IRダッシュボード
2026年度 ｜ 医学科600名・看護学科320名（計920名）／ データ最終更新 2026/08/27 09:14
分析対象学生
920名
医学科600 / 看護320
蓄積レコード
41,286
本日 +312 件
医師国試 合格率(2026)
94.1%
全国平均 +1.7pt
学修リスク検出
23名
前月比 +4名
AI分析 実行回数
148
稼働中
データ処理フローExcel提出 → 検証 → 匿名化 → IR-DB → 可視化
Excel様式
教員／教育支援課
自動検証
様式判定・異常値検出
匿名化
学籍番号→分析ID
IR専用DB
縦断データ蓄積
BI・AI分析
SQL／自然言語
学年別 GPA分布（医学科）
国家試験 合格率の推移
3年連続で全国平均超
入試区分別 6年次到達率・国試合格率
処理アクティビティ
コホート縦断分析
入学年度単位で1年次〜6年次を通した学修状況の推移を追跡します（個人ではなく集団の傾向）
分析条件
医学科
看護学科
全学
GPA
単位修得率
出席率
再試験受験率
入学年度コホート別 GPA推移（1年次→6年次）
縦断データ 6学年分 コホート別サマリ行をクリックで詳細
| 入学年度 | 学科 | 入学者 | 在籍/卒業 | 平均GPA | 留年経験率 | 退学率 | 国試合格率 | 傾向 |
|---|
入試区分別 追跡分析
入試データ（選抜区分・共通テスト得点・調査書評定）と入学後6年間の学修成果を接続して分析します
この分析はパターン①でも実施可能です。入試システムから出力した志願者データ（Excel／CSV）を取り込むことで、入学前情報と入学後成績を分析IDで接続します。既存システムへの直接接続は不要です。
入試区分別 GPA推移
入試区分別 成果指標
入試区分別 サマリ（2020〜2026年度入学者 累計）
| 入試区分 | 対象者 | 入学時得点(平均) | 1年次GPA | 4年次GPA | CBT平均 | ストレート進級率 | 国試合格率 | 相関 |
|---|
国家試験 相関分析
医師国家試験の合否と、1〜6年次の学修データの関連を分析し、早期支援対象の抽出につなげます
国試合否との相関ランキング
AI算出| # | 学修指標 | 相関係数 | 強さ |
|---|
CBT得点 × 国試得点（過去5年 / n=487）
合格群 / 不合格群 プロファイル比較
匿名化済み（個人特定不可）| 指標 | 合格群（n=473） | 不合格群（n=14） | 差 | 判定 |
|---|
AIアナリスト
日本語で質問すると、AIがSQLを自動生成してIR-DBに問い合わせ、結果と所見を返します
質問するよく使う質問はワンクリックで実行できます
分析履歴
| 実行日時 | 質問 | 実行者 | 取得件数 | 状態 |
|---|
Excel取込
現行のExcel様式のまま、ブラウザにドラッグ＆ドロップするだけで取り込めます（様式の作り替え不要）
この画面の通信は、職員PC → クラウド への HTTPS(443) アウトバウンドのみです。
学内LANのファイアウォールにインバウンドの穴を開ける必要はありません（通常のWebサイト閲覧と同じ通信経路）。
ファイルを取り込む
Excel / CSV をドロップ
成績表・出欠集計・臨床実習評定表・入試データ
複数ファイル同時可 ／ 様式は自動判定します
複数ファイル同時可 ／ 様式は自動判定します
取込処理
待機中1
ファイル受領・様式の自動判定
ヘッダー行から様式を推定し、列マッピングを自動生成
2
データ検証（異常値・不整合の検出）
満点超過・学籍番号不一致・重複・行ズレを登録前に検出
3
個人情報の匿名化
学籍番号を分析用IDへ不可逆変換／氏名は分離保管
4
IR専用DBへ登録
縦断データとして年度・学年・科目キーで蓄積
5
集計・ダッシュボード更新
GPA・進級判定指標・リスクスコアを再計算
検証結果登録前に弾いた要修正データ
