ガートナー: 高等教育における人工知能

人工知能 (AI) は高等教育に大きな進歩を遂げており、何らかの形で AI を導入した教育機関は、学生の定着率、採用、教員の生産性などの分野で目に見える成果を上げています。

主な課題

• 高等教育機関は、AI の真の例と、インテリジェントな自動化 (または単なる誇大宣伝) に重点を置いた例を区別する必要があります。
• 現在、ほとんどの AI テクノロジーは依然として過大な期待のピークに近い状態にあります。多くの AI テクノロジー プロジェクトはまだ進行中であり、効果的な高等教育ツールに組み込むほど成熟していません。
• 教育の多くの側面には毎年同じような疑問や課題を抱える学生の集団が関わってくるため、高等教育機関は AI を活用できる適切なデータを独自に収集できなければなりません。

提案

デジタル戦略を実行し、AI を活用し始めている高等教育機関の CIO は、次のことを行う必要があります。

• SMART (具体的、測定可能、実行可能、関連性があり、期限が定められている) ユースケースを定義し、「リスクのある生徒を特定するのに関連する早期警告指標は何ですか?」などの主要な質問やアクションを特定します。
• AI には高品質で機械可読なデータが必要なので、データ品質レビューを作成します。 AI は新しい複雑なデータ タイプで発展していくため、関連するデータ ソースを接続することから AI アクティビティを開始してください。
• 信頼を構築するために、データがどのように使用されるか (または使用されないか) を定義する明確なデータ透明性ポリシーを策定します。 CIO は、AI イニシアチブのために収集するデータ、特に学生のパーソナライゼーションに使用されるデータについて透明性を確保する必要があります。
• AI プロジェクトの成功を確実にするために、多様な人材プールを構築します。学生の参加を活用し、キャリア開発スキルも身につけます。
• 機械をチームに参加させましょう。ディーキン大学の Digital Future Lab のようなデジタル変革チームを立ち上げることで、持続的な革新的な競争上の優位性を生み出します。

戦略計画の前提

• 2020 年までに、少なくとも 10% の高等教育機関が、学生の成績向上のためにインテリジェント マシンを使用するようになります。
• 2021 年までに、30% 以上の教育機関が学生の入学を維持するために個別戦略の導入を余儀なくされるでしょう。
• 2021 年までに、上位 100 の高等教育機関は、研究における競争力を維持するために AI テクノロジーを導入する必要があります。

[[270879]]

1. はじめに

人工知能は一般的な技術として、さまざまな分野で幅広く活用することができます。関連機関は、好循環で相互作用する 6 つのコア人工知能技術を提案しています。

• ビジネス分析とデータサイエンス
• 自然言語処理、音声認識、機械学習
• 機械推論
• コンピュータビジョン
• ロボットとセンサー

図1. 相互接続された6つのコアAIテクノロジー

出典: ガートナー (2018 年 12 月)

AI がどのように定義されるかにかかわらず、それが社会に長期にわたって大きな影響を及ぼすことは明らかです。正確な結果はまだ議論中ですが、AI がいくつかの職業に変革をもたらし、高等教育を受ける学生が将来のキャリアに向けて何をどのように準備するかが変化していることはすでに明らかです。オーストラリアのディーキン大学の副学長（学長）ジェーン・デン・ホランダー氏は、「我が国は、知能機械の時代に対応できる、高度な教育を受けた熟練した卒業生に依存しています。私たちは皆、機械と機械の間の空間を活用することを学ばなければなりません」と語った。人工知能は、教育時間の収集に法的要件となる可能性もある。これにより、AI が職業を習得するために必要なスキルを「教える」ことができるようになります。

多くの AI 実装はまだ初期段階にあります。全体的な傾向としては、学習分析や AI ソリューションよりも、組織分析などの管理ソリューションの方が教育機関に実装しやすいようです。 2017年6月末時点で、19件のAI導入の取り組みが開始されている。表1を参照してください。

表1. 高等教育における分析、アルゴリズム、人工知能

出典: ガートナー (2018 年 12 月)

2. 分析

一部の高等教育機関では、以下のようにさまざまなレベルと形式で AI テクノロジーを導入しています。

• パーソナライゼーションと採用チャットボット
• 早期警報システムの維持
• グレーディングプロセスのインテリジェントな自動化

たとえば、キャンベラ大学の Lucy では、学生は 24 時間 365 日、回答や情報を入手できます。ほとんどの学生は、チャットボットによるサポートが学生体験の向上につながると考えています。

