この情報は、WIREDからの記事からです。
個人個人に最適化された学習内容の自動提供を実現する「アダプティヴラーニング」というものが、教育現場に新しい流れを作ろうとしているそうです。
ビッグデータを用いたその仕組みによって、これから教育分野でGoogleに匹敵する企業が誕生する可能性もあると期待されているそうです。
その注目の動向が紹介されていたので、個人的な備忘録としてこのブログでも記載したいと思います。
教育とテクノロジーを掛け合わせた「EdTech」の領域で、教育のゲーミフィケーションと並んで、“the next big thing”と言われているのが「アダプティヴラーニング」だそうです。
近年、多額の資金がアダプティヴラーニング関連のスタートアップへの投資や、大学研究費に充てられるようになり、さらなる注目を集めているそうです。
そもそも、「アダプティヴラーニング」とは、いったい何なのか？
まずは、一般的な授業風景を思い描いてほしい。
コンピューター登場以前でも、先生が生徒一人ひとりの学力を可能な限り把握し、それに見合った声がけや課題提供を行うことは不可能ではなかった。
また、事前学力テストなどを行い学力別に生徒をクラス分けし、クラスごとに最適な教材を提供したり指導方法を変えるといったことも行われていた。
この「ｘに最適なｙを提供する」という行為そのものが「アダプティヴ」である。
そういった意味では、アダプティヴラーニングは、コンピューター登場以前から当たり前のように存在したことになりますね。
だが、それはクラス単位やトピック単位など、非常に粒度の粗いものであり、多くの教育者が抱く理想とはほど遠いものであったと言えます。
その状況を一変させたのが、コンピューターの誕生、インターネットの爆発的普及、そして近年バズワードとして頻繁に耳にするようになった「ビッグデータ」というキーワードですね。
「アダプティヴラーニング」は、「個人個人に最適化された学習内容の自動提供」という教育者の理想を達成するために、世界中の天才たちがビッグデータ的手法を用いながら日々知恵を絞っている、教育業界における最もホットな領域のひとつになってきたということらしいです？？？
教育分野でGoogleに匹敵する企業が誕生するか？
「アダプティヴラーニング」は「教育×ビッグデータ」のひとつの重要なアプリケーションとしてとらえられている。
「ビッグデータ」は、さまざまな種類の大規模データを集積、分析し、そこから重要な意味合いを抽出したり、経営判断に寄与したりできるため、世界中の企業・政府・研究機関によって注目されているそうです。
身近な活用例で言えば、ソーシャルゲームであったり、Googleの検索連動型広告（検索内容に合わせて表示する広告をダイナミックに変更することだそうです。
その質は、その他変数を複合的にアルゴリズムに入れ込むことによって向上を続ける）などが有名ださおうせす。
あるいは、個々人のDNAを安価で分析し、発症可能性のある病気の早期発見に役立てたりするゲノム分析などもその応用例として挙げることができるそうです。
同様に教育の分野でも、個々人の学習データを大量に集めて大規模に分析することで最適な学習を提供する「アダプティヴラーニング」は、重要な領域として認識されているそうです。
「アダプティヴラーニング」を取り入れた代表的なプラットフォームサーヴィス「Knewton」は、その特徴を「Continuous Adaptivity（継続的なアダプティヴィティ）」と表しているそうです。
「一人ひとりの学力・理解度」と「学ぶべき対象」をそれぞれマッピングして、それらを継続的にクロスさせることによって、個人個人に最適な「Learning Path（学びの道程）」を実現することが可能になるという仕組みだそうです。
しかも、その学びの道程は、学習の進捗などに応じてダイナミックに変化させることができるそうです。
学習者一人ひとり、問題一問一問、という非常に細かい単位での得意・苦手（もしくは理解・非理解）を把握し、理解を促進させるのに最適な問題が最適なタイミングで提供されるそうです。
それは、無駄や漏れのない、効率の最も高い学習法と言えるだろうといっているそうです。
