人工知能が教育の未来をどのように形成しているか

典型的な21世紀の教室を1900年代初期の教室と比較すると、その違いはそれほど明白ではありません。 教師は前に立って、指示を出し、古い黒板の現代版（オーバーヘッドプロジェクターや共有コンピューターディスプレイなど）でメモを共有します。 生徒は教室の机に座ったり、オンラインビデオ会議ソフトウェアを介して視聴したりします。 テクノロジーが変更されました。多くのツールとプロセスがデジタル化され、一部が自動化され、地理的な障壁がある程度取り除かれましたが、アクターと要素はほぼ同じままです。

しかし、人工知能（AI）と機械学習の進歩のおかげで、遅いが着実な変換が内部で教育にもたらされています。 数年後には、若い世代や企業の従業員を訓練する負担を教師が負うことはなくなります。

すでに、AIアルゴリズムは、物理教室および仮想教室で行われるすべての相互作用を収集、分析、および相関させることで教育を強化し、教師が各生徒の特定の問題に対処するのを支援しています。 これは、人類が開発した最も古く、最も価値のある社会的スキルの1つにおける革命の始まりであり、人間がスマートマシンと共存して仕事をする世界での必須条件である可能性があります。

学習者の進捗の測定

講師は、講義に対するすべての反応、すべての空白または注意深い凝視、質問に対するすべての熱心なまたはためらいのある応答、早期または遅く提出されたすべての課題、および学生の概念の把握を評価する際に、さらに多くを考慮する必要があります。 これは、生徒が遅れている場所を見つけ、正しい方向に導く方法です。

また、学習者の進捗状況を測定することは、本質的に深く社会的な取り組みであり、すべての教師が直面する最大の課題の1つであり、従来のルールベースのソフトウェアでは達成が難しいタスクです。

「大学のキャンパスであろうと企業であろうと、コースの講義は主に万能であり、支配的なモードは学生に話しかける教師である」と、専門のAI企業Zoomiの研究責任者クリス・ブリントンは言う教育現場での行動データの取得と分析。 「これは必然的に生まれます。教師が長時間講義を一時停止し、すべての生徒の関心事に個別に対処してすべてを同じページに表示することは不可能であり、少なくとも時間の観点からは非効率です。 、多くの質問がある生徒は通常、授業時間外に講師にフォローアップするよう求められます。」

ただし、パターンとデータポイント間の相関の分析と検出に基づく機械学習アルゴリズムは、教師が受講者の講義に対する理解を定量化するのに役立つ効果的なツールであることが証明されています。

「特定の学生データを分析することにより、AIは、学生がより多くの助けを必要とする可能性のある分野をより迅速に浮上させ、それによって学生の達成と教師のサポートを改善する可能性があります」と、インテリジェントな数学であるDreamBox Learningの社長兼CEO、Jessie Woolley-Wilson氏は言います-学習プラットフォーム。

教室に人工知能を装備することは、すべての生徒にデジタルチューターを提供することと同等です、とBrinton氏は説明します。 「AIを駆動するアルゴリズムは、学習者が苦労していることと苦労の原因、または退屈していることと退屈の原因を検出するようにトレーニングできます」と彼は言います。

これは、学習したトピックの学生の把握を測定するために評価応答のみに依存していた従来の学習ソフトウェアからの移行です。 「このデータは講義中は利用できないことが多く、学生が明確な視点から混乱した視点に切り替えるサブ秒単位の粒度でははるかに少ない」とブリントンは言う。

現在、ユーザーのコース教材やコンテキストとのやり取りからライブ情報を収集することにより、各学生のリッチなデジタルプロファイルを作成する、AIを活用したプラットフォームが多数あります。 グレードとスコアの記録を保持することに加えて、プラットフォームBrintonのZoomiは、特定のスライドまたはページのPDF文書の表示、ビデオの特定の部分の再生、ディスカッションへの質問または回答の投稿などのマイクロインタラクションの開発、追跡を支援しましたフォーラム。

