パーソナライズされた学習が教育をどのように変えるか：ゲイツ財団特別パネルからの洞察
教科書を購入し、講義に出席し、テストを受け、平均点に基づいて評価を受ける。これが、ほとんどの人が大学での学習体験を思い出す方法です。しかし、学習者は多様な集団であり、個人的な経歴、学習へのアプローチ、そしてテクノロジーへの精通度はそれぞれ異なります。
今日の学生を旧来の学習方法で引き込もうとすると、多くの学習者層の間で緊張が生じ、従来の学習方法の多くが魅力を失ってしまいます。現代の経済問題や社会問題も相まって、従来の学習方法は現実と乖離しているように見えます。多くの学生は、自分の人生経験とは無関係に見える講義、退屈な読書課題、長文のエッセイを苦労してこなすよりも、学校を去ってしまうのです。
大学を卒業せず、学び続けることを望む学生は、潜在的に非伝統的な学生の仲間入りをする可能性がある。非伝統的な学生とは、新しいスキルを習得したい社会人、将来的に学位を取得したいパートタイム学生、そしてその多くは仕事を持ち、子育てをしながら授業を受けている学生で、高校の卒業証書を持っていない学生も含まれる。
成績優秀な生徒にも問題があります。ペースが遅すぎたり、選択範囲が狭すぎたり、学習体験が平凡すぎたり、生徒が知る必要のある内容とは無関係に思えたりすることがあるのです。
では、教育はどのようにして生徒たちの現状に応えられるのでしょうか？生徒たちが望むような状況ではなく、教育システムが学習体験を提供するのに快適な環境でもないのです。一つの答えは、個別学習です。
先週開催されたビル＆メリンダ・ゲイツ財団米国教育学習フォーラムにおいて、私は個別学習に関する分科会をファシリテートしました。これは、ゲイツ財団設立15周年における学習改善の状況を振り返るイベントでした。リオ・サラド・カレッジ学長のクリス・ブスタマンテ氏、ナショナル・ルイス大学学長のニヴィン・メガヘッド氏、ワシントン州ウェスタン・ガバナーズ大学（WGU）学長のジーン・フローテン氏にもご参加いただきました。パネリストの皆様は皆、主に非伝統的な学生を対象としており、教員の雇用モデルも非伝統的なものが多いです。
データの役割
最近の多くのトピックと同様に、パーソナライズ学習に関する議論はすぐにテクノロジーに焦点を合わせます。テクノロジーを活用すれば、学習者は自分のペースで学習を進めることができ、コンテンツは最も魅力的なメディアを用いて配信され、補助教材や概念の復習はクリック一つで利用でき、評価は学習フローに統合されます。高度なテクノロジーは、適切性だけでなく、能力の向上もサポートします。そして、仲間の学生、メンター、教員とは、少なくともメールで連絡を取り合うことができ、多くの場合、より高度なコラボレーションテクノロジーを介して連絡を取ることができます。
しかし、パーソナライズ学習は現実というよりはむしろ夢の段階です。アルゴリズムは生徒の学習成果データを情報に変換し、学習者と教育者の双方に、より可視性とより優れた意思決定ツールを提供します。しかし、その結果は往々にして手続き的なものとなり、学習者の学習過程をより興味深いものにするよりも、学習過程を維持するための介入に重点が置かれています。パーソナライズ学習の設計の多くは、効率性を追求した工場のように、工業的な印象を与えます。しかし、教育におけるデータ活用はまだ初期段階であり、データを活用して学習体験を共創する方法については、まだ多くの発見が残されています。
パネルディスカッションの最初のセクションでは、データがいかにしてパーソナライズされた学習を推進するかについて議論されました。フローテン氏は、WGUが学生の学習ペースを規定するルールではなく、革新的な配信モデルを用いて、よりパーソナライズされた学習体験を創出している方法について説明しました。このモデルは、従来の教育業務をコンテンツ獲得専門家、WGUのコンピテンシーベースのミッションに沿ってコンテンツを指導・調整する教員、そしてメンターと評価者に分散させています。これは、学習者が必要とするときに利用できるサポートとアクセスのエコシステムです。フローテン氏は、このシステムを「いつでも、どこでも、どんなペースでも」と表現しています。WGUのコンピテンシーベースのモデルでは、学生は準備が整った時点で評価に合格する必要があります。事前評価では、学生が既に知っていることを把握し、必要な知識に集中できるようにします。その後、コンピテンシーを証明するために必要なすべての側面を網羅する最終評価を受けます。授業料は定額で、学生は自分のペースでカリキュラムを進めることができ、多くの場合、加速学習も可能です。クォーター中に必要な単位数を取得できます。学習配信へのアプローチとビジネスモデルは同期しており、必要な支援を提供し、成功を迅速に評価します。
