![見出し画像](https://assets.st-note.com/production/uploads/images/139678414/rectangle_large_type_2_0164b139c31ab9b22e43ec6699ff415c.png?width=800)
【AIで子ども1人1人を時短分析】ChatGPT を使って、学力とウェルビーイングの相関関係を5分で分析できた!!
この記事は、2024年5月6日に加筆しました。
![](https://assets.st-note.com/img/1714961528371-i8tCDlzKU8.png?width=800)
上記の図が今回作成する3年3組の散布図です。これは1年前に作ったものです。今は、ラベルを日本語にすることも可能です。
僕はAIによって、学校の先生の業務を少しでも改善できたら良いと思っています。今回は、業務の改善というよりも、先手の指導をするための材料をAIで簡単に作れるというものです。具体的に言うと、子どもの学力と非認知能力をAIによって簡単に散布図で視覚化し、それを使って先生どうしで共有、先手の指導につなげるというものです。
上記のようなパット見てわかりやすい図があると、多忙な先生でも子どものために、様々議論ができます。これまでは、QUアンケートという有料のものであったり、学力調査であったり、いろいろ使ってましたが、どれも共通して問題があります。
調査したあと、一番欲しいときに分析が終わって、資料が手元にあるかどうかわからないんです。。。夏の研修のときに使おうと思っても、その資料がなかったら、議論仕様ありません。
ですが、今回僕が提案する分析は、ChatGPTに課金さえすれば、自分のペースで優秀な秘書と一緒に爆速で分析が可能です。ぜひ、試してみてください!!
僕は学校の教師なので統計分析が必要かと言われたら必要ではないです。ただ、統計分析ができたら、子どもの状態を的確に把握することができて、子どもの支援とか授業計画をより的確に作ることができます。
今回は、ざっと5分でやったことを一気に説明します。もし、統計に関する言葉とかでわからない単語があったり、これを機に統計の勉強をしてみようと思われた方は、以下の本がおすすめです。
今回はテストとウェルビーイングの関係を分析
今回は学力とウェルビーイングの関係を分析しますが、これを男女差、つながり(社会関係資本)、レジリエンスなどの非認知能力との関係にして分析することもできます。
これは、学校がそれぞれ重点目標にしていることがあると思うので、質問内容だけ考えたらどんなパターンの分析もできます。
このデータはすべてダミーです。また、もし、実際に分析するとしても、名前のところは数字に置き換えてください。名前もChatGPTに読み込まれるといろいろ問題があると思うので。
さて、Excelのデータ画面は以下です。ピンクのデータが5教科のテスト結果のダミー、黄緑のデータがウェルビーイングの質問結果のダミーです。
![](https://assets.st-note.com/img/1690180980975-xg99lSnj7j.png?width=800)
ちなみにウェルビーイングの質問については、以下の7つです。
この質問がウェルビーイングを測る上で妥当かどうかは一旦おいておいてください。
(1)難しいことでも解決するために、いろいろな方法を考える
(2)失敗してもあきらめずにもう一度挑戦する
(3)つらいときや悩んでいるときは自分の気持ちを人に聞いてもらいたいと思う
(4)うれしくてたまらないときは自分の気持ちを人に話したいと思う
(5)学校での生活は、全体的に楽しい
(6)毎日、不安や心配がなく、生活できている
(7)いじめや差別を受けないか心配になることがある
ウェルビーイングのスコアを合成したいです。これを合成するための信頼性分析をしてくれませんか?