その後、データを使用して、特定のトピックに対する学生の理解とエンゲージメントに関するリアルタイムの洞察を提供できるモデルを構築します。 データモデルは、複数の学生の間で共通のパターンを見つけたり、将来の学生の成績を予測するなどの予測分析を実行するのにも役立ちます。

AIのより高度な使用には、退屈や気晴らしなどの表情を分析する複雑なコンピュータービジョンアルゴリズムを使用し、それらを生徒に収集された他のデータにリンクして、生徒の学習者モデルのより完全な図を作成することが含まれます。

学習のギャップを見つけて対処する

学生の知識を表す信頼性の高いデジタルモデルを持つことには、複数の利点があります。 「データはインテリジェントシステムによって自動的に使用され、理解のギャップに特に対処する学習体験に生徒を即座に関与させるか、教師が必要な特定の領域を特定して対応します」とWoolley-Wilson氏は述べています。 DreamBox。

1対1の数学個別指導を提供するために2012年に設立されたオンライン教育プラットフォームであるThird Space Learningは、AIアルゴリズムを活用して教師のパフォーマンスを改善しています。 Third Spaceは、発売以来、数千のセッションに関するデータを記録しています。 ユニバーシティオブロンドンカレッジとの提携により、Third Spaceは、学習と教育の成功パターンを見つけて、オンラインチューターに生徒の状況についてリアルタイムのフィードバックを提供するために、AIアルゴリズムでデータをマイニングするプロジェクトに取り組んでいますレッスン。

AI学習者モデルは、インテリジェントチュータリングシステム（ITS）にも使用できます。 自習型学習環境で、または人間の教師と連携して作業できるインテリジェントチューターは、学生の履歴データとリアルタイムデータを使用して、特定の長所と短所に合わせてカスタマイズされたコンテンツを提供します。 パーソナライズされた学習体験を提供することは、教師が常に達成するのに苦労している目標です。

「AIを活用した個別指導システムは、数学や物理学などの明確に定義された分野を教えるのに効果的であることが示されています」と、University of London London Knowledge LabのLearner Centered Design教授であるRose Luckin氏は言います。 「AIは現在、記録の保持や、学習者が使用するリソースの選択と推奨を支援することにより、問題を緩和できます。」

例としては、カーネギーラーニングが開発したAIを使用した数学学習プラットフォームであるMATHIAがあります。これは、人間の家庭教師の行動を反映しています。 MATHIAはさまざまなデータポイントを収集し、機械学習アルゴリズムと予測モデルを使用して、学生の知識とスキルレベルを決定し、将来のパフォーマンスを推定します。 プラットフォームはこのデータを使用して、学生の学習プロセスに応じて学習パスを調整します。

「スプレッドシートのセルの入力、グラフ上のポイントのプロットなどを含む問題の各ステップは、1つまたは複数の認知スキルに関連しています」とカーネギーラーニングのチーフプロダクトアーキテクトは言います。 「学生がステップを正しく実行したかどうか、またはヒントを求めたかどうかに応じて、関連するスキルに関する学生の知識の推定値を調整します。」

MATHIAは、「知識の追跡」、さまざまな概念の学生の理解を決定するプロセス、および「モデルの追跡」、問題を解決するための学生のアプローチを理解するプロセスを使用して、個々の学生の思考プロセスに対するソフトウェアのサポートを調整しますそれらを意味のない標準的なアプローチにリダイレクトする代わりに。 これにより、パーソナライズされたコンテンツを提供し、無数の学習パスを提供できます。

「たとえば、この順序が問題へのアプローチのさまざまな方法を反映している場合、私たちのヒントは、学生が問題のステップを完了する順序に基づいて変化します」とリッター氏​​は言います。

