IRダッシュボード
教育支援課がお持ちのExcelを取り込むだけで、学生集団の教育状況を可視化します（既存システムには一切接続しません）
統合レコード数
107,460
教育支援課 所有データリスト（2026.6）準拠
取込済データ種別
11/11 種
医学科 7種／看護学科 4種
保持する個人情報
0件
氏名・生年月日は取込前にブラウザ上で除外
既存システムへの接続
0件
LAN設定変更・ベンダー調整 不要
学修リスク検知
14
前週比 +2名／要面談候補
Excel取込フロードラッグ＆ドロップから分析可能になるまで 約30秒
Excelを投入
現行の様式のまま
ドラッグ＆ドロップ
ドラッグ＆ドロップ
AI列判定
様式のゆれを
自動で吸収
自動で吸収
検証
欠損・型・重複
のチェック
のチェック
入試データ結合
IR-IDまたは受験番号
で自動結合
で自動結合
匿名化
氏名を切り離し
匿名IRキーに変換
匿名IRキーに変換
分析可能に
縦断分析／AI所見
ダッシュボード更新
ダッシュボード更新
ポイント：この方式では既存の教務・入試システムに 一切接続しません。学内LANの設定変更はもちろん、コンピュータムーブ社との調整も不要のため、NDA締結後すぐに着手できます。
入試区分別 GPA推移（医学科・2020年度入学コホート）
医学科
看護学科
取込アクティビティ
LIVE 国家試験 合格率の推移
年間 取込カレンダー所有データリストの「入手時期」に基づく
データ台帳
教育支援課 所有データリスト（2026.6）の11種を、そのままの粒度で管理します
医学科データ
7種 / 57,240件
1学年120名／最長24年分
看護学科データ
4種 / 50,220件
1学年90名／最長24年分
合計レコード数
107,460件
この規模は1台のサーバーで十分に扱えます
所有データ一覧行クリックで項目の詳細
すべて
医学科
看護学科
| データ名称 | 学科 | 入手時期 | 対象学年 | 保有年 | 主なデータ内容 | 件数 | 取込状況 | 識別キー | 氏名の受領 |
|---|
この台帳の意味：いただいた所有データリストをそのまま取り込み、「どのデータが・何年分・どこまで揃っているか」を一覧で管理できる状態にします。分析のたびに「あのExcelはどこだったか」を探す必要がなくなり、担当者が代わっても引き継げます。
Excel取込
現在お使いのExcelの様式のまま投入できます。列名の変更や事前整形は不要です
現在の運用フローと、導入後の変化教務システム運用マニュアル 第4章（出欠処理）・第5章（成績処理）の正規フローに準拠
現在（As-Is） 出欠・成績データの流れ
① 事務がExcel出力
出欠調査表／
採点原簿
採点原簿
② 教員へ配布
担当教員ごとに
ファイルを配布
ファイルを配布
③ 教員が記入
欠席は「1」／
点数を入力
点数を入力
④ 事務が回収
教育支援課が
とりまとめ
とりまとめ
⑤ システムへ取込
出欠集計／
採点原簿 取込
採点原簿 取込
⑥ 別途Excelで保管
11種・107,460件
教育支援課で管理
教育支援課で管理
⑦ 分析は都度 手作業
年度・学年をまたぐ
突合ができない
突合ができない
導入後（To-Be） ①〜⑤は一切変更しません
①〜⑤ 変更なし
教員の記入も
事務の取込もそのまま
事務の取込もそのまま
⑥ IR基盤へアップロード
＝増えるのはここだけ
＝増えるのはここだけ
年1〜2回／1回 約30秒
ドラッグ＆ドロップ
ドラッグ＆ドロップ
⑦ AIが様式を吸収
列の増減・表記ゆれを
自動で正規化
自動で正規化
⑧ 自動で名寄せ・結合
入試〜国試まで
1本の線でつながる
1本の線でつながる
⑨ いつでも分析可能
手作業の突合が
不要になる
不要になる
教員の作業は1つも増えません。出欠調査表・採点原簿への記入も、教育支援課での回収・システム取込も、現在のままです。増えるのは「回収したExcelをIR基盤にもアップロードする」1ステップだけ（年1〜2回・1回30秒）です。
マニュアル第5章の注意書きへの回答。「取込元の成績報告書(EXCEL)は、行・列の追加等のレイアウト変更がされていた場合、正常に処理できません」——教員が列を足してエラーになるケースがありますが、IR基盤側はAIが列を判定するため、様式が崩れたファイルもそのまま取り込めます。
1
ファイル投入2
AI列判定3
検証4
名寄せ5
取込確定 ファイルを投入
未取込 1件：CBT試験結果（2026年度）Excelファイルをドラッグ＆ドロップ
またはクリックしてファイルを選択 ／ .xlsx .xls .csv に対応（複数シート可）
クリックで取込デモを開始します
取込履歴
入試データの結合
学籍番号を持たない「志願者履歴ファイル」を、IR基盤に氏名を保存せずに結合するための3つの方式
