人工知能と教育の統合が高等教育改革を促進

[[434341]]

我が国の長期的な発展と人材戦略により、質の高い人材に対する需要が急速に高まっています。高等教育の責任の一つは、より多くの若者に高等教育を受ける機会を提供することです。高等教育の普及に伴い、大学における学生と教員の比率が高すぎます。学生のプロセス評価に基づく個別教育と適性に応じた指導は、高等教育の質を向上させるための課題です。人工知能と教育の統合は、質の高い教育システムの構築に役立ちます。

人工知能の潮流下で高等教育が直面する課題

教師にとって、情報化、ビッグデータ、人工知能は、豊富なプラットフォーム、ツール、リソースを提供します。教師は新しい人工知能技術を習得する必要がありますが、習得したレベルで止まることはできません。テクノロジーは教育に役立つものです。熱意ある教育で生徒を包み込むことは、機械に取って代わられるものではありません。学生の新しいテクノロジーへのアクセス能力が高まり続けるにつれ、教師が学生からのより多くの課題に直面することが当たり前になります。教師は心の中で役割の転換を完了する必要があります。彼らはもはや単なる知識の伝達者ではなく、学生の個別のニーズを満たす教育サービス提供者、学生の学習の仲間、動機付け役、感情の世話人となり、真に学生の「魂のエンジニア」になります。新しい状況下で、教師がさらにすべきことは、感情を注ぎ込み、自らの考えや経験を生かして生徒を導き、成長を助けることです。

学生にとって、人工知能は学習モデルを変えますが、学習の最終的な目標を変えることはできません。人工知能は、学習者が知識を習得するための敷居を下げ、知識を獲得するためのチャネルを広げ、学習者が巨人の肩の上に立って効率的に学習できるようにします。しかし、学習者として、私たちは人工知能が単なる技術であり、その役割は代替ではなく補助的なものであるということを認識する必要があります。学習の最終的な目標は、能力を向上させることです。人工知能は学習者が質問に答えるのを助けることはできますが、学習者が問題を解決するのを助けることはできません。問題の解決は、最終的には学習者自身の能力と資質に依存します。したがって、テクノロジーに邪魔されることなく、いかにして有用な人間になるかが、学習の究極の目標であるべきです。

人工知能は本質的に強力なツールです。学習者にさまざまな学習支援サービスを提供する一方で、学習者の思考訓練や学習体験の機会を減らしたり、脳の構造や認知能力を変えたりする可能性もあります。これにより、学習者は怠惰になり、学習意欲が低下し、徐々に競争力を失い、急速に発展する時代の潮流に適応できなくなる可能性があります。したがって、学生は人工知能を活用して自らの学習を支援する能力を身につけると同時に、時代の変化に対応し、社会から真に必要とされる人材となるために、学習に対する前向きな意欲を維持し、生涯学習に取り組む必要があります。

最後に、教師と生徒に対する人工知能教育を実施する際には、教育の健全な発展を確保するために倫理的問題に注意を払う必要があります。私たちは、人工知能が教育活動において果たす新たな役割を十分に考慮し、これらの役割の不適切な行動から生じる可能性のある倫理的リスクを認識し、これらの役割の特別な地位を個人的な利益のために積極的に利用したり、他人の利益を害したりしてはなりません。例えば、学生の視点から見ると、論文や作品など、より独創的な成果物を自動的に生成するために人工知能に全面的に頼る場合、人工知能の学習モデルは大量のサンプルを抽出して活用することであるため、知的財産権や完全性など、微妙で複雑な倫理的問題が必然的に生じる可能性があります。例えば、教師の観点から見ると、教育用人工知能を使用して学生の学習行動データを収集し、それを使用して教育支援サービスを提供する過程で、大量の学生のプライバシーデータが個人の安全に関する倫理的問題を伴う可能性があります。そのため、人工知能を活用するための前提条件となる倫理的リスクや安全上のリスクについて、教師や生徒に説明する必要がある。

また、人工知能の限界、不確実性、リスクの影響を率先して理解し、合理的なシナリオでテクノロジーを正しく使用することを学び、環境の変化や外部からの攻撃などの不確実な要因によって引き起こされるリスクを回避する必要があります。例えば、人工知能を教育支援に活用する場合、それが依存する肖像分析技術やパーソナライズされた推奨技術には一定の信頼性の低さがあり、分析や推奨に​​偏りが生じる可能性があります。教師として、私たちは学生が不合理なコンテンツや情報を特定し、適時に排除できるよう支援すべきです。また、学生として、私たちも自分の学習に適したコースを選択できるよう最善を尽くすべきです。教師と学生の協力を通じてのみ、良好で健全な教育生態系を確立することができます。

人工知能と教育の統合は避けられないトレンドである

近年、人工知能の活発な発展と応用に伴い、教育における人工知能の応用はますます広範かつ深くなり、人工知能と教育の融合はますます一般的になっています。一方では、人工知能は教育に深く融合しており、他方では、高等教育に対する新たな要求、特に人工知能人材の育成に対する大きな需要も提起しています。

