出欠と課題の提出・連絡の記録から休みがちになりそうな生徒を毎週見込み、担任の声かけの順番と保護者への連絡の案を出す

処理の起点を決める

毎週日曜の22時に、定時で動かします。 担任が一覧を見るのは月曜の朝の授業前です。日曜の夜に回せば、土曜の登校日の記録まで含められます。毎日回すことはしません。 毎日順番が入れ替わる一覧は、担任が読まなくなります。週に1回、同じ曜日に同じ形で出すことが、使われる一覧の条件です。

書き出しの順番は、入退室の記録 → 学習管理システム → 連絡帳アプリです。3つのCSVがそろったことを確かめてから学習済みのモデルで点数を出し、1つでも欠けていれば点数を出さずに止めます。 課題の記録が欠けたまま点数を出すと、全員の課題の未提出が0件になり、点数がそろって下がります。

モデルの学び直しは月に1回、第1日曜に行います。 毎週学び直すと、点数の目盛りが週ごとに動いて、先週の0.4と今週の0.4が比べられなくなります。

入力データを集める

質を決めるのは、2行目の登校の予定です。 週2日登校の生徒が週2日来ていれば欠席はゼロで、週5日登校の生徒が週2日なら3日の欠席です。予定が無いと、入室の回数だけでは休んだかどうかが分かりません。 予定の無い生徒が多いなら、特徴量を作る前に予定の表を整えます。

連絡と面談の本文は、モデルにも生成AIにも渡しません。 本文には家庭の事情や体調のことが書かれています。モデルに使うのは、いつ連絡し、返信があったかという日時と有無だけです。

6行目の別枠の印は、一覧の上位を埋めないために要ります。 休学中の生徒は毎週点数が最も高くなり、担任が毎週同じ名前を飛ばすことになります。

データの取得方法を決める

3つのシステムとも、画面からCSVを書き出す機能を使う想定です。APIを持つシステムならAPIで取りますが、書き出しの項目と形式がAPIと画面で違うことがあるので、最初は画面の書き出しで項目を確かめます。

特徴量は「直近2週」と「その前の4週」を分けて作ります。 休みがちになる前触れは、欠席率の高さよりも変化に出ます。いつも週1回遅刻する生徒と、先月まで遅刻ゼロだったのに直近2週で4回遅刻した生徒では、後者のほうが声をかける意味があります。

正解のラベルは「今後2週間の登校予定日の半分以上に入室が無い」とします。 この定義は教室長と担任で決めます。半分を3分の1にすると対象が増え、一覧の上位が長くなります。 定義を変えたら、モデルを学び直します。

AIへ渡す前に整形する

1. 生徒IDのそろえ … 3つのシステムで生徒IDの形式が違うことがあります。生徒の基本情報の表を正として、IDの対応表を作ります
2. 登校予定日との照合 … 入室の記録を、生徒ごとの登校予定日に当てはめます。予定日以外の入室は、出席として数えず「自主登校」として別に数えます
3. 祝日・休校日の除外 … 教室の休校日は予定日から外します。外さないと、全員の欠席率が同じ日に上がります
4. 転入・入学直後の生徒の扱い … 前の4週の記録がない生徒は、変化の特徴量を作れません。入学から6週未満の生徒は点数を出さず、別枠に入れます
5. 欠けた値の確認 … 課題が1件も配信されていない生徒は、未提出の数を0とせず「配信なし」の印を付けます
6. 別枠の生徒を外す … 休学中と合意済みの長期欠席の生徒は、点数の計算から外します
7. 値のそろえ … 特徴量の単位が違う（割合、回数、日数）ので、標準化してからモデルに入れます。係数を比べられるようにするためです

7番目を飛ばすと、理由の上位3つが壊れます。 標準化しないと、日数のように値の大きい特徴量が係数の上で小さく見え、「最後の連絡からの日数」が理由に出てこなくなります。 標準化に使った平均と標準偏差は、学習のときの値を保存して、毎週の点数づけでも同じ値を使います。