Knewtonで用いられているアルゴリズムやその利用法は、一般公開されているホワイトペーパーでも手に入るし、彼らに直接メールを書くと、迅速に返事もくれるそうです。
「Item Response Theory（IRT）」や「Probablistic Graphical Models（PGM）」といった手法を駆使し、彼らが呼ぶところの「ナレッジグラフ」を継続的に強化しているそうです。
詳細は、専門的すぎるため割愛するが、とどのつまり、彼らは大規模な「知のリコメンデーションエンジン」を構築しているそうです。
Knewtonは、これらの莫大なデータを分析するために、大量のクオンツ（高度な数学的手法を使って、市場を分析したり、投資戦略や金融商品を考案・開発する専門家）を採用し、日夜アルゴリズムの改善に励んでいるそうです。
その効果は、実証済みだそうです。
2011年1月に、アリゾナ州立大学がKnewtonシステムを導入したところ、途中でコースから離脱してしまう生徒の率は13％から6％に減少し、コース合格率は66％から75％に上昇したという成果も発表されているそうです。
また、一流大学の教授の授業が、課題提出や最終試験合格による資格付与まで含め、世界中のどこからでも受けられる「MOOC（Massive Open Online Courses）」などにおいても「アダプティヴラーニング」を取り入れる動きが広まっているそうです。
大きな資金もうごめくなか、教育分野でGoogleに匹敵する企業の誕生に、世界中の教育関係者が期待を寄せているそうです。
真の学力向上には、コンテンツすらひとつの要素にすぎない
しかし、一方で、そもそも学問の体系化がそんなに美しくすっきりとできるのかという課題も残されているといえますね。
それが可能だとしても、高度なアルゴリズムを用いた最適な学習内容の提供が常に可能なのかという疑問もありますね。
「アダプティヴラーニング」など、やはり夢物語に過ぎないのではないかと言われても仕方がないかもしれません。
そのような否定的な意見も少なくないそうです。
だが裏を返せば、これは学術的にも実用的にもまだまだ未開拓な、非常にエキサイティングな領域であると言ってもいいかもしれませんね。
ただ、ここでひとつ問題提起をしておきたい。
これまでの「アダプティヴラーニング」は、「コンテンツアダプティヴ」、すなわち個人個人の学力・理解度にあったコンテンツを提供することにのみ焦点が当てられていただけといえるからです。
だが本来、学習というものはもっと多角的で複雑であり、さまざまな「アダプティヴ」が存在しうるのではないかといってもいいと思いますね。
例えば、「学習スタイルアダプティヴ」と「学習シチュエーションアダプティヴ」というものが考えられるそうです。
「学習スタイルアダプティヴ」は、「一人ひとり異なる学習のスタイルに応じて、最適な学習方法を提供する」というものだそうです。
暗記が得意で何でもすぐ覚えてしまう人、深く理解することによってその知識を自在に応用できる人、ゲームを通してでないと物事を覚えられない人など、さまざまな学習スタイルが存在するそうです。
そういった個々の学習スタイルはなかなか変えがたく、学習効率に非常に大きな影響を及ぼすものだそうです。
各個人のスタイルに応じて、ゲーム要素を付加したり、暗記部分を補強したり、問題数を減らして代表的例題を深く理解させる。
そうした問題の出し分けが自由自在に可能となれば、より効率よく学習することができるようになるかもしれませんね。
「学習シチュエーションアダプティヴ」は、各個人の状況に応じて異なる学習方法を提示するというものだそうです。
例えば、理解が中心となる平時の学習と、暗記が中心となる試験直前の学習とでは、異なる方法を提供するといったことが想定されるそうです。
このように、真の学力向上には、コンテンツすらひとつの要素にすぎないそうです。
モバイルというとてもパーソナルな道具と、そこから絶え間なく吐き出される大量のデータを分析して意味を抽出する「ビッグデータ技術」やインフラが整ったいま、その他さまざまな「アダプティヴラーニング」のアイデアが、世界中至る所から次々と誕生してくる時代になりつつあるそうです。
【関連記事】
学びの未来へソーシャルゲームが導く？ 「教育のゲーミフィケーション」と注目のサーヴィス
またね。
