5 未満」、「37. 5~39. 9」、「40. 0~42. 4」、以降2. 5 ピッチで設定して、最も高い偏差値帯は 「72. 5 以上」としています。本サイトでは、各偏差値帯の下限値を表示しています(37. 5 未満の偏差値帯は便宜上35.
レス数が1000を超えています。これ以上書き込みはできません。 1 名無しさん@介護・福祉板 2021/03/06(土) 02:40:21. 58 ID:SNIHXc2h, ===, ====、 _. ||___|_____||_.. ∧∧ /||___|^ ∧_∧.. (゚ω ゚)//|| |口| |ω・`).. /(^(^. //||... || |口| |c )..... ∧_∧ / // ||... || |口| ||し 新スレです....... (・ω・`) //.... ||... || |口| || 楽しく使ってね /(^(^ //..... ||... || |口| || 仲良く使ってね "":::'' |/ |/ '' "::: ⌒:: ⌒⌒⌒:: "" ` 前スレ 第33回社会福祉士国家試験反省スレ3 952 名無しさん@介護・福祉板 2021/03/12(金) 01:03:24. 72 ID:9xOqtD7T 90~92点がリアルな気がするけど、 コロナの影響もあって89点が合格ライン かなぁって思う。 昨年よりも点数取れてる学生がかなり 多いって卒業した大学の先生が言ってた。 もちろん大学によっても差はある やろうけどね(´・_・`) それを聞くと去年よりは上がるんやろうね。 953 名無しさん@介護・福祉板 2021/03/12(金) 01:05:17. 79 ID:E23IOLEk >>952 それはない。 去年の88よりボーダー下がる。 予想してて何か楽しいの? 結局15日にしか真実はわからないのに 時間の無駄だよね 955 名無しさん@介護・福祉板 2021/03/12(金) 01:06:22. 80 ID:E23IOLEk センターの者です。 今年のボーダーは84です。 956 名無しさん@介護・福祉板 2021/03/12(金) 01:07:27. 71 ID:9xOqtD7T 0点科目も期待してたんやけど 先生に聞く限り大学生さん達の中には あんまり居ないみたい(´・_・`) あぁ、ボーダー上がるんだろうなあ……。 957 名無しさん@介護・福祉板 2021/03/12(金) 01:08:41. 12 ID:9xOqtD7T >>954 そういう話をするスレでは ないんですか? 社会福祉士の合格率や受験者数の推移まとめ｜社会福祉士の合格に強い大学や学校も | 転職wiki. (´・_・`) 958 名無しさん@介護・福祉板 2021/03/12(金) 01:09:59.
2 2位 福井県立大学 35 30 85. 7 3位 大分大学 38 32 84. 2 4位 金沢大学 12 9 75 5位 創価大学 6位 琉球大学 14 10 71. 4 7位 大阪市立大学 22 68. 2 8位 京都府立大学 20 66. 7 9位 愛知教育大学 21 10位 県立広島大学 54 64. 8 以上が第29回社会福祉士国家試験学校別合格率でした。いかがですか?1位は徳島大学という事でした。また7位の大阪市立大学も社会福祉士になりたいのなら強い大学と言われています。 そして福祉系短期大学+実務経験・専門学校での合格率もランキング10でご紹介いたします。 以下は福祉系大学ルート2の短期大学+実務経験or専門学校です。 合格率(%) 群馬福祉専門学校 13 5 38. 5 田園調布学園大学短期大学部 4 33. 3 会津大学短期大学部 29 8 27. 6 龍谷大学短期大学部 7 24. 1 東京福祉保育専門学校 50 11 YMCA健康福祉専門学校 3 東京国際福祉専門学校 2 新潟青陵大学短期大学部 京都医療福祉専門学校 6 18. 8 群馬医療福祉大学短期大学部 18. 2 1位は群馬福祉専門学校。やはりこう見てみると福祉系大学ルート1の方が合格率は高いです。 次は第28回の合格率をまとめていきます。 第28回社会福祉士国家試験学校別合格率(合格率順) お次は第28回の学校別合格率のランキング10の発表です! 名古屋市立大学 91. 7 34 85 84. 6 83 27 79. 4 78. 社会福祉士国家試験合格率・日程・配点 | 社会福祉士国家試験対策講座 | 東京アカデミー. 9 首都大学東京 72. 7 18 72. 2 筑波大学 岡山県立大学 73 52 71. 2 以下は福祉系大学ルート2の短期大学+実務経験or専門学校です。名古屋大学の合格率が凄いですね!ですが29回で1位だった徳島大学は4位でした。 和泉短期大学 三重短期大学 江戸川大学総合福祉専門学校 24 29. 2 27. 3 広島福祉専門学校 23. 1 淑徳短期大学 31 22. 6 中央福祉医療専門学校 22. 2 立正大学短期大学部 21. 4 33 大阪体育大学短期大学部 16.
