本研究では，オンデマンド講義における学習の質向上を目的として，講義受講者の学習エンゲージメントを推定する手法を提案する．従来手法では，表情，姿勢および視線といった映像ベースでの情報を用いていたが，本研究では接触型デバイスから取得した頭部と腕の加速度情報に注目する．本稿では，LSTM(Long Short-Term Memory)を用い構築した機械学習分類器を用いて，各モダリティ情報の組み合わせによる学習エンゲージメント推定性能について比較実験を行なった結果を紹介する．