教育研究の質とインパクトを高める「インフラ」とは何か：Festival of Learning 2026 パネル報告

をいただきましてありがとうございます。私このパネルに参加してきましたので、そのお話をさせていただきます。

そもそもそのフェスティバル・オブ・ラーニングという国際会議、今回たまたま違うところで2箇所開催されました。1つが、APSCEという学会がありますけども、そのフェスティバル・オブ・ラーニングで、それは熊本で6月の末に開催されました。後の方で紹介しますが、グレン先生、先ほどご発表していただいたグレン先生はこちらのキーノートの1人です。それから、もう1つが、AIEDとEDMとL@Sという3つの国際会議が一緒になって、韓国のソウルで開催されました。これは2つ連動して開催された。

まず最初の熊本で開催されたものは、コンピュテーショナルシンキングですとか、STEMエデュケーションを対象とした国際会議。これ10回目になります。それからAIとランゲージであります。それからメタバースを使った協調学習、それからラーニングアナリティクスとエビデンスに関する国際会議、この4つが合同で開催されました。

そもそもはそれぞれ別々に開催されてたんですけども、今回10回目ですね、このSTEMのこちらの会議が10回目を記念にして、合同で開催されました。で、その基調講演者の1人の方が、グレン先生ということでございます。で、島田先生、大学の島田先生も基調講演を発表していただきました。

内容的には、こちらにあります。これプログラムからワードクラウドを作成したんですが、やはり、いろんなAIだとか、ディープラーニングなりいろんなものがございますけども、やっぱ中心となるのは学習者がいかに学んでるかというラーニングだということで、こちらがちゃんと学習になってるかどうかというところが中心のトピックだと。これは多分昔からいろんなそれも出てきてますけども、変わってないところだと思います。

ちなみに、この学会はもう1つICCEという学会もしておりまして、そちらはニュージーランドの方で12月に開催される予定です。

で、ソウルで開催されたフェスティバル・オブ・ラーニングという会議、こちらは大きくて、1200名ぐらいの参加者がございました。AIEDという教育における人工知能の国際会議と、エデュケーショナルデータマイニングという国際会議と、ラーニング・アット・スケール、大規模な空間における学習というそういう会議が3つ同時で開催されたということでありました。ちなみに来年はこの会議もう1回、フェスティバル・オブ・ラーニング2027ということで、アデレードで3つの国際会議が共同で開催される予定になってます。

その国際会議の中で、パネルが7つございまして、私が参加しましたのが、この先ほどのインフラストラクチャーに関するパネルでございました。このパネルはモデレーターの方が、ジェレミー・ロシェルという方で、このアメリカの方がモデレーターをしてくださいました。パネリストは、私と、コーネル大学のキルク先生と、EPFLのタニアさんと、モナシュ大学のロベルトさん、4名でございます。

なぜインフラストラクチャーが大事か。これまで教育工学、教育分野でいろんなシステムを作ってきてるんですけど、それを作っては捨てて、作っては捨ててっていう感じで、そうではなくて、やっぱりちゃんとインフラを整えてその上で、いろんな研究をと。

1つは、スケール、大規模に実践をして、より多くのデータを集めて、たくさんの学生さんや先生に使ってもらって、AIのモデルを作るとかいう、大規模なデータが必要ですので、そういったためにも、スケールアップするために大事。それからインパクトを現場に与えると、リアルな教育環境を変えるためにも、こういうのが大事。それからより研究にフォーカスを、何が現場で受けて、何を一番するのがいいか、ベストかということを考えるという意味でも、研究にフォーカスを当てる意味でも、インフラが大事。それからインダストリーですね、企業とか、教育を実践する方とか、研究者の方のコラボレーションを誘発する、促進する意味でもインフラの研究が大事ということであります。

ここでのインフラストラクチャーというのは、サーバーとかGPUとかそういうような話、物理的な話ではなくて、ソフトウェアとかデータのインフラストラクチャー、あるいはガバナンスのインフラストラクチャーの話であります。ジェレミーさん自体も、こういった向けのAIのインフラストラクチャーの研究をされております。

私のパネルの発表を簡単に説明しますと、私はLEAFという、ラーニングエビデンス、アナリティクスのためのフレームワークを研究しておりますので、その紹介をいたしました。

ご存知の通り日本では2020年にGIGAスクールプロジェクトで、タブレットを学校に配布したわけですけども、それで日々、こういう風にタブレットを使って学習しております。しかしながら、そうすることで、サーバー上にはたくさんのデータが溜まってきてるんですけども、ほとんどの場合が使われずにもったいないということで、それをいかに使って教育をするかということを研究しております。

できれば、小中高大学と、こういうインフラを整備して、全国でデータを集めて、教育に活用できないかということで、我々はLEAFというシステムを構築しておりまして、その1つがこのBookRollという、ブラウザー上で教材を閲覧するシステムなんですけども、マーカーを引いたり、その上で問題を解いたり、そういったログデータが蓄積されまして、それを分析するツールとしてLogPaletteというダッシュボードを開発しております。どれくらいページを読むのに時間がかかったかとか、どこにどういう風にマーカーが引かれてるかというのを可視化するようなツールを提供しています。

そのデータを使いまして、教材のレコメンデーションですとか、エンストロクの分布積ですとか、グループ学習の分析などをしております。

最近は、このラーニングアナリティクスと生成AIの融合ということで、一般的な生成AIを使って学習者にフィードバックをする場合、そこにある一般的な情報提供になってしまうということなんですけども、教育ログデータを使って、これまで学習者が何をどこまで理解してるかという情報が分かると、その人に適した情報を提供できるのではないかということで。

