Eラーニングは大きな変革を遂げており、特にCOVID-19パンデミックのような危機の際に世界的に不可欠なものとなった。ユネスコは迅速な解決策としてさまざまな既存のeラーニングプラットフォームを認可したが、これらは学習過程に影響を及ぼすいくつかの課題のため、長期的な解決策として推奨されていなかった。最近の研究では、人工知能（AI）、深層学習、ブロックチェーン技術を用いてこれらの課題に対処している。AIと深層学習は学習者の成績評価の向上に焦点を当てており、ブロックチェーンとスマートコントラクトは、偽の証明書や結果の改ざん、学習者の活動追跡といった問題に対抗している。これらの技術はいずれも強力な可能性を示しているが、eラーニングへの統合に関する研究は少なく、本研究はブロックチェーンと深層学習を組み合わせたスマートなフレームワークを提案し、データのセキュリティ、透明性、自動化を確保しながらeラーニングシステムを強化することを目的としている。 このフレームワークは、分散型大容量ファイル保存のためのInterplanetary File System（IPFS）を用いて学習者のデータをブロックチェーンに安全に格納し、Ethereumのプライベートブロックチェーンウォレットによってデータの完全性と機密性を確保する。次に、深層学習モデルがこの保護されたデータを解析し、学業成績を正確に予測する。スマートコントラクトは大学による証明書の発行を促進し、これを不変にブロックチェーンに記録、ネットワークのノードからアクセス可能にすることで、自動化・安全性・信頼性を向上させている。 ブロックチェーンは、分散型のピアツーピアネットワーク上に不変で時刻スタンプされた、安全かつ透明なデータ保存を提供し、中央管理者を必要としない。Bitcoinに次ぐ市場資本を持つEthereumは、Solidityを用いたプログラム可能なスマートコントラクトをサポートしており、Bitcoinの範囲を超えた条件付き・自動的な取引を実現している。スマートコントラクトは、事前に定めた条件を満たすと契約内容を自動的に実行し、その履行履歴をすべて不変に記録する。 ただし、ブロックチェーンは大容量ファイルには適さないため、IPFS、Storj、FileCoinなどのオフチェーン保存ソリューションが利用される。IPFSは、大容量ファイルを暗号化してピアツーピアで分散配信し、コンテンツアドレス化されたハッシュを生成してデータの整合性とアクセス性を検証できる一方、アクセスコントロールの課題も残る。本研究では、学習者の広範なデータを安全に保存し、ハッシュを通じてブロックチェーンの取引と連携させるためにIPFSを重要な役割として採用している。 深層学習、とりわけ生物の脳を模倣した人工ニューラルネットワーク（ANN）は、入力層、隠れ層、出力層の複数の層で構成され、順伝播、誤差計算、逆伝播を通じて学習を進める。多層の深層ニューラルネットワーク（DNN）は、より高い予測精度を実現している。本研究では、これらのモデルを用いてブロックチェーンとIPFSに保存された学習者データを解析し、正確な成績予測を行う。 これまでの先行研究では、リカレントニューラルネットワークや畳み込みニューラルネットワークを用いたMOOCsの学生離脱予測や、双方向長短期記憶（BiLSTM）を活用した離脱予測、少量かつ偏ったデータセットに対する高精度な成績予測などが行われている。 本研究のフレームワークは、次の三つの段階で構成される。 1. **学習者データのブロックチェーンへの格納:**「Open University Learning Analytics」データセット（32, 593件の個人情報と仮想学習活動）を暗号化し、IPFSに保存。生成されたハッシュをプライベートEthereumブロックチェーンのスマートコントラクトに格納し、分散型・不変のアクセスを実現。大学管理者、教員、学習者、訪問者（雇用者）がウォレットを利用してネットワークに登録する。 2.

**深層学習を用いたパフォーマンス予測:** IPFSから取り出した暗号化済みデータに前処理を施す（特徴選択、欠損値補完、カテゴリデータのエンコード、MinMaxScalerによる正規化、PCAによる次元削減）。その後、90%を訓練データ、10%をテストデータに分割し、入力層（10ニューロン）、五つの隠れ層（各500ニューロン、ReLU活性化関数）、出力層（4ニューロン・ソフトマックス活性化）からなる深層ニューラルネットを訓練。結果、約91. 29%の高精度と0. 18の低い損失を達成。 3. **スマートコントラクトの活用:** Solidityで記述されたスマートコントラクトをEthereum上にデプロイし、ノード間の安全なやり取りを実現。教員はIPFSに課題をアップロードし、ハッシュをスマートコントラクト経由で学習者に送信。学習者はスマートコントラクトを通じて課題を提出し、大学は証明書を作成・不変的に記録し、承認された雇用者はこの証明書と学習者の成績情報にアクセスできる。 実装にはPython、Flask、Postmanを用いてブロックのマイニング、チェーンの検証、トランザクションの追加を行い、ノードはMyEtherWallet（MEW）によるウォレット管理を通じて登録された。 また、IPFSと深層学習モデルを統合し、暗号化・ハッシュ化された学習者データをもとにパフォーマンス予測を行い、スマートコントラクトによる取引を管理。テスト段階ではノード登録、ウォレットアクセス、ハッシュの保存・検証、証明書の発行・取得、課題のやり取り、取引の有効性、ファイルの整合性等を検証し、いずれも正常に機能した。 このフレームワークは、ブロックチェーンと深層学習の連携により、高い予測精度と堅牢なデータ管理を実現する、安全で透明性のある自動化されたeラーニングシステムの構築例となる。これにより、データのセキュリティ、学習者の本人確認、学術処理の自動化といった課題に対応し、今後のスマートeラーニングプラットフォームの土台を築くものである。