成績証明書データをExcelに抽出する方法
— 入学審査担当者向けステップバイステップガイド

成績証明書のデータが他の文書と異なる理由

一般的な文書抽出の課題は、多くの場合、共通のパターンを持っています。請求書番号、日付、合計金額など、ページに一度だけ現れるフィールドを見つけることです。成績証明書は、このパターンを3つの点で破っており、それが汎用OCRツールが苦戦し、テンプレートベースのアプローチがフォーマットの多様性の前で崩壊する理由を説明しています。

複数行のコース一覧。 成績証明書は、単一インスタンスのフィールドを持つフォームではありません。それは表であり、複数ページにわたることもあり、各行がコース名、成績、単位、学期を表します。4年制高校の成績証明書には28～32行のコースが含まれます。転校生の統合された成績証明書は、複数の以前の教育機関にわたって60行を超えることもあります。正しい行から正しいデータを抽出することは、ピクセルレベルのOCRが本来想定していなかった構造的な課題です。

多様な評価尺度。 教育機関は、少なくとも4つの一般的な尺度で成績を報告します。加重なし4.0、加重あり5.0（AP/IBは+1.0、Honorsは+0.5）、100点満点のパーセンテージ、および数値換算のない文字のみの評価です。「B+」は、ある高校では4.0尺度で3.3を意味し、別の高校では87～89%を意味し、スタンフォード大学などが使用する4.3尺度ではまったく異なる値になります。国際的な成績証明書は、パーセンテージ帯、順位ベースのシステム、および米国のどの尺度にもきれいにマッピングできない国家試験のスコアを追加します。単にページから「B+」という文字を読み取っても、何の役にも立ちません。評価機関の枠組みの中でその成績が何を意味するかを知る必要があります。

単位システムのバリエーションとコース指定。 学期単位、クォーター単位（標準の÷1.5換算により、5クォーター時間＝3.33学期時間）、トリメスター単位、カーネギー単位がすべて同じ志願者プールに共存しています。単位の数に加えて、コースレベルの指定は入学審査上重要な意味を持ちます。アドバンスト・プレイスメント、インターナショナル・バカロレア、ダブルエンロールメント、優等コース、以前の教育機関からの編入単位、補習コースなどです。それぞれの指定は、GPA計算でコースをどのように加重するか、および前提条件を満たすかどうかに影響します。「4.0単位」と表示するだけで、「AP Calculusの4.0クォーター単位」であることを伝えない成績証明書抽出ツールは、誤解を招くデータを提供していることになります。

このため、全米大学登録・入学担当官協会（AACRAO）（約2,300の教育機関から18,000人以上の専門家が参加）は、長年にわたり「Academic Record and Transcript Guide」を通じて成績証明書の標準化に投資してきました。また、National Student Clearinghouse Electronic Transcript Exchange (ETX)は現在、約2,000の教育機関を結び、PDF、XML、EDI形式での無料かつ安全な成績証明書交換を実現しています。電子成績証明書送信のためのインフラは存在します。残されたギャップは、送信された文書を、職員がすべてのフィールドを手入力することなく、SISが利用できる構造化データに変換することです。

従来のOCRは文字を読み取ります。AIを活用した意味抽出（このガイドで扱うアプローチ）は、学術的な意味を読み取ります。ある成績証明書の「AP Calc BC」と別の成績証明書の「Calculus BC (Advanced Placement)」が同じコースカテゴリであることを理解します。同じページにあるコースの成績と累積GPAの数値を区別できます。そして、送信元の教育機関ごとに解析テンプレートを作成して維持する必要なく、これを実行できます。基礎となる技術の違いの詳細については、OCRが実際に理解できることと理解できないことに関するガイドをご覧ください。

