現行システムとの二重管理が発生します。
※ 2つのデモは同じ分析画面を備えており、違いはデータの入り口だけです。
比較表
◎ 優位 ／ ○ 可 ／ △ 要検討| 評価軸 | 構成A：既存システムから取得 | 構成B：Excelから取得 |
|---|