VTMC学習支援の教育哲学

 前回の記事では、

心理学者ヴィゴツキーが提唱した

発達の最近接領域


という考え方を紹介しました。

それは

一人ではまだできないが
適切な支援があればできる範囲

で学習することが
最も成長につながるという理論です。

しかし、この理論を現実の教育で実現するのは
簡単ではありません。

理由は単純です。

学生はそれぞれ

  • 知識の量

  • 理解の構造

  • 思考のクセ

が違うからです。

同じ問題でも、

ある学生には

簡単すぎる棒

になります。

別の学生には

高すぎる槍

になります。

従来の教育では

  • 同じ教科書

  • 同じ授業

  • 同じ問題

を全員に与えるしかありませんでした。

そのため、

多くの学生にとって
問題が適切な高さにならない

という問題がありました。

しかし今、状況は変わりつつあります。

AIによって

  • 学習履歴

  • 解答傾向

  • 理解のパターン

を分析できるようになりました。

これにより、

その学生にとって
最も意味のある問題

を提示することが可能になります。

VTMC学習支援が目指しているのは
まさにこの仕組みです。

学生の

  • 知識

  • 理解

  • 思考

を見ながら、

少し頑張れば解ける問題

を提示する。

つまり、

越えられる棒

を用意することです。

学習とは、

自分の能力を少しずつ広げていく過程です。

そのためには

ちょうど良い高さの課題

が必要です。

低すぎても意味がなく、
高すぎれば挑戦できません。

ヴィゴツキーが提唱した理論は
約100年前のものです。

しかし今、

AIという道具によって

それを現実の教育で実装できる時代

が来ています。

VTMC学習支援は、

その可能性を
一つずつ形にしていきたいと考えています。

コメント

コメントを投稿

このブログの人気の投稿

スモールステップ学習法を実現する仕組みがそろっています

イメージ
 スモールステップ学習法は、vtmcの目標の一つです。でも、それを実現するには、細分化可能なテキスト、テキストの解説動画の準備、テキストからの設問の自動生成、設問の回答に基づくフィードバック、細かい段階の拡張、という多数の技術が必要です。vtmcでは準備を進めてきて、全部のステップを実現できそうです。 ChatGPT Perplexityさんに解説してもらいました。 スモールステップ学習法とは スモールステップ学習法は、最終的な大きな目標をいきなり目指すのではなく、その目標を細かい段階（ステップ）に分解し、一つ一つ小さな目標を達成しながら進めていく学習・育成の手法です 2 7 。この方法は、アメリカの心理学者バラス・スキナーが提唱した「プログラム学習」の原理の一つとして知られています 2 5 7 。 特徴と原理 目標の細分化 難易度の高い目標や長期的な目標を小さな単位に分け、段階的に達成していきます 6 7 。 達成感の積み重ね 小さな成功体験を繰り返すことで、モチベーションを維持・向上させやすくなります 1 5 6 。 失敗のリスク低減 一度に大きな課題に挑むのではなく、細かいステップごとに進めることで失敗のリスクや心理的負担を減らします 2 3 7 。 問題点の発見が容易 細かく分けたステップごとに進捗を確認できるため、どこでつまずいているかを把握しやすく、適切なサポートや修正が可能です 5 6 。 メリット 集中しやすい 小さな課題ごとに集中できるため、学習効率が上がります 1 。 自己肯定感が高まる 達成感を頻繁に味わえるため、自信や自己肯定感が育まれます 6 。 学習のハードルが下がる 取り組みやすい課題から始めることで、「できない」「難しい」という気持ちを軽減できます 1 7 。 教える側も指導しやすい 教える内容が明確になり、進捗管理やフィードバックがしやすくなります 5 6 。
続きを読む

2024年度受講生合格のお知らせ

vtmcとしてスタート前に、遠藤が国試勉強を指導したお二人が今年度合格されました。過去問をときながら勉強するスタイルで勉強されていたので、今年提案している方式は効果があると実感できました。 これで２年連続既卒生 合格率100% です!!! 2025年度は、指導方法をグレードアップにしてお届けできますので、お役に立てると考えています。
続きを読む

AIで実現するスモールステップ学習 ― 最適なAIを見つけるまでの試行錯誤

イメージ
 スモールステップ学習とは、大きな目標をいきなり達成しようとするのではなく、それを細かい「ステップ」に分解し、一つひとつ確実に積み重ねていく学習法です。特に教育の現場やリハビリテーション、介護支援など、段階的な成長が重要な分野で広く活用されています。 このスモールステップ学習を効果的に行うには、「知識を適切なサイズに分割する」ことが不可欠です。つまり、長くて複雑な情報を意味のある単位に細かく切り分け、それぞれを強化しながら前進していくことが求められます。 しかし実際のところ、この「知識の分割」はとても難しい作業です。対象となる知識は非常に膨大で、それをすべて人間の手で丁寧に分析・整理していくのは、時間も労力もかかりすぎます。これまでは、専門家が1つずつ分けて構造化するしかありませんでした。 ChatGPT そこで、「AIを活用できないか」という発想が生まれました。 最初は、1つのAIに任せれば済むだろうと考えて試してみました。しかし現実はそう甘くなく、思うような結果が得られません。出力はどこか曖昧で、文脈がうまく捉えられていなかったり、階層構造の判断が不自然だったりと、「スモールステップに最適な分割」とは言いがたいものでした。 そこで方針を変え、複数のAIを登録して、それぞれの特性を比較しながら試すことにしました。異なるモデル、異なるチューニング、異なるプロンプト……何通りも試行錯誤を重ねました。 そしてようやく、ある1つのAIに辿り着きました。このAIは、長文を的確に読み解き、論理的な構造を把握したうえで、自然なかたちで知識を階層化してくれました。まるで、人間のベテラン講師が情報を整理してくれているかのような精度です。 この成功からわかったことがあります。 それは、「AIにも得意・不得意がある」ということです。ヒトに個性があるように、AIにも能力差があり、特に“長文読解能力”には大きな違いがあるということを、身をもって実感しました。 これからの時代、「どのAIを使うか」ではなく「どのタスクに、どのAIが向いているか」を見極めることが、AI活用の鍵になると感じています。
続きを読む