ステップ1：抽出のための成績証明書を準備する

抽出ツールに入力する内容が、出力結果を左右します。以下の3つの準備が、出力品質に明確な差をもたらします。

スキャン解像度。 郵送で届く紙の成績証明書を扱う場合、最低300 DPIでスキャンしてください。年間31,000件以上の大学成績証明書（82%がEDI、18%が紙からのOCR）を処理するサンディエゴ州立大学では、300 DPI・グレースケール出力を標準としています。白黒スキャンでは、詰まったレイアウトの成績証明書で、科目名と成績欄を区別する微妙なコントラストが失われます。カラースキャンは情報を最大限保持しますが、ほとんどの成績証明書形式で精度が有意に向上するわけではなく、ファイルサイズが増大します。

用紙の傾き補正と向き。 成績証明書はほぼ常に縦向きですが、スキャン時にわずかに回転していることがよくあります。2度の傾きでも、従来のOCRでは列の配置を誤読し、どの成績がどの科目に属するかが混乱する原因となります。スキャンソフトに自動傾き補正機能があれば有効にしてください。既にデジタル化されたPDFの場合、ほとんどの抽出ツールが内部で回転を処理しますが、バッチで系統的なエラーに気づいた場合は、抽出ロジックを調べる前に元のPDFの回転を確認してください。

バッチ整理。 アップロード前に、処理優先度ごとに成績証明書をグループ化してください。単位認定を評価する場合は、編入審査が必要な証明書と、単純な新入生入学用ファイルを別々にバッチ処理します。ワークフローが異なるためです。ファイル名は一貫して [姓]_[名]_[機関名].pdf としてください。この命名規則により、検証時に各ファイルを開かずに、抽出データを元のファイルと照合できます。

主にNational Student Clearinghouse ETXやParchmentを通じて成績証明書を受け取っている場合は、既にデジタルPDFを受信しているため、スキャンステップを省略して直接抽出に進んでください。抽出前の画像品質最適化の詳細については、OCR精度向上のための実践ガイドをご覧ください。

ステップ2：抽出する列を定義する

ここが、テンプレートベースのツールとは決定的に異なるポイントであり、使えるデータを得られるか、それとも混乱した結果になるかを左右するステップです。テンプレート方式では、各送付元機関のサンプル成績証明書にフィールドを矩形で囲む作業が必要です。米国だけでも2,000以上の高校と4,000以上の大学がある中で、この方法はスケールしません。

セマンティック抽出は異なるアプローチをとります。ツールに「どこを」見るかを指示する代わりに、「何を」欲しいかを指定します。つまり、出力スプレッドシートのヘッダーとなる列名を定義するのです。AIが各成績証明書を読み取り、テキストの学術的な意味を理解し、定義された列に値をマッピングします。これがImageToTable.aiのカスタム列抽出です。出力スキーマを一度定義すれば、フォーマットの違いに関係なく、バッチ内のすべての成績証明書にツールが適用されます。

以下は、多くの入学事務局が必要とするコアデータをカバーする列スキーマの例です。

最後の列「科目レベル」は、ほとんどの成績証明書に明示的に表示されるフィールドではありません。AIが文脈から分類を推論する必要があります。科目名に「AP」とある、別の「優等」指定列がある、またはダブルエンロールメントの表記がある、といった情報から判断します。これは推論列です。AIが文書を読み、証拠に基づいて各科目がどのカテゴリに属するかを推論します。たとえ成績証明書に「AP」や「優等」という単語が独立したフィールドとして印刷されていなくても機能します。列定義にオプションを含めることで推論ロジックを指定します：科目レベル（オプション：通常、優等、AP、IB、ダブルエンロールメント、編入、補習）。

単位互換評価の場合は、以下の列を追加して詳細を取得します。

入力する列名は、最終的なExcel出力の列ヘッダーになります。出力形式を定義すれば、AIがバッチ内の文字起こしからデータを自動入力します。

ステップ3：GPAスケールと単位換算の処理

生の成績と単位数を抽出するのは作業の半分に過ぎません。志願者間で比較可能にするには換算が必要であり、ここで手作業によるワークフローは、入学パイプラインを通じて静かに蓄積するエラーを引き起こしがちです。

