AIによる教育革命：自己主導型およびガイド型適応型学習の包括的分析

適応型学習は、人工知能などの高度なテクノロジーを活用して、パーソナライズされた学習体験を生み出す教育アプローチです。適応型学習では、生徒の進歩と理解に基づいて学習内容と学習経路が調整されます。つまり、すべての生徒が自分の知識レベルと学習速度に合った指導を受けることになります。

たとえば、生徒が特定のトピックを理解するのが難しい場合、適応型学習システムは、生徒がそのトピックを習得するのに役立つ追加の指導リソースと演習を提供できます。逆に、生徒がトピックについて高いレベルの理解を示した場合、システムはより高度なコンテンツを提供して、生徒が引き続き自分自身に挑戦し、知識を広げることができるようにします。

適応型学習の目標は、学習効率を向上させ、各生徒が自分のペースと能力の範囲内で学習できるようにすることで、学習成果と満足度を向上させることです。

適応型学習はどのように機能しますか?

ほとんどの適応学習機能は同様のプロセスに従います。

1. 生徒の学習（宿題など）や教育環境全体（授業など）の目標を設定します。これには通常、教師がシラバスを作成したり、学習目標を割り当てたりすることが含まれます。
2. これらの目標に関連する評価の質問をします。
3. 回答の正確さ、質問の難易度、および/または質問とスキル、概念、または学習目標の知識マップとの整合性に基づいて、生徒の知識状態を推定します。
4. 生徒の推定される知識の状態に基づいて、次にどのようなアクティビティを行うかを決定します。これは、より簡単な質問やより難しい質問をすること、指導的介入を提供すること、前提知識のギャップを埋めること、生徒に教師と話すように提案すること、またはその他のアクティビティを意味します。

次に、各生徒がステップ 1 で設定された目標に到達するまで、ステップ 2 から 4 までのサイクルを続けます。

メリットは何ですか?

初期段階であっても、アダプティブ ラーニングの最も直接的なメリットは、大規模なパーソナライゼーションです。つまり、生徒は 10 倍の教師を必要とせずに個別の指導を受けることができます。適応型学習ツールは「仮想ティーチングアシスタント」として機能し、各生徒を学習成果を向上させる可能性が最も高い教材に結び付けます。

生徒が現在の知識レベル（同級生の生徒とは大きく異なる場合がある）に適した評価と指導を受けることができれば、より高いレベルの達成度に到達する可能性が高くなります。必須スキルを習得するためにさらなる練習、指導、改善が必要な生徒は追加のサポートを受けることができ、同じコホートのより上級の生徒は難しい問題に取り組むことができます。

海外の研究によると、適応型学習は多くの場合「すべての船が浮上する」結果をもたらし、大規模なコンピューター支援によるパーソナライゼーションは、教育上適切な環境で教師が運営する小グループの個別指導コースと少なくとも同程度の効果があることが示されています。

共通の課題は何ですか?

• 生徒の主体性とモチベーションの欠如: 生徒は「アルゴリズム」が必要だと判断したことに従うよう求められると、自分ではコントロールできないと感じるかもしれません。ツールが教材の選択理由を説明せず、学生の意見も考慮しない場合、結果として生じる体験はフラストレーションがたまり、逆効果になる可能性があります。 _
• 人間によるサポートとのつながりが不十分: 強力な介入があっても、適応型学習ツールではすべての生徒の知識のギャップを埋めることはできません。教師が、苦労している生徒を特定するための実用的な分析や、生徒が（人間の）助けを求める動機となるタイムリーな「出口」を持っていないと、熟練した教師から価値の高い生産的なサポートを受けられず、無駄に苦労する生徒もいるかもしれません。
• 学生グループの断片化: 適応型学習ツールでは、グループをどの程度「離して」おくかが異なります。極端な場合、上級の生徒がカリキュラムを急速に進める一方で、準備が不十分な生徒が以前の単元や前提条件となるスキルで行き詰まったままになっていることに教師が気づくことがあります。適応型学習をうまく実装すると、コースのペースや構造にとってこれがどの程度重要かに応じて、学生は同様の学習目標に同時に取り組むことができます。

適応型学習コースウェアは教師と生徒の考え方をどのように変えるのでしょうか?

教師にとって、適応型テクノロジーを使用することは、段階的な制御を放棄することを意味することがよくあります。コースウェアが学生のニーズにうまく適応するには、講師があらかじめ決めた順序で事前に選択した教材を単に提示するだけでは不十分です。適応型学習のコースウェア実装が成功するには、教師が各生徒の活動の目標、コンテンツ領域、および/または指導機能を選択し、適応型テクノロジーが必要に応じてさまざまな量と種類のコンテンツを生徒に配布するという中間点を達成することを目指します。アダプティブ ラーニング コースウェアでは、わかりやすい分析と行動喚起も提供する必要があります。これにより、教師は各生徒の学習状況や、どのようなアクティビティや個別の指導が最良の結果を生み出すかを理解できます。

生徒にとって、適応型学習活動は「従来の宿題」の経験とは異なる可能性があります。同僚とは長さや種類が異なる課題に取り組む際、その利点を説明せずに取り組むと、恣意的で懲罰的な印象を与える可能性があります。さらに、間違った回答を提出すると最終成績に影響することが多いため、学生は間違った回答を提出することを心配することがよくあります。適応型学習では、このペナルティがしばしば再定義されます。つまり、生徒は学習時に間違った答えを出すことが_想定_されており、悪いスタートの後でも、間違いから学ぶために一生懸命努力する限り、適応型アクティビティで高い最終成績を達成することができます。学生たちはこの「成長マインドセット」の方向性に好意的に反応する傾向があることがわかりました。

習熟度ベースの学習は、次の 2 つのソリューションに基づいてさまざまな方法でサポートできます。

1. 自己主導型の適応型学習: このソリューションは、各生徒にパーソナライズされた学習体験を提供することを重視しています。教師は学習目標を設定し、システムは各生徒の知識状態に基づいて個別の課題を提供します。このソリューションは、重点的な練習問題、指導テキストとビデオ、前提条件のリアルタイム修復など、タイムリーなサポートを提供します。最も重要なのは、学生は重要な決定ポイントで選択肢を持ち、前提条件となるスキルの補習をカバーして指定された教材に戻るか、より準備ができていると感じるトピックに切り替えるかを決定できることです。この自主的なアプローチは、生徒の自主性と自主的な学習を重視します。
2. ガイド付き適応型学習: このソリューションは適応型課題を提供しますが、一般的なコースでは、適応型課題と同数以上の非適応型課題 (静的な問題セット、リソース、または講師が提供する資料など) が存在します。各適応型課題は、導入、練習、復習という 3 つの広範な指導機能のいずれかを果たします。講師は課題ごとにシラバスに最適な機能を選択できます。このソリューションは、適応型学習プロセスにおける教師の指導的役割を重視しています。教師は、生徒の学習ニーズとカリキュラムの要件に応じて、学習プロセスを柔軟に調整し、指導することができます。