しかし、WGUのデータははるかに奥深いものです。各学生の学習プロファイルは、野球カードとダッシュボードに相当する形で記録され、管理者、メンター、教育者、そして学生自身と主要な統計情報や洞察を共有します。「私たちが持っているデータは何でも、学生にも共有されます」とフロテン氏は言います。コース内容と評価について収集された情報は、カリキュラムの改善や、学習レベルでのデータドリブンな体験の提供に活用され、コース受講生の多様な学習スタイルに対応した教材が確実に提供されます。関係者全員が、学習の強みと弱みを示す学生データ、そして時間投資と学習の質を追跡する具体的なパフォーマンス指標にアクセスできます。データドリブンな洞察は、問題が深刻化する前に迅速なトリアージを可能にします。卒業後に卒業生を同窓会に引き渡して募金活動を行う多くの教育機関とは異なり、WGUは就職率、給与、雇用主満足度など、卒業生の成功状況を追跡し、その情報を継続的な改善プロセスに反映させています。
ブスタマンテ氏は、リオ・サラド大学ではカレンダー上でパーソナライズされた学習体験を提供していると説明しました。学生はクォーターやセメスターの休みを待つことなく、新しい週が始まるだけで、いつでも多くのコースを開始できます。豊富なデータシステムにより、IT技術では不可能な、はるかに柔軟なスケジュール管理が可能になっています。
自らをデータオタクと称するメガヘッド氏は、ナショナル・ルイス校を、コスト、品質、そして修了率を同時に実現するデータ主導型の教育機関へと着実に変貌させてきました。同校は、第一世代の学生や恵まれない学生に重点を置き、一般教育の経験を再構築しました。彼女はチームに、増え続ける新しい情報を意思決定の重要なインプットとして活用するデータ思考を奨励しています。メガヘッド氏は、新しいアダプティブラーニングプラットフォームの最初のコースを自ら指導し、自分が運動感覚型学習者であることを同僚に納得させました。彼女はこのシステムの使用が、素晴らしい個人的な学習体験になったと感じています。指導中は、講義をテクノロジーに統合し、いつでもどこでも視聴できるようにしました。授業時間は、非同期学習で学んだアイデアの応用と探求に集中しました。
ナショナル・ルイス・システムは、プロセス全体を通して生徒の活動を監視し、学習者のエンゲージメントを高める枠組みを提供しています。メガヘッド氏は、日曜日の夜に生徒に手紙を書き、課題に取り組んでいないことがわかったと伝えているそうです。翌週の水曜日の授業で、ある生徒が夫に「先生から宿題に取り掛かるようにとメモをもらったので、夕食の準備をするように伝えたの」と話したそうです。
急速な技術変化
パネルディスカッションの第2部では、急速な技術革新、それが計画にもたらす混乱、そしてしばしば覆される前提について焦点が当てられました。私は以前、聴衆の中でタブレットを持っている人はどれくらいいるか尋ねていたのですが、今ではほとんどの人がタブレットを持っているため、その質問では技術革新の現実を理解できないと話しました。そこで、Samsung Gear VRヘッドセットを取り出し、VRヘッドセットの所有者はどれくらいいるか尋ねました。2つのセッションに出席した12人ほどの参加者のうち、手を挙げたのはたった2人でした。彼らは別のカンファレンスでもらったGoogle Cardboardのヘッドセットの持ち主でした。
バーチャルリアリティは現時点ではどのパネリストの議題にも上がっていませんでしたが、ナショナル・ルイスはVR技術を他の技術と同様に、つまり成功した実験の結果として導入されたものと見なすでしょう。彼女のチームは、技術の有効性を評価するための一種のスカンクワークス（秘密研究室）を構築し、コスト削減を含む学習目標や運用目標にどのように貢献できるかをテストしています。例えば、現在彼らは、生徒に称賛と懸念の両方を伝えるパーソナライズされたプッシュ通知をテストしています。これは、この種の技術が生徒のモチベーション維持に役立つかどうかを確認することを目的としています。メガヘッド氏は、情報システムから提供されるパフォーマンスと洞察のデータが、スケーラブルなモデル構築の中心となると考えています。例えば、コーチは、最も必要としている生徒にエネルギーを配分する方法をより深く理解することで、より多くの生徒に対応できるようになります。