クォーター制からセメスター制への単位換算。 AACRAOが推奨し、ノーウィッチ大学からエクセルシオール大学まで多くの機関が採用する標準は、クォーター単位÷1.5＝セメスター単位です。5クォーター単位の科目は3.33セメスター単位になります。この換算は、編入入学、前提科目修了、奨学金受給資格の最低単位数要件に直接影響するため重要です。SISがセメスター単位を想定しているのにクォーター単位をそのまま取り込むと、以降のすべての単位合計が誤った値になります。

計算列を使用すれば、抽出時にこの換算を自動化できます。セメスター単位（単位種別がクォーターの場合＝単位÷1.5、それ以外＝単位）という列を定義するだけで、AIが単位種別を読み取り、計算式を適用し、換算後の値をスプレッドシートに直接出力します。抽出後のExcel数式は不要です。同様の方法で、3学期制単位÷1.17や、カーネギー単位×機関のポリシーに応じた変動倍率など、他の単位系の換算も処理できます。

GPAスケールの標準化。 AP科目に5.0を与える高校の加重GPA 3.8と、厳格な4.0スケールを使用する高校の非加重GPA 3.8は、同じ成果ではありません。志願者を公平に比較するには、報告された生のGPAと、スケールに関するコンテキスト情報の両方が必要です。

すべての成績証明書から以下の3つのフィールドを抽出します：

• GPA（報告値） — 成績証明書に記載された数値
• GPAスケール — 推論列を使用：GPAスケール（選択肢：4.0非加重、5.0加重、4.3、100点満点、その他）
• GPAスケール最大値 — そのスケールの最大値（4.0、5.0、4.3、100）

これら3つの値がスプレッドシートにあれば、入学チームはツールのブラックボックス換算に頼らず、自機関の計算式でスケール間の標準化が可能です。一般的な方法として、報告GPAをスケール最大値で割り、最大値に対する割合スコアを算出します（例：3.6/4.0＝0.90、4.2/5.0＝0.84）。これにより、元のデータを失うことなくスケール間の比較が可能になります。

編入単位とダブルエンロールメントの処理。 成績証明書に複数の教育機関の科目が記載されている場合（編入生やダブルエンロールメント志願者に多い）、どの科目がどこから来たのかを抽出時に保持する必要があります。教育機関（科目ごと）という列を定義し、各行の出身校を取得します。成績証明書の一部の科目の横に「コロンバス州立コミュニティカレッジ」と記載されていれば、AIはそれらの行をその教育機関に関連付け、列にデータを入力します。成績証明書ごとにレイアウトが異なっていても対応可能です。

入学願書、奨学金通知書、標準テストのスコアなど、教育関連文書全般におけるAI抽出の概要については、教育向けOCR・AI抽出の完全ガイドをご覧ください。

ステップ4：確認・検証してExcelにエクスポート

AI搭載の抽出ツールであっても、すべてのトランスクリプトを100%正確に処理できるわけではありません。重要なのは、スタッフがすべての行を再読しなくても、人手による確認が必要なごく一部の項目を効率的に拾い上げるワークフローを設計することです。これこそが、チームを強化する自動化と、新たな雑務を生み出すだけの自動化の違いです。

信頼度ベースの確認。 一部の抽出プラットフォームでは、AIの確信度が低い項目（成績、科目名、単位数など）にフラグを付け、人の確認を促します。抽出されたすべての行を確認する代わりに、スタッフはフラグが付いた項目だけに集中できます。項目レベルの精度が95～99%であれば、トランスクリプト1件あたり30以上の項目を確認する必要はなく、おおよそ1～5項目の確認で済みます。15,000件の申請サイクルでは、手動で確認すべき項目が450,000件から約22,500件のフラグ付き項目に減少します。それでも作業はありますが、週単位ではなく時間単位で計測できる作業量です。