まず、AI は教育にシームレスに統合されます。情報技術アプリケーションの共通の特徴は、単純で反復的な手作業を置き換えることです。教育分野では、宿題やテスト問題の設定、宿題の採点、テストの判定など、単純ではない大量の反復的な手作業を人工知能が代替します。教育モデルの固定化は、高等教育における最も注目すべき問題の一つです。高等教育の教育モデルの固定化と硬直化は、教育評価指標の単調化、学習者の内発的動機の不足、暗記学習への傾向につながりやすく、増加する学生数に直面して、教師が個別教育を実施することは困難です。学習者が追求する目標は、もはや科学的・技術的な卓越性の追求、実践的な専門的問題に対処する能力、興味のある分野の研究ではなく、むしろ出席率、宿題の点数、テストの点数、順位などの評価指標になっています。人工知能は、これらの問題に対して優れたソリューションと技術的サポートを提供し、言語処理、推論、計画、認知モデリングなど、学習プロセスにおける一連の古典的な問題を解決します。

第二に、人工知能は高等教育に新たな要求を突きつけています。 2017年、教育部は新たな科学技術革命と産業変革の課題に対応するために、「新工学」の戦略的行動を提唱し、新時代の工学教育改革の新たな方向性を指摘した。これは、ある程度、教育とテクノロジーの競争の進行中のパターンを反映しています。つまり、テクノロジーの進歩は教育に先行し、教育はテクノロジーの進歩に基づいて才能の価値を再定義する必要があるのです。したがって、人工知能の波の下では、道具的合理主義のさらなる課題に対処でき、幅広い基盤と洗練された能力を備えた複合的な人材が新たなタイプの人材となるはずです。人材育成という重要な任務を担う高等教育も、教育システムから始めて人工知能を体系的に統合し、教育効果を高める必要がある。

人工知能が高等教育の改革を推進

人工知能は一般技術として、さまざまな分野で幅広く活用でき、教育との融合は止められません。ビジネス データ分析、自然言語処理、音声認識、機械推論、コンピューター ビジョン、ロボット工学、センサーなど、6 つのコア AI が好循環で相互作用します。これらの技術が教育分野に浸透し、応用されれば、高等教育の改革に役立つでしょう。

1.教育のエコロジーを変え、学習者の役割に焦点を当てる

人工知能の応用は多くの業界の産業生態を変え、人工知能と高等教育の統合により、教育の中心は「学習者」の役割に戻りました。

人工知能は学習者にさらなる自律性を与えるでしょう。伝統的な大学の教室では、学習内容と形式を教師が決定する「流れ作業型」の教育モデルがほとんどです。知識を伝達する「詰め込み型」や「教え込み型」の方法で学習者が自主的に考え、探求する意欲を起こせないことが多く、学習者は教育において受動的な立場になってしまいます。人工知能の発展に伴い、MOOC に代表されるスマート教育プラットフォームが徐々に人々の目に留まるようになりました。これらのインテリジェント アプリケーションは、インターネットとビッグ データ テクノロジを使用して膨大な教育リソースを集約し、キーワードの抽出やマッチングなどの自然言語処理テクノロジを使用して、リソース コンテンツの情報検索などの機能を実現します。これらのアプリケーションとテクノロジーにより、学生は学習内容と形式を自由に選択できるようになり、大きな自律性が与えられます。これにより、セミナーベースの教育、学生の自己探求と自己改善など、複数の教育モデルの開発が大幅に促進され、教育エコロジーにおける学習者の役割が集中化されます。

人工知能は教師の役割に変化を促すでしょう。既存の教育エコロジーは、リソース条件によって制限されています。授業後の繰り返しの復習と評価作業は教師の多くのエネルギーを消費し、教師が教室での指導方法の革新と教育の質の向上に集中することを不可能にしています。既存の人工知能技術は、教師の放課後の負担をある程度軽減することができます。たとえば、一部のコンピュータービジョン技術は、宿題やテスト用紙のスキャン画像を認識して、採点や復習を行うことができます。音声認識技術は、会話分析を通じて口頭試験の評価や発音の修正を行うことができます。一部のヒューマンコンピューターインタラクション技術は、簡単な会話を行って質問にタイムリーに答えることができます。これらのテクノロジーの背後にある膨大なデータ分析により、生徒に正確で多段階的な指導を提供できます。教師自身の教育経験や教育アイデアと組み合わせることで、より効果的な教育活動を促進することができます。全体として、これらの AI は教師の授業負担を軽減しながら、教育の質の向上に役立っています。したがって、統合の文脈における教師は、自身の経験に基づいてこれらのテクノロジーを合理的に適用し、学習者の監督と指導に重点を置き、教育活動全体の実施を支援する必要があります。

つまり、人工知能導入後の新しい教育エコシステムでは、学習者が教育の主導的役割を担うようになり、教育者の位置づけは、教育プロセスにおいて、学生の仲間やサポーターになることに重点が置かれるようになります。

2.ビッグデータと感情分析が付随評価を促進する

人工知能と高等教育の融合により、単一データ指向、タイムリーなフィードバックの欠如、教育現場から乖離した教育評価の現状のジレンマが解消される。ビッグデータのリアルタイム処理や繊細な感情認識などの技術を通じて、教育プロセス全体の分析とタイムリーで的を絞ったフィードバックが行われ、「学習者の学習促進」を目標とした動的な「伴走型」評価の発展が促進される。