学習と検証の分け方は、時間の順にします。 scikit-learn の TimeSeriesSplit は、時間順に並んだデータの学習用と検証用の分け方を作るもので、ほかの分け方は未来のデータで学習して過去のデータで評価することになるため不適切とされています。分割数の既定は5、gap で学習用の末尾から検証用の手前までを空けられます。特徴量に直近2週を使うので、gap を2週分空けます。 空けないと、検証の答えを学習のときに見てしまいます。

AIに処理させる

この構成の「AI」は2段に分かれます。 点数を出すのは Python のロジスティック回帰で、生成AIは点数を出しません。生成AIにさせるのは、点数と理由が決まった後の、連絡の案と声かけのメモだけです。

生成AIに渡すのは、生徒の呼び名（名字のみ）、点数を押し上げた理由の上位3つ、遅れている課題の名前、次の面談の候補日、最後の連絡の日付だけです。

1行目がいちばん起きやすい失敗です。 「遅刻が増えている」と渡すと、生成AIは「朝起きるのがつらい時期かもしれません」と書きます。記録に無い理由を書いた連絡は、保護者にとって「見られている」と感じる文面になります。

指示内容を固定する

あなたは通信制高校のサポート校で、生徒を受け持つ担任の補助をする立場です。
渡された記録の事実だけを使って、2つのものを作ってください。
(1) 保護者への連絡の案（担任が直してから送る下書き）
(2) 担任が本人に声をかけるときに確かめることのメモ（担任だけが読む）

【使ってよい情報】
- 生徒の呼び名（名字）
- 記録から分かった事実（下の「理由」と「遅れている課題」）
- 次の面談の候補日
- 最後に連絡した日付

【厳守事項】
- 休む理由、体調、家庭の事情、友人関係を推測して書かないでください。
  記録に書かれていないことは、連絡の案にもメモにも書かないでください。
- 点数、順位、「休みがちになるおそれ」「リスク」という言葉を、
  連絡の案に入れないでください。
- 欠席や遅刻を責める言い回し、「至急」「必ず」など急がせる言い回しを
  使わないでください。
- 医療機関・相談機関・転校などを勧めないでください。
- 連絡の案は、近況をたずね、教室で手伝えることを伝え、
  面談の候補日を示す、の3つで構成してください。200字以内にしてください。
- 遅れている課題の名前は、連絡の案に1つだけ書いてかまいません。
  2つ以上ある場合はメモの側に書いてください。
- メモには、理由の3つそれぞれについて「本人に確かめること」を1つずつ、
  問いかけの形で書いてください。決めつけの形にしないでください。
- 渡された情報が足りないときは、足りない項目名を missing_info に入れ、
  推測で補わないでください。

【生徒】{student_name}
【理由（上位3つ）】{reasons}
【遅れている課題】{overdue_assignments}
【次の面談の候補日】{meeting_slots}
【最後の連絡】{last_contact}

「記録に書かれていないことは書かない」を、連絡の案とメモの両方に効かせています。 メモは担任しか読まないから推測してよい、とすると、メモに書かれた推測を担任がそのまま保護者に話します。

メモを問いかけの形にするのは、担任の見立てを先回りしないためです。 「課題が遅れている理由は何か」と書かれたメモは、担任が本人と話す入口になります。「課題が負担になっている」と書かれたメモは、担任の見立てを1つに決めてしまいます。

出力形式を固定する

次の形のJSONで受け取ります。 Claude API の構造化出力（output_config.format に type: "json_schema" を指定）で、この形に固定します。

