[論文レビュー] E-Gotsky: Sequencing Content using the Zone of Proximal Development

Oded Vainas, Ori Bar-Ilan+6 more|arXiv (Cornell University)|Apr 28, 2019

Educational and Psychological Assessments参考文献 33被引用数 3

ひとこと要約

E-Gotsky は、バイゴツキーの近接発達領域（ZPD）を用いて教育的コンテンツを動的に順序付けする、適応型学習エンジンである。リアルタイムでのパフォーマンスとフィードバックに基づき、動的に演習を選択することで、学習時間は17％短縮されたが、習得水準は維持され、特に学力が低い学習者の間で関与度が向上した。

ABSTRACT

Vygotsky's notions of Zone of Proximal Development and Dynamic Assessment emphasize the importance of personalized learning that adapts to the needs and abilities of the learners and enables more efficient learning. In this work we introduce a novel adaptive learning engine called E-gostky that builds on these concepts to personalize the learning path within an e-learning system. E-gostky uses machine learning techniques to select the next content item that will challenge the student but will not be overwhelming, keeping students in their Zone of Proximal Development. To evaluate the system, we conducted an experiment where hundreds of students from several different elementary schools used our engine to learn fractions for five months. Our results show that using E-gostky can significantly reduce the time required to reach similar mastery. Specifically, in our experiment, it took students who were using the adaptive learning engine $17\%$ less time to reach a similar level of mastery as of those who didn't. Moreover, students made greater efforts to find the correct answer rather than guessing and class teachers reported that even students with learning disabilities showed higher engagement.

研究の動機と目的

• eラーニングシステムにおける一様なコンテンツ順序付けの非効率性に対処すること。
• バイゴツキーの近接発達領域（ZPD）を、eラーニングプラットフォームにおけるデータ駆動型でリアルタイムな適応的メカニズムとして実装すること。
• 個々の学生の潜在的学習可能性に基づくコンテンツ配信のパーソナライズを通じて、習得までの時間を短縮しながら学習成果を維持すること。
• スキップされた演習に対する動的フィードバックが、学生の関与度を高め、推測行動を減らすかどうかを調査すること。
• 適応的コンテンツ順序付けが学習障害を有する学生および全体のクラスの関与度に与える影響を評価すること。

提案手法

• システムは、各演習の後、回答の正確性と回答時間に基づき、学生の現在の学習可能性を機械学習を用いて評価する。
• 次に選択するコンテンツは、学生のZPD内に位置するように動的に選択される——挑戦的ではあるが、過重ではない。
• 学習可能性の評価を静的成績水準ではなく、指導下での問題解決行動に基づくことで、動的評価（DA）の原則を適用する。
• 正答性だけでなく、スキップされた演習の数についてもフィードバックが提供され、これは肯定的強化として解釈される。
• 成績の良い学生には簡単な演習をスキップし、学力が低い学習者にはより難しい「ボーナス」演習を提供することで、最適な挑戦レベルを維持する。
• コンテンツ順序付けはリアルタイムでの適応に基づき、固定された線形進行を避けて、個別化された学習パスを可能にする。

実験結果

リサーチクエスチョン

• RQ1 ZPDのデータ駆動型モデルは、eラーニングにおけるコンテンツ順序付けを効果的にパーソナライズできるか？
• RQ2 リアルタイムでの学習可能性に基づく適応的コンテンツ選択は、学習成果を損なわず、習得までの時間を短縮できるか？
• RQ3 スキップされた演習に対するフィードバックは、推測行動の減少や努力の増加といった学生行動にどのように影響するか？
• RQ4 このシステムは、学習障害を有する学生の関与度とパフォーマンスをどの程度向上させるか？
• RQ5 コンテンツ順序付けとフィードバック設計の組み合わせは、学生の動機付けと学習品質にどのような影響を及ぼすか？

主な発見

• E-Gotsky を使用した学生は、非適応的ベースライン経路を用いた学生と比較して、類似した習得水準に到達するまでに17％の学習時間が短縮された。
• 適応的システムは、推測行動を顕著に減少させた。学生は正解した場合に演習がスキップされることを学び、これを肯定的フィードバックとして解釈した。
• 教師の報告によると、特に学習障害を有する学生の間で関与度が向上し、やる気と粘り強さが増した。
• 学生は回答の前により長く考え、利用可能な支援をより頻繁に使用するようになった。これは、より深い認知的関与を示している。
• フィードバックメカニズム（スキップされた演習の数を表示）は報酬として認識され、正確かつ熟考された問題解決行動を強化した。
• 初回のクイズでわずかなスコアの差が見られたが、2回目のクイズでは有意差は認められず、効果が事前の能力格差によるものではないことが示唆された。