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）／ 既存教務システムと 6分前に自動同期済み
分析対象学生
920名
医学科600 / 看護320
同期済レコード
128,940
自動同期 1時間ごと
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
データ連携フロー既存DB → エージェント読取 → 匿名化 → クラウド送信 → 可視化
既存 教務システム
SQL Server（読取専用）
連携エージェント
学内に設置・差分抽出
匿名化（学内で実施）
氏名は学外へ出ません
クラウド IR-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
同期アクティビティ
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）
過去データも自動で取り込まれています。既存の教務システムに蓄積された 2021年度以降のデータをエージェントが一括で読み取ったため、初期段階から6学年分の縦断分析が可能です（Excelの手動アップロードは不要）。
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
入試システムのデータ（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
入試システムと教務システムが同一DB上にあるため、受験番号→学籍番号の紐付けが自動で行えます。入学前情報（共通テスト得点・調査書評定平均・出身高校）と入学後6年間の成績を、転記作業なしで接続できるのがパターン②の最大の強みです。
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
AIが参照するのはクラウド上の匿名化済みIR-DBのみです。既存の教務システムに対してAIが直接SQLを発行することはありません（既存システムへの負荷・改変リスクをゼロにするため、読み取り結果のコピーに対して分析を行う設計です）。
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 |
|---|
データ同期モニタ
学内に設置した連携エージェントの稼働状況と、既存教務システムからの差分同期の状況
エージェント状態
正常稼働中
連続稼働 42日 06:14:38
最終同期
6分前
差分 312 件を取得 ／ 所要 4.1秒
通信方向
送信のみ
外部からの受信 0件（本日）
エージェントは「クラウドからの指示待ち」をしません。
エージェント側から一定間隔でクラウドに問い合わせ（ポーリング）を行い、必要なデータを送信します。待ち受けポートを一切開かないため、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がありません。
同期対象テーブル既存システムには SELECT のみ実行します（書き込み一切なし）
全テーブル最新| 既存システム側テーブル | 内容 | 総件数 | 前回差分 | 最終同期 | 権限 | 状態 |
|---|
同期ログ（リアルタイム）
連携エージェント 仕様
テーブルマッピング
既存教務システム／入試システムの項目を、IR基盤の分析用スキーマへ変換する定義
この構成では、既存ベンダー（システム提供元）へのご依頼が1点だけ発生します。
「対象テーブルのスキーマ情報（テーブル定義書）の開示」と「読み取り専用アカウントの発行」です。ソースコードの開示や、既存システムの改修は不要です。
商談時にお話のあった通り、この点は大学から提供元へご確認いただく必要があります。
マッピング定義行をクリックで変換ルールの詳細
AI推定 87% / 要確認 3項目| 既存システム側（テーブル.カラム） | IR基盤側 | 変換ルール | 状態 |
|---|
既存ベンダーへの依頼事項
要調整テーブル定義書の開示対象9テーブルのカラム定義。全DBではなく必要範囲に限定して依頼できます
読み取り専用アカウントの発行SELECT権限のみ。既存システムの動作には影響しません
既存システムの改修不要。画面・処理には一切手を加えません
ソースコードの開示不要
保守契約への影響読み取りのみのため、既存の保守範囲を侵しません（覚書の締結を推奨）
定義書が入手できない場合の代替策：読み取り専用アカウントさえ発行されれば、AIがテーブル構造を自動解析してマッピング案を生成できます（上の「AIでマッピングを自動生成」で実演）。それも難しい場合は、既存システムのExcel出力機能を使うパターン①に切り替えることで、ベンダー調整なしで実現できます。
既存システムへの影響
影響なし| 観点 | 本構成での扱い |
|---|---|
| 書き込み | 一切なし SELECT文のみ実行します |
| 負荷 | 差分抽出のみ・夜間帯に実行可能。実測で CPU 1%未満 |
| 実行タイミング | 毎時／夜間バッチ／手動 から選択可（業務時間帯を避ける設定を推奨） |
| スキーマ変更時 | 差分を検知して同期を停止・通知。誤ったデータの流入を防ぎます |
| システム更改時 | マッピング定義の差し替えのみで追随可能（分析データはIR基盤に残ります） |
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）
