[論文レビュー] AI and personalized learning: bridging the gap with modern educational goals

Kristjan-Julius Laak, Jaan Aru|arXiv (Cornell University)|Apr 3, 2024

Online Learning and Analytics被引用数 19

ひとこと要約

本論文は、AI主導の個別化学習がOECD Learning Compass 2030の目標とどの程度整合するかを分析し、協働・認知的関与・一般的能力のギャップを特定し、それらのギャップに対処するために大規模言語モデルを活用したハイブリッドAI教師モデルを提案する。

ABSTRACT

Personalized learning (PL) aspires to provide an alternative to the one-size-fits-all approach in education. Technology-based PL solutions have shown notable effectiveness in enhancing learning performance. However, their alignment with the broader goals of modern education is inconsistent across technologies and research areas. In this paper, we examine the characteristics of AI-driven PL solutions in light of the goals outlined in the OECD Learning Compass 2030. Our analysis indicates a gap between the objectives of modern education and the technological approach to PL. We identify areas where the AI-based PL solutions could embrace essential elements of contemporary education, such as fostering learner's agency, cognitive engagement, and general competencies. While the PL solutions that narrowly focus on domain-specific knowledge acquisition are instrumental in aiding learning processes, the PL envisioned by educational experts extends beyond simple technological tools and requires a holistic change in the educational system. Finally, we explore the potential of generative AI, such as ChatGPT, and propose a hybrid model that blends artificial intelligence with a collaborative, teacher-facilitated approach to personalized learning.

研究の動機と目的

• 現在のAIベースの個別化学習（PL）がOECD Learning Compass 2030の目標（一般的能力、主体性、AARサイクル）とどのように整合するかを評価する。
• PLが協働・認知・より広い能力よりも効率を重視するギャップを特定する。
• SRL（自己調整学習）と一般的能力の育成における、領域特化型・知識グラフベースのPLシステムの限界を論じる。
• 全体的なPL目標を実現するための大規模言語モデル（LLMs）とハイブリッドAI–教師モデルの潜在的役割を検討する。

提案手法

• PLとAIEdの文献をレビュー・統合する（適応学習、ITS、関連システムを含む）。
• PLの特徴をOECD Learning Compass 2030の目標（AAR、主体性、一般的能力）に対応づける。
• PLがパフォーマンスと領域特有の知識を重視する一方で、社会的・規制的学習ニーズに対する批判的評価。
• SRL支援（例：MetaTutor、Betty’s Brain）に関する証拠と、それらが広範な能力にどの程度関連するかを論じる。
• 教員補助としての教育エージェントとしてのLLM（例：ChatGPT）の潜在能力と、協働学習における役割を分析する。
• 教師が促進する協働PLを置き換えるのではなく、AIが支援するハイブリッドモデルを提案する。

実験結果

リサーチクエスチョン

• RQ1 現在のAI主導の個別化学習システムは、OECD Learning Compass 2030の目標とどの程度整合するか。
• RQ2 現代教育の重要な要素（認知、協働、一般的能力、SRL）がPLでどの程度欠如しているか。
• RQ3 特定されたギャップを埋め、全体的な個別化学習を実現するために、LLMsとハイブリッドAI–教師フレームワークは有効か。
• RQ4 gamificationとAIを統合する際に、内発的動機や主体性を損なわないようにするために必要な注意点は何か。

主な発見

• 適応型PLは領域固有の知識と学習効率を効果的に支える一方で、協働・SRL・一般的能力を見落としがちである。
• 現在のPLは一般的に長期的な学習、主体性、認知的関与よりもパフォーマンス向上を重視する。
• 領域特化型PLと知識グラフアプローチは学習者を既存の知識空間に制限し、創造性と領域横断的転移を制約する。
• SRL支援とオープンラーナーモデルは自己規制とメタ認知を高める可能性があるが、実世界のPLはしばしばこれらの機能を欠く。
• LLMsは、教師のファシリテーションと慎重に設計・統合されると、自己規制・省察・協働学習を促す教育エージェントとして潜在能力を示す。
• AI支援と協働・教師主導の学習を組み合わせたハイブリッドモデルを提案し、PLを現代の教育目標に整合させる。