（1）チャットボット - パーソナライゼーション

ガートナーは、チャットボットのパーソナライゼーション実装の特異性（基本的なコンテキスト データを認識するボット）とボットが処理できる質問/インテントの数（基本的なキャンパス オリエンテーションの質問からキャリア アドバイスまで）の両方が増加すると予測しています。会話型 AI の手法の中には、エッセイの構成方法など、学習の向上にも使用できるものがあります (Deakin Genie および StudyTree を参照)。

（２）チャットボット - 採用

もう一つの重要な AI アプリケーションは入学審査の改善です。シンプルなチャットボット (Codecademy の Bobbot の短期トライアルなど) は、Web ベースの採用活動のコンバージョン率を高めることができます (Codecademy はコンバージョン率が 10% 増加したと報告しています)。さらに、これらの採用ボットは、主要な SIS ベンダーからまもなく提供される予定です。

（３）早期警戒システム - 保留

おそらく最も伝統的な AI の使用例は、既存の分析プログラムを拡張して、教員やアドバイザーの学生維持に対する影響力を高めるために使用される早期警告システムを改善することです (Ivy Tech など)。ジョージア州立大学 (GSU) と Admithub の提携は、より革新的なアプローチの例です。彼らは分析とチャット技術をナッジ理論と組み合わせて、夏前に入学するがその後キャンパスに来ない可能性のある「サマーメルト」と呼ばれる学生の定着率に影響を与えました。

（4）教員の生産性

一部の高等教育機関では、AI を使用して採点プロセスを高速化しており、AI がピア採点 (高度な採点) からアルゴリズム AI へと進化していることを示しています。ベンダーの GradeScope は、カリフォルニア大学バークレー校で実施された試験で最大 75 パーセントの時間節約ができたと報告しています。ミシガン大学は、M-WRITE プログラムで採点プロセスをインテリジェントに自動化しました。この場合、ソフトウェアはライティング課題に成績を割り当てます。スコアは学生に渡される前に研究者またはティーチングアシスタントによって確認されます。生徒はフィードバックを利用して自分の作業を修正します。

高等教育機関の CIO は、この調査を利用することで、これらやその他の同業の CIO の実践と成功を活用できます。図 2 は、CIO が教育に AI を活用できるように準備するためのフレームワークの概要を示しています。

図2. 教育におけるAI導入に備える5つの方法

出典: ガートナー (2018 年 12 月)

3. SMART（具体的、測定可能、実行可能、関連性があり、期限が定められた）ユースケースを定義する

ジョージア州立大学 (GSU) の「夏の融雪を減らす」プロジェクトは、依然として良い例です。 GSU の *** 実施計画は、当局が統計的に有効な結果を収集できるように十分な規模のコホートによるランダム化比較試験です。人工知能は「ブラックボックス技術」です。入力と出力は観察できますが、その2つの関係は観察できません。 AIの結果は検証する必要があります。 GSU は AdmitHub と提携し、キャンパスのマスコットにちなんでテキストベースの AI 会話型インターフェースに「Pounce」と名付けました。 Pounce は、次のような特定の学生登録タスクとのやり取りを処理するように特別に設計されています。

• 授業料の支払い処理
• 連邦学生援助（FAFSA）ローン申請のための無料申請書を記入する
• ACTスコアを提供する
• 寮内でペットを飼う場合のガイドラインを理解する

2016年、GSUは新入生7,000人のうち50％を対象にランダム化比較試験を実施した。 Pounce は素晴らしい成果を達成しました:

• 50,000件を超える学生のメッセージを処理しましたが、GSUスタッフが処理したのはわずか1%（472件）でした。
• 18万件以上のメッセージが交換されましたが、これを手動で処理すると、さらに10人のフルタイムのピアが必要になります。
• 24 時間 365 日のサービスと平均 7 秒未満の応答時間により、学生は満足しています。
• 対照群と比較して統計的に有意な「夏の融解」が21.4%減少

Pounce は GSU が以下の成果を達成するのに貢献しました。

• 融資の問い合わせは14.9％増加しました。
• FAFSA 検証要件は 16.85% 削減されました。融資承認は12.2%増加した。
• 成績証明書を期限内に提出すると、6.25% 増加します。実務研修受講率は3.3％増加した。

