日能研の低学年(小2・小3)のうちは偏差値が出ないため、テスト結果の良し悪しを感覚的に判断してしまいがちです。
「今回は点数が下がったからダメだった……」
「平均点より高かったから一安心」
しかし、こうした一喜一憂からは、次への具体的な打ち手は生まれません。
そこで我が家では、一歩進んで「過去の蓄積データと直近の学習変数を掛け合わせ、次回のテストの得点をロジカルに予測する推算モデル」を構築してみました。
今回は、今週末に控えた「小3・6月 日能研全国テスト」をターゲットに、得点期待値と3つのシナリオ別の予測幅を算出しました。テスト終了後には、実際の点数との答え合わせ(モデルの検証)も行う予定です。
1. 得点推算モデルの設計(マルチファクターアプローチ)
今回の推算式では、過去の「全国テスト」の実績をベースライン(基本値)とし、そこに「テスト形式の相性」と「直近の学習状況」という2つの外部・内部環境ファクターを補正項として加減算するモデルを構築しました。
予想得点率 (%) = ベースライン得点率 + テスト形式補正 + 直近の学習状況補正
① ベースライン(過去の全国テスト平均実績)
範囲のない「全国テスト(150点満点×2科目)」における、小2時の過去4回の平均得点率を基準とします。
- 国語ベースライン: 平均85.5点(得点率 57.0%)
- 算数ベースライン: 平均109.0点(得点率 72.7%)
② テスト形式補正(環境ファクター)
- 算数:+5%
カリキュラムテスト(マイファーストテスト)に比べ、息子は範囲のない初見の実力テスト(全国テスト)での突破力が高く、本人も算数への得意意識を持っているためプラス補正とします。 - 国語:±0%
全国テスト特有の記述の配点の高さを考慮し、ベースラインを維持します。直近のマイファーストテストの低迷は「詩や叙述など、普段読まないジャンルの難度の高さ」に起因するため、今回の全国テストのモデルからは除外します。
③ 直近の学習状況補正(内部ファクター)
- 算数:-5%
成績が大きく伸びる時期は家庭での問題集(標準問題集等)の演習量が多く集中力が高まっている時ですが、直近の4〜5月は学習量が「やや少なめ」で推移しているため、アウトプットの精度低下リスクを織り込みマイナス補正とします。 - 国語:-5%
日常の会話で抽象度の高い言葉(「文化」など)を使うようになるなど成長の種は見られますが、テスト本番においては「設問に近い部分だけを読んで部分的に答えてしまう(局所的な読み方)」という課題が未解決のため、失点リスクとしてマイナス補正します。
2. 科目別の予想得点率と「期待値」
上記のパラメータを数式に適用し、今回の150点満点換算での「期待値(ベースケース)」を算出します。
- 国語 予想得点率: 57.0% + 0% - 5% = 52.0% (期待値:78点)
- 算数 予想得点率: 72.7% + 5% - 5% = 72.7% (期待値:109点)
2科目合計の期待値(ベースライン着地)は 187点 となりました。過去の傾向から見ると、全体の上位35%〜40%前後に位置するスコアです。
3. 3つのシナリオによる「揺らぎ」の定義
当日のコンディションやケアレスミス、アクシデント(時間ロス等)の不確定要素を考慮し、各科目±15点の幅を持たせた3つのシナリオを設定します。
| シナリオ | 国語 | 算数 | 2科目総合 | 想定される状況 |
|---|---|---|---|---|
| ① 上振れ(ベスト) | 93点 | 124点 | 217点 | 算数で得意の思考力問題がはまり計算ミスゼロ。国語で「親子交互読み」の集中力が活き、読み飛ばしを回避できた場合。(上位20%圏内) |
| ② 期待値(ベース) | 78点 | 109点 | 187点 | ほぼ実力通りの着地。算数で大問を確保するも1〜2問の計算ミスあり。国語は部分読みによる失点があるものの漢字等でカバー。 |
| ③ 下振れ(ワースト) | 63点 | 94点 | 157点 | 算数で演習量不足による計算ミスや時間配分の失敗が重なる。国語で大きな読み飛ばしが発生し、抜き出し問題等で大幅失点した場合。 |
4. 今回の目標:「計算・漢字」の絶対死守
この推算モデルにおいて、最もボラティリティ(変動幅)を抑える鍵となるのが、我が家が最重要テーマとして掲げている「計算問題と漢字にミスがないこと」です。
応用問題が解けるかどうかは出題単元の相性に左右されますが、基礎失点の排除は本人の意識と見直しでコントロールが可能です。もし基礎問題で失点がなければ、自ずと結果は「期待値(ベース)」から「上振れ(ベスト)」の領域へシフトしていくと考えています。
5. おわりに(テスト終了後の検証に向けて)
あらかじめデータを元に予測の「幅」を定義しておくことで、テスト結果が返ってきた際に「どこが想定通りで、どこに予期せぬ変数(課題)があったのか」を冷静に切り分けることができます。
結果が判明次第、実際の得点データとこの推算モデルを突き合わせ、【答え合わせ編】としてこの記事に追記(または別記事で検証)を行いたいと思います。
まずは週末、息子が落ち着いて力を出し切れるようサポートします。

コメント