Google DeepMind ガイドラーニング AI トライアル シエラレオネ

Google DeepMind は、シエラレオネで事前に登録されたトライアルを実施し、AI が教師の到達範囲を拡大する強力な教育パートナーとして機能し、教師を置き換えることなくそれが示された。この研究では、ガイドラーニングを使用した学生が数学の得点で顕著な向上を示し、一部の学生は 8 週間の期間で通常の学習進捗の 1.2 年から 2.5 年に相当する進歩を達成した。

定量化された学習の向上と学生の関与

ガイドラーニングを使用した学生は、対照群と比較して数学の得点で +0.258 標準偏差の向上を見せ、これは通常の学習進捗の約 1.2 年から 1.7 年に相当する。この影響は、教師が Gemini をレッスンの約半分に組み込み、トライアル中に 12 時間の使用を目標とした教室で最も顕著であった；これらの学生は約 1.8 年から 2.5 年の進歩に相当する向上を見せた。

関与レベルは典型的な教育技術の傾向を大きく上回った。自発的な教育技術はしばしば「5 パーセント問題」（通常、学生のわずか 5% が関与する）に苦しむが、このトライアルでは学生の 69% が使用目標を達成または上回った。この高い関与は、学生が報告した数学への楽しさの増加と伴っていた。

教育アプローチ：答えよりも理解を優先

LearnLM 研究に基づいて構築されたガイドラーニングは、直接の答えを提供するよりも概念的理解を優先するように特別に調整されている。この「ソクラテス的」な相互作用モデルは、学生が学習に必要な認知的努力を行うことを保証する。

トライアル中の 113,000 以上のインタラクションの分析から以下が明らかになった：

• 概念的理解: 学生は会話の 91.4% でツールを使って理解を構築した。
• スカフォールディング: Gemini はそのメッセージの 76% でスカフォールディング質問で応答した。
• 直接的な解答: Gemini はわずか 2% のケースで直接的な解答を提供した。

トライアルを通じて、学生の行動はスキル構築にシフトした。スキル構築クエリは最初の週の 68% から最終週の 90% に増加し、解答を求める質問は 25% から 10% に減少した。

AI 統合における教師の役割

このトライアルは、教師が中心となる教師主導の介入として設計された。教師はレッスンを設計し、目標を設定し、教室でのディスカッションをファシリテートした。

学生への影響だけでなく、教師はプロフェッショナルな成長も報告し、Gemini を使ってレッスンの準備を行い、分数などの複雑なトピックを説明する新しい方法を見つけた。これにより、教師の役割は「講師」から「ファシリテーター」へと変わり、学生ペアが学習の旅をナビゲートする際に的を絞ったサポートを提供できるようになった。

これらのプログラムの拡大をサポートするために、Google DeepMind は Fab AI と協力して作成された教師トレーニングガイドをリリースした。

制限と今後の研究

全体的な成功にもかかわらず、このトライアルは持続的な「達成格差」を浮き彫りにした。初期の数学スキルが強い学生ほど最も多くの利益を得た。これは、最も支援が必要な学生により大きな向上を提供するツールが必要であることを示している。

Google DeepMind は、追加の事前に登録されたランダム化比較試験（RCT）を通じてこれらのトライアルを他の国々に拡大し、Global AI for Learning Alliance（GAILA）と協力している。オープンサイエンスを促進するために、彼らは Fab AI と協力して RCT に対するアプローチのプレイブックをリリースし、他の組織がスケーラブルでローカライズされた研究を実施できるよう支援している。今後の研究では、メタ認知と関係的知能を探求し、学習プロセスのより包括的なビューを捉える予定である。