適応型学習の実際のしくみ

システムは暫定的な地図から始まる

学習者は、入門的な生化学を理解する、微積分の授業に備える、弱い前提知識を補うといった目標から始めます。Robotutorはその目標を、概念とそれらの関係からなる出発点のプランに変換します。このプランは、有用な道筋についての仮説であり、最初の試行ですべての概念が正しく並んでいることを約束するものではありません。

前提となる関係が重要なのは、不正解の原因が、現在のトピックにある場合もあれば、欠けている土台にある場合もあるからです。たとえば、競合阻害と非競合阻害を混同している場合、その背景には、酵素の結合についての理解の弱さ、グラフの読み取り、あるいは親和性と最大反応速度の違いがあるかもしれません。有用なシステムは、固定された章の次の項目をただ出すのではなく、横や後ろへ戻ることができなければなりません。

1つの回答が、複数の種類の根拠になる

最終的な答えは、シグナルの1つにすぎません。説明、自信、語彙、計算の手順、追加の質問への反応からは、学習者がしくみを理解しているのか、見慣れた言い回しを認識しただけなのかが分かることがあります。筋の通った説明を伴う自信のある正解は、当てずっぽうの正解と同じように扱うべきではありません。

Robotutorはこの根拠を使って、理解度についての見直し可能な推定を更新します。この推定は、1回の成功ではなく、条件を変えて繰り返し示された理解によって、確信が高まっていくべきものです。回答が曖昧な場合は、もっともらしい2つの解釈を切り分ける診断的な問題を出すのが、より安全な次の一手になることがよくあります。

• 正確さ：結論は裏付けられていたか？
• 推論：必要なステップや因果関係が示されていたか？
• 自信：確信の度合いは、説明の質と合っていたか？
• 転用：表面的な詳細が変わっても、学習者はその考え方を使えるか？
• 直近性：時間が経っても、その概念を思い出せる状態が保たれているか？

具体例：光合成

ある学習者が、二酸化炭素のない植物は光を吸収できないため光合成を行えない、と答えたとします。この答えは全体としては正しい結果に到達していますが、失敗の原因を誤ったしくみに結び付けています。二値の採点では不正解として次に進むかもしれません。適応型のチューターは、この学習者が明反応と炭素固定を混同していることを見抜くべきです。

有効な次の質問は、別の定義を問うものではありません。たとえば、明るい光の中でしばらくは続けられる反応はどれか、カルビン回路で二酸化炭素は何の役割を果たすのか、ATPとNADPHだけでは糖のための炭素を供給できないのはなぜか、といったことを尋ねるものです。目的は、つながった2つの過程の境界を明らかにすることです。その後、学習者が条件を変えた状況でもその区別を説明できれば、システムは最初の回答よりも良い根拠を得たことになります。

フィードバックは評決ではなく診断として使う

各セッションのあとは、すべての訂正を集めるのではなく、繰り返し現れる誤りのパターンを1つ記録しましょう。たとえば、単位の換算を飛ばす、相関を因果と取り違える、条件を適用せずに規則の名前だけを挙げる、といったものです。そのパターンに、次のセッションで試せる行動を1つ組み合わせます。

時間をおいて、違う形で同じ概念に戻りましょう。対応づけ問題では区別を確かめ、短い説明では因果の構造を確かめ、応用問題では転用を確かめられます。反復が役に立つのは、学習者がその考え方を思い出して組み立て直す必要があるときです。同じ文言を繰り返しても、見慣れた感じが生まれるだけで、持続する理解にはつながらないことがあります。

• 誤解を、平易な言葉で言い表す。
• 修正に役立つ表現や例を1つ選ぶ。
• 1～2日以内にもう一度確認し、さらに間隔を空けてもう一度確認する。
• フィードバックに一貫性がないままの場合は、講師や一次資料に相談する。

うまくいかない場合

適応的な挙動は、問題が不明確な場合、モデルが妥当な説明を読み違えた場合、概念グラフが不完全な場合、あるいは学習者の目標が広すぎる場合に、うまくいかなくなることがあります。不適切な根拠から自信を持って適応するシステムは、固定のワークシートよりも悪い道筋を生み出しかねません。だからこそ、フィードバックの操作機能、保存した質問、再現可能な評価、見えるかたちでの限界の提示が重要なのです。

学習者は、信頼できる授業教材と食い違うフィードバックには異議を唱えるべきであり、習熟度の推定値を公式な成績として扱ってはいけません。教育者は、そのシグナルを使って、学習上のギャップについての仮説を立て、重要な判断を下す前に、対話や追加の課題でそれを確認すべきです。