特に代数の数学的概念は数学教育の中心であり、高度な数学的思考への入り口として機能することが多いです。しかし多くの学生にとって、代数の概念はゲートウェイというよりも壁のように感じられます。全国の成績表は、パンデミック前の水準と比べて全米で数学 の成績が低下 していること、そして13歳の代数の入学 者数が大幅に減少していることを明らかにしました。では、学生がその壁を乗り越えるだけでなく、それをさらなる学習への架け橋に変えるように、数学学習をどのように支援できるのでしょうか?
ETS研究所では、有望なアプローチの一つが 小規模チームの協働です。3、4人の学生がパソコンの前に座り、数学の問題を解きながらお互いに話している様子を想像してみてください。学生を小規模なチームで巻き込むことで、講義を通じて受動的に吸収するのではなく、積極的に知識を構築しることができます。協力はまた、社会的・感情的な学習を支援し、関与やモチベーションの向上から仲間関係の改善まで支援します。
しかし、協力だけでは十分でないかもしれません。知識が十分に発展していない学生は、グループの交流を導き、参加者の関与と集中、生産的な協働の継続を促すファシリテーターから恩恵を受けるかもしれません。
エディス・オーロラ・グラフが主導した 以前のプロジェクトの 一環として開発された学習進展と足場課題を基に、私たちは代数プロジェクト、サザンイリノイ大学エドワーズビル校、ヤングピープルズプロジェクト(YPP)、ネブラスカ大学リンカーン校の協力者と共に、 小規模チームの協力 が学生の数学的思考をどのように進展させるかに焦点を当てています。
現在のプロジェクトでは、「人間のファシリテーションは生徒たちが数学の問題を一緒に解決し、数学的思考を支援する方法を改善できるか?」という問いを探りました。
この研究では、高校生が少人数チームで関数に焦点を当てた問題を解き、関数というコアでありながらも難しい代数の概念を解きました。キャサリン・オコナーと共に、YPPの同僚たちは人間のファシリテーターにマイケルズとオコナーの「トークムーブ」の使い方を訓練しました。これは、学生の対話を導き、論理を導き、答えを出すのではなく互いの考えを発展させることを促す戦略です。例えば、ファシリテーターは「そのことについての思考過程を説明できますか?」「今言われたことを踏まえて誰が発展させられるか?」「賛成ですか、反対ですか?そしてその理由は?」と尋ねるかもしれません。これらのプロンプトは、学生が自分の考えを明確に表現し、仲間の話に耳を傾け、協働的な意味づけを行うのに役立ちます。重要なのは、これらのファシリテーターは教師や数学の専門家ではなかったことです。ほとんどはほぼ同級のメンターで、支援する高校生より少し経験は多い大学生でしたが、決して手の届かないほどではありませんでした。なぜニアピアメンターなのか?研究によると、共通のアイデンティティや近い社会的近接性、そして類似した最近の経験により、学習者を支援する独自の立場にある可能性が示唆されています。
私たちが見つけたこと:近いピアファシリテーションはうまくいく—うまく行えば効果的です
私たちは、認識ネットワーク分析やシーケンシャルパターンマイニングなどの高度なデータ分析手法を用いて、チーム内で行われるチャットの会話をズームインメントし、対話がどのように展開されたかを解き明かしました。なぜチャットログなのか?なぜなら、その文章の中に、学生たちがどのように論理的で、交渉し、共に理解を築くかについての豊かな手がかりが隠されているからです。
主な発見:
- ファシリテーション付きチームは、数学学習の進展に関して、非ファシリテーションチームよりも大きな進歩を示すことがあります。
- ニアピアメンターは、推論、説明、交渉といった生産的な協働行動を成功裏に引き起こしました。
- 異なるファシリテーション戦略が、ターゲットを絞った協働的なやり取りへとつながりました:
- 生徒同士に返答を求めることで、交代で他のメンバーに賛否を表明し、交渉が生まれることがよくありました。
- 説明を求める促しが、より豊かな情報共有につながりました。
- ファシリテーションはまた、タスクの外れや不適切な会話を減らし、学生の集中力を保つ助けにもなりました。
これらの発見は、人間の支援が学生の協力や数学的思考を導く力を持つことを示しています。タスクのパフォーマンスを超え、高度なデータ分析手法を通じて協働プロセスに目を向けることで、学習がどのように起こるか、ファシリテーションが協働をどのように形作るかについてより深い洞察を得ることができました。
今後、人間のファシリテーション戦略と生成AIを組み合わせる可能性に期待しています。大規模な言語モデルは、近い同年代のメンターをシミュレートし、アバターを通じて学生の議論を支えることは可能でしょうか?この研究はイノベーションの基盤を築きます。
代数は壁である必要はありません。適切なサポートがあれば、それは架け橋になることができます。
楊江 はETSの研究科学者です。彼女の研究は、テクノロジーを活用したカリキュラムや評価が学生の学習をどのように助け、教育におけるAIの活用を助けるかに焦点を当てています。 ジェシカ・アンドリュース・トッド はETSのマネージングシニアリサーチサイエンティストです。彼女の研究は、対人スキルの評価と発達、そして学生の学習と評価を支援するためのデジタル環境の活用を探求しています。
エディス・オーロラ・グラフ はETSの上級研究科学者です。彼女の研究は自動問題生成、数学評価と指導のための認知モデリング、学習進行に焦点を当てています。
この研究は国立科学財団の助成金第4号2101393によって資金提供されました。本資料に表明された意見、発見、結論、勧告は著者のものであり、必ずしも全米科学財団の見解を反映するものではありません。