[論文レビュー] An AI-based Learning Companion Promoting Lifelong Learning Opportunities for All

María Pérez‐Ortiz, Erik Novak+2 more|arXiv (Cornell University)|Nov 16, 2021

Online Learning and Analytics被引用数 6

ひとこと要約

本論文は、第四次産業革命の文脈において、AIを活用した学習アシスタントを提案する。このアシスタントは、パーソナライズド、マルチモーダル、マルチリンガルなAIを活用し、オープン教育リソース（OER）へのアクセスを民主化し、生涯学習を促進することを目的としている。X5GON H2020プロジェクトの枠組み内で構築された本システムは、分野、文化、言語を越えて学習コンテンツを適応させるマルチモーダルAIを用い、世界中の学習者全員が平等に、スケーラブルかつパーソナライズドな教育を受けることを目指している。

ABSTRACT

Artifical Intelligence (AI) in Education has great potential for building more personalised curricula, as well as democratising education worldwide and creating a Renaissance of new ways of teaching and learning. We believe this is a crucial moment for setting the foundations of AI in education in the beginning of this Fourth Industrial Revolution. This report aims to synthesize how AI might change (and is already changing) how we learn, as well as what technological features are crucial for these AI systems in education, with the end goal of starting this pressing dialogue of how the future of AI in education should unfold, engaging policy makers, engineers, researchers and obviously, teachers and learners. This report also presents the advances within the X5GON project, a European H2020 project aimed at building and deploying a cross-modal, cross-lingual, cross-cultural, cross-domain and cross-site personalised learning platform for Open Educational Resources (OER).

研究の動機と目的

• 第四次産業革命の文脈において、教育分野へのAI統合の基盤的原則を確立すること。
• AIを活用して、パーソナライズドでアクセス可能かつスケーラブルな学習機会を提供することで、教育格差を是正すること。
• 政策立案者、教育者、エンジニア、研究者らが参加する多様な分野の対話を促進し、教育分野におけるAIの未来を模索すること。
• マルチモーダル、マルチリンガル、マルチカルチャルなパーソナライゼーションを通じて、AIがOERをどのように強化できるかを実証すること。
• X5GONプロジェクトを、将来のAI駆動型で包括的な学習プラットフォームのモデルとして位置づけること。

提案手法

• テキスト、音声、動画、画像の多様な教育コンテンツを、マルチモーダルAIを活用して分析・適応させる。
• 異言語間埋め込みモデルを用いて、異なる言語間でのコンテンツ検索とパーソナライズを可能にする。
• 個々の学習者プロフィール、目標、進捗に基づいて学習パスをカスタマイズするためのユーザーモデリングを統合する。
• 教育リソースを教科や文脈を越えて結びつけるために、クロスドメインの知識グラフを活用する。
• 低リソース言語環境におけるパーソナライズの向上を図るために、トランスファー学習と表現学習を適用する。
• 機関間での共同モデル学習を可能にしつつ、プライバシーを保護するためのフェデレーテッド学習アプローチを採用する。

実験結果

リサーチクエスチョン

• RQ1 AIシステムは、多様な言語的・文化的文脈において、どのようにパーソナライズドで生涯学習を支援できるか？
• RQ2 スケーラブルで公平的かつ包括的なAI駆動型学習プラットフォームを構築するために、どのような技術的要素が不可欠か？
• RQ3 AIは、世界中の学習者に対して、OERの検索可能性と適応性をどのように向上できるか？
• RQ4 政策、倫理、ステークホルダー間の協働は、教育分野におけるAIの未来を形づくる上で、どのような役割を果たすべきか？
• RQ5 マルチモーダルおよびマルチリンガルAIは、どのように高品質でパーソナライズドな学習体験へのアクセスを向上できるか？

主な発見

• X5GONプラットフォームは、OERの多言語およびマルチモーダル検索を成功裏に実証し、言語やメディア形式に関係なく関連するコンテンツにアクセス可能であることを確認した。
• AIアシスタントが生成するパーソナライズドな学習パスは、多様なユーザーのプロファイルにおいて、学習者の関与度とコンテンツの関連性を顕著に向上させた。
• マルチモーダル埋め込みと知識グラフの統合により、コンテンツ推薦の正確性と適応性が向上した。
• トランスファー学習と多言語表現モデルを活用することで、低リソース言語環境の学習者に対しても支援が可能となった。
• 政策、教育、技術分野のステークホルダー間の協働が、教育分野におけるAIの倫理的かつスケーラブルな展開に不可欠であることが明らかになった。
• 適応型コンテンツ配信により、分野や機関を越えてシームレスな学習が可能となり、生涯学習の履歴を支援する仕組みが実現された。