機械学習を次世代科学標準に結びつける

Lei Liu

Managing Senior Research Scientist

2021 年5月11日

次世代科学基準(NGSS)^® は、科学的実践と核心的な考え方の概念的理解を統合し、学生が現代の世界によりよく備えられるよう、多次元的な学習を求めています。教室でNGSSを実施する上で最も重要な点は、多面的な科学学習と生徒を支援する教師の実践を重視することです。学生は日々の生活を乗り越える中で、自然と直感的な知識や推論パターンを身につけ、それが科学の学びを含む学習を形作っています。生徒がこれらの体験に関わる中で、教師がこれらの経験に形作られた生徒の書面による回答を解釈する能力を持つことも同様に重要です。このニーズの結果として、私がETSの同僚と共に自動化ツールの開発を主導する、米国国立科学財団(NSF)の資金提供を受けた研究「次世代科学基準評価における学生推論パターン(SPIN-NGSS)」という形をとっています。これらのツールは、教師がこれらの基準に沿った評価データを解釈し、生徒の推論パターンを明らかにし、生徒の推論の弱点を反映するのに役立つことを目的としています。

授業で生徒が持ち込むものを基に構築する

生徒たちは多様なアイデア、推論力、人生経験を教室に持ち込みます。科学の世界を理解する際、幼少期の経験は子どもたちに因果推論能力を育成させ、それを広く応用する要因となったかもしれません。生徒の日常的な経験を基にすることは、子どもたちがすでに発展させた考えや推論戦略を拡張する効果的な方法となり得ます。生徒の推論パターンは多様な直感的アイデアを反映しており、高度な科学的理解への足がかりと見なすことができます。しかし、教師が不正確と考えるアイデアを教室に持ち込み、後に正確な概念で指導されることもあります。この代替戦略は、生徒が学校の知識を暗記する一方で、科学的現象を説明する際に誤解に頼ってしまうことがあります。

次世代科学学習と評価における学生の推論パターン

研究により、NGSSが要求する三つの知識の側面、すなわち学問的コアアイデア(DCI)、科学工学的実践(SEP)、およびクロスカッティング概念(CCC)を含む科学者の「推論スタイル」が特定されています。多次元学習における学生の推論パターンに関する記録は少ないです。NGSSに合わせた評価がより多く利用可能になることで、学生の推論の特徴について研究を行う機会が生まれています。

助成金プロジェクトの一環として、ETSの同僚たちと私は既存のNGSSに準拠した評価データを活用し、典型的な学生の推論パターンを特定しています。例えば、科学特有の概念を説明する際に、観察やデータだけを記述する学生もいれば、データや証拠を参照せずに科学的原理だけを提示する学生もいました。最後に、データと科学的原理の両方を論理に統合しようとする学生もいました。これらの推論パターンを診断することは、学生の推論のギャップを埋めるための個別フィードバックを生成するのに役立ちます。理科の教室では、教師が生徒の推論パターンを特定する助けが必要です。

学生の推論パターンの自動診断

教師が生徒の推論方法によりよく対応できるよう、私たちのチームはNGSS次元に関連する主要な特徴に基づいて、学生の推論パターンを自動化する機械学習モデルを開発しました。これらのモデルは、推論パターンのラベルと、そのパターンに関連する学生の回答における証拠を提供します。このプロセスの一環として、コンテンツの専門家がまず学生の回答をコーディングしました。その後、自然言語処理(NLP)の専門家が人間のコードを用いてコンピュータを訓練し、自動化モデルを開発しました。2段階の分類アプローチが適用されました。第一段階の分類は、NGSSの次元に関連する回答の一部を特定します。第二の分類器は、論理パターンを用いて自動的に回答全体を分類します。チームはモデルの検証を続け、理科教室での多次元学習を支えるための自動フィードバックツールの設計も進めています。SPIN-NGSSは、機械学習とNGSS学習を結びつけることで、学生の推論パターンの識別のギャップを埋めます。SPIN-NGSSの成果物は、個別かつ即時のフィードバックを通じて生徒の学習を促進するための科学評価の活用を強化する可能性があります。

劉雷はETSのマネージングシニアリサーチサイエンティストであり、SPIN-NGSS NSF助成金の主任研究者です。SPIN-NGSS助成金プロジェクトの共同PIは、ダンテ・システルナ(ETSアソシエイトリサーチデベロッパー)、アイフェ・ケイヒル(ETSマネージングシニアリサーチサイエンティスト)、マシュー・ジョンソン(ETS主任リサーチディレクター)です。

プロジェクトチームの成果を紹介するビデオは、2021年のSTEM for All Video Showcaseで公開されます。

この資料は、米国国立科学財団(NSF)が助成金#2000492のもとで支援した研究に基づいています。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。