東京大学の2020年4月からの，授業オンライン化の準備，現状，課題，展望について述べる．

Japan ACM SIGCHI ChapterおよびCHI2020 Japan Chapter local meeting実行委員会は、新型コロナウイルス感染症(COVID-19)の影響で現地開催が中止となったACM CHI2020の日本ローカルの研究発表会をオンライン開催したので，これの報告をする．

私達はこれまで，高齢者に対するフレイル予防の普及啓発を目標に地域への介入研究を重ねてきた．地域での活動は，対面での講座や教室がおもであったが，感染症対策期間に入ると，対面での催しはすべて中止となり，地域にある高齢者の集いの場も臨時休館となった．これまでの活動が休止となり，また感染症対策として在宅である時間が長くなると，運動・栄養・社会参加というフレイル予防の3本柱の実践量が減少する恐れがある．本稿では，2020年3月からの感染症対策期間に実践したフレイル予防推進への取り組みについて紹介する．

使用するOSオブジェクトをシステム構築時に生成する静的OSにおいては，OSオブジェクトの生成に必要なコンフィギュレーション情報を，何らかの方法で記述する必要がある．静的APIは，リアルタイムOSのコンフィギュレーション情報を記述するための記述言語である．μITRON4.0仕様においてはじめて導入し，TOPPERS新世代カーネル仕様において改善を行った．本論文では，静的APIに求められる要件と，それらの仕様における静的APIの具体的な仕様について述べる．また，静的APIを処理するコンフィギュレータの設計と実装について，TOPPERSプロジェクトにおける約20年間の開発の歴史に沿って述べる．

In recent years, the field of Learning Analytics has been experiencing a surge in interest. Learning Analytics involves work such as evaluating a learner's achievement degree and predicting his future ability, by data mining and analyzing learning history using a learning management system or e-portfolio. In this research, we predict the transition of a student's performance in a programming exercise lecture, using Learning Analytics. Using the prediction result, we aim to develop an application that finds students who are failing a class at an early stage and supports their learning. Specifically, we cluster students using the data from a comprehension test, build a regression model by applying multiple regression analysis to each cluster, then predict the week when the students will pass. We implemented the proposed model and evaluated its usefulness by leave-one-out cross validation.

Probabilities occur in many applications of computer science, such as communication theory and artificial intelligence. These are critical applications that require some form of verification to guarantee the quality of their implementations. Unfortunately, probabilities are also the typical example of a mathematical theory whose abuses of notations make pencil-and-paper proofs difficult to formalize. In this paper, we experiment a new formalization of conditional probabilities that we validate with two applications. First, we formalize the foundational definitions and theorems of information theory, extending previous work with new lemmas. Second, we formalize the notion of conditional independence and its properties, paving the road for a formalization of probabilistic graphical models.