それぞれの作品は、生徒がより良い意思決定を行えるようにするのに役立ちます。ノーベル賞受賞者のリチャード・セイラーが提唱した「ナッジ理論」に基づくナッジ技術は、人々が重要な瞬間に正しい決定を下すのに役立ちます。 CIO とその組織は、ナッジ テクノロジーを、組織のデータに対する理解と組み合わせて、潜在的なツールとして活用できます。

4. データから始める

AI の実装には、AI の利点を活用する特定の種類のデータセットで構成される機械可読データが必要です。データがあまりにも「単純」な場合は、従来の分析的アプローチやアルゴリズム的アプローチで十分な場合があります。ただし、データが複雑すぎるか不足している場合は、既存の機械学習やディープニューラルネットワーク (DNN) 技術は成功しません。その中間には「ちょうど良い」または「ちょうど良い」ゾーンがあり、分類と予測を可能にする十分な量の信頼できるデータがあります。ジョージア工科大学による Square Q&A フォーラム データの使用は良い例です。これは、データの品質を維持しながら、データセットを適度に機能させ続けることができることを示しています。

▼ジョージア工科大学は、ティーチングロボットを使用して、ティーチングアシスタントにより多くの時間を与えながら、パーソナライゼーションを向上させています

ジョージア工科大学のティーチングアシスタント（TA）ロボット「ジル・ワトソン」（JW）は、いくつかの重要なポイントを提供するユニークな例です。特別なケースとしては、プロジェクトリーダーが人工知能分野の真の専門家である場合です。 Ashok K. Goel 氏は、アトランタにある 26,000 人以上の学生を擁する公立研究大学、ジョージア工科大学のインタラクティブ コンピューティング学部のコンピューター サイエンスおよび認知科学の教授です。研究の一環として、彼と8人の博士課程の学生からなるチームは、IBMのオープン開発プラットフォームとWatson APIにアクセスして質問に答えています。

2 番目の特殊なケースは、Goel 教授が通常 300 人の学生が受講する知識ベース人工知能 (KBAI) のコースを教えていることです。これにより、データとライブテスト環境へのアクセスが提供されます。学生はオンラインディスカッションフォーラム「Square」を利用して、学期ごとに約 10,000 件の質問をします。 2015/16 年度、Goel 教授と彼のチームは、わずか 4 学期分の課題 (40,000) と合計 1,500 時間を使用して、最初の運用可能な TA ロボット (JW) を作成し、トレーニングしました。 JW が 2016 年 1 月に実際の授業で初めてテストされたとき、パフォーマンスはあまり良くありませんでした (ただし、少なくとも 97% の信頼度でのみ回答するようにトレーニングされていました)。 2016 年 3 月現在、JW は約 23% の問題を処理できます。 2017 年春までに、改良された JW では基本的な質問に対する回答が 26% 増加しましたが、正確性はわずかに低下しました。 「生徒紹介」（各生徒がクラスで自己紹介を書面で行う）に対して個別に応答するなどの非常に特殊なタスクでは、JW はすべてのケースで優れた成績を収め、59% を達成しました。

ゴア教授の目標は、最終的にはこの技術を中等学校の教師が授業で使えるほどシンプルなものにすることだ。研究チームは、ティーチングアシスタントがさまざまな授業のために確保しなければならない時間を削減するために取り組んでいます。 2 回目のセッションでは、完全に独立したチームが 150 時間のセットアップ時間を完了しました。目標はこれを 15 時間に短縮することであり、チームはこれが TA ロボットの商業化を成功させる鍵であると考えています。商業化のタイムラインは不明だが、ゴア教授のチームとジョージア工科大学ベンチャーラボによって開発が継続されている。

IBM Watson は、高等教育サービスの拡大に向けて Pearson と連携して (2016 年から) 取り組んでいます。この提携により、「Revel」と呼ばれるパーソナルコーチング製品が誕生し、現在はピアソンの 4 つのコースに統合されています。マウント・セント・メアリーズ大学、ジョージア州立大学、ミシシッピ大学はすべてこのカリキュラムの活用に携わっています。

ベンダーの jane.AI には、チャット リクエストに応答し、組織全体の複数のデータ ソースを活用して一般的な質問に答えるボット「jane」があります。スタッフによるトレーニングとユーザーからの継続的なフィードバックを通じて学習し、自然言語処理とアルゴリズムを使用して、今日の教育で使用されているさまざまな一般的なアプリケーションにわたって回答を見つけます。 Jane.AI は現在、セントルイスのメリービル大学とワシントン大学で試験運用されています。