| ファイル | 行 | 項目 | 検出内容 | AI提案 | 状態 |
|---|
1件のエラーで取込全体が止まることはありません。
正常な行はそのまま登録し、要修正の行だけをこの一覧に残します（Moodleの一括登録で全体が止まる、という課題への対応）。
データ台帳・取込履歴
IR専用DBに蓄積されているデータの一覧と、取込のトレーサビリティ
データ台帳
| データ種別 | レコード数 | 対象年度 | 更新頻度 | 状態 |
|---|
取込履歴
| 日時 | ファイル | 実行者 | 件数 | 結果 |
|---|
ネットワーク構成 ／ セキュリティ要件
情報システム部門（DX担当）への説明用資料としてそのままご利用いただけます
構成図
通信はアウトバウンド（学内→外）の一方向のみ 学内ネットワーク（京都府立医科大学）
職員PC
ブラウザで
Excelをアップロード
Excelをアップロード
既存 教務システム
SQL Server
接続なし
接続なし
学内仮想サーバー基盤
本構成では利用しません（追加のサーバー調達・設置は不要）
学内 FW
OUT 443 ✓ 既存許可
IN ✕ 変更不要
HTTPS 443
アウトバウンド
アウトバウンド
インバウンド
穴あけ不要
穴あけ不要
クラウド（国内リージョン）
教育IR基盤（Webアプリ）
SSO / MFA / IP制限
IR専用DB（匿名化済み）
保存時暗号化 / 国内保管
実線＝実際に発生する通信（学内→クラウドの一方向のみ）
破線＋✕＝発生しない通信（外部から学内への接続は一切なし）
DX担当チェックリスト
全項目クリアファイアウォールのインバウンド開放不要。ポート開放・NAT設定・VPN装置いずれも追加不要
学内サーバーへのソフトウェア導入不要。エージェント・常駐プロセスの設置なし
既存システム（SQL Server）への接続なし。既存システムの構成・稼働に一切影響しません
他社（既存ベンダー）との調整不要。DBスキーマの開示依頼も発生しません
利用する通信職員PCからの HTTPS(443) のみ。通常のWebサイト閲覧と同じ
アクセス制限学内グローバルIPからのみ許可＋Google Workspace SSO＋MFA
個人情報の取扱い学籍番号は不可逆変換。氏名は基盤に保持しない設定も選択可
パターン①の位置づけ
| 観点 | パターン①（本構成） |
|---|---|
| ネットワーク審査 | 最も通りやすい FW変更ゼロ・既存システム非接触 |
| 導入スピード | 速い 他社調整が不要なため最短で着手可能 |
| ベンダーロックイン | 回避 将来の教務システム更改の影響を受けない |
| 運用の手間 | アップロード運用が必要 年数回のまとめ取込で運用可能な設計 |
| データ鮮度 | 取込時点 リアルタイム同期ではありません |
| 既存データの活用 | 出力が必要 過去データは既存システムのExcel出力機能で取得 |
パターン②との併用も可能です。まずパターン①で立ち上げ、既存ベンダーとの調整が整った段階でパターン②のデータ連携を追加する段階導入をおすすめしています。
匿名化・権限管理
「個人情報を排除した状態で、学生の動向を分析したい」という要件に対応します
匿名化モード
ON
匿名化モード ON：分析画面では学籍番号・氏名は表示されず、分析用ID（不可逆ハッシュ）のみで扱われます。集団の傾向分析には十分な粒度を保ちながら、個人特定はできません。
分析ビューのサンプル上のトグルで表示が切り替わります
| 識別子 | 学科 | 学年 | 入試区分 | GPA | 出席率 | リスク |
|---|
個別の学生を特定した支援が必要になった場合のみ、教育支援課の権限＋操作ログ記録のもとで、分析IDから学籍番号を照合する運用が可能です（照合は監査ログに残ります）。
権限マトリクス
| 機能 | 教員 | 教育支援課 | 教育センター | IR担当 |
|---|