古池 謙人

研究

Posted on 2024/08/28

まえがき

このドキュメントは、私の研究プロジェクトを整理し、壮大なビジョンをもとに、現在の研究テーマを説明するためのものです。これらのビジョンは、究極の問いに挑むことを目的としています—人間の思考と学習を最適化するシステムをどのように開発できるか？ この問いに答えるために、私は複数のプロジェクトを異なるアプローチで探求しています。本書では、私の研究分野と、この深遠で魅力的な問いに挑むための3つのプロジェクトを紹介します。

コア技術・理論・視点

私の研究は、学習者の認知を情報処理プロセス（表象主義、認知科学）として捉え、学習者が処理する情報源を操作・制御することで、学習活動そのものを変革すること（構成主義、操作主義、心理物理学）を目指しています。したがって、私は、学習を情報処理として理解すること（学習科学、教育心理学、教育学）、情報処理の源となる情報構造を設計すること（オントロジー、知識工学、応用オントロジー/オントロジー工学）、そしてこれらの情報構造を用いて学習課題や活動を設計すること（モデル駆動、学習工学）に注力しています。また、これらの学習課題や活動をシステムに実装し、知識処理や推論（計算機科学）を組み込み、モチベーションを維持・促進するインタラクションメカニズム（ヒューマンコンピュータインタラクション、認知心理学、ポジティブ心理学）と組み合わせることで、インテリジェント・チュータリング・システム（人工知能、教育技術）を実現します。このようにして、学習の本質に迫ることを目指しています（合成による分析）。要するに、私の基本的な研究プロセスは、学習者が情報をどのように処理し、理解し、応用するかを深く理解し、そのプロセスに合わせた最適なサポートを提供することです。

このプロセスの中で、私は学習課題と活動の設計が特に重要であると強く信じています。学習課題とは、学習者が取り組む具体的な問題やタスクを指し、学習活動とはこれらの課題に取り組むプロセス全体を指します。これらは密接に関連しており、効果的な学習課題は自然と質の高い学習活動へとつながり、学習者の認知活動全体をサポートします。

認知プロセスに基づいた設計には、学習課題と問題解決プロセスの詳細な分析が必要です。学習者が情報をどのように処理し、どのステップを踏むべきかを明確にすることで、学習者はより自然に課題に取り組むことができます。このアプローチにより、学習者は不要な認知負荷を感じることなく、本質的な学習に集中することができます。具体的には、適切なタイミングで必要な情報を提供し、学習者が効率的に理解を深められるようなステップを設計することを目指しています。

さらに、インテリジェントな診断とフィードバックの実装も重要です。このアプローチで設計された学習課題は、リアルタイムで学習者のパフォーマンスを分析し、各個人に最適な診断とフィードバックを提供することができます。たとえば、学習者がどこでつまずいているかを即座に特定し、すぐにサポートを提供することで、学習の効果を最大限に引き出すことができます。

私の研究は、理論的なものにとどまらず、実際の教育現場に適用され、その効果を実証することを目指しています。具体的な学習課題と、それに基づくインテリジェントな診断とフィードバックを通じて、学習者の認知プロセスを最適化し、理解を深め、持続的な学習動機を育むことを目指しています。

関連研究分野

関連研究領域の概要

私の研究分野は、「インテリジェント・チュータリング・システム」として簡潔に説明できます。これらは、人間の学習をインテリジェントにサポートするシステムです。インテリジェント・チュータリング・システム（ITS）は、学習者に個別の指導やフィードバックを提供するコンピュータシステムです。人工知能技術を用いて、個々の学習者のニーズに適応し、カスタマイズされたサポートを提供します。ITSは、学習者に対してターゲットを絞った指導、練習、およびフィードバックを提供することで、新しい知識やスキルをより効果的に習得させることができます。学習者のパフォーマンスや進捗を分析することで、ITSは学習者が追加のサポートを必要とする領域を特定し、適切なリソースを提供します。また、ITSは、指導者が学習者の進捗を追跡し、教育方法の改善点を特定するのにも役立ちます。全体として、ITSは学習者に個別のサポートとガイダンスを提供することで、学習体験を向上させることができます。

ITSの歴史は深く、その詳細はWengerの書籍[Wenger, 1987]に記載されています。しかし、ITSが広範な学際的分野であることを考慮し、私が構想するITSに関連する領域を図に示します。

  1. 科学

    • 認知心理学: 注意、言語、記憶、知覚、問題解決、創造性、思考などの精神的プロセスの研究。
    • 認知科学: 心とそのプロセスに関する学際的研究、認知がどのように機能するかを含む。
    • 学習科学: 学習を科学的に理解し改善することを目指す分野。
    • 教育心理学: 学習者の成果、指導プロセス、学習差異に焦点を当てた、人がどのように学ぶかの研究。
    • 教育学: 教育理論と実践に関わる教育の技術と科学。
    • 心理物理学: 物理的刺激と精神現象の関係の研究。
    • ポジティブ心理学: 何が人生を最も価値あるものにするかを研究する分野。