さらに、音声データなどの新しいデータタイプが有効なデータとしてアクセスされ、AI の品質を向上させ、学生サービスのパーソナライズ化が促進されます。

5. データへの信頼を築く

大量の個人データを収集するには信頼が必要です。高等教育機関の CIO は、データの使用方法について透明性を保ち、ユーザーがデータの修正方法を制御できるようにすることで、信頼を築くことができます。欧州での GDPR の導入は信頼を築くための良い第一歩ですが、最終的には、データを収集するすべてのサービスのユーザー インターフェイスは、ユーザーの制御と同意に基づいて構築される必要があります。

倫理的な問題も状況を複雑にする可能性がある。 AI を分析や意思決定に使用する場合、CIO はアルゴリズムのバイアスに注意する必要があります。このバイアスは、プロセスの反復的な性質によって増幅され、極めて不正確な結論につながる可能性があります。

▼アイビーテクノロジーはクラウドでデータを収集して接続し、教員と接続します

アイビーリーグ コミュニティ カレッジの例は、教員がデータに基づいて行動を起こさない限り、データの使用が実際の効果をもたらさないことを示しています。アイビー テックはインディアナ州全域に 40 以上のキャンパスを持ち、毎年約 16 万人の学生を受け入れています。 Ivy Tech はデータ活用において優れた伝統を誇り、2016 年には Gartner Data & Analytics Excellence Award を受賞しました。 Lige Hensley 氏 (当時は CTO、現在は CIO) は、Amazon Web Services (AWS) を使用しながらクラウドでデータを収集して接続するという長期戦略を持っていました。 2013 年 9 月、ヘンズリー氏は Wolfram Mathematica を使用して機械学習技術を適用し、適切なアルゴリズムを探すためのプロトタイプを作成しました。彼は、生徒が不合格になるかどうかを予測できるランダム化アルゴリズムを発見し、その結果はかなり良好でした。その後、同校は生産速度を合理化し、コストを削減するために Python Scikit-Learn を導入しました。

しかし、ヘンズリー氏のチームは、重要な部分が欠けていることに気付きました。つまり、結果を行動に結び付ける必要があるのです。 2016 年 7 月に新学長が着任すると、チームは教職員に権限を与え、データの使用方法とそのメリットの実現方法についてアドバイスするプロセスを確立しました。この作業は、機械学習を適用してデータを精査したときに成果を上げました。このプロセスにより、2017年度のクラスのどの学生が不合格になるかを予測する精度は83パーセントであることがわかった。この介入は効果を発揮し始め、中間試験の不合格者数が 3.3% 減少し、3,100 人以上の学生がコースに合格したことになります。

6. 人材の獲得

図 1 に示すように、今日 AI をうまく適用するには、異なる才能が必要です。しかし、AI はデータと密接に結びついているため、技術的な才能は氷山の一角にすぎません。 AI アプリケーションは、学生アドバイザーやティーチング アシスタント (TA) など、AI が導入されているドメインに精通した人物によって指導される必要があります。今日の雇用市場では、雇用主は人工知能を自社のビジネスに適用する方法を知っている潜在的な従業員を求めています。雇用主は優秀な人材を獲得したいと考えており、高等教育機関は優秀な人材を育成するために AI スキルを授ける上で大きな利点を持っています。以下の高等教育機関に推奨します。

• 学生を利用する。
• 学生たちにキャリアの良いスタートを与えましょう。

たとえば、ディーキン大学のデジタルフューチャーラボでは、学生が適切なアプリケーションやサービスを開発できるよう、ベストプラクティスの部門横断的なチームを導入しています。

ディーキン大学の専用研究開発部門とデジタルフューチャーズラボは、独自のインターネットプロトコルに基づいた VPA フレームワークを開発しました。これには以下が含まれます。

• 会話型AI
• 予測分析
• 市場から調達した音声認識エンジン

ディーキン大学の次世代パーソナライゼーション製品である「Deakin Genie」は2018年2月に発表され、大学の57,000人の学生に導入されました。 Genie はゼロから開発されたわけではなく、DeakInSync、個人用学生カード、オンライン アカウント、アプリケーション センターなどの既存の機能に基づいて構築されており、これらはすべて、学生に情報を提供するエンタープライズ サービス バス統合プロセスによってサポートされています。

Deakin チームは、DeakinSync API を DeakinSync サービスとアプリケーションに移植しました。 Genie のリベラル コグニティブ マシン ラーニング アプローチをデータ コーパスに適用することは問題ありません。ただし、システム内の用語を指定するのは開発者の責任です。