パーソナライズ学習が進むにつれ、ウィリアム・ギブソンの「未来の不平等な分配」という言葉が思い浮かびます。パネリストたちはそれぞれの経験を共有しましたが、会議に参加した多くの教育機関は、まだごく初期のテクノロジーをベースとしたパーソナライズ学習体験さえも導入していません。財団が指摘するように、このようなセッションや財団が資金提供するプログラムは、意識を高め、そこから得られた教訓を共有することを目的としています。
テクノロジーを活用し、学習者の積極的な関与を促し、学生が求める能力の習得を支援する、真にパーソナルな学習体験を創造することが、依然として課題となっています。パーソナライズされた学習を推進するために必要なデータは、現在定義されつつあります。そのデータを活用して、豊富なコンテンツから、一人ひとりに合わせたアドホックな学習体験をキュレーションし、提供していく方法は、人工知能（AI）と機械学習の研究者にとって依然として重要な課題です。
しかし、おそらく定義から始める方が良いでしょう。パーソナライズ学習に関する多くの見解は、概念的に曖昧です。起業家は、おそらく教育者よりも、ソリューションを提供する場を求めて市場を細分化するのが得意です。ラーニングフォーラム出展企業Smart SparrowのCEOであるドロール・ベン＝ナイム氏は、学習体験のためのルールベースのデザインシステムを販売しており、パーソナライズ学習とは何かについて、より深い議論が必要だと考えています。ベン＝ナイム氏は、採用・入学プロセスから始まり、学生の誤解に関する適応型フィードバックで終わるパーソナライゼーションの階層構造を捉えています（edsurgeで彼のモデルを参照）。
こうした議論において、政策がテクノロジーの進化に合わせて進化し続けることが重要です。将来のパーソナライズ学習システムは、自由度を制限する狭量で機械的なアプローチを避け、学習者が革新的思考など、世界経済の大きな原動力となる非常に求められているスキルを習得できるようにする必要があります。また、学習者の学習経験は、学習者自身だけでなく、教員にも指導設計の成功に関するフィードバックを提供する必要があります。
パネルディスカッションでは合意には至らなかったものの、パネリストたちは、自らの思考を機敏に保ち、自らの思い込みを疑い、組織を前進させるために実践している8つの教訓を共有しました。今日の個別学習には、オープンアーキテクチャよりも、オープンマインドが求められると言えるでしょう。
パーソナライズ学習パネルから学ぶ8つの教訓
- 学習は非常に個人的なものであることを忘れないでください。アダプティブラーニングプラットフォームは依然として非常に一次元的です。学習の複雑さは非常に多次元的です。生徒の学習を支援するには、認知的ではない、社会情緒的な要素も考慮に入れる必要があります。そうすることで、生徒の成功を確実にすることができます。
- ラピッドプロトタイピングと反復は生き方になる必要があり、リーダーは自分自身、教員、スタッフ、学生に、失敗は成功に近づく一歩であることを常に思い出させる必要があります。
- テクノロジーと分析はあくまでツールに過ぎないことを覚えておいてください。実装の成功は結果ではありません。
- 変化の先駆者になりましょう。政治的な意志がなければ、変化を主導するのはあなたの仕事ではないかもしれません。変化は、気の弱い人や再選を目指す人には向いていません。リーダーは、変化を起こすための組織的な意志を育まなければなりません。
- パーソナライズされた、ブレンド型の、コンピテンシーに基づいた学習体験を創造し、提供しましょう。何をするかが、それを何と呼ぶかよりも重要であることを忘れないでください。
- 目標を設定しましょう。目標がなければ、進捗を測ることはできません。組み合わせたり、組み合わせたり、適応したりすることを恐れないでください。ある方向に進みたいと決めたからといって、最初の決定が間違っていたと気づいた後も、その方向に進み続ける必要はありません。
- 生徒の興味を引きつけましょう。生徒にアプローチするためのより良い方法を常に模索し続けましょう。
- システムと科学を理解し、他者と協力し、そこから学びましょう。将来に待ち受ける不確実性を乗り越えながら、未来を共に創造するために率先して行動しましょう。
パーソナライズ学習とその有効性を示すエビデンスは、成功の秘訣を断言できるほど十分には発展していないものの、パーソナライズ学習への需要は確かに存在します。フロテン氏は最近、ある教室に入った際に、スマートボードに次のような課題が書き連ねられているのを見たそうです。「ちょうどいいタイミングで、ちょうどいい量で、私にとってちょうどいいものをください！」研究者や学者は、定義を細かく決めるのをやめ、このシンプルな宣言をリトマス試験紙として使うべきなのかもしれません。