インテリジェントチュータリングシステムの進化は、最終的にはより豊かな自習型学習体験につながる可能性があります。 それは人間の教師に代わるものではありませんが、AIを活用したオンライン学習プラットフォームは、教師が不足しており、生徒が自分で学習しなければならない分野で高品質の教育を利用できるようにする上で極めて重要な役割を果たすことができます。

「ビッグデータとAIの組み合わせは、学習者に独自の個人分析を提供する可能性があり、それを活用して、最も効果的な学習者になることができます」とLuckin氏は言います。

Luckinによれば、自己認識（あなたがしていることと知らないことを知ること）と自己規制（例えば、他の誰かがしていることに気を取られないようにすること）は、そのようなシステムの開発に役立つ2つのスキルです。

「AIを使用して学習者を足場（サポート）し、慎重に設計されたインターフェースと視覚化を使用して個人データを反映することにより、これらの重要なスキルを開発できます」とLuckin氏は言います。 「こうすることで、すべての学習者が学習を上手にできるようになります。これは、すべての分野で役立ちます。」

AIを活用した学習システムの利点の1つは、提供できるシームレスな支援です。 「教室内で生徒と教師を支援する同じインテリジェントテクノロジーを常に活用して、教室外で同じことを行う必要があります」とウーリーウィルソンは言います。 「生徒がどこにいても、パーソナライズされた推奨事項と同じ力をもたらすことができます。学習の機会とアクセスは、通常過去のように特定の時間や場所に制限されるべきではありません。」

企業のトレーニングもAIのパーソナライズから利益を得ることができます。 プロフェッショナルトレーニング用のオンラインツールを提供するZoomiは、AIアルゴリズムを使用して学習者の好みを認識し、ニーズに合わせてコースコンテンツを動的に調整します。 たとえば、ユーザーの過去の行動とさまざまなメディアタイプに対する反応に基づいて、プラットフォームはコース資料をPDF形式またはビデオ形式のどちらで提供するかを決定できます。 プログレッシブビジネスパートナーは2016年からこのプラットフォームを使用してHRプロフェッショナルをトレーニングしており、コース修了率が12％増加し、収益が30％増加しています。

教育におけるギャップの発見と対処

生徒がレッスンに遅れをとるとき、指導方法やカリキュラムの欠陥は、生徒自身の弱さと同じくらいしばしば責任がある。 学生が資料自体、それが提示された方法、またはカリキュラムの流れの中で資料のタイミングについて何かを誤解していたのですか？ 以前にいくつかの必要な概念がカバーされていたとき、学生はインフルエンザにかかっていたのですか？ 学生はどのように資料に積極的または受動的に関与しましたか？

これらは、提供されるレッスンの質を評価し、学習の問題の根本原因を調査するときに、すべての教師が答えなければならない質問の一部です。

「優れたシステムでは、膨大なデータセットを活用して、教師がカリキュラムの弱点を見つけ、苦労している学生を見つけるのを支援できます」とウーリーウィルソンは言います。 「そして、教師に提供される支援の量は、分析に通知する利用可能なデータの品質に依存することを覚えておくことが重要です。」

DreamBoxのオンライン適応学習プラットフォームは、学生から収集したデータを使用して学習のギャップを明らかにし、教師がクラスレベルで、または特定のグループまたは個々の学生の学習ギャップを解決するのに役立ちます。 これには、戦略グループ、個別の学習計画、または特定のギャップに対処し、コアカリキュラムを補完する集中的な課題の作成が含まれます。

AIは、教師が教材の関連性を評価するのにも役立ちます。 「コンテンツは教室で「ライブ」で配信されますが、ほとんどの講師は教材を電子的に準備します」とZoomiの研究者であるBrinton氏は述べています。 「その結果、AIテクノロジーは資料を解釈し、対象トピックを決定し、さらにコース評価資料を分析して、評価がコース内容をどれだけカバーしているかについての洞察を得ることができます。」