  2. 工学

    • 人工知能: 機械による人間の知能プロセスのシミュレーション。
    • 計算機科学: アルゴリズムプロセス、計算機、および計算の研究。
    • 知識工学: 推論や学習が可能なインテリジェントシステムの開発。
    • 応用オントロジー/オントロジー工学: 知識を構造化するためのオントロジー分析の実践的応用。
    • 教育技術: 技術を通じて学習を促進し、パフォーマンスを向上させること。
    • 学習工学: 効果的な学習体験と環境を設計するために学習科学を応用すること。
    • ヒューマンコンピュータインタラクション: 人間が使用するためのインタラクティブシステムの設計と評価。

  3. 哲学

    • 存在論: 存在、存在のカテゴリの研究。
    • 構成主義: 経験から知識と意味が生成されるという立場。
    • 表象主義: 世界が精神的表象から構成されているという立場。
    • 操作主義: 概念を測定に使用される操作によって定義すること。
    • モデル駆動: 現象を表現し、推論するためにモデルを使用する研究アプローチ。
    • 合成による分析: 仮説を生成し、それらを感覚データと比較して検証するプロセス。

私のプロジェクト

私は、次のプロジェクトとテーマを通じて、究極の問いに取り組んでいます。

CHUNK: 人間の理解と知識の構成要素化

目的

人間の認知と知識の基本的な構成要素を理解し、分解すること。このプロジェクトは、複雑な概念を扱いやすいチャンクに分解することで、プログラミング教育やコンピュータ教育をサポートするシステムの開発を目指しています。

テーマ

  • BROCs (Building method that Realizes Organizing Components) [Koike, 2017; Koike, 2019; Koike, 2021; Koike, 2023]
  • 問題解決プロセスモデル [Koike, 2019; Koike, 2020]
  • Compogram [Koike, 2020]
  • BEAR (プログラム行動分析ツール) [Koike, 2023]
  • その他

キーワード

  • チャンクによる学習
  • 情報のインデックス化
  • プログラミング教育
  • コンピュータ教育
  • 機能-行動-構造
  • 作業記憶
  • 知識構成要素

ビジョンとの関係

人間の知識の構成要素を理解し、モデル化することで、CHUNKは個別化された効果的な教育ツールの開発に貢献し、思考と学習の最適化を図ります。

研究例

  • 部品的な知識獲得を支援するプログラミング学習支援システム 部品的な知識獲得を支援するプログラミング学習支援システム

CLOVER: 多様な外部表現による学習最適化

目的

多様な外部表現とエラーに基づくシミュレーションを用いて学習を強化すること。このプロジェクトは、学習における心理的および認知的障壁に対処し、学習者が努力を続け、失敗を学習の機会と捉えられるよう支援する、強力なサポートシステムを提供します。

テーマ

  • EBS (エラーに基づくシミュレーション) [Koike, 2021; Aikawa, 2023]
  • TAME (エラー可視化のためのティーチャブルエージェントモジュール) [Koike, 2022; Koike, 2023]
  • ELMER (複数の外部表現を使用したエラーからの学習のための説明可能なモデル) [Tomoto, 2024]
  • その他

キーワード

  • エラーからの学習
  • 失敗からの学習
  • 生産的な失敗
  • 試行錯誤
  • エラーの可視化
  • エラーに基づくシミュレーション
  • 複数の外部表現

ビジョンとの関係

CLOVERは、試行錯誤の学習を促進し、学習者が複数の外部表現とエラーに基づくシミュレーションを通じて学習プロセスを理解し、最適化できるよう支援することで、認知的および教育的な発展をサポートします。

研究例

  • 学習者が教えた「誤り」に基づいてエージェントが問題解決するシステム 学習者が教えた「誤り」に基づいてエージェントが問題解決するシステム

OCEAN: エージェントによるナビゲーションと交渉を通じた認知最適化

目的

学習者が複雑な情報環境をナビゲートし、情報に基づいた意思決定を行うのを支援するインテリジェントエージェントを開発すること。このプロジェクトは、自己調整学習と意思決定能力を強化するために、認知的徒弟制の原則を統合しています。

テーマ

  • ロボットの目の色による学業感情の変化 [Koike, 2019]
  • WHALE (学習環境のための賢明なヘルパーエージェント) [Koike, 2023]
  • ARK (アクション-リソース-知識モデル) [Koike, 2023]
  • CORAL (認知的に再調整された適応学習)
  • その他

キーワード

  • 現在バイアス
  • 自己調整
  • 自己調整学習
  • モチベーション
  • 行動経済学
  • 意思決定支援
  • 教育エージェント
  • Teachable Agent
  • Negotiation-Driven Learning

ビジョンとの関係

OCEANは、情報処理と意思決定を最適化することで、情報に富む環境で学習者が効果的に意思決定し、自己調整学習をサポートすることを目指します。

研究例

  • 学習順序で迷った学習者に、次に学ぶべきことを教えてくれるエージェント 学習順序で迷った学習者に、次に学ぶべきことを教えてくれるエージェント

謝辞

過去および現在において、私と議論を交わした多くの同僚、学生、および共同研究者に感謝します。特に、東本 崇仁先生、平嶋 宗先生、堀口 知也先生、緒方 広明先生、堀越 泉先生、Rwitajit Majumdar先生、H. Ulrich Hoppe先生、溝口 理一郎先生に心より感謝いたします。先生方の教えは、私の現在の研究アジェンダに大きな影響を与えています。