各学習者の理解度に応じた最適な学習コンテンツを提供する形式の学びを適応学習と呼ぶ。従来の適応学習では、課題達成率やエラー解決時間など、学習者の学習済みコンテンツから学習者の理解度を測定した。本研究では学習者同士や学習者と教員間の会話や質疑内容など、コミュニケーションにも学習者の理解度が含まれると考え、コミュニケーション情報を理解度の測定に含めることを提案する。
今までに、従来研究より細粒度に学習済みコンテンツのログを取得するためのプログラミング環境を開発した。本年は実プログラミング演習において学習者のコミュニケーション活動に関し調査を行う予定であったが、新型コロナウイルスの影響により学習者間の密な会話が推奨されなかったため、オンライン学習におけるコミュニケーション活動の推奨や、自学自習における適応学習の導入を目指した。前者ではバーチャルオフィスツールであるoViceを利用し、オンラインでも学習者の行動が可視化されるか予備調査を行った。予備調査ではソフトウェアエンジニアリングシンポジウムのワークショップにおいてoViceを導入し、頻繁に他者と会話を行うユーザの特定が可能であるか調査した。後者ではオンラインジャッジシステム（OJS）に着目した。ユーザがOJS上の問題をどのように選択し、正誤判定を得たかモデルを作成し、問題間の関係を調査することで、ユーザのプログラミング力を向上させるような問題選択に取り組んだ。
また、他にもプログラミング入門として小学校などで頻繁に用いられるScratchを対象に、適応学習を導入するための準備段階として、プログラミング演習の自動化にも取り組んだ。具体的には、Scratchプログラムの自動採点システムや、自動修正手法を提案した。
上記の研究は、情報処理学会論文誌において採録、またソフトウェア工学系の研究会において発表を行った。