Zoomiは、教材のコンテンツとコンテキストを解析するAIのブランチであるNatural Language Processing（NLP）を使用して、教師のコース教材の質を評価します。 Zoomiのアルゴリズムは、学習プロセスにプラスの影響を与えないコンテンツを削除します。 同社はまた、補完的なコンテンツを見つけて、学生が苦労している特定のレッスンのコンテキスト内に収まるように再利用することにより、学習体験を強化するアルゴリズムにも取り組んでいます。

「すぐに、アルゴリズムは文を明確にするために修正でき、人間がするのと同じように独自に新しい資料を作成することさえできます」とBrinton氏は言います。

カリフォルニアに本拠を置く人工知能の研究開発会社であるContent Technologies、Inc（CTI）は、カスタマイズされた教育コンテンツを自動的に生成するAIを開発しました。 CTIのエンジンは、ディープラーニングを使用して、シラバスとコース教材を取り込み、分析し、知識を習得し、カスタムテキスト、章の要約、複数選択テストなどの新しいコンテンツを生成します。 この技術は、多くの企業や教育機関で使用されています。

教育は社会的経験であり続ける

教育への人工知能の適用に目を見張る努力が見られましたが、AIアルゴリズムが大きな混乱を引き起こしている他のドメインと比較すると、結果は見劣りします。 その理由は、教育と学習は基本的に社会的な経験であり、自動化することは不可能ではないにしても非常に難しいからです。

「AIは、自己認識やメタ認知の規制がないため、教師に取って代わることができません。また、AIは共感を欠いています」と、UCL Knowledge Labの教授であるLuckin氏。 「しかし、AIの設計が学習と教育に関する知識（学習科学など）によって通知されると、学習者に関するビッグデータと組み合わせて学習のブラックボックスを解き、学習者、教師、および保護者が追跡できるようになります複数の科目、スキル、および特性にまたがる進歩-これは、学習者が学習者としてより効果的になり、知識とスキルを学ぶのを支援するために重要な情報を提供できます。」

AIが教育および学習プロセスに提供する増強と支援により、教師の生産性と効率がさらに向上します。 「教師は、自分ができることだけに集中できるようになります。優れたコンテンツを作成し、強力な講義を行い、個人およびグループの両方で、最も広く行き届いた痛みに対処します」とBrinton氏は言います。

教育のもう1つの社会的側面はコラボレーションです。 多くの場合、学生はグループで作業したり、講義を聞いたり、自分のペースで問題を解決したりすることで互いに学びます。 「教育の目標には、優れた協力者になることや他の人とコミュニケーションを取ることなど、より多くの社会的相互作用が含まれます」とカーネギーラーニングのプロダクトアーキテクト、リッターは述べています。 「したがって、指導をパーソナライズする際の課題は、自分のペースで進むことができる独立した学習者としての学生と、他の人と協力して作業する必要性とのバランスを取ることです。」

しかし、AIは共同学習のファシリテーターになることもあります。 Luckinと共著のUCLとPearsonの共同研究論文である Intelligence Unleashed は、AIが学生の学習者モデルを比較し、参加者が同様の認知レベルにあるか、補完的なスキルを持ち、互いに助け合うことができるグループ化を提案することにより、共同学習をサポートできることを説明しています。 AIは、学習者グループにメンバーとして参加し、コンテンツの提供、質問の提示、代替視点の提供により、正しい方向に議論を揺さぶることもできます。

学習プロセス全体にわたるAIの普及は、最終的に教育に革命をもたらします。 スタンフォード大学のレポートによると、今後15年間で、人間の教師はAIテクノロジーによって支援され、教室と家庭の両方でより良い人間の相互作用がもたらされる可能性があります。

教室は現在の状態のままであるかもしれませんが、デジタルアシスタント、AIアルゴリズム、より有能な教師のおかげで、将来の世代はより質の高い教育にアクセスでき、はるかに速いペースで学習できるようになるでしょう。