重要なのは、開発者が Genie を受動的な質問応答システムから、学習プロセスで学生を支援する能動的なアシスタントへと進化させることができたことです。

ディーキンは Genie をさらにパーソナライズすることを望んでおり、Deakin Scout を VPA フレームワークに統合する予定です。 (Deakin Scout は、Genie 2.0 に IoT 統合をもたらす計画の一部です。) これは、大規模な個人対応を可能にするためにデータを接続および収集する方法の次の段階を表しています。

結局のところ、思考プロセスはディーキンの取り組みの重要な側面です。

7. チームの一員として機械を「使う」

前述したように、AI の実装は、工業化されているというよりは、依然として大部分が手作業で行われています。すべての分野と同様に、知識を獲得するための道は実践を通してです。高等教育機関の CIO は、チームにマシンを導入し、経験を積み始める必要があります。機械は次のようなさまざまな役割を果たすことができます。

• ティーチングアシスタント（ジョージア工科大学）
• 学生向けバーチャルパーソナルアシスタント - VPA (ディーキン)
• 入学援助（GSU）
• 強化されたグレーダー (Berkeley/Gradescope) リサーチ VPA (IRIS.AI/META)

ディーキン大学の学生は機械技術の恩恵を受けています。しかし、これらの機械はまず教えられる必要があります。オリエンテーション週間の4か月前に、従業員は電子メール、音声メッセージ、ファイルデータから収集された約2万件の質問に対する回答を書き留めるように求められました。学生はワトソンの人工知能技術をテストする必要があります。 100 名以上の学生がワトソン教育に携わっています。学生たちは明らかに機械の使用から恩恵を受けた。この任務を履歴書に記載し、同時にディーキンのブランドに好意的な宣伝をすることができます。

経験と継続的なイノベーションは、高等教育の CIO にとって最大の競争上の優位性です。ディーキン大学のデジタル戦略タイムラインの詳細については、図 3 を参照してください。

図3. ディーキン大学のデジタル戦略タイムライン

出典: ガートナー (2018 年 12 月)

▼ 結論: AIは人間を他の重要なタスクに割くことができる

高等教育における AI の状況は、まだ発展途上です。 AI 手法はまだ産業化されておらず、AI が処理できる形式でデータ ソースを取得するには人力が必要です。学習機械にはまだ教育が必要であり、企業は機械に効果的に教育する方法を理解する初期段階にあります。

しかし、いくつかの機関は進歩を遂げています。カリフォルニア大学バークレー校とジョージア州立大学の AI は従来の分析手法にルーツを持ちますが、AI 関連の技術の開発を続けています。データは基礎ですが、分析は実行に移されなければなりません。学生の成果に真の影響を与えるには、データに基づく洞察を教職員に提供し、行動力を与えることが必要です。

AI が本当に優れた能力を発揮できる次のステップは、幅広い学生とのやり取りを拡大し、パーソナライズすることです。 (GSU のナッジ テクノロジーは、AI を活用した会話型インターフェースとシンプルなテキスト メッセージングを組み合わせたものです。)

ジョージア工科大学とディーキン大学の例は、研究と開発の両方のプロセスが必要であることを示しています。 AI TA と VPA の両方を指導する必要があり、単一のコース (ジョージア工科大学など) または大学全体 (ディーキン大学) を対象としており、そのプロセスは実験的で小規模です。 CIO には、ディーキン大学の Digital Futures Lab やジョージア工科大学の Goel 教授が招集したチームのような、熟練したデジタル変革チームが配属される必要があります。 2018 年の CIO アジェンダ調査で CIO の 72% が報告しているように、部門横断的なチームによりデジタル変革が可能になります。業績不振の従業員のわずか 12% と高等教育機関の CIO の 22% が同じ考えでした。

GSU は、学術的伝統に沿った非公式なイノベーションへのアプローチを提供しています。 GSU では、CIO は IT 予算からのシード資金を使用して初期実験を実施し、その後、助成金申請書を作成してアイデアをパイロット プロジェクトの状態にすることができます。

大学で AI 関連技術を使い始める時期が来ています。 AI 主導の科学の未来はまだ始まったばかりですが、このテクノロジーは人間がより高度なタスクをインテリジェントに実行できるようになる可能性を秘めています。

この記事はWeChatの公開アカウント「Sansi Pie」（ID: Science-Pie）から転載したものです。

この著者の他の記事を読むにはここをクリックしてください