skip to main content skip to footer

 

ETSニュース&インサイト

 

「ケアリング」評価:パーソナライズドラーニングを支援するアプローチ

2021年12月9日

学生は知識、スキル、学習や体験の機会に多様な多様性を持って学習体験に臨みます。優れた教師はこの多様性を認め、称賛します。彼らは学習プロセスが万人に合うものではないことを理解し、生徒の現状に合った個別化された個別指導を目指し、前進を助けます。評価は学習プロセスの最終段階で行われることが多いですが、標準化された評価はこのような個人差の幅や学習が行われる文脈に配慮していません。学習と同様に、この画一的なアプローチには評価の限界があります。

もし、文脈や生徒レベルの差を考慮し、適切な挑戦レベルを提示し、学生にとってより魅力的で、提供されるデータの他の用途(例えば指導の説明、フィードバック、タイミングでのヒントなど)を支える有効な課題を生み出す、より個別化されたデジタル評価があったらどうでしょうか?

これが「思いやりのある」評価 に対する 私たちのビジョンです。現在の標準化された評価では考慮されていない学生の側面を考慮する評価です。これらの側面には、知識、スキル、その他の関連する認知的、メタ認知的、社会的・感情的特性(非認知的属性とも呼ばれる)や学習文脈の側面が含まれ、学生が自分の知識と能力を示すための適切な条件を提供する評価環境を作り出します。

 

 

「思いやりのある」評価とは何ですか?

「ケアリング」評価は、事前に利用可能な情報(例えば事前知識など)に基づいて異なるタスク構成を割り当てられる、個別化された評価体験を提供します。形成的な文脈の中で、パーソナライズされた「思いやりのある」評価は、生徒が課題を理解しアクセスできるように、参加距離を経験する生徒を再び関与させ、生徒が自分の知識や能力を最もよく示せるような応答形式を提供するジャストインタイムサポートも提供できます。このアプローチでは、評価の文脈の側面を慎重に考慮し、評価自体が前向きで安全かつ動機付けのある学習体験をもたらし、学生が自分の知識を示すだけでなく、関連分野での将来の学習に備えられるようにしています。

このような「思いやりのある」評価からのスコアレポートやフィードバックは、生徒、教師、保護者、保護者に対して生徒の強みや成長の機会をより深く理解できる深みを提供する役割も果たします。これらの報告書は、学生の特性と評価結果の解釈や利用に影響を与える評価形式の重要な変更の両方を背景に文脈化されます。フィードバックは評価が生徒について把握していることに基づいて調整でき、生徒や教師、保護者がフィードバックを成長の機会を示すものと解釈しやすくなり、そのフィードバックに基づいて行動しやすくなります。

 

「思いやりのある」評価はどのようにして個別学習を支援できるのでしょうか?

「思いやりのある」評価は、通常評価で収集・報告される典型的な人口統計情報を超えた異なる生徒の特性に動的に適応できるでしょう。これには文脈知識、動機付け、自己効力感、感情が含まれます。

このような適応を実施するには、評価を事前に「調整」するために、有効な指標に基づく関連する学生特性を深く理解し、評価中に学生の行動をリアルタイムで追跡し、瞬間ごとに動的な調整を行う能力が必要です。評価システムは関連する証拠を検出し、その情報を用いて意図された適応を選択し実施できる必要があります。

これらの提案された適応のいくつかは評価の構造を大きく変えるでしょう。例えば、一部の学生は他の学生には提示されない追加の質問に答えたり、やや異なるルーブリックで評価される場合があります。評価タスクが文脈化され個別化されるほど、個人間で標準化された方法でパフォーマンスを比較するのは難しくなります。この緊張にもかかわらず、私たちは提案された「思いやり」アプローチに大きな可能性があると信じています。私たちの「思いやりのある」評価のビジョンは、ボブ・ミスレビーの「条件付き公平性の感覚」という概念と一致しています。これは、学生の背景に関する文脈的情報を用いて評価設計や採点ルールを調整し、多様な学生の学習環境や学習環境に反映した能力に関するより微妙な証拠を得るという「条件付き公平性」の概念と 一致しています。

 

「思いやりのある」評価を実施するための重要な問い

この「思いやりのある」評価のビジョンは一見単純に見えますが、そのような評価を実現するためにはいくつかの重要な問いに答える必要があります。

まず、学生モデルの中で追跡すべき最も重要な学生特性や文脈変数のセットを考え なければなりません。 この問いに答えるためには、大規模で多様な集団を対象に研究を行い、幅広い特徴が課題の遂行や関与にどのように影響するかを検証すべきです。

次に、 (低い)パフォーマンスや(関与の)欠如が検出された場合、システムはどのように、いつ介入すべきか? どのような適応が生徒に知識やスキルを示す最良の機会を与えるでしょうか? これらの質問に答えるためには、さまざまな修正を検証し、どの学生サブグループがどの支援や課題の組み合わせから恩恵を受けるかを検証する必要があります。この作業は、修正や介入が学生のサブグループに害を及ぼさないようにするために不可欠です。

最後に、これらの結果の適切な活用を支援するために、どのような種類の評価結果を異なる評価関係者に提供すべきかについても考えます 。ケア評価から得られるスコアを提供することにはどのような影響がありますか?評価結果を適切に文脈化しつつ、良い測定特性を維持するにはどうすればよいでしょうか?言い換えれば、信頼性と妥当性を犠牲にせずに公平性と有用性を高めるにはどうすればよいのでしょうか?

「思いやりのある」評価を設計するアプローチは、学生がどこにいるか、過去にどこまで行ったか、これからどこへ向かうかを踏まえた、非常に微妙で細かい情報を指導やさらなるスキル開発に活用できる可能性があります。

ジェシー・R・スパークスはETSの上級研究科学者です。ブレア・レーマンはETSのリサーチサイエンティストです。ディエゴ・サパタ・リベラは、ETSの名誉大統領任命者であり、研究上級ディレクターです。