クロスリファレンス検証。 抽出データをSISにインポートする前に、以下の2つのクイックチェックを実行してください。

1. 行数チェック： 抽出された科目行の数は、トランスクリプト上に表示されている科目数と一致していますか？4年分のトランスクリプトで32科目あるのに、抽出された行が28行しかない場合、何かが見落とされています（通常は、ページをまたぐ科目や特殊なレイアウト要素が原因です）。
2. GPAの妥当性チェック： 抽出されたGPAが2.1なのに、すべての科目の成績がAまたはBである場合、GPAフィールドが誤って読み取られているか、トランスクリプトが想定外のスケールを使用している可能性があります。

Excelへの一括エクスポート。 複数のトランスクリプトを1つのバッチで処理すると、ツールはすべての抽出データを1つのスプレッドシートに統合します。各行が1科目に対応し、列はステップ2で定義したスキーマに一致します。出力は、Ellucian Banner、PeopleSoft Campus Solutions、Workday Student、またはCSVやExcelのアップロードを受け付けるあらゆるSISに直接インポートできる形式です。各行はファイル名列を通じて元のトランスクリプトにトレース可能なため、単位監査や単位認定の際に疑問が生じた場合、スタッフは数秒で元のPDFを確認できます。

このバッチ統合機能こそが、トランスクリプト処理をドキュメント単位のタスクからパイプラインへと変革します。50件のトランスクリプトを1回のアップロードで処理し、すべての科目が行として並んだ1つのスプレッドシートを取得し、それを登録課が既に使用しているシステムに直接取り込むことができます。

成績証明書データ抽出におけるFERPAコンプライアンス

家庭教育権利プライバシー法（FERPA、20 U.S.C. § 1232g；34 CFR Part 99）は、教育機関に対し、学生の教育記録にアクセスできる者を管理し、情報開示先の本人確認を行うための「合理的な方法」の使用を義務付けています。成績証明書は教育記録です。処理中にこれに触れるすべての人がアクセスポイントとなり、管理と記録が必要です。

手動入力がFERPAのリスクを生む箇所。 手動ワークフローで1つの成績がSISに届くまでに、成績証明書PDFは通常、共有ネットワークドライブ（部門フォルダの権限がある誰でもアクセス可能）、メール受信箱（転送、自動保存、複数端末へのキャッシュの可能性あり）、職員のデスクトップやダウンロードフォルダを経由します。それぞれの受け渡しの時点で、文書は誰がいつアクセスしたかを記録するシステムの外に存在します。FERPAの苦情により監査が発生した場合、機関は管理の連鎖を示す必要がありますが、スプレッドシートの修正ログはアクセスログにはなりません。連邦政府によるFERPAの執行が強化され、教育省が機関にコンプライアンスの認証と積極的なデータ保護の実証を求めるようになるにつれ、「これまではこうしてきた」という慣行と実証可能なガバナンスの間のギャップは狭まっています。

自動抽出がリスク表面を減らす方法。 成績証明書データが、共有ドライブへの保存、メール添付、個別デスクトップへのダウンロードといった中間工程を経ずにファイルを直接処理する抽出ツールを通過する場合、管理されていないアクセスポイントの数は減少します。成績証明書はアップロードから構造化出力へと直接進みます。職員は学生記録の完全なPDFを扱うのではなく、抽出されたデータフィールドを確認します。また、抽出処理は暗号化されたデータ処理によるサーバーサイドで行われるため、FERPA関連のアクセスイベントは、アップロード者の認証、抽出処理、レビュー担当者のアクセスに限定され、これらはすべて記録可能です。

これはFERPAの義務をなくすものではなく、コンプライアンスワークフローの形を「すべての人的受け渡しを追跡する」から「システムアクセスポイントを管理・記録する」へと変えるものです。ほとんどの入学課にとって、後者の方が文書化、監査が容易で、偶発的な違反も起こりにくいと言えます。

