海外では、教育分野においてもデータ活用やAI技術の発展に伴い、教育工学的に有効性が認められた機械学習によるアダプティブラーニングの実用化が進んでおります。
一方国内では、問題集のデジタル化やルールベースレベルのロジック、教育向きではない機械学習適用など、教育用としては有効性の観点で不明瞭なサービスも多く、
海外でアダプティブラーニングとして評価されているレベルの教育AIはまだ多くは提供されていない状況でした。
そこで、日本の教育業界でノウハウを培ってきた学研が、世界的な教育AI企業と協力する事で、日本の教育シーンに合わせた独自の教育システムを開発しました。
教材開発について実績のある学研グループの出版社と協力して、これまで開発してきた教材コンセプトをデジタルで実現出来るように、 AI教材ならではの独自の教材構成や難易度設定を行っております。
データに基づき、自らの弱点や未修となっている単元、学習回数が不足している単元などを把握しながら学習する事で効率的に学習できます。
その為、GDLSでは学習状況を様々なグラフや数値を可視化する事でそれを実現していますが、より分かりやすく伝えられるように、ChatGPTを活用して声掛け文言を生成しております。
現時点では、ハルシネーションに対する不安も多いことから、文科省のガイドライン等を踏まえて、独自の限定的な利用アプローチにより、
Knewtonの教育AIとしての信頼性高い分析結果と、ベテラン講師の声掛けのアプローチを組み合わせ、自然な文章にする事にのみChatGPTを活用しております。
問題の難易度調整や、理解が進みやすい単元の繋がりの調整など、学習効果を高める為のAIチューニングや教材改善を行っております。
※単元別生徒別で、学習終了毎にGDLSで記録された理解度上昇効果を算出（当社比：2022年12月末時点：比較対象200万件・対象生徒の初回正解率と利用教材はほぼ同一）
※当社比として、従来型AI相当の実績と、今回開発したKnewton強化による新GDLS相当の実績のデータをそれぞれ集計
※学習終了のタイミングは、基本的には理解度テスト・演習・宿題など学習のまとまりとして出題された問題を解き終わった際に1回とカウント
※問題一問一問に対し、実績データによる項目特性図に基づき、IRTベースのAIパラメータや教材メタデータのチューニングを実施
生徒一人一人に合わせた、適切な範囲・難易度の問題提示が必要です。 かつ最後に解いてからどのくらいの時間が経っているかで、忘れている可能性も考慮するため、学習履歴をどのように活用する事で、一人一人にあった指導を実現するのか紹介します。