まず、上記のような質問をChatGPTにしました。スコアの合成とは簡単に言えば、上のウェルビーイングに関する質問7つを1つにまとめて、子どものウェルビーイングスコアにするというものです。
その上で、信頼性分析という、7つの質問がウェルビーイングのスコアとして同じものとして測った良いか?というものです。この分析をして、クロムバックのアルファが0.7以上であればまとめる上では良いんじゃない?という感じです。以下、ChatGPTの回答も載せておきます。
信頼性分析は、項目の一貫性を評価するための統計的手法です。これは通常、クロンバックのアルファを計算することで行われます。クロンバックのアルファは、0から1の範囲で、高い値(通常は0.7以上)は項目が一貫していることを示します。
計算したクロンバックのアルファの値は約0.56です。一般的に、クロンバックのアルファが0.7以上であれば、質問項目が内部的に一貫していると見なされます。この値は0.7未満ですが、それでも中程度の一貫性があります。つまり、これらのウェルビーイングの項目は、ある程度一貫して同じ概念を測定していると言えそうです。
ただし、値が0.7未満であることは、これらの項目が完全には一貫していないことを示しています。したがって、これらの項目を単純に合成すると、いくつかの項目が他の項目と異なる概念を測定している可能性があります。
また、ここで計算したクロンバックのアルファは、欠損値を除外したケースに基づいています。欠損値がランダムに発生している場合、この推定値はバイアスがかかる可能性があります。
以上の結果を踏まえ、ウェルビーイングのスコアを合成する方法については、慎重に検討する必要があります。
ウェルビーイングのスコアの変数とテストのスコアの合計の相関係数を出してもらえますか?
クロムバックのアルファが0.56でしたが、まぁ今回はウェルビーイングスコアとして分析していきましょう。
相関係数はテストの点数とウェルビーイングスコアがどの程度関係があるかについて数値化するものです。以下、ChatGPTの回答です。
テストスコアの合計とウェルビーイングのスコアの合計の間の相関係数は約0.38です。これは中程度の正の相関を示しています。つまり、テストスコアが高い生徒は、一般的にウェルビーイングのスコアも高い傾向にある、と解釈できます。
ただし、相関係数が全ての関係を捉えるわけではないことに注意が必要です。具体的には、相関係数は線形の関係性のみを捉え、変数間の非線形の関係や因果関係を示すものではありません。
また、ここで計算した相関係数は、欠損値を持つケースを除外せずに計算されています。これは、欠損値がランダムに発生している場合、推定値にバイアスが生じる可能性があることを意味します。
ということで、テストの点数を高くすることは子どものウェルビーイングを高くすることに繋がっていくというものですね。
では、これだけだとざっくりしているので、さらに散布図にして、誰のウェルビーイングが高くて、誰のウェルビーイングが低いのかについて分かるようにお願いしてみます。
縦軸をテストのスコアの合計、横軸をウェルビーイングとして散布図をつくってください。
散布図は、以下の記事での作ってます。よかったらどうぞ。学校には向いていると思います。
すると、全学年、全クラスのデータを一気に散布図にしてくれました。このデータからも緩やかに正の相関をしていることがわかりますね。(テストのスコアが高い子どもほど、ウェルビーイングも高い)
ただ、全学年だと見にくいです。
![](https://assets.st-note.com/img/1690182053141-EQ4T4trMZO.png?width=800)
続いて、この散布図を学年、クラス別に作ってもらいました。お願いの仕方は省略します。気になる方は質問か上の記事を見てください。また、平均線もそれぞれいれました。
すると、以下のようなデータが出てきました。
ダミーなので、各学年1クラスずつ載せてます。
![](https://assets.st-note.com/img/1690182191870-sSI9PJqTPf.png?width=800)
![](https://assets.st-note.com/img/1690182207831-ULUr45QA6Y.png?width=800)
![](https://assets.st-note.com/img/1690182217886-ZfTn7nj6e6.png?width=800)
このように散布図にすることで、左下にいる子が誰なのか?また、クラスに居るしんどい子やリーダーがどこにいるのか?をぱっと見てわかるので、研修とかで学年教師団で話をするとデータをもとに話ができるのでおすすめです。