データ別の識別キー所有データリスト（2026.6）の項目欄より
| 識別キー | 対象データ | 件数 | 構成比 | IR基盤に保存する個人情報 |
|---|
志願者履歴ファイルの結合方式カードをクリックで詳細が切り替わります
推奨
方式A：大学側でIR-IDを付番
大学側の作業年1回・210行
IR基盤が保持する氏名なし
実現可能性高（対応表は既存）
要確認
方式B：受験番号で自動結合
大学側の作業なし
IR基盤が保持する氏名なし
実現可能性確認事項 2件
最終手段
方式C：AIによる名寄せ
大学側の作業なし
IR基盤が保持する氏名一時的にあり
実現可能性NDA締結が前提
方式A：大学側でIR-IDを付番して渡す最も安全な既定案
IR基盤に氏名を保存しません① 対応表を出力
受験番号↔学籍番号
（既存システムから）
（既存システムから）
② IR-IDを付番
任意の番号でOK
年210行のみ
年210行のみ
③ 氏名列を削除
氏名・カナ・生年月日
を落として渡す
を落として渡す
④ 取込
IR-IDで
他データと自動結合
他データと自動結合
⑤ 縦断分析
入試〜国試が
1本の線でつながる
1本の線でつながる
お手元の志願者履歴ファイル（現状）
氏名 ／ カナ氏名 ／ 性別 ／ 生年月日 ／
総合順位 ／ 2次試験結果 ／ 面接評価 ／
共通テスト得点 ／ 出身高校 ／ 評定平均値
IR基盤に取り込む形（加工後）
IR-ID ／ 性別 ／ 卒後年数（0:現役〜） ／
総合順位 ／ 2次試験結果 ／ 面接評価 ／
共通テスト得点 ／ 出身高校の都道府県 ／ 評定平均値
生年月日も不要です。分析で効くのは「現役か浪人か」なので、入試システムに既にある 卒後年数（0:現役〜） があれば足ります。出身高校も校名は不要で、都道府県と設置区分だけあれば分析は成立します。
コホート縦断分析
入学年度ごとの集団を、入試から国家試験・進路まで一本の線で追跡します
分析条件
学科
医学科
看護学科
全学
指標
平均GPA
取得単位数
再試験受験率
CBT得点
入試区分
すべて
一般選抜（前期）
推薦選抜
編入学
入学年度別 縦断サマリ（医学科）行クリックでコホート詳細
AI注視ポイント 2件| 入学年度 | 入学者 | 共通テスト平均 | 1年GPA | 3年GPA | CBT平均 | 留年率 | 国試合格率 | AI所見 |
|---|
学年別 再試験受験率（2020〜2024入学）
AI所見サマリ
① 2回生後期の再試験受験率が上昇傾向。2020年度入学 18.3% → 2024年度入学 24.1%。カリキュラム改訂（基礎医学統合実習）の時期と重なります。
② 入試区分による差は縮小。推薦選抜と一般選抜の1年GPA差は 0.21 → 0.06 に縮小。一方 3年時点では差が再拡大しています。
③ CBT下位20%群のフォローが有効。4回生CBT下位20%に補習を実施したコホートでは、国試合格率が +4.2pt 改善しています。
国家試験 相関分析
「国家試験に落ちた学生は、低学年のどの成績に傾向が出ていたのか」を定量的に検証します
国試合否との相関係数ランキング医学科・取込済データ（1,428名分）
| # | 指標 | 相関係数 | 強さ | 判定 |
|---|
CBT得点 × 国試合否
CBT 68点未満の群では国試不合格率が 18.6%（全体 4.1%）。4回生時点で介入余地があることを示しています。
AIによる要約
学内データのみ参照入試成績よりも、低学年の「つまずきの回数」の方が国家試験と強く相関しています。
共通テスト得点（r=0.24）・高校評定平均（r=0.11）・面接評価（r=0.05）は国試合否をほとんど説明しません。一方で、2〜3回生の再試験受験回数（r=-0.55）と 4回生CBT得点（r=0.71）、6回生MEC模試・冬（r=0.78）が強い説明力を持ちます。 すなわち「入口で選ぶ」より「入学後2〜3年目のつまずきを早期に検知して支援する」方が、国試合格率の改善に直結する可能性が高いと考えられます。
共通テスト得点（r=0.24）・高校評定平均（r=0.11）・面接評価（r=0.05）は国試合否をほとんど説明しません。一方で、2〜3回生の再試験受験回数（r=-0.55）と 4回生CBT得点（r=0.71）、6回生MEC模試・冬（r=0.78）が強い説明力を持ちます。 すなわち「入口で選ぶ」より「入学後2〜3年目のつまずきを早期に検知して支援する」方が、国試合格率の改善に直結する可能性が高いと考えられます。
AIアナリスト
日本語で聞くだけで、AIがSQLを生成して取込済データから抽出・集計します（データサイエンティスト不要）
学内データは学習に使用しません
質問する
よくある質問をクリックでも実行できます 分析履歴
| 日時 | 質問 | 実行者 | 抽出件数 | 状態 |
