ALIE
Overview Generate Input Plan Feedback
AI Schedule Generation
Patent Pending · AI-Native Learning

Adaptive Learning
Intervention Engine

学習を自己責任から解放し構造で成長を引き出す

AIがカタリストとして最適なサポートをリアルタイムに実行する
次世代学習OS

AI Schedule Generation 特許コアを見る
4 種類のカタリストモード
5 本のAPIエンドポイント
Claude 3.5 Sonnet 駆動
Blueprint Deck

設計思想と実装ブループリント

特許コアからDB設計、フロー制御まで

Slide 01
01 / 15
← → キーボード スワイプ対応 クリックで全画面
Core Patent Claims

学習カタリストエンジンの設計原理

単なるスケジューラではない。状態を感知し、理由を分類し、最適なカタリストを自律選択する。

Claim 01

リアルタイム状態センシング

progress / stagnation / engagement / emotion の4スコアをタスク完了データから自動算出。単純な進捗管理を超えた感情連動型の状態追跡。

emotionScore: 0.31 → ⚠ カタリストトリガー発火
Claim 02

4因子 未完了理由分類

skill_deficit / time_shortage / motivation_drop / cognitive_overload の4軸で未完了原因を構造化。原因ごとに異なる再計画戦略を自律選択。

skill time motivation overload
Claim 03

Alumni スコアリングカタリスト

domain / method / urgency / availability の4因子でAlumniをスコアリング。モチベーション低下時に最適メンターを自動マッチングし、カタリスト貢献度を記録。

matchScore = domain×0.4 + method×0.2 + urgency×0.2 + avail×0.2
Control Loop

自律カタリストループ

SEO 入口
会員化
Exam OS
理由入力
AI 再計画
Alumni カタリスト
状態更新
interventionEngine.ts — core control flow 
// タスク未完了 → 理由分類 → 戦略選択
if (taskResult.status === "incomplete") {
  switch (taskResult.incompleteReason) {
    case "skill_deficit":
      regenerateTasks({ mode: "skill_reinforcement" }); break
    case "time_shortage":
      reallocateCalendar({ compress: true }); break
    case "motivation_drop":
      assignMentor({ alumniMatch: true }); lowerDifficulty(); break
    case "cognitive_overload":
      splitTasks(); lowerDifficulty(); break
  }
}
// 感情連動タスク負荷制御
if (studentState.emotion_score < threshold) {
  taskLoad = reduce(taskLoad, 0.2)
}
Patent Data Architecture

特許請求項対応 データモデル

各テーブルは特許明細書の請求項と1:1で対応。プロダクト実装と知財保護の両立を実現するDBスキーマ設計。

Claim 1
🎯

exam_profiles

受験プロファイル — 目標・制約・弱点

  • ⬤ id uuid pk
  • → user_id fk → users
  • goal_university text
  • goal_faculty text
  • admission_method text
  • constraints jsonb
  • weaknesses text[]
  • created_at timestamptz
Claim 1,4
📊

student_states

学習状態ベクトル S — 4次元スコア + 理由コード

  • ⬤ id uuid pk
  • → user_id fk → users
  • progress_score numeric(0-1)
  • stagnation_score numeric(0-1)
  • engagement_score numeric(0-1)
  • emotion_score numeric(0-1)
  • reason_code text
  • observed_at timestamptz
Claim 2,6,7
✅

task_results

タスク結果 — 4因子未完了理由 + 重み付け W(Ri)

  • ⬤ id uuid pk
  • → task_id fk → tasks
  • status enum
  • incomplete_reason text
  • incomplete_reasons jsonb[]
  • reason_weight numeric(0-1)
  • reflection text
  • submitted_at timestamptz
Claim 5
📋

tasks (DAG)

タスク — DAG有向非巡回グラフ依存関係

  • ⬤ id uuid pk
  • title text
  • depends_on uuid[] (DAG edge)
  • priority enum
  • difficulty int(1-5)
  • source enum(ai|mentor|manual)
  • reasoning text
  • generated_by_ai boolean
Claim 3,4
🤝

mentor_supports

Alumniカタリスト記録 — ΔS + 寄与度スコア

  • ⬤ id uuid pk
  • → alumni_user_id fk
  • trigger_reason text
  • support_type enum
  • before_state jsonb
  • after_state jsonb
  • contribution_score numeric
  • created_at timestamptz
Claim 1
🔄

loop_cycles

閉ループサイクル — 5フェーズ制御記録

  • ⬤ id uuid pk
  • cycle_no int
  • phase enum(5 phases)
  • state_before jsonb
  • state_after jsonb
  • delta_s jsonb
  • intervention_ids uuid[]
  • summary text
特許カバレッジ: Claim 1: 閉ループ制御 Claim 2: 4因子分類 Claim 3: NLP感情分析 Claim 4: ΔS寄与度 Claim 5: DAG依存 Claim 6-7: 重み付け
Start Now

スケジュールを生成する

志望校・学部・入試方式・制約を入力するだけで、
AIがあなた専用の受験スケジュールを即時生成します。

AI SCHEDULE GENERATION