散布図の活かし方に興味があれば、以下の記事を御覧ください。これは、ChatGPTにこの機能がつく前に書いた記事です。Excelで頑張って作ったのですが、ほぼ意味ないですねwww
まとめ
今回は、大学の先生に高いお金を払わなくても、統計の本をちょこっとかじったような知識で誰でも統計分析ができるという話です。実際に、いろいろChatGPTがどのような分析が良いか教えてくれますし、妥当かどうかの判断もしてくれます。
さらに、今回のウェルビーイングスコアの出し方は全部足しているのですが、主成分分析というSPSSという数十万もするソフトを買わないとできないような分析もできましたwww
もっと言えば、この分析をざっとした後に、ChatGPTに2000字程度で記事を書いてと言ったら、以下のような記事も書いてくれました。もはや、神ですww
以上、今回は誰でも統計分析ができるよって話でした。もし、動画でも欲しいとか、もっとこんなことしてほしいなとかあったらぜひ、コメントやDMください。
タイトル:「誰でも統計分析ができる時代がきた!!ChatGPT "Code Interpreter"を使って、学力とウェルビーイングの相関関係を5分で作れた!!」
私たちは今、AIが人間の日常生活を豊かにする時代に生きています。最新のAI技術を活用することで、誰でも簡単に高度な統計分析を行うことができます。今日は、OpenAIが開発したChatGPT "Code Interpreter"を使って、学力とウェルビーイングの相関関係を分析する方法をご紹介します。
ChatGPT "Code Interpreter"は、自然言語の質問や指示に対してPythonのコードを生成するAIです。このAIを使えば、特にプログラミングの経験がない人でも、データ分析を行うことが可能です。
今回の分析では、学生のテストスコアとウェルビーイング(心の健康状態)のスコアに関するデータを使用します。まず、データをロードし、データの概観を把握します。これには、PandasというPythonのライブラリを使用します。データの内容を確認した後、ウェルビーイングのスコアに関連する項目の一貫性を評価します。この一貫性は、クロンバックのアルファという統計量で測定します。
次に、テストスコアとウェルビーイングのスコア間の相関関係を調査します。相関関係は、データの間の直線的な関係を示します。この相関関係を視覚化するために、散布図を作成します。
さらに、学年やクラスごとにこの相関関係を見るために、学年とクラス別の散布図を作成します。このプロセスでは、データから学年とクラスの情報を抽出し、それを元に個々の散布図を作成します。
最後に、これらの散布図をZIPファイルにまとめ、ダウンロード可能な形で提供します。これにより、読者は自分の時間でデータを詳しく調査することができます。
全体として、ChatGPT "Code Interpreter"を使用すると、複雑な統計分析を簡単に行うことができます。この分析では、学力とウェルビーイングの相関関係を深堀りしましたが、このAIを使えば、他の様々なデータセットについても同様の分析を行うことが可能です。
データ分析は今や、ビジネスだけでなく、教育、医療、社会科学など、さまざまな分野で重要なスキルとなっています。ChatGPT "Code Interpreter"は、このスキルを手に入れるのに役立つ強力なツールです。これからもこのようなAI技術が進化し続けることで、誰でも簡単にデータ分析を行うことができる時代が来ることを心待ちにしています。
この記事案はあくまで一例です。読者の興味や記事の目的に合わせて内容を調整することをお勧めします。また、分析の詳細や結果について詳しく説明することで、記事をさらに充実させることができます。
テキトー教師について
ここまで読んでいただきありがとうございました!!
AIを学ぶコミュニティDiscordを作りました!!
Discordはリンクがころころ変更になるので、以下のオープンLINEチャットに入ってもらったらリンクを伝えますね!!
僕がこのDiscordを作ったのは、AIを使う時間を習慣にしようと思ったのが理由です。発信、交流を強制することで、絶対触らないとってなりますwwただ、今のうちに触っておくことが大きな差になりそうな気がしています。
質問待ってます!
もし、もっと具体的に知りたいとか質問があれば、DMもしくは、以下のオープンLineチャット、質問箱から質問してください!
この記事が気に入ったらサポートをしてみませんか?