一人ひとりにあった学習を実現！　教育業界の新潮流「アダプティヴラーニング」

教育とテクノロジーを掛け合わせた「EdTech」の領域で、教育のゲーミフィケーションと並んで、“the next big thing”と言われているのが「アダプティヴラーニング」である。

近年、多額の資金がアダプティヴラーニング関連のスタートアップへの投資や、大学研究費に充てられるようになり、さらなる注目を集めている。

そもそも、アダプティヴラーニングとはいったい何なのか。まずは一般的な授業風景を思い描いてほしい。コンピューター登場以前でも、先生が生徒一人ひとりの学力を可能な限り把握し、それに見合った声がけや課題提供を行うことは不可能ではなかった。また、事前学力テストなどを行い学力別に生徒をクラス分けし、クラスごとに最適な教材を提供したり指導方法を変えるといったことも行われていた。

この「ｘに最適なｙを提供する」という行為そのものがアダプティヴである。そういった意味では、アダプティヴラーニングはコンピューター登場以前から当たり前のように存在した。

だが、それはクラス単位やトピック単位など、非常に粒度の粗いものであり、多くの教育者が抱く理想とはほど遠いものであった。その状況を一変させたのが、コンピューターの誕生、インターネットの爆発的普及、そして近年バズワードとして頻繁に耳にするようになった「ビッグデータ」である。

アダプティヴラーニングは、「個人個人に最適化された学習内容の自動提供」という教育者の理想を達成するために、世界中の天才たちがビッグデータ的手法を用いながら日々知恵を絞っている、教育業界における最もホットな領域のひとつである。

アダプティヴラーニングは「教育×ビッグデータ」のひとつの重要なアプリケーションとしてとらえられている。ビッグデータは、さまざまな種類の大規模データを集積、分析し、そこから重要な意味合いを抽出したり、経営判断に寄与したりできるため、世界中の企業・政府・研究機関によって注目されている。身近な活用例で言えば、ソーシャルゲームであったり、Googleの検索連動型広告（検索内容に合わせて表示する広告をダイナミックに変更。その質はその他変数を複合的にアルゴリズムに入れ込むことによって向上を続ける）などが有名だ。あるいは、個々人のDNAを安価で分析し、発症可能性のある病気の早期発見に役立てたりするゲノム分析などもその応用例として挙げることができる。同様に教育の分野でも、個々人の学習データを大量に集めて大規模に分析することで最適な学習を提供するアダプティヴラーニングは、重要な領域として認識されている。

アダプティヴラーニングを取り入れた代表的なプラットフォームサーヴィス「Knewton」は、その特徴を「Continuous Adaptivity（継続的なアダプティヴィティ）」と表す。「一人ひとりの学力・理解度」と「学ぶべき対象」をそれぞれマッピングして、それらを継続的にクロスさせることによって、個人個人に最適な「Learning Path（学びの道程）」を実現することが可能になるという。しかもその学びの道程は、学習の進捗などに応じてダイナミックに変化する。学習者一人ひとり、問題一問一問、という非常に細かい単位での得意・苦手（もしくは理解・非理解）を把握し、理解を促進させるのに最適な問題が最適なタイミングで提供される。それは無駄や漏れのない、効率の最も高い学習法と言えるだろう。

Knewtonで用いられているアルゴリズムやその利用法は、一般公開されているホワイトペーパーでも手に入るし、彼らに直接メールを書くと、迅速に返事もくれる。「Item Response Theory（IRT）」や「Probablistic Graphical Models（PGM）」といった手法を駆使し、彼らが呼ぶところの”ナレッジグラフ”を継続的に強化している。詳細は専門的すぎるため割愛するが、とどのつまり、彼らは大規模な「知のリコメンデーションエンジン」を構築している。Knewtonはこれらの莫大なデータを分析するために、大量のクオンツ（高度な数学的手法を使って、市場を分析したり、投資戦略や金融商品を考案・開発する専門家）を採用し、日夜アルゴリズムの改善に励んでいる。

