学校における人工知能の応用：実験、適応、公平性

柔軟な旅程

「教育におけるAI導入は同時に実施することはできず、2018年度の一般教育プログラムと現実を踏まえ、教育レベル、地域、対象グループごとに適切なロードマップを策定する必要があります」と、ハノイ教育大学第二校（ハノイ第2教育大学）のファム・ヴァン・ギエン副校長は説明し、各教育レベルで達成すべき要件は異なると述べた。

小学校は、資質、学習習慣、そして基礎能力の形成に重点を置いています。中学校は、分析的思考力と問題解決能力の育成に重点を置いています。高校は、自律性とキャリア志向の育成に重点を置いています。もし同じAIモデルを3つのレベルすべてに適用すると、目標から容易に逸脱し、低学年の生徒は過負荷になり、高学年の生徒は潜在能力を十分に発揮できなくなります。

さらに、学校における情報技術の活用は、年齢要件に応じて特定のレベルで構築されているため、AIアプリケーションは対応するプロセスに統合する必要があります。同時に適用すると、教師の準備が不十分になり、インフラストラクチャとコンテンツが同期されず、形式化やリソースの無駄につながります。

さらに、学習ツールの利用における認知能力と自律性は、年齢層によって大きく異なります。小学生はまだ善悪の判断力や行動制御能力が十分に発達していないため、情報に依存しやすく、誤った情報を受け取ってしまう傾向があります。一方、高学年の生徒はAIを創造的なツールとして活用することができます。そのため、「画一的な対応」ではなく、一人ひとりに合わせた導入が必要です。

さらに、地域間の社会経済発展状況や情報技術インフラの違いも、柔軟なロードマップを必要としています。画一的な適用はデジタル格差を生み出すからです。適格な地域は恩恵を受ける一方で、準備の整っていない地域は取り残されてしまうでしょう。

「したがって、教育におけるAI適用のロードマップは、2018年一般教育プログラムの各教育レベルの目標と結びつき、地域の状況や学生の特性に適合したものでなければならず、そうすることでテクノロジーは実用的、効果的、かつ公平な支援ツールとなるはずだ」とファム・ヴァン・ギエン博士は意見を述べた。

同様に、ベトナム国家大学ハノイ校教育技術学部長のトン・クアン・クオン博士も、教育におけるAI活用に関する国家戦略を、真に体系的なロードマップに基づいて構築する必要性を強調しました。その中で最優先事項は、デジタルインフラの構築とデータの標準化です。

優先事項 2 は、現状の包括的かつ広範な評価に基づいて、教師と管理者を体系的かつ最新の方法で再教育することです。

優先事項3は、AIの倫理とセキュリティに関する法的枠組みを構築することです。

実施は、適切な条件が整った場所で厳密に監視される小規模のパイロットプロジェクトから開始し、最終評価を行って、さらなる拡大のための教訓を引き出す必要があります。

ビエンホア高等学校（ドンナイ省）の教師であるヴー・ゴック・ホア氏は、高校レベルのAIアプリケーションは、個人の学習、自習、デジタルスキルの育成、批判的思考、評価とテストの支援に重点を置くべきだと述べた。

具体的には、AIは生徒の学習データを分析し、各生徒の能力と興味に適した学習パスを提供するのに役立ちます。これは特に、専門スキルの育成やキャリア志向の強化に役立ちます。バーチャルアシスタントは、質問に答えたり、参考資料を提供したり、演習問題を解くよう生徒を指導したり、生徒が効果的に自学自習できるよう支援したりすることができます。インタラクティブな授業モデルやバーチャルアシスタントを用いた自習について研究し、応用していくべきです。

AIツールの使い方を教えるだけでなく、生徒に批判的思考力、質問する能力、データを検証する能力を身につけさせることも重要です。これにより、生徒はテクノロジーの単なる従業員ではなく、テクノロジーの達人へと成長することができます。さらに、AIはオンラインフォームを通じて定期的かつ継続的な評価にも活用でき、教師は生徒の進捗状況を客観的かつ効果的に把握することができます。

「AIアプリケーションの導入には、教師や教育管理者に対するデジタルおよびAI能力の研修が伴う必要がある。同時に、共有デジタル学習教材を構築し、学校における安全なデジタル教育環境を確保する必要がある」とレ・ヴァン・ホア氏は付け加えた。

公平性と効率性を確保するためのソリューション

トン・クアン・クオン博士は、地域間の社会経済状況やデジタルインフラの格差を考慮し、学校にAIを導入する際には公平性と有効性を確保するための解決策が必要だと述べた。

理論的には、各地域の教育におけるAI活用の「ニーズと技術階層の塔」分析モデルを構築することが可能です。このモデルでは、主な階層化レベルとして、低スペックデバイスや不安定なインターネット接続でも実行可能なオフラインAIアプリケーション（読み書き支援AIソフトウェアや簡易ティーチングアシスタントなど）、不安定なインターネット接続に適したローカル処理とクラウド処理を組み合わせたハイブリッドAIアプリケーション、デジタルインフラが整備された地域向けの高度で包括的なAIソリューションなどが挙げられます。

つまり、AIインフラストラクチャ（初期データベースを含む）の設計と実装では、限られたインターネット接続環境での動作の保証（定期的な同期メカニズム）と、データ消費量の少ない低構成デバイスのパフォーマンスの最適化という2つの要素を満たす必要があります。

トン・クアン・クオン博士によると、上記の技術的アプローチによる階層化は、地域格差の縮小とアクセスの公平性の促進という条件を満たすAIアプリケーションソリューションの開発に向けた一連の方向性を示すのに役立つとのことです。同時に、実際の状況に応じて、恵まれない地域やアクセスが困難な地域の教育のためのコミュニティデジタルセンターモデル「モバイルAIラボ」を開発したり、条件の良い学校と接続してサーバーリソースを共有し、恵まれない学校向けにAIを処理するための専用クラウドプラットフォームを開発したりすることも可能であると示唆されています。

さらに、恵まれない地域は、テクノロジー企業が「スポンサーシップ」を受け、最小限のコストで AI の利用に関するソリューションとトレーニングを提供できるような仕組みを作ることを提案できます。通信事業者は、教育用 AI アプリケーションに無料のデータを提供します...

デジタルデバイドは避けられない現実であり、学校におけるAIの「受容」と活用に直接的かつ根本的な影響を与えます。これは一夜にして、あるいは行政命令によって克服できるものではなく、ましてや共通のテンプレートやモデルを適用することは不可能です。デジタル能力、テクノロジー活用能力、そして「テクノロジー統合型教育」の現実的な全体像を把握するためには、先駆的なチームの能力を検証し、再評価する必要があります。 - トン・クアン・クオン博士

出典: https://giaoducthoidai.vn/ung-dung-tri-tue-nhan-tao-vao-truong-hoc-thu-nghiem-thich-nghi-va-cong-bang-post750906.html