既存 教務／入試システム
SQL Server
読み取りのみ
読み取りのみ
連携エージェント
差分抽出＋匿名化
待受ポートなし
待受ポートなし
職員PC（教育支援課／教育センター）
ブラウザから分析画面へアクセス（HTTPS）
学内 FW
OUT 443 ✓ 既存許可
IN ✕ 変更不要
HTTPS 443
エージェントが送信
エージェントが送信
クラウド→学内
接続は発生しない
接続は発生しない
クラウド（国内リージョン）
データ受信エンドポイント
相互TLS＋トークン認証
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（クラウドから学内への接続は一切なし）
DX担当チェックリスト
1項目は要調整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
エージェントの待ち受けポートなし。Listenするポートを持たない設計のため、外部からの到達経路が存在しません
既存システムへの書き込みなし。SELECT権限のみの専用アカウントで動作します
個人情報の学外送信氏名・住所は送信しません。匿名化は学内エージェント内で完結します
送信先の限定固定ドメイン1つ。FWの宛先許可リストに登録して制限可能
学内サーバーへのエージェント設置許可要調整。ソフトウェアを学内に1つ設置する必要があるため、DX担当のご承認が必要です
既存ベンダーへの依頼要調整。テーブル定義書の開示と読み取り専用アカウントの発行が必要です
設置が難しい場合の代替案
代替A 完全オンプレ構成
IR基盤ごと学内の仮想サーバー上に構築します。外部との通信が完全にゼロになるため、最も審査が通しやすい構成です。ただし学内サーバーのリソース確保と、大学側での運用・バックアップ管理が必要になります（商談で「大学サーバーは不安定・自主管理」というご懸念を伺っている点は要検討です）。
代替B パターン①（Excel取込）へ切替
既存システムのExcel出力機能を使って、職員が定期的にアップロードする方式です。エージェント設置もベンダー調整も不要で、最短で着手できます。運用の手間は増えますが、年数回のまとめ取込であれば十分に運用可能です。
推奨 段階導入（①→②）
まずパターン①で立ち上げて分析の価値を確認し、DX担当・既存ベンダーとの調整が整った段階でパターン②の自動連携を追加します。初年度予算に収めやすく、審査の待ち時間でプロジェクトが止まりません。分析画面・DBはそのまま流用できるため、二重投資になりません。
パターン① / ② 比較
| 観点 | パターン① Excel取込型 | パターン② 既存DB連携型（本構成） |
|---|---|---|
| 学内LANの穴あけ | 不要 職員PCのブラウザ通信のみ | 不要 エージェントが外向きに送信するのみ |
| 学内への機器・ソフト設置 | 不要 | エージェント1台が必要 DX担当の承認が必要 |
| 既存ベンダーへの依頼 | 不要 | 定義書開示＋読取アカウント |
| データ鮮度 | 取込した時点 | 最新（1時間ごと自動） |
| 運用負荷 | アップロード作業が発生 | ほぼゼロ（全自動） |
| 過去データの取込 | 既存システムからExcel出力して取込 | 初回に一括で自動取得 |
| 入試データとの接続 | 入試データも別途Excelで取込 | 受験番号→学籍番号を自動紐付け |
| 着手までの期間 | 最短 調整待ちがない | 調整期間が必要 |
| 将来のシステム更改 | 影響を受けない | マッピング定義の差し替えで追随 |
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
パターン②では、匿名化を「学内のエージェント内」で実施します。
氏名・住所・連絡先はクラウドへ送信されません。クラウドに存在するのは分析用ID（不可逆ハッシュ）と学修データのみです。
分析IDから学籍番号への逆引きが可能な対応表は学内側のみに保持します。
送信されるデータ／されないデータ
クラウドへ送信するもの
| 項目 | 形式 |
|---|---|
| 分析用ID | A7F3C2E1（不可逆ハッシュ） |
| 学科・学年・入学年度 | 医学科 / 4年 / 2023 |
| 入試区分 | 一般選抜 前期 |
| 科目コード・得点・評価 | 100102 / 78 / 良 |
| 出席率・単位数・GPA | 92.4% / 32単位 / 2.94 |
| 進級・卒業・国試結果 | 進級 / 合格 |
送信しないもの（学内に留まります）
| 項目 | 扱い |
|---|---|
| 氏名・フリガナ | 送信しない |
| 学籍番号・受験番号 | ハッシュ化して送信 |
| 生年月日 | 年齢区分に変換 |
| 住所・電話・メール | 送信しない |
| 保護者・保証人情報 | 送信しない |
| 顔写真 | 送信しない |
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 |
|---|
個別支援が必要になった場合のみ、学内側の対応表を使って照合します。照合操作は学内で完結し、監査ログに記録されます（クラウド側には氏名が保存されないため、外部流出のリスク自体が存在しません）。
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 |
|---|