機械学習 – 教育分野に前向きな変化をもたらす技術(活用事例3選付き)

機械学習の導入が段階的に進むにつれ、機械学習はまもなく、教育におけるイノベーションと成長を促進する重要な要素となるでしょう。 教育分野は近いうちに大きな変革を迎えるでしょう。  

新型コロナウイルス感染症が世界中に広がった際、教育は実際に最も深刻な影響を受けた産業の一つでした。パンデミックによって、現在のインフラが増大する教育ニーズへの対応に苦慮していることが、さらに浮き彫りになりました。世界がコロナ禍からの回復期に入る中、人工知能の一分野である機械学習(ML)は、学習、教育、研究に根本的な改善をもたらすと期待されています。 

教育システムが現在抱える課題

教育システムと学習成果の改善方法を議論する際には、次のような課題がよく指摘されます。 

効果の乏しい画一的なアプローチ

教育における最も重要な課題の一つは、生徒によって学習能力や学習のペースが異なることです。特定の科目に優れた能力を発揮する生徒もいれば、身体的・精神的な困難を抱える生徒もいます。 

example of machine learning in the education sector for kids

教師が個々に応じた支援を提供しようと努力しているにもかかわらず、多くの生徒は依然として学習のペースについていくことに苦労しています。クラスの人数が増え、扱うべき情報量も膨大なため、教師がすべての生徒の個別のニーズに対応することは困難です。 

評価システムにも、「画一的な」アプローチの不十分さが表れています。専門家は、標準化されたテストが総合的な評価の考え方を反映していないため、すべての生徒の成長と達成を促すうえで適切ではない可能性を懸念しています。

教師の燃え尽き症候群

Insiderは、2020年と2021年に米国の多くの教師が離職または早期退職し、その主な理由が燃え尽き症候群、過度な期待、管理職からの支援不足であったと指摘しました。Survey USAが最近実施した調査に参加した、幼稚園から高校までの教師2,000人のうち、約30%が今後1年以内に離職する可能性が高いと回答しました。その結果、多くの学区が深刻な人員不足に直面し、運営に苦慮しています。

chart of nearly 30% teachers say they may quit their jobs next year
出典:Stand for Children

生徒の学習への関与の低さ

対面授業においても、生徒の参加を促すことは教師にとって課題でした。長期間の遠隔学習を経て、意欲や学習への関与は大幅に低下し、教師が効果的な授業を行うことは一層難しくなっています。EdWeekが2020年末に実施した調査によると、教師と生徒の双方が、パンデミックによって意欲が大幅に低下したと回答しています。

graphs of how the coronavirus pandemic affected motivation
出典:EdWeek

専門家は、学習への関与を生徒中心のものとし、教師の学術的な経験だけに頼るのではなく、生徒同士の議論や自主的な探究に重点を置くべきだと提案しています。生徒主導の学習への関与は、積極的な協働学習、生徒の主体性、そして一人ひとりの学習過程に応じた個別の調整を特徴とします。 

MLによる教育変革

簡単に言えば、MLは、コンピューターシステムが直接そのようにプログラムされなくても、データに触れることで学習し、改善できる認知技術です。触れるデータが多いほど、より良い結果が得られます。MLの導入は飛躍的に拡大すると予測されており、2021年から2025年にかけて、教育分野におけるAI技術への年間支出は61億ドルに増加する見込みです。ML導入の可能性が発揮される分野の中でも、教育はその代表例です。  

teacher burnout is solved with machine learning

個別最適化された学習

MLを活用したシステムは、学生ごとに独自の学習プロファイルを作成し、そのニーズや能力に応じた教材を開発できます。教室では、学生は学習ペースや習熟度に合わせた学習コンテンツを受け取るようになります。従来の教科書は、より理解しやすい学習ガイドやインタラクティブなノートに凝縮されます。個別最適化を促進するためのオンラインインターフェースを構築することもできます。

MLの導入により、カリキュラムの作成や改善は、教師ではなく拡張知能による支援に依存するようになります。そのため、学生と教師の双方の時間と労力を大幅に削減しながら、学習と指導の効率を最適化できます。

MLが学習の個別最適化に貢献するもう一つの方法は、バーチャル学習アシスタントです。これらのアシスタントは、学生の質問に答え、課題を手伝い、有用なリソースや教材を見つけられるよう案内できます。 

こうした個別最適化学習へのアプローチはますます普及しており、2024年までに学習管理ツールの最大47%がAIによって支援されるようになると見込まれています。また、同年にはAIを活用した学習ツールの市場規模が60億ドルを超えると予想されています。UNESCOは、このアプローチが、社会的に疎外された人々から、障害のある人々や孤立した地域社会に暮らす人々まで、多様な学習者に「適切な学習機会へのアクセス」を提供できると考えています。 

予測分析

MLベースのモデルは、大規模なデータ群から傾向、相関関係、パターンを特定し、インサイトを導き出すうえで重要な役割を果たします。この能力は、教育者や管理者による教育動向の監視、中途退学の防止、学生の学業継続の確保を支援する教育向け予測分析ツールに活用されています。 

例えば、American Institutes for Researchの研究チームは、学生の行動やその他の関連データに基づいて、卒業できない可能性のある学生を検出し、教育機関に早期警告を提供するシステムを開発しました。別の例として、マレーシアの研究者グループが開発した教師あり機械学習を用いる予測モデルがあり、489人の学生の過去の学業成績に基づいて最終成績を予測することを目指しています。このモデルは、最大99.6%という非常に高い精度の結果を示しました。 