{
  "student_id": "S-0123",
  "week": "2026-10-05",
  "score": 0.41,
  "rank_in_tutor": 2,
  "reasons": [
    { "feature": "late_count_change", "text": "遅刻が直近2週で4回（前の4週は1回）" },
    { "feature": "overdue_assignments", "text": "直近2週の課題のうち2件が未提出" },
    { "feature": "no_reply_count", "text": "担任からの連絡2件に返信なし" }
  ],
  "parent_message_draft": "",
  "tutor_memo": [
    { "reason_feature": "late_count_change", "question": "" }
  ],
  "missing_info": [],
  "tutor_override": { "new_rank": null, "note": "" }
}

score rank_in_tutor reasons は Python が埋め、parent_message_draft tutor_memo missing_info は生成AIが埋めます。tutor_override は担任が順番を直したときに書きます。

1つ目の理由は、点数と文面を別の層に置けることです。 生成AIの出力に score を含めないので、生成AIが点数を書き換える経路がありません。 構造化出力のスキーマでは、数値の範囲（minimum／maximum）や文字数の制約が使えないとされているため、200字以内の確認は受け取った後に Python で行います。

2つ目は、担任の直しを記録できることです。 tutor_override に新しい順番と一言の理由が残るので、どの理由のときに担任が順番を下げたかを後から数えられます。

3つ目は、当たり外れの照合が機械でできることです。 student_id と week で2週間後の出欠と結び付け、点数ごとに実際の割合を出します。

システムへ連携する

連絡帳アプリから保護者へ自動で送ることはしません。 送るのは担任で、連絡の案は一覧のセルからコピーして連絡帳アプリに貼ります。送信のAPIをつなぐと、担任が直す前の文面が届く経路ができます。

生成AIに回すのは、担任ごとの上位5名までにします。 25名全員の連絡の案を作っても、担任が直して送れるのは毎週数名です。読まれない下書きは、費用と、生徒の情報を外へ渡す回数を増やすだけです。

人が確認する

担任は毎週、一覧の上位を必ず見ます。 点数の順番は提案で、確定するのは担任です。

1. 上位5名の理由を読む … 理由の3つが自分の知っている様子と合うかを見ます。合わないときは順番を直し、一言書きます
2. 一覧の下位も流し見る … 点数が低くても、担任が気になっている生徒がいれば上げます。モデルが見ていない情報（教室での表情、友人との様子）は担任しか持っていません
3. 連絡の案を直す … 事実と違う箇所、その家庭に合わない言い回しを直します。送る・送らないは担任が決めます
4. 教室長への共有 … 上位の生徒と、担任が順番を上げた生徒を伝えます

2番目を省かないでください。 モデルは記録に残る変化しか見ません。記録に出ない不調を拾うのは担任の役目で、一覧はその時間を作るためのものです。

目標は、1人の生徒をならして1.5分です。 上位5名には数分かけ、残りの20名は理由と点数を流し見て数秒で終わります。上位5名に時間を使えているかを、教室長が月に1回確かめます。

例外に対処する

5行目は、最初の数か月で必ず起きます。 拠点ごとに休校日が違い、登録が漏れやすいからです。ある拠点の全員の欠席率が同じ週に上がったら、生徒ではなく予定の表を疑います。

6行目のカードの忘れは、点数を押し上げる誤りです。 担任が出席に直した記録は、翌週からの特徴量に反映されます。

記録を残す

• 毎週の3つのCSVの元のファイルと、書き出した日時
• 作った特徴量の表と、そのとき使った標準化の平均・標準偏差とモデルの版
• 生徒ごとの点数、理由の上位3つ、一覧での順番
• 生成AIに渡した内容と、返ってきた連絡の案・メモ
• 担任が順番を直した記録（tutor_override）と、送った連絡の最終の文面
• 2週間後の出欠と、点数の当たり外れ

2つ目でモデルの版を残すのは、月に1回学び直すためです。 学び直すと同じ生徒でも点数が変わり、先月の一覧がどのモデルで作られたかが残っていないと、当たり外れの比較ができません。

5つ目の担任の直しは、モデルを直す材料になります。 担任が繰り返し順番を下げる理由（たとえば「課題の未提出」が、課題の配信の遅れによるもの）が分かれば、特徴量の作り方を直します。