[論文レビュー] Intelligent Tutoring Systems: A Comprehensive Historical Survey with Recent Developments

Ali Alkhatlan, Jugal Kalita|arXiv (Cornell University)|Dec 22, 2018

Intelligent Tutoring Systems and Adaptive Learning被引用数 11

ひとこと要約

本稿は、知能チューティングシステム（ITS）の包括的で歴史的・技術的な調査を提示し、初期のコンピュータ支援学習（CAI）から、現代のAI駆動型の適応学習システムに至るまでの進化をたどる。コアなアーキテクチャ的構成要素、教育的モデル、およびAutoTutor や GIFT といった最近のイノベーションをレビューし、人間のチューターに近づきつつあるが、個別化、スケーラビリティ、長期的影響評価の面で未解決の課題が残っていると結論づける。

ABSTRACT

This paper provides interested beginners with an updated and detailed introduction to the field of Intelligent Tutoring Systems (ITS). ITSs are computer programs that use artificial intelligence techniques to enhance and personalize automation in teaching. This paper is a literature review that provides the following: First, a review of the history of ITS along with a discussion on the interface between human learning and computer tutors and how effective ITSs are in contemporary education. Second, the traditional architectural components of an ITS and their functions are discussed along with approaches taken by various ITSs. Finally, recent innovative ideas in ITS systems are presented. This paper concludes with some of the author's views regarding future work in the field of intelligent tutoring systems.

研究の動機と目的

• 初心者に、知能チューティングシステム（ITS）分野について構造的かつ最新の紹介を提供すること。
• コンピュータ支援学習（CAI）および知能コンピュータ支援学習（ICAI）から始まるITSの歴史的発展をたどり、主要なマイルストーンと移行を強調すること。
• 学生モデリング、ドメインモデリング、教育戦略といったITSのコアなアーキテクチャ的構成要素と、それらの機能的役割を分析すること。
• 会話型チューティング、制約ベースのシステム、GIFT や AutoTutor といったフレームワークを含む、最近のITSの進歩を検討すること。
• 未解決の課題を特定し、特に長期的な学習成果の追跡および特別なニーズを有する学習者への支援に関する今後の研究方向性を提案すること。

提案手法

• 1970年代から2018年までのITS分野の基礎的かつ最近の研究文献を包括的にレビューし、画期的な研究とサーベイ論文を含む。
• AI、認知心理学、教育理論の統合が、ITSの設計および実装にどのように反映されているかを分析すること。
• 認知チューター・モデル、制約ベースのチューター、ハイブリッドモデルといった主要なITSアーキテクチャを調査し、その機能的構成要素を説明すること。
• GIFT（汎用知能フレームワーク・フォー・チューティング） や AutoTutor といった現代のITSフレームワークを評価し、その適応性、知識表現、学生モデリング能力に焦点を当てる。
• データマイニングおよび長期的なデータ収集が、学習成果に与えるITSの長期的影響を評価するために果たす役割を検討すること。
• 今後の研究方向性を提案し、初期教育から大学卒業までに至る学生の縦断的追跡を含め、ITS利用と学業成績・専攻選択の関連性を明らかにすること。

実験結果

リサーチクエスチョン

• RQ1 知能チューティングシステム（ITS）は、初期のコンピュータ支援学習（CAI）および知能コンピュータ支援学習（ICAI）システムからどのように進化してきたか？
• RQ2 ITSのコアなアーキテクチャ的構成要素とは何か。それらはどのように相互に作用し、個別化学習を支援しているか？
• RQ3 GIFT や AutoTutor といった現代のITSフレームワークは、どのように適応的かつ会話型のチューティングを可能としているか？
• RQ4 現在のITSシステムは、読み書き障害（Dyslexia）や注意欠陥多動性障害（ADHD）などの特別なニーズを有する学習者を支援する点で、どのような制限を抱えているか？
• RQ5 初期のITSとの相互作用と、GPA や専攻選択といった後の学業成果を結びつけるために、長期的データ収集の可能性はどの程度あるか？

主な発見

• ITSは強力な教育的有効性を示しており、人間のチューターが指導する学生は、通常のグループ学習環境に比べて成績が2標準偏差も高いという研究結果がある。
• AI技術の統合により、ITSは学生の解答手順を監視し、認知状態に適応してフィードバックを即座に提供できる。これは、従来のCAIシステムにはほとんど見られない能力である。
• GIFT や AutoTutor といったフレームワークは、知識表現、学生モデリング、教育的制御のための標準化されたサービスを提供することで、ITSのモジュラリティと再利用可能性を高めている。
• 進歩は見られるものの、現在のITSは人間のチューターの認知的意識と適応性を完全に再現できていない。しかし、スケーラビリティと一貫性の面で、次第に競争力を持つようになっている。
• 大学のGPA や専攻選択といった長期的な学業成果と、初期のITSとの相互作用を結びつける縦断的データセットが、深刻な不足している。しかし、こうしたデータは、個別化教育パスウェイを最適化する可能性を秘めている。
• 教育的戦略に裏付けられた特別なITSモジュールは、読み書き障害、ADHD、ダウン症などの認知的障害を有する学習者を支援する上で強く有望な可能性を示している。