AI以前の教育を簡単に振り返る
何世紀もの間、教育は本質的には変わってきませんでした。教師が生徒の前に立ち、画一的な方法で知識を伝えるというものです。教育システムは時代とともに変化し、黒板からスマートボードへ、チョークからデジタルペンへと移行してきましたが、指導の方法論は大きくは変わっていません。1980年代、心理学者のベンジャミン・ブルームは、ある課題に気づきました。従来の典型的な教室環境は、大規模に再現しやすい反面、多くの学習者に対して十分なサポートを提供できないため、慢性的に効率が悪いものでした。このことにより、ブルームが名付けた「2シグマ問題」が生じ、現在でもなお大きな課題となっています。
2シグマ実験とその結果
ブルームは、1984年の画期的な研究“The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring（2シグマ問題：1対1個別指導と同等に有効なグループ指導法の探求）”で、1対1個別指導を受けた生徒は、従来の授業を受けた生徒よりも2標準偏差（2シグマ）良い成績を収めたことを証明しました。補足すると、個別指導を受けた生徒は、従来の授業環境で指導を受けた生徒の98%を上回る成績を収めるということです。これは統計的に有意な結果であるだけでなく、パラダイムシフトをもたらすものでした。
ブルームは、この教育効果の向上に寄与する重要な要素として、完全習得学習と個別指導を挙げました。しかし、当時、各生徒に1対1個別指導を行うという方法は、経済的にも運営的にも大きな課題でした。ブルームの研究は解決策を示したのではなく、問いを投げかけたのです。それは、1対1個別指導の利点をいかにして大規模に拡大していくか、という問いです。
教育におけるAIのメリットとデメリット
現在に目を向けると、AIテクノロジーの発展により、教育者や技術者はブルームの課題の解決に近づきつつあります。ChatGPTなどのAIを活用した指導、DreamBoxやSmart Sparrowなどの適応学習ツール、そしてCarnegie Learningのような知的指導システムによって、学習内容への生徒の関与や参加は大きく変化しています。
■教育におけるAIのメリット
- 大規模な個別化: AIアルゴリズムを活用したリアルタイム調整により、学習者のニーズに合わせて指導をカスタマイズすることができます。
- 24時間365日利用可能であること: 生徒は学習ペースをコントロールすることができ、昼夜を問わずいつでもAIチューターにアクセスすることができます。
- 即時フィードバック: 学習の強化や誤解の修正が即座に行われます。
- 公平性とアクセス: AIは、リソースが限られた学校にも質の高い教育ツールと学習体験を提供し、アクセスを民主化する可能性をもっています。
■教育におけるAIのデメリット
- テクノロジーへのアクセスの格差: 周縁化された地域の生徒は、安定したインターネット接続や端末の確保に苦労する可能性があります。
- 人間的なつながりがないこと: 情緒面でのメンタリングや教室での交流といった人間ならではの要素は、テクノロジーでは容易に再現できません。
- データプライバシーに関する懸念: AIシステムによって膨大な量のデータが収集される中で、生徒のデータプライバシーに関する倫理上の問題が増えます。
- アルゴリズムの偏り: AIシステムは、慎重に規制されなければ、既に根付いた社会的な偏見を反映し、助長する可能性があります。
サル・カーンと完全習得学習と現代の解決策
サル・カーンは、カーン・アカデミーでの取り組みを通じて、教育におけるAIの活用を推進してきました。カーン・アカデミーは、ブルームが（2シグマ研究で）優れた教育の中核となる戦略だと見出した完全習得学習において、リーダーの一つとなっています。GPT-4のリリースに伴い、KhanmigoというAIチューター兼ティーチングアシスタントが開発されました。
Khanmigoは、リアルタイムで指示に対応するように設計されており、カーンはこれを、ブルームが構想した1対1個別指導に近づくステップだと述べています。Khanmigoは単に問題を解決するだけでなく、ソクラテス式問答法で学習者を導き、振り返りを促し、教師が生徒の進捗状況を把握するのを助けます。カーンによれば、このツールによって、ブルームが提唱した拡大可能な1対1個別指導の実現にこれまで以上に近づくとのことです。
カーンのビジョンは、ブルームが提唱した内容、すなわち、「的確なフィードバックやコーチングと個々に合った配慮を組み合わせれば、学習の大幅な向上がもたらされる」というものに似ています。カーン氏の言葉を借りれば、「AIは教師に取って代わるためにあるのではなく、教師の力を強化するためにある」のです。
反転授業とAIとの相乗効果
2000年代初頭、多くの教育者が「反転授業」と呼ばれる新しい教授法を試し始めました。授業時間に新しい教材を導入する代わりに、教師は生徒に、授業に出る前に自宅でビデオ講義を視聴したり説明教材を読んだりするよう指示しました。つまり、授業の「講義」部分が教室外で行われ、生徒は必要に応じて一時停止や再視聴、難しい概念の復習をしながら自分のペースで学習を進めることができたということです。そして、授業中は、生徒は受動的に講義を聴くのではなく、問題解決、グループ活動、ディスカッション、実践的なプロジェクトなどに携わり、学んだことを積極的に応用するのに時間を費やしました。このように、授業時間は内容の伝達から内容の応用へと「反転」し、生徒には仲間と交流したり、質問したり、教師から個別のサポートを受けたりする機会がより多く与えられました。この方法は、より深い理解を促すと共に、教師が学習のギャップをより効果的に特定し対処するのに役立ちます。