ビッグデータ分析はプロセス全体の評価を促進します。現在の授業評価は、生徒の宿題の完了状況やテストのスコアなど、固定された単一のデータのみに基づいていることが多いです。全体として、これらのデータには、複数回取得されたスコアデータに対して生徒の発達状況を包括的に管理することが困難であること、宿題やテストなどの定期的なデータでは生徒の学習状況を継続的かつ動的に把握して追跡することが困難であるなどの問題があります。ビッグデータ技術の出現により、より細かい粒度、より広い範囲、より多くのチャネル、より速い頻度、より高い精度で、教育データを便利かつタイムリーに収集できるようになりました。各教育リンクの発展に合わせて、正の流れとフィードバック調整を伴う学習データフローを形成できます。ビッグデータ分析技術は、これらのデータを完全に統合し、学習データフローの動的な制御を実現します。つまり、動的な学習データを分析し、学習プロセスを追跡し、学習パスを記録し、プロセス全体の診断と評価を行うことができます。そのため、ビッグデータ技術と高等教育の統合により、授業評価は段階的な静的評価から全プロセスの動的評価へと変革されました。

感情コンピューティングは、タイムリーで効果的なフィードバックに重点を置いています。既存の評価データのうち、学習者の授業パフォーマンスを評価するために使用されるデータは、ほとんどが学習者の自己報告と教師の主観的な評価の形をとっていますが、教師の指導効果を評価するために使用されるデータの大部分は、生徒の主観的な評価から得られています。人工知能で広く使用されている自然言語処理技術とコンピュータービジョン技術は、関連する感情分析を非常にうまく実行できます。微妙な表情や動作の変化を伴うテキストと画像フレーム内のキーワードを抽出し、コーパスと表現ライブラリ内の多数のサンプルと比較して類似性を調べることで、包括的な分析を使用して対応する態度を得ることができます。これらの感情フィードバックデータは、一方では元の評価データを豊かにし、他方では評価結果をより効果的かつタイムリーなものにし、「学習を促進する」という「付随評価」の実施を促進します。

3.生徒の適性に応じた指導を実施し、個別教育を展開する

教育では生徒の適性に応じた指導を推奨していますが、教師が多数の生徒と向き合う状況では、生徒一人ひとりの学習状況を把握し、分析することが難しく、適性に応じた指導や個別教育の実施が困難です。既存のオンライン教育のほとんどは「個別教育」を装ったものに過ぎず、本質的には授業場所を教室から携帯電話やパソコンなどの電子製品に移しただけで、依然として学習者の学習状況にタイムリーかつ効果的に注意を払うことができていません。人工知能の出現により、この現在の問題はおそらく解決されるでしょう。

人工知能は学習リソースのパーソナライズに役立ちます。 MOOC に代表されるオンライン教育プラットフォームは、膨大な量の教育データをカバーしています。これまで、これらのコースの選択は、主に学習者自身に委ねられていました。一方では、情報過多による情報混乱につながり、他方では、コース内容の不一致により学習者が興味を失う原因にもなります。人工知能の広範な応用により、パーソナライズされた学習リソースが可能になります。学生の知識レベル、興味・趣味、学習習慣、学習感情などのデータ情報を統合し、パターン抽出やクラスター分析などの機械学習手法を用いてユーザー行動分析を行うことで、教育リソースのフィルタリングや推奨が可能になります。したがって、高等教育機関は人工知能を使用して、学習者の専門リソースの個別選択を促進し、個別指導を実施することができます。

人工知能は学習指導のパーソナライズを促進します。人工知能ロボットは、学習者の個別学習を指導するために徐々に使用されています。学習者の学習データをタイムリーかつ広範囲に収集して行動分析を行うと同時に、その背後にある人工知能は、学習者の既存の学習経路に基づいてディープラーニングモデルを構築し、リソースのシーケンス推奨を実行し、後続の学習経路の適応型計画を実現します。また、学習者の知識状態を自動的にモデル化し、学習者からのフィードバックと演習テストに基づいて知識追跡を実行し、学習者の能力の適応型評価を実現します。全体として、適応型学習パスの計画と能力評価は、学習ガイダンスのパーソナライズを促進します。

人工知能は教育フォームのパーソナライズを促進します。人工知能の支援により、オンライン教育は将来的に高等教育の重要な形態となり、現在高等教育で一般的に使用されているプログラム化されたオンサイト教育形式の柔軟性の欠如を改善します。これにより、学生の学習環境は単一の教室に限定されず、学習内容は単一のコースに限定されなくなります。代わりに、個人のニーズと好みに応じて、自分に合った学習リソースと学習方法を選択し、パーソナライズされた教育を実現できます。

[著者: Pu Juhua および Xiong Zhang、部門: 北京航空航天大学コンピュータサイエンス学院]

2021年中国高等教育誌第20号に掲載された記事です。

著者: Pu Juhua Xiong Zhang