0% <59. 7%> 第32回 得点88点以上 得点37点以上> 58. 7% <55. 2%> 第31回 得点89点以上 得点39点以上> 59. 3% <58. 2%> 第30回 得点99点以上 得点43点以上> 66. 0% <64. 2%> 第29回 得点86点以上 得点36点以上> 57. 3% <53. 7%> 総得点の60%程度が基準となっているとはいえ、確実な合格を目指すなら、70%以上の得点を狙いたいところです。 4. 合格率と合格者 ★合格率 過去5年間の合格率の推移(下図)を見てみましょう。 合格率はおおよそ25~30%の間で推移しており、厳しい試験であることがうかがえます。万全の対策で臨みましょう。 ★合格者の内訳 【性別】 男 女 32. 8% 67. 2% 34. 4% 65. 6% 34. 3% 65. 7% 35. 0% 65. 0% 35. 7% 64. 3% 【受験資格別】 福祉系大学等卒業者 養成施設卒業者 56. 4% 43. 6% 56. 7% 43. 3% 58. 1% 41. 9% 42. 7% 【年齢別】 ~30 31~40 41~50 51~60 61~ 47. 6% 17. 5% 20. 8% 11. 3% 2. 8% 48. 2% 17. 9% 20. 4% 10. 8% 2. 7% 48. 6% 19. 0% 10. 2% 2. 7% 10. 7% 3. 社会福祉士に求められる役割 今後の課題等について | Majiriki. 0% 47. 4% 20. 2% 18. 2% 11. 1% 3. 1% 社会福祉士は福祉系大学等卒業者以外にも、実務及び養成施設等を経て受験する方も多く、およそ約半分の方が31歳以上で受験するのも特徴です。国家試験合格に的を絞った効率の良い学習が必要です。
今日登録証が届きました♪ これで晴れて社会福祉士と名乗れるわけですね。 申込みは3月末頃だったから意外に早かったかんじです。 ゴールデンウィークの頃になるのかな?と思ってました。 まずはやれやれと、少し達成感。 左が合格証、右は得点表。 得点は自己採点より1点多くうれしい誤算だった。 本当に来るのか届くまで不安だった(^^;) これから登録手続きをしなければならない、合計で2万弱かかってしまう(゜o゜;; 今日2時に発表されました。 第27回社会福祉士国家試験の合格発表について 社会福祉士及び介護福祉士法(昭和62年法律第30号)に基づき実施した 第27回社会福祉士国家試験の結果等は次のとおりです。 1 試験日 平成27年1月25日(日) 2 試験地 24都道府県 3 合格発表日 平成27年3月13日(金)14時 4 合格発表 厚生労働省及び当センターに合格者の受験番号を掲示するとともに、当センターホームページでも閲覧可能です。合格基準点及び正答についても併せて公表します。 また、全受験者に対し総得点、科目ごとの得点及び無得点科目などを通知します。 5 受験者数 45, 187人 6 合格者数 12, 181人 7 合格率 27. 0 % また、 第27回社会福祉士国家試験の合格基準及び正答について 1 合格基準 次の2つの条件を満たした者を合格者とする。 (1) ア 総得点150点に対し、得点88点以上の者(総得点の60%程度を基準と し、問題の難易度で補正した。配点は1問1点である。)。 イ 試験科目の一部免除を受けた受験者 (社会福祉士及び介護福祉士法施行規則第5条の2) 総得点67点に対し、得点37点以上の者(総得点の60%程度を基準と し、問題の難易度で補正した。配点は1問1点である。)。 (2) (1)のア又はイを満たした者のうち、(1)のアに該当する者にあっては ①から⑱の18科目群、イに該当する者にあっては⑫から⑱の7科目群すべてにおいて得点があった者。 という基準点が 88 点( 史上最高 )! (2) はいわゆる0点科目なので省きます。 自分は自己採点で88点だと思っていたら、先ほど正解を見直したところ89点の間違いの可能性が出てきました、いずれにせよ来週には結果の通知が来るのでそれで分かります。 受験番号も確認でき、多分ぎりぎりの所で拾われたようです(゜o゜;; さて、合格発表の「参考」欄に本当に「参考」になった数字が出ていました。 4 合格者の内訳 (3)年 齢 別 年齢区分(歳) 人数(人) 割合(%) 備 考 ~30 6, 055(6, 306) 49.
