スタディチェーン株式会社（代表取締役：竹本明弘）が運営する慶應合格特化塾は、慶應義塾大学全学部合格に特化したカリキュラムを全面刷新する。AIによる弱点分析と合格者の実データを組み合わせた「新生・慶應合格特化塾」として始動し、学部別の入試特性に合わせてオンライン個別指導の提供内容を再構築する。
刷新の柱は、学部別に入試問題を解析するAI弱点分析と、学部別・年度別に蓄積した合格者の学習ログを用いた計画設計の組み合わせにある。法学部、経済学部、商学部、文学部、理工学部、医学部、薬学部、看護医療学部、総合政策学部、環境情報学部の合格を目指す受験生を対象にし、週次の学習データ解析をもとにAIが翌週の優先事項をレポートで提示し、合格OBコーチのフィードバックと組み合わせて提供する。
過去10年分をAI解析
AI弱点分析エンジンは、各学部の過去10年分の入試問題を学部別に解析し、英語、数学、国語、小論文、歴史（日本史・世界史）、理科など科目ごとの頻出テーマと設問形式を可視化する。あわせて、直近5年分（2020〜2024年度）の入試問題を学部・科目・分野・難易度別に再分析し、頻出傾向マップを更新する。
直前期には、入試直前90日間のカリキュラムを新設する。主要学部の合格者が実践した直前期の学習ルーティンをデータから導出し、早稲田大学や上智大学との併願スケジュールも加味した仕上げプログラムとして提供する。受験生は、週次レポートで示される優先事項と、90日プログラムで定められた直前期の学習配分を突き合わせながら追い込みを進める形となる。
学習計画の設計では、慶應義塾大学の合格者の学習ログを学部別・年度別に蓄積・分析し、志望学部ごとに「取り組んだ学習」と「削った学習」をデータ化して個別に組み立てる。併願校として早稲田大学、上智大学、東京理科大学の合格データも参照し、私大最難関レベルの合格戦略を個々の受験生に最適化する。さらに、志望学部の入試に不要な学習範囲をAIが毎月特定し、学部ごとに最適化した「やらないことリスト」を自動生成する。月次の最適化では明治大学、立教大学、中央大学、法政大学、青山学院大学の合格ラインも考慮し、併願設計の精度を高める。
今回の刷新は、対象を全学部に広げつつ、過去問解析、合格者ログの活用、週次・月次・直前期という運用単位を組み合わせ、指導の設計単位をデータ側に寄せる点に特徴がある。スタディチェーン株式会社は大学受験特化の学習管理型予備校を運営し、慶應合格特化塾のほか、逆転合格特化塾、東大受験専門オンライン指導、英検対策専門塾などを展開してきた。竹本氏は、慶應義塾大学は学部によって求められる科目や出題形式が大きく異なるとし、学部別の合格者データとAI分析を掛け合わせることで、一人ひとりに最適化したカリキュラムを提供できる体制を整えたと説明する。
外部環境では、学習塾のDXとオンライン化が進み、個別指導の運用負荷をデータ処理で平準化する動きが広がっている。国内の予備校・塾市場は2023年に約1兆1,000億円規模、オンライン教育市場は前年比15%増の約4,500億円規模とされる。大学受験生のオンライン学習利用率は2024年に56%に達し、AI活用教育ツールを導入する塾は前年比20%増との調査もある。講師不足率25%との指摘もあり、学習ログの分析や週次レポート生成など指導プロセスの一部を自動化する設計が、運営側の供給制約を補う手段として注目されている。
週次・月次・90日を統合
運用は、週次のAIコーチングレポート、月次の「やらないことリスト」自動生成、入試直前90日間の集中特訓プログラムを組み合わせる構成だ。学習ログは学部別・年度別に蓄積・分析し、計画設計に反映させる。
併願校データの参照では、早稲田大学、上智大学、東京理科大学の合格データを活用し、月次最適化の段階で明治大学、立教大学、中央大学、法政大学、青山学院大学も考慮対象に含める。個別指導の提供形態はオンラインに固定し、AIの提案と合格OBコーチのフィードバックを組み合わせて提示する。データ解析の更新単位とコーチングの運用単位をそろえることで、オンライン個別指導のオペレーションに沿った形でサービスを組み立てる。
「やらないことリスト」では、志望学部の入試に不要な学習範囲をAIが毎月特定し、自動生成する。学習計画の設計では、合格者の「取り組んだ学習」と「削った学習」をひも付けし、学部別の合格者ログとして体系化する。学部別の出題傾向マップ更新と週次レポートでの優先事項提示、月次の学習範囲の絞り込みを連動させ、受験生側の学習配分を定期的に組み替える仕組みとする。
模試・大手もAI活用
慶應義塾大学向けでは、大手予備校が模試を実施し、学部別の合格ライン分析や模試結果と連動した学習提案の仕組みを整えてきた。河合塾や駿台予備校、代々木ゼミナールは慶應義塾大学向け模試や分析サービスを展開し、模試データの蓄積を軸にした合格予測やカリキュラム調整に取り組む。東進ハイスクールも過去問解析や弱点分析エンジンを掲げ、志望者向けに学部別の傾向マップを用意している。
スタディチェーン株式会社の刷新は、対象を全学部に広げ、学部別・年度別の合格者学習ログを計画設計に組み込む点を前面に出した。模試を中核に据える運営が多い領域に対し、日々の学習データの週次解析、月次の学習範囲絞り込み、直前90日プログラムの導出を一体で設計し、オンライン個別指導の運用単位に合わせて提示する。
背景には、難関私大の併願設計が複雑化しやすい事情がある。2025年の私大入試市場では慶應義塾大学志望者が約2.5万人とされ、法学部、経済学部、商学部への志望集中率が高いというデータもある。合格倍率は平均4.2倍とされ、志望学部別に学習の取捨選択を迫られやすい領域と、データ駆動の設計思想が結び付きやすい環境にある。
全国模試の受験者数は2024年に約150万人とされ、難関私大（慶應・早稲田）の模試参加率は30%超との推計もある。模試を起点にした学習提案の需要が伸びる一方、個別指導側は週次の学習ログを扱い、学習プロセスの粒度を細かくする方向性を打ち出している。スタディチェーン株式会社の「AIデータ駆動受験DX」は、過去問解析の時間軸を10年と5年に分け、合格者ログの年度別蓄積を設計に組み込み、週次・月次・直前期という運用単位で更新を回す枠組みを提示する。焦点は、学部別入試の差分をデータ構造に落とし込み、オンライン個別指導の提供プロセスに接続する点にある。