組織運営業務

教師の勤務時間の最大50%を占める可能性がある授業以外の業務を自動化することは、燃え尽き症候群を防ぎ、教育者が学生により多くの時間を割けるようにするうえで極めて重要です。MLは、採点業務の自動化、個別の回答やフィードバックの生成、反復的な書類作業の処理を通じて、授業以外の業務の遂行を大きく支援します。例えば、採点に使用されるMLシステムは、負担の大きい作業をはるかに速いペースで、しかも優れた精度で完了できます。UNESCOの報告書によると、中国の約60,000校で使用されている小論文採点機は、人間による採点と92%の割合で一致する結果を出しています。 

教師や教育行政担当者は、業務フローにMLを適用することで恩恵を受けられます。MLを活用したインテリジェントアシスタントやシステムは、学生の登録、出願処理、予算編成、授業編成、施設管理などの事務手続きを自動化します。その結果、教育機関は運営コストを削減すると同時に、効率性と対応力を大幅に向上させることができます。例えば、高等教育では、入学選考担当者はMLを活用したシステムが出願プロセスの信頼性を高めることを期待しています。これらのシステムは、所定の基準に基づいて出願書類を体系的に評価するように学習されるため、人間の偏見を排除し、透明性を確保します。 

教育分野でMLを導入するメリットは明らかですが、O’Reillyが2022年2月に実施した調査では、教育分野は他の業界と比べて、成熟したAI活用の割合が最も低いことが示されました。この状況は、MLを活用するシステムの導入に伴う二つの大きな課題、すなわちデータ品質とコストによって説明できます。 

MLを活用した教育の課題

教育にMLを適用する際の最も大きな課題は、データに関するものです。正確な結果を出す効果的なモデルを開発するには、学校や教育機関は最新かつ正確で質の高いデータを十分に収集する必要があります。しかし、どのようなデータが必要か、どの程度のデータがあれば十分か、データの関連性をどのように定義するかという問いに対して、唯一の決まった答えや方法論はありません。そのため、人間による介入と監督が依然として必要です。 

もう一つの課題はコストです。学習ツールやプラットフォームに採用されているMLモデルは、個々に合わせた学習の道筋を作るのに役立ちます。 しかし、この手法の開発には依然として多額の費用、多くのリソース、そして時間がかかります。頻繁な更新、確かなITの専門知識、充実した技術インフラが必要です。多くの学校や教育機関には、これらの要件を満たす余裕がありません。

しかし、強力な教育ツールとしてMLが持つ大きな可能性は、こうした課題を上回ります。技術の進歩によりデジタルツールがさらに普及し、手頃な価格になれば、これらの課題を最小限に抑えられます。一方、教育にMLを導入することの大きな効果は、目覚ましい成果を上げた教育機関の成功事例によって実証されています。 

教育における機械学習の活用成功事例

Jill Watson – 学生の質問に回答

2015年、ある人工知能のオンライン講座にJill Watsonという名のティーチングアシスタントが参加しましたが、後にその正体はチャットボットであることが明かされました。このチャットボットは、よくある質問に最大97%の精度で回答でき、リアルタイムのサポートとフィードバックを効率的に提供できることを示しました。 

Jill Watson - a virtual teaching assistant
出典: DOGOnews

LM Exam Suite – 簡単で便利なオンライン試験を実現

パンデミックと、それに続くロックダウン命令は、試験の実施に深刻な影響を及ぼしました。「ニューノーマル」に適応するため、多くの教育機関がMLソリューションを活用し、オンライン試験の実施と採点プロセスの自動化に取り組んでいます。LM Exam Suiteはその一例です。学生はこのソリューションで受験でき、自宅、キャンパス、試験会場の間で受験場所を簡単に変更できるほか、インターネット接続が切れても試験を続けられます。デジタル手書き入力にも対応しています。

LM Exam Suite enables easy examination
出典: Littlemore Innovation Lab

Ellucian CRM Recruit – 大学の入学者募集・選考プロセスを改善 

Ellucian CRM Recruitは、入学担当者がより多くの入学希望者にアプローチし、出願する可能性が最も高い学生を対象に募集活動を行えるよう支援するML搭載システムです。このシステムは個々の出願者を分析し、入学の申し出を受諾する可能性や、その教育機関で学業上の成果を上げる可能性を予測できます。また、管理者が入学・在籍状況を把握し、教員の増員など必要な変更を行うことも支援します。Pacific University OregonやSt. Thomas Universityをはじめ、多くの著名な大学から信頼されています。 

Ellucian CRM Recruit
出典: ellucian

関連記事: モダナイゼーションとイノベーションを推進する機械学習の強力な活用例10選 [2023年更新]

おわりに

適切な教育の重要性と、MLの力でそれを実現する方法への認識が高まるにつれ、デジタル技術による変化は避けられないものとなっています。確かに、教育におけるMLの幅広い導入には時間とリソースが必要です。それでも、教育者と学生がそれぞれの歩みの中でさまざまな好影響を実感するとき、この転換は実を結ぶでしょう。 


GEMについて

GEM Corporationは、企業顧客のデジタルトランスフォーメーションの歩みを支援する、業界をリードするITサービスプロバイダーです。ベトナムのハノイを拠点とするGEMは、優秀な人材、幅広く高い適応力を持つ技術スタック、そしてISO認証を取得したCMMiベースの優れたサービス提供プロセスを強みとしています。 そのため、GEMは世界のさまざまな市場の幅広い分野において、スタートアップから大企業まで信頼を寄せられています。

最新情報やイベントをお見逃しなく。FacebookとLinkedInで私たちをフォローしてください!

    Ready to build your next project?

    Our experts will connect with you within 24 hours to discuss your project.

    contact

    Quick contact

      Or reach us at:
      whatsapp
      viber
      kakao
      Line
      0971098183