法律や制度についての問題が多く出題されましたので難しく感じた方もいるかと思いますが、しっかりと準備していた方は得点源にできたのではないでしょうか。 ただ、過去問学習で対応できる問題も多くあったので、繰り返し数年分の過去問を勉強していた方にとっては比較的余裕があったのではないでしょうか。 第32回のように見慣れない言葉が並び戦意喪失してしまう程度ではありませんでした。 午後の事例問題は比較的簡単な部類であり今回も得点源となりそうです。 こちらも基礎的な内容が多く、例年程度もしくは多少簡単かと思われました。 過去の合格ラインは? 全体的な難易度としては例年通りであり、急激にボーダーラインが上がる・下がるという可能性はなさそうです。 ただ、前回よりは多少簡単になっていると感じましたので90点と予想します。 第33回社会福祉士国家資格の合格発表はいつ? 令和3年3月15日(月曜日)ですので、発表までもうしばらく待ちましょう。 他の受験者の点数が気になる? 投票すると現在の割合が確認できます。 中間報告 みなさま協力ありがとうございます。 2/23時点(n=251)のデータを用いてボーダーラインを予測しなおしたいと思います。 以下、集計データです。 100点以上が目立ちますがまとめいますので、実質的な最頻値は90点です。中央値は92点ですね。 正直思った以上に高いなというのが感想です。 ただ、ある程度得点出来ている方が本ページにアクセスしているとは思いますので、全体的な母集団よりは高得点に寄ってはいるかと思います。 そして合格者は30%程度に収まるので、そのあたりがボーダーラインになると考えると、今回回答いただいた方のデータでは27. 5%が入る97点以上が合格ラインになるんですよね… ただ、上述したように高得点の方々が集まっているかと思いますので、多少は下がるのではないかと。 一旦報告でした。 今だから見てもらいたい事実がある コロナ禍での実体験をまとめさせていただきました。 まだまだ大変な状況ですが医療機関従事者などは差別を受けている事実があります。 多くの方にみていただき、差別をなくすために皆で努力できれば幸いです。
受験生の皆さん、お疲れ様でした!! 今年は 新型コロナウイルス対策も行われたので、 試験会場の空気には 一段と緊張感があったと思います。 試験が終わって3日目ですが、 お疲れは取れましたでしょうか? さて、今年も150問をすべて解いてみて、 難易度分析をまとめました。 去年のデータ(一部はおととしのデータ)と 比較してお伝えしたいと思います。 問題の難易度は、3つに分類します。 ◎…基本的な知識で解ける問題 ○…最後の2択で間違えやすい問題 △…難易度調整問題(解けなくてもOK) そして、このように点数化します。 (各科目の計算の際、小数点は四捨五入しています) ◎→1点 ○→0. 5点 △→0点 まずは、科目別の これだけ取れていれば安心のライン (到達点の目安)です。 ーーーーーーーーーーーー 追記:「到達点の目安」とは? 共通科目と専門科目を合わせて 150点満点で受験される方が その年の問題の難易度通りに回答した場合、 だいたいこのぐらいの点数になりますよという目安 です。 問題が難しければ得点率は60%を下回り、 問題が易しければ得点率は60%を超えます。 この目安は、 どの科目もまんべんなく学習した場合の点数 なので、 実際にはみなさんそれぞれ 得意・不得意科目があると思います。 どこかの科目で足りない点数があれば 別の科目の点数で補い、 合計が同じぐらいになればもちろんOK です。 ※18科目全体でバランスを取るイメージなので、 専門科目のみを受験された方の場合は 考え方が異なります。 共通科目は、 昨年とほぼ同じ難易度だったと思います。 最後の権利擁護の問題は難しかったですが、 人体や社会保障などは 解きやすい問題が揃っていたのではないでしょうか。 一方の専門科目ですが… 非常に解きやすい問題が揃っていましたので、 自己採点では、 これまで積み重ねてこられた学習が 報われるような点数 が出たのではないかと思います。 大変喜ばしいことではあるのですが、 専門科目のみを受験された方にとっては 注意が必要ですよ!! これだけ難易度に差が出ることはあまりないので、 過去問等から合格ラインを予想されている方は、 今年の合格基準点は例年より高いこと を 覚悟されたほうが良いと思います。 今回はおそらく 40点代 になるかと思いますが、 第30回試験のときは43点でしたので、 その近辺でしょうか…?
高速であること( Velocity) データを貯める空間との通信が早く、リアルタイムデータなど、データ取得や生成におけるタイムスパンが非常に短いデータのことです。 身近な具体例ですと、通勤時にかざすカードリーダーなどが挙げられます。 カードをカードリーダーにピッとかざした瞬間に誰が何時何分何秒にかざしたデータがデータベースに記録されます。これはリアルタイムの通信の典型的な例です。 一方、「高速でない」とは例えば 月末などの月に一回、その月のデータを集め一括処理すること(月次バッチ処理)などがあたるでしょう。 取引が行われて1ヶ月後に通信・処理されるのと、リアルタイムで処理されるのとでは、そのスピードは全く違います。また、ご参考として、 2025年には世界で生成されるデータの30%がリアルタイムデータに なるという示唆もあります。ここからも、リアルタイムデータが欲されている状況、またリアルタイムデータでなければ活用しにくいことが推察できるかと思います。 2-3. ビッグデータとは？｜活用事例やその他の最新技術との組み合わせをまじえて、図解を使って3分でわかりやすく解説します - YouTube. 多様性があること( Variety) データの形態が文字、音声データ、動画など"多様"なデータがデータベースにあるということです。 昔は一つのテーブル(表のようなもの)を扱っていましたが、それがデータベースとなり、また写真や音楽などの非構造化データ(詳しくは 5章 に記載)と言われる様々なデータが出てきました。 3. ビッグデータの活用事例 それでは、ビッグデータはどこで使われているのでしょうか。ビッグデータの使用目的は様々ですが、 下記に、特にイメージしやすい幾つかの例を見てみましょう。 3-1. Eコマース Eコマース領域では、顧客のデータ、商品データ、会員情報(人的属性含め)、カード情報、サイト遷移など、様々なデータがビッグデータとして保持されています。 こうしたデータは既に様々な場面で活用されています。例えば、任意の顧客が次に購入するであろう商品を予測し、おすすめ商品として提案するときは、Eコマースのデータは非常に有用です。これは売上に直結するデータ活用の好例ですね。 SUICAなどの交通カードは、そのICチップにより、運賃だけではなく買い物をした際にその情報が蓄積されビッグデータとなっています。蓄積されたビッグデータを社外に提供しているので、エリアマーケティングに使われていることもあるでしょう。 itterなどのSNS TwitterやFacebookなどでのSNSでは、その閲覧履歴など様々な情報から、その人に最適な広告を自動的に選別し、表示されるようにしています。これもビッグデータのおかげです。 4.
