[論文レビュー] Proactive and Reactive Engagement of Artificial Intelligence Methods for Education: A Review

Sruti Mallik, Ahana Gangopadhyay|arXiv (Cornell University)|Jan 23, 2023

Online Learning and Analytics被引用数 5

ひとこと要約

本レビューでは、2003年から2022年までの194件の教育分野におけるAI（AIEd）研究を、計画段階（例：入学選抜、スケジューリング）の能動的（プロアクティブ）なAI活用と、実行段階（例：チューティング、評価）の反応的（リアクティブ）なAI活用に分類している。本研究は、より洗練され、説明可能なモデルへのパラダイムシフトを明らかにするとともに、COVID-19パンデミックがAIの導入を加速させたこと、また、公平性、倫理、インフラアクセスといった継続的な課題が存在することを示している。

ABSTRACT

Quality education, one of the seventeen sustainable development goals (SDGs) identified by the United Nations General Assembly, stands to benefit enormously from the adoption of artificial intelligence (AI) driven tools and technologies. The concurrent boom of necessary infrastructure, digitized data and general social awareness has propelled massive research and development efforts in the artificial intelligence for education (AIEd) sector. In this review article, we investigate how artificial intelligence, machine learning and deep learning methods are being utilized to support students, educators and administrative staff. We do this through the lens of a novel categorization approach. We consider the involvement of AI-driven methods in the education process in its entirety - from students admissions, course scheduling etc. in the proactive planning phase to knowledge delivery, performance assessment etc. in the reactive execution phase. We outline and analyze the major research directions under proactive and reactive engagement of AI in education using a representative group of 194 original research articles published in the past two decades i.e., 2003 - 2022. We discuss the paradigm shifts in the solution approaches proposed, i.e., in the choice of data and algorithms used over this time. We further dive into how the COVID-19 pandemic challenged and reshaped the education landscape at the fag end of this time period. Finally, we pinpoint existing limitations in adopting artificial intelligence for education and reflect on the path forward.

研究の動機と目的

• 過去20年間における教育分野におけるAI手法の進化を検討し、計画段階と実行段階におけるその役割に焦点を当てる。
• 教育分野におけるAI（AIEd）の主要な研究分野を特定する。具体的には、カリキュラム設計、知能チューティング、成績予測の分野を含む。
• COVID-19パンデミックが教育分野におけるAIの導入に与えた影響と、研究の方向性に与えた影響を評価する。
• AIEdにおける主な課題、例えばデータプライバシー、アルゴリズムの透明性、インフラおよび熟練技術者のアクセスの不均等性を評価する。
• 2030年までに、公平で、倫理的かつ持続可能な形での教育分野におけるAI統合の将来志向を提示する。

提案手法

• 2003年から2022年までのAIEd分野の194件のオリジナル研究論文を、構造的な検索基準に基づいて選定した系統的レビュー。
• 教育ライフサイクルにおけるタイミングと機能に基づき、AI応用を計画段階（プロアクティブ）と実行段階（リアクティブ）の活用に分類。
• AI手法の進化を分析し、データタイプの変化、アルゴリズムの複雑さ（例：従来の機械学習からディープラーニングへの移行）、モデルの説明可能性を含む。
• テーマ的統合による研究トレンドの分析。特に、テクノロジー強化学習、AIによる社会的善（AI4SG）、持続可能な開発目標（SDGs）に焦点を当てる。
• パンデミック期の混乱を、AIEdのレジリエンスと適応性を評価するための視点として統合。
• 引用文献および政策的懸念の批判的統合を通じて、倫理的・法的・インfraストラクチャ的障壁を評価。

実験結果

リサーチクエスチョン

• RQ1 2003年から2022年までの教育分野における能動的および反応的AI活用の主な研究分野は何か？
• RQ2 AIEd研究におけるAI手法、特にデータ選択とアルゴリズムフレームワークの進化は、過去20年間でどのように変化したか？
• RQ3 COVID-19パンデミックは、教育現場におけるAIの導入をどの程度加速または再編したか？
• RQ4 現在の教育分野におけるAIの導入は、質の高い教育へのアクセスにおける既存の格差を拡大するのか、それとも縮小するのか？
• RQ5 AIEdツールの広範かつ公平な実装を妨げる主な倫理的・法的・インfraストラクチャ的障壁は何か？

主な発見

• 教育分野におけるAI応用では、基本的な機械学習モデルから、より洗練され、説明可能なディープラーニングフレームワークへの明確なパラダイムシフトが起こっている。
• 能動的AIアプリケーション（例：授業時間割の作成、カリキュラム設計）は注目を浴びるようになり、一方で反応的システム（例：知能チューティング、成績予測）は研究出力において依然として支配的である。
• COVID-19パンデミックは、AI駆動のリモート学習ツールの導入を加速させる要因となった。また、強固でスケーラブルなAIソリューションの必要性が浮き彫りになった。
• 進展にもかかわらず、特に発展途上地域においては、AIインフラへのアクセスに顕著な格差が残っており、電力、インターネット、ハードウェアが主な制約要因となっている。
• AIEdプラットフォームの民間企業主導は、データプライバシー、透明性、モデルの説明可能性に関する懸念を生じさせており、世界的な規制監視が限られている。
• 教育分野におけるAIが現在、教育者を置き換える証拠はなく、むしろ教育者の役割を補完しており、倫理的かつ効果的な実装には「人間がループ内に参加する」システムが不可欠である。