人口知能(IT)×教育が発展するとどうなるのでしょうか。
個別習熟度別に教育を提供することが可能となりアダプディブラーニング時代が来ると言われています。一斉指導の時代が終わり、学習者個別の状況に合わせた教育が行われるのです。

IoT(Internet of Things)でノートの取り方をログすることで、テスト自体をしなくても学習者の理解度の把握が可能となる時代が来るでしょう。家庭教師ロボットが完成するかもしれません。

 

このように個人学習に活かす話は分かりやすいですが、今日は、学校や研修という「場の価値」を考えた時、ITがどこで生かされたらよいかを書きたいと思います。

 

私は人口知能(IT)×教育の発展は、

 

「協調学習が躍進する」

 

と予測します。

協調学習とは「学び合い」。チームやクラスでお互いの意見をぶつけ合い新しい気づきを得ていくというもの。

 

早稲田大学の原田康也教授は
「教室での最大の学習資源は隣の人である」
と表現しました。

 

お茶の水女子大学（現：東京農工大学）の村山真理先生は英語学習においてのグループ学習を以下のように語っています。

 

・数人学生グループでネイティブの教員との英会話授業がある
・最初は実力差があるが、しばらくすると同じになる
・学生は教員と他の学生が話している会話を聞き学習している
・要は教員から学んでいるのはなく隣の学生から学んでいる
・この手法が最も早く英会話力を身につける学習法である

 

少し実力が上の学生に追いつくというのです。
逆に学生間に大きく実力の差があるとこうはうまくいかないと言います。

他の研究でも同じ意図のことを指摘しているものがあります。
少人数クラスやグループ学習の効果は大きいが、その分け方が重要だというのです。

 

企業内教育でもワークショップ型ではグループ学習を多用します。
どのようなグループ分けを行うことがベストなのかは議論が多々あります。

 

では、グループ分けにITが使われたらどうなるでしょうか。

 

学習者の実力をデータから判断し、的確なグループを指定するのです。
究極は毎日、毎時間、グループが変化してもよいでしょう。
授業単位にスマホに参加するクラスやグループが指定されるのはどうでしょう。

 

的確な分け方をするには単にテスト結果などの理解度データだけでは足りないでしょう。
本人のその課題に対する向き合い方、今までの経歴、他の学習の履歴のデータも必要になってきます。
過去の発言内容も分析する必要があるでしょう。このようにベストなクラス、グループ分けには複雑なデータ分析が必要ですが、発明によって、瞬時に可能となる時代がくると思います。

 

私のLearning Analytics研究も一歩前に進めようかと思います。
これからの教育変革が楽しみですね。