その効果は実証済みだ。2011年1月にアリゾナ州立大学がKnewtonシステムを導入したところ、途中でコースから離脱してしまう生徒の率は13％から6％に減少し、コース合格率は66％から75％に上昇したという成果も発表されている。

また、一流大学の教授の授業が、課題提出や最終試験合格による資格付与まで含め、世界中のどこからでも受けられる「MOOC（Massive Open Online Courses）」などにおいてもアダプティヴラーニングを取り入れる動きが広まっている。大きな資金もうごめくなか、教育分野でGoogleに匹敵する企業の誕生に、世界中の教育関係者が期待を寄せている。

しかし一方で、そもそも学問の体系化がそんなに美しくすっきりとできるのか。それが可能だとしても高度なアルゴリズムを用いた最適な学習内容の提供が常に可能なのか。アダプティヴラーニングなどやはり夢物語に過ぎないのではないか。そのような否定的な意見も少なくない。だが裏を返せば、これは学術的にも実用的にもまだまだ未開拓な、非常にエキサイティングな領域であると言えるだろう。

ただ、ここでひとつ問題提起をしておきたい。これまでのアダプティヴラーニングは、「コンテンツアダプティヴ」、すなわち個人個人の学力・理解度にあったコンテンツを提供することにのみ焦点が当てられていた。だが本来、学習というものはもっと多角的で複雑であり、さまざまな「アダプティヴ」が存在しうるのではないか。

例えば、学習スタイルアダプティヴと学習シチュエーションアダプティヴというものが考えられる。学習スタイルアダプティヴは、「一人ひとり異なる学習のスタイルに応じて、最適な学習方法を提供する」というものである。暗記が得意で何でもすぐ覚えてしまう人、深く理解することによってその知識を自在に応用できる人、ゲームを通してでないと物事を覚えられない人など、さまざまな学習スタイルが存在する。そういった個々の学習スタイルはなかなか変えがたく、学習効率に非常に大きな影響を及ぼすものだ。各個人のスタイルに応じて、ゲーム要素を付加したり、暗記部分を補強したり、問題数を減らして代表的例題を深く理解させる。そうした問題の出し分けが自由自在に可能となれば、より効率よく学習することができるようになるだろう。

学習シチュエーションアダプティヴは、各個人の状況に応じて異なる学習方法を提示するというものだ。例えば理解が中心となる平時の学習と、暗記が中心となる試験直前の学習とでは、異なる方法を提供するといったことが想定される。

このように、真の学力向上にはコンテンツすらひとつの要素にすぎない。モバイルというとてもパーソナルな道具と、そこから絶え間なく吐き出される大量のデータを分析して意味を抽出するビッグデータ技術やインフラが整ったいま、その他さまざまなアダプティヴラーニングのアイデアが、世界中至る所から次々と誕生してくるのであろう。

【関連記事】
学びの未来へソーシャルゲームが導く？ 「教育のゲーミフィケーション」と注目のサーヴィス

本間拓也 | TAKUYA HOMMA
「Quipper」 マーケティングディレクター。東京大学経済学部在学中に、『ウェブ進化論』の著者梅田望夫に弟子入り。東京とシリコンヴァレーを拠点に活動し、梅田望夫と飯吉透の共著『ウェブで学ぶ』の執筆に関与。その後東京大学を中退し、University College London（英国）に入学。在学中にインド・中国・アフリカを回り、途上国におけるモバイルラーニングに大いなる可能性を見い出す。同時期に、学習提供者と学習者をつなげるラーニング・プラットフォームを運営するロンドン発のスタートアップ「Quipper」代表の渡辺雅之に誘われ在学中から手伝いを始め、2012年9月にUS事業および全社マーケティング担当のディレクターに正式に就任。Twitter: @TakuyaQuipper

TEXT BY TAKUYA HOMMA (QUIPPER)