AI知識システムの可能性により、コースの遠隔学習の部分ははるかにインタラクティブで知的なものになります。たとえば、算数を学習していてカーン・アカデミーで講義を視聴している子どもを考えてみましょう。レッスンで問題に答える間、AIは回答を評価し、誤解を解消するために次回の内容を調整し、結果を記録して教師が後で分析できるようにします。リアルタイムのレッスンでは、教師と共にグループでディスカッションや共同作業、応用課題に取り組みます。
AIテクノロジー、創造性ツール、オンラインコース、遠隔学習オプションの爆発的な成長によって、教育分野に新たな可能性が開かれています。
予測されることの中には、生徒の多様な学習ニーズと能力に合わせてカスタマイズされた、より魅力的なブレンド型教育モデルが含まれます。
メリットと今後の展望
教育におけるAI統合のメリットは以下のとおりです。
- 学習成果の向上: 以前は個別指導のように特別でカスタマイズされた指導やリソースを必要としていた学習成果も、AIを利用し、個人に合わせた学習モデルによって達成可能です。
- 補助的な役割: AIは自動フィードバックを提供できるため、教師は生徒を指導したり、やる気を向上させたり、教材を生徒のニーズに合わせたりする役割にシフトできます。
- リアルタイム評価分析: 教師はAIを用いて各生徒の学習過程を詳細な分析によって評価し、必要に応じてより良い指導のために教え方を見直すことができます。
- 学習アクセシビリティの強化: AIプラットフォームは言語の壁を破り、学習体験を文化的に豊かなものにすることができます。
近い将来、以下のようなものが期待できます。
- AI強化型学習管理システム: AIを活用した学習管理システム（LMS）プラットフォーム、デジタル教科書、評価ツールのシームレスな連携により、応答性、適応性、一貫性のある学習体験が実現するでしょう。
- 感情認識機能を備えたAI: 未来の感情知能AIは、学習者のフラストレーションや学習意欲の低下に対し、適切な共感的反応によって対応することができるでしょう。
- 完全習得学習モデル: 高度なAIによる生徒の成長の追跡が、教育が習熟度に基づくモデルをより積極的に取り入れるように転換するための基盤となります。
先を見据えた革新とその分野横断的な影響
革新的なテクノロジーの新たな波は、医療と教育の変革に焦点を当てるだけでなく、AIを活用した教育が普及すれば社会変革につながるでしょう。学生はメタバースプラットフォームを通じて仮想インターンシップに参加し、AIを活用したリアルタイムのグローバルな多言語指導を受けることができるでしょう。拡張現実の仮想解剖学教室では、自宅にいながら実践的な医療実習が可能になり、遠隔学習がより身近なものになるでしょう。教育者のAIリテラシーが高まるにつれて、医療分野では、訓練を受けた専門家が大幅に増加し、遠隔教育による診断プログラムや解剖学ラボでの仮想実習にアクセスしやすくなるでしょう。市民は、学習者が世界の未来を形作ることができる没入型シミュレーションに参加するでしょう。このシミュレーションは、特定の政策の結果を予測するAIによって補完され、環境を新たなレベルで理解できるようになります。受講のハードルが下がることで、人々は気候に関する知識を深め、世界をより良い方向へと変えていくでしょう。AIを活用する教育者は、学習を多様化し、学習と労働市場の需要とのバランスを柔軟にとることができるでしょう。ブロックチェーンとマイクロクレデンシャルによって低コストの雇用機会が得られることで、経済界に飛躍的な進歩がもたらされるでしょう。学習者主導で学習を進めることにより、スキル向上の拠点は多様化すると共にその成長も深化するでしょう。個人のニュースリテラシーやゲーム化された市民シミュレーションと共に、AIを活用したカスタマイズ型市民教育が、地球規模での民主的参加の最前線になるでしょう。AIは国境を越えて学生同士を積極的に繋ぎ、学習の向上をサポートするでしょう。
結論：これから探究が進む領域
ベンジャミン・ブルームは、私たちが問題を解決する道具を持つ前に問題点を指摘しました。今、AIの進化により、2シグマ課題に取り組む新たな機会が訪れています。公平性、プライバシー、倫理に関する懸念は大きいものの、AIが教育のあり方を完全に変える機会もあるのです。
ブルームの学習改革とサル・カーンの習熟度に基づく学習は、ビジョンとテクノロジーの融合を示しています。これらの改革が教育者によって広く採用されることで、すべての人に自律的で公平かつホリスティックな教育を実現するための道が開かれます。
学習の未来は、人間か機械かではなく、人間と機械が共にあるというものです。そして、共感と研究と思慮深い設計によって導かれれば、その未来は教育史上最も包摂的で影響力のある時代となり得るのです。
参考文献
Bloom, B. S. (1984). The 2 Sigma Problem: the Search for Methods of Group Instruction as Effective as One-to-One Tutoring. Educational Researcher, 13(6), 4-16
Khan, S. (2023, April 17). How AI could save (not destroy) education | Sal Khan | TED [Video]. YouTube. https://www.youtube.com/watch?v=hJP5GqnTrNo
Khan, S. (2023). The One World Schoolhouse: Education Reimagined. Twelve Books.
Khan Academy. (2023). Introducing Khanmigo. https://www.kahnacademy.org/kahn-labs
Weller, M. (2020). 25 years of ed tech. Athabasca University Press
World Economic Forum. (2023). The Future of Jobs Report: Education and Skills Outlook.