|---|
ネットワーク構成
既存システムに接続しないため、学内ネットワークへの影響は「ブラウザでWebサイトを開く」のと同じです
構成図ノードをクリックで説明が表示されます
クラウド構成 学内ネットワーク（既設・変更なし）
教育支援課・教育センター PC
ブラウザのみ／ソフト導入不要
手元のExcelをアップロード
手元のExcelをアップロード
教務システム DB（Step）
接続しません／改修なし
ベンダー調整も不要
ベンダー調整も不要
入試システム DB（Step）
接続しません／改修なし
学内サーバーへの常駐プログラム
設置しません
発生しないもの（DX担当部門への回答）
- 受信ポート（インバウンド）の開放
- VPN・専用線の敷設／固定IPの取得
- ファイアウォールの設定変更
- 既存システムへの接続・改修
- 学内サーバーへのソフトウェア設置
- 既存ベンダーとの調整・費用負担
HTTPS 443
ブラウザからの
通常アクセスのみ
ブラウザからの
通常アクセスのみ
一方向
TLS1.3暗号化
TLS1.3暗号化
IR基盤（国内クラウド／専用テナント）
IR統合データベース
保存時暗号化／国内リージョン
名寄せ確定後は氏名を切り離し
名寄せ確定後は氏名を切り離し
取込・AI列判定エンジン
様式のゆれを自動吸収
AIアナリスト（自然言語→SQL）
学内データは学習に使用しません
アクセス制御
大学IP制限＋SSO＋多要素認証
データの管理主体と、弊社の関与範囲「誰のデータが、どこにあるのか」の整理
管理主体は大学| 場面 | データの所在 | 弊社の関与 |
|---|---|---|
| 日常の取込・データ連携 | 大学のIR基盤の中だけ | なし |
| 分析・ダッシュボード閲覧 | 大学のIR基盤の中だけ | なし |
| IR-ID ↔ 学籍番号 の対応表 | 学内のみ（大学が保管） | なし（複製も保持しません） |
| 開発・検証フェーズ | サンプルデータを弊社が一時的に受領 | あり（NDA締結／氏名はダミー化） |
| 保守・障害調査 | 大学のIR基盤に、許可を得てアクセス | 都度承認／全操作を監査ログに記録 |
クラウド構成を選んだ場合も、テナントは大学のものです。本システムは大学が運用されるシステムであり、日常の取込・分析で弊社がデータを受け取ることはありません。弊社はシステムの開発・保守を担う委託先という位置づけになります（個人情報保護法上の委託先の監督は大学が行う形になります）。
パターン①（既存システム連携）との比較
どちらも学内LANの穴あけは不要です| 観点 | ① 既存システム連携型 | ② Excel取込型（本案） |
|---|
おすすめの進め方：まず ② Excel取込型で年内に立ち上げ、実際にIR分析を回して要件を固めます。並行してコンピュータムーブ社との調整を進め、協力が得られた段階で ① の自動連携に切り替える——データ構造は共通のため、分析画面や蓄積データはそのまま引き継げます。将来の教務システム更新時も、IR基盤側は影響を受けにくい設計です。
匿名化・権限管理
個人情報を保持したまま、集団の傾向分析ができる状態を作ります
匿名化モード
匿名モード（既定）
氏名を持たず、匿名IRキーのみで分析します
名寄せ確定後、氏名は切り離します。Excel取込型では突合のために一時的に氏名を扱いますが、紐付けが確定した時点で氏名列を削除し、以後は匿名IRキーのみで運用します。
権限マトリクス行クリックで編集
| 役割 | 集団分析 | 個票閲覧 | 氏名照合 | データ取込 | SQL直接実行 |
|---|
セキュリティ対策一覧
通信
TLS1.3／ブラウザからのHTTPSのみ／受信ポート開放なし
TLS1.3／ブラウザからのHTTPSのみ／受信ポート開放なし
保存
保存時暗号化（AES-256）／国内リージョン限定／日次バックアップ30世代
保存時暗号化（AES-256）／国内リージョン限定／日次バックアップ30世代
認証
大学IP制限＋SSO（既存の認証基盤に接続可）＋多要素認証
大学IP制限＋SSO（既存の認証基盤に接続可）＋多要素認証
権限
役割ベース制御／個票閲覧は理由入力必須／照合ログを全件記録
役割ベース制御／個票閲覧は理由入力必須／照合ログを全件記録
AI
入力データを学習に使用しない契約形態のAPIのみ利用／プロンプトログも国内保管
入力データを学習に使用しない契約形態のAPIのみ利用／プロンプトログも国内保管
監査
取込・閲覧・出力のすべてを証跡化／監査レポートをPDF出力可
取込・閲覧・出力のすべてを証跡化／監査レポートをPDF出力可
サンプルデータのご提供について：実データでの検証にあたっては、秘密保持契約（NDA）の締結を前提とさせていただきます。氏名・生年月日を伏せたダミー化データでの事前検証も可能です。