よくある質問

AI抽出は手書きの成績証明書や評価にも対応しますか？

部分的に対応しています。印刷された成績データ（科目名、単位数、機関名、GPA数値）は高い精度（通常95%以上）で抽出できます。一方、手書きの注釈（カウンセラーの余白メモ、手書きで丸で囲まれた成績修正など）は困難です。最新の視覚言語モデルは、鮮明で照明の良いスキャンであれば手書き文字をある程度正確に読み取れますが、筆記体、薄い鉛筆書き、印刷文字に重なる注釈などは信頼性の低い結果になります。手書き部分が多い成績証明書の場合は、フラグが立った項目の確認時間を多めに見積もってください。

非ラテン文字を使用した国際的な成績証明書はどうですか？

ラテン文字を使用する言語（英語、スペイン語、フランス語、ドイツ語、ポルトガル語）の成績証明書は問題なく処理できます。非ラテン文字（中国語、日本語、韓国語、アラビア語、キリル文字）の成績証明書は、それらの文字セットに対応した視覚言語モデルで読み取れますが、精度は文字の複雑さや文書の品質によって異なります。米国以外の教育機関の成績評価尺度や単位システムは別の複雑さをもたらします。例えば、フランスの20点満点評価システム（16/20が優秀）は、単純な割り算で米国の4.0スケールに変換できません。このような場合は、生の値を抽出し、貴機関の国際資格評価プロセスを通じて変換を処理してください。

非公式の成績証明書や学生ポータルのスクリーンショットからデータを抽出できますか？

はい — AIは公式の印鑑の有無にかかわらず、存在する視覚コンテンツを読み取ります。ただし、入学審査の決定には、最終的に検証用の公式成績証明書が必要になります。実用的なワークフローとしては、非公式の成績証明書やスクリーンショットを予備評価（選別、初期GPA推定、迅速審査対象者の特定）に使用し、その後、同じ抽出パイプラインで公式成績証明書を処理してSISに最終データを入力します。非公式バッチと公式バッチは分けて管理し、抽出データが混在しないようにしてください。

これはParchment Data AutomationやSoftdocs ITPとどう違うのですか？

Parchment Receive Premium + Data AutomationやSoftdocs Intelligent Transcript Processingは、大量の成績証明書処理に特化し、SIS/CRMと直接統合できるように設計されています。これらは、1サイクルあたり10,000件以上の出願を処理し、専任のITサポートとエンタープライズ契約の予算がある大学に適した選択肢です。このガイドで説明するアプローチ（軽量でテンプレート不要のAI抽出ツールを使用）は、異なるユースケース、すなわち小規模な入学事務局、コミュニティカレッジの単位認定、学部の大学院入試、またはエンタープライズプラットフォームがボリュームや予算に対して過剰であるあらゆるシナリオに対応します。どちらのアプローチも手動データ入力という同じ問題を解決しますが、規模、統合の深さ、コスト構造が異なります。

セキュリティ制限やパスワード保護のあるPDFでも動作しますか？

いいえ。パスワード保護やDRM制限のあるPDFは、抽出前にロックを解除する必要があります。ParchmentやNational Student Clearinghouseなどのサービスからのほとんどの公式電子成績証明書は、標準的な保護されていないPDFとして届きます。ロックされたPDFに遭遇した場合は、発行元の機関の教務課に連絡してください。制限のないバージョンや代替の配信方法を提供してもらえます。

成績証明書抽出の実際の精度はどのくらいですか？

印刷された成績証明書データ（科目名、成績、単位、機関名、日付、GPA）のフィールドレベルの精度は、スキャン品質、レイアウトの複雑さ、および成績証明書に異常な書式要素（複数列の科目一覧、分割ページデザイン、テキスト上の透かし）が含まれているかどうかに応じて、通常95％から99％の範囲です。テキサス大学オースティン校は、自動成績証明書データ抽出を採用した後、95％以上の精度とスタッフの処理時間の70％削減を報告しています。残りの1〜5％のフィールド（通常、異常な略語、高度に圧縮されたレイアウト、または文書の端近くに印刷されたテキストを含む）は、信頼度ベースのレビューワークフローが捕捉するように設計されています。これは人間の判断を置き換えるツールではなく、人間の判断が必要な領域を減らすツールです。