ビッグデータには「種類」がある ビッグデータには多くの種類のデータがあります。ここでは、代表的な5種類を簡単にご紹介します。下記は複合的な要素を持ち重複している部分もあります。そして、全てのデータの種類を挙げているものではありません。しかし、本章ではビッグデータの種類のイメージを持っていただくことを目的とするためよく扱われるカテゴリとして、下記の通りご紹介します。 構造化データ それぞれのデータの意味が定義づけられており、その多くが数値のデータです。 非構造化データ テキストや画像、動画、ドキュメントなどを指します。わかりやすい例としては、カスタマーセンターなどのクレーム対応のデータ、契約書、社内に飛び交うEメールなどがあります。 地理データ 道、建物、川、湖、住所など地理的な情報システムから生成されるデータです。 自然言語データ 人間から生成される、主に口語でのデータです。自然言語データのソースとしては、スピーチのデータ、携帯電話などがイメージしやすいでしょう。 時系列データ 継続的な時間のデータの連なりです。 例えば、2014年から2020年の日次の売上情報を持つデータや、株価の推移データなどは代表的な時系列データといえます。 2. 「ビッグデータ」をビッグデータたらしめているもの:ビッグデータの特性 1章ではビッグデータはとにかく大量のデータであると申しましたが、厳密に言うと、 ビッグデータをビッグデータたらしめているもの3つの要素があります。 厳密に理解するとより正確な理解につながるのでこちらでご紹介します。 「ビッグデータ」は直訳すると「大きい(大量の)データ」、ですが、概念上この3つの要素が当てはまっている状態のことを指します。 大量・膨大である(Volume) 高速である(Velocity) 多様性がある(Variety) 英語では、これら3つ、 Volume、Velocity、Varietyの頭文字をとって「3V」 と言ったりします。一つ一つ見ていきましょう。 2-1. 大量・膨大であること(Volume) 文字通りデータが「膨大」であることを指します。1章で前述した通り、量的に小さいデータはビッグデータとは言いません。 時代を経て、ギガバイト→テラバイト→ペタバイト、など標準的に扱うデータボリュームがどんどん増えていっていますよね。 昨今生成されるデータ量が拍車をかけて激増している背景 データを収集できる"源"となるものが激増している :IoTや様々なデバイス、ビデオ、写真、SNS、その他様々なプラットフォームなど、ソースとなるものが増えているためです。 ストレージ単価が下がった :技術の進化により、データをストレージ(貯留・保管)するコストが格段に下がったというのも、データ量激増に拍車をかけました。 2-2.
ビッグデータの応用をめざましく進歩させたのが 人工知能 (AI)の技術 です。 AIを利用すると、SNSユーザーの書き込みを「好感」「不快感」「どちらかといえば好感」……などに分類できます。 統計を取るよりも詳しい形で「同じような感じ方、考え方を別の言葉で語っている」人々の声を集められるのです。 よりミクロで、よりマクロな 社会の全体図が示されると言っていいでしょう。 「いま何が起こっているか」だけでなく「その背景にどのような感情や好みがあるのか」まで分析できるのですから、驚きですね。 ビッグデータのリスクとは? ビッグデータの得意とすることは、マッチング。 たとえば「新しいアクセサリーを買った」人が「口臭除去剤」を買い「高級ホテルのレストランで食事をする」…… そんな傾向を「 見える化する 」ことができるのです。 この予測を使い、「アクセサリーを買った」人に対して「口臭除去剤」や「高級ホテル」の情報を提供することも。タイムリーに情報とマッチングすることができ、 精度の高いマーケティングセールス ができます。 ただ、気をつけたいのがプライバシーの問題。 「人の気持ち」を先読みするようなマーケティングが発展しすぎると、ユーザー側は次々と商品をおすすめされるようになります。 おすすめの精度が上がりすぎると、自分の生活が丸裸になり先回りされているようで 気持ち悪さを感じる 人もいるでしょう。 企業にとっては、プライバシーと便利さのバランスをどう取るかが今後の課題と言えそうです。 ビッグデータの具体的な利用例は?