例えば、語学学習のためのAIチャットボットということで、スティーブさんという方が研究してるんですけども、チャットボットをいろんな用途に向けてたくさん開発して、例えば、ペンというダイアリーを支援するチャットボットですけど、毎日、日記を英語で、その日あったことを書いてもらったりするんですけど、そうすると、その中ではいろんな間違い、文法とか単語の間違いとかあるんですけども、そういったことをしてきて、そのログデータは裏で蓄積されてまして、どういう風に学生さんが間違いをして修正したかということが分析できます。それは、過去のログデータを見て、これまで何を学習して何が分からなかったかということを知ってますので、そのログデータの分析をもとに、その人が分からないところを優先して出すという風なことをします。

他には、これ数学の復習問題を生成AIで生成するという風なもので、過去に分からなかった問題を元に問題を作るんですけども、これは現場の先生のニーズで、問題集というのを各学校で買うんですけど、それはほとんどの学生さんが解いてしまうと、同じ問題を繰り返しと言っても何もモチベーションが湧かないということで、どんどん違う問題を作ろうということで、こういう問題を生成するシステムを作ってるんですけども、そうすると、AIで生成した問題を使って復習をすると、時間的にもすごく短縮されて、結果的には、どちらも使っても差はないんですけども、時間的には短縮されたということでありました。

こういったプラットフォームを、日本で300校ぐらいの小中高大学に導入しておりまして、他にも海外のところにも導入しております。例えば、タイでは、今AI立国を目指すということで、AIリテラシーの教育を国家プロジェクトでやっておりまして、その中で、2500ぐらいの学校に導入が進んでおります。それからインドですとか台湾、香港でも導入しておりまして。

こういう教育データですとか、エビデンスを蓄積したり、AIを開発したりというためのインフラを作るということで、その特徴としてはやはりオープンで、いろんなシステムと連携してというコネクティビティですね。それから、エクスプレイナブルであって、エビデンスに基づいていろんな推薦をしたりする。それから、ヒューマンセンタードの、いろんな学習者を持って、使いやすくなるという風な、そういう機能が必要ではないかということでありますというのが私の発表で。

あと、キルク先生の発表は、これアメリカの、ナショナル・チュータリング・オブザバトリーという研究を紹介してくださいました。これは、たくさんのチュータリングのデータがありますと、それを作って共有するためのインフラを提供してます。それから、その上で動くオープンソースのツールを構築してチュータリングの分析をしてると。それから、学習アウトカムとチュータリングのプラクティスを連結するということですかね。紹介していくということをしておりますということで。

マルチモーダルトランスクリプション、授業中に起こったことを文字起こしとかをするためのツールを提供したり、匿名化ですね、人の名前とかそういうのがチャットとかやり取りの中で出てくると、それを削除したいと。それから、アノテーションで、その会話の分析をしたりアノテートする、コーディングするようなものを提供してたり、そのデータをオープンソースとして提供するという風なことをしています。

そのデータを使った、例えば、成績予測のコンペティションを開催したりしてますね。そういったリサーチファンドとかも提供してたりしますという話でございます。

それからタニアさん、スイスの方は、マシンラーニングの研究をしてる方ですけど、こういった、オプですとかジナですとか、そういったものが今教育を変える、出てきたので教育の中を変えないといけないということなんですけども、そうではなくて、教育のシステム自体、あるものはすでにあります。そこで必要なものをAIを、小さくてもいいのでカスタマイズできるものを作るという風な研究をしまして、ここで、先生との共同デザインというのが大事になってきます。

そのシステムを先生方と一緒に作ると、何が今大事かということを、そこでデータを取ることによって何をすべきか、フォーカスすべきかということがわかります。それによってここに必要なAIモデルを開発して、現場にフィードバックして回すことでよくするという風なことをしてます。

例えば、これは数学の問題のそういったもので、自動的にAIがフィードバックをするんですけども、ほとんどの場合が1回フィードバックをもらって終わってしまう。そうではなくて、もっとたくさんやり取りをして、なんで間違ったかとか、いろんなフィードバックを増やしたいというのが先生のニーズであります。そのために、マルチエージェントのシステムを使って様々な観点でのフィードバックを、ジャッジのエージェントがまたガサドルエージェントがいまして、そこでそのフィードバックを取りまとめて学習者にフィードバックすることで、よりインタラクティブに学んでいるような関係を提供してるという風なことで、それを先生方のニーズを元にこういうものを作っていくということであります。

それからロベルトさんの話は、彼は10年間こういう病院にいろんなセンサーを置いてマルチモーダルデータを集めて、学生さん、ナースの学生さんですね、が知識や基本党をしたり伝えたりする多様な方法を認識するために用いるということで、いろんなマイクですとかロケーションセンサーを使って、ビデオも撮ってます。その分析を自動でしたり、ここで起こってる会話を分析するということをして、ナースの学校の中では先生がいまして、いろんな録画したものをデータを使って、重要な場面に注をつけたりして、チーム内の動きについて先生と話し合うということで、そういったインフラを10年間運用して。

それから当選の中でも、AIを国全体に導入するということが計画をされて、ほとんどの場合、OpenAIとか既存のものを導入するということなんですけども、6つの大学ですね、このモナシュ大学、6つの大学では、そうではなくて、自分たちでセキュアでレスポンシブルなAIのインフラを抑えのために作ろうというプロジェクトも始まっておりますということで。

と思います。AIの構築には良質なデータが必要であって、そのための社会インフラの構築が重要で、特に教育では先生とか学生さんのニーズは多様であるので、これまでのログデータをうまく活用してAIを構築するためにもインフラが必要、また教育はその国の文化とか教育内容とも密接に関連してるので、こういったことを国全体で、デタノリカにて考えることは重要かもしれませんということで、私の発表とさせていただきます。ありがとうございました。