実践的なマスタリーラーニング：適応型学習が前提知識の習得をどのようにサポートするか

6人が在庫管理手順の研修コースに参加した。うち2人は別の倉庫で長年在庫管理業務に携わってきた経験があり、2人はシステム自体は使用したことがあるものの、新しい返品処理は初めてだった。残りの2人は在庫記録を見たことすらなかった。研修は業務に必要な主要な課題から始まったが、最初のセッションが終わる頃には参加者は二分され、退屈している人、理解に苦しむ人、どちらがどちらのグループに属するのか誰も分からなくなっていた。

これはあくまで例示であり、実際の顧客事例ではありません。学習者が同じ手順について異なる理解を持ってコースに参加し、コース設計が彼らを一つのグループとして扱った場合に起こる現象を示しています。

このガイドは、教育設計者と研修管理者向けです。マスタリーラーニングを分かりやすく解説し、職場研修においてアダプティブラーニングがどのようにマスタリーラーニングをサポートできるかを示します。具体的には、前提条件のギャップを診断し、それに応じた準備を行い、主要タスクの前に習熟度を確認し、準備が役立ったかどうかをテストします。

マスタリーラーニングとは何ですか？

マスタリーラーニングとは、学習者が次の単元に進む前に、ある単元の一定の理解レベルに達しなければならないというアプローチです。ベンジャミン・ブルームは1968年に「マスタリーのための学習」の中でこの考え方を提唱し、適切な質の指導が行われ、生徒のニーズに合わせて調整されれば、ほとんどの生徒は学習すべき内容を習得できると主張しました。ブルーム、1968年、『習熟のための学習』、ERIC経由それは学校から生まれたものであり、研究のほとんどは教室から得られたものである。

職場では、より具体的な問題が浮上します。主要なタスクを実行する前に、どのような前提概念を習得しておく必要があるのか​​、誰がそれらの概念を理解しているかをどのように把握するのか、そして理解していない人はどうなるのか、といった点です。そこで役立つのがアダプティブラーニングです。このガイドでは、学習者のパフォーマンスに応じて学習体験が変化することを意味します。具体的には、準備の順序、練習量、あるいは受けるサポートなどが変化します。これは、生成型AIを意味するものではありません。

クイック事実

1. 前提条件の違いを診断する

まず、前提となる概念を列挙することから始めましょう。学習者が主要な課題を理解するために、既に知っておくべき事実、用語、規則などです。在庫管理のコースであれば、在庫記録の内容、返品コードの意味、在庫数を調整できる人物などが挙げられます。

次に、各概念について代表的な質問をいくつか作成し、コース開始前の簡単な診断として使用します。カーネギーメロン大学のエバリーセンターは、これが重要な理由を説明しています。学生の事前知識は学習を助けることも妨げることもあり、それが不活性、不十分、不適切に活性化されている、または不正確な場合、新しい学習を妨げる可能性があります（エバリーセンター、学習原則人々がどのようなスキルや経験を持っているかを知ることで、強みを活かし、弱点を克服することができます。

注意点が1つあります。記憶力診断は記憶力について教えてくれるものであり、そこから職務能力を推測してはいけません。返品コードを定義できる人は、そのタスクの前提条件の1つを満たしただけであり、返品ケースを処理できることを示したわけではありません。IESの指導と学習の組織化に関する実践ガイドでは、ギャップを特定するためにテストを使用することを推奨事項として挙げていますが、その根拠は最小限であると評価しています。これは学生向けに書かれたものなので、実証済みの労働力評価方法ではなく、自分の環境で測定を試みる合理的な設計習慣として扱ってください。IES実践ガイド).

2. 何をパーソナライズできるかを決める

アダプティブラーニングは、実際よりも大げさに聞こえるかもしれません。前提知識の習得に関しては、次の3つの項目をカスタマイズできます。

• その順序。 理解にギャップがある学習者は、その概念の復習から始めます。理解にギャップがない学習者は、それをスキップします。
• 練習の量。 3つの項目すべてに正解できる人は、3つのうち1つしか正解できない人よりも、反復練習の必要性が少ない。
• サポート。 ある学習者には解答例が提示され、別の学習者には簡単な説明と再挑戦を促す指示が与えられます。そして3人目の学習者には、講師との面談対象者としてマークされます。

カスタマイズしてはいけないのは標準規格です。主要なタスクには依然として「準備完了」の定義が一つだけ存在します。適応によって変わるのは経路であって、目的地ではありません。

適応と生成型AIを同一視してはいけません。「返品コードに2つの項目が漏れた場合、このリフレッシャーが表示され、その後再試行する」といったルールは適応型であり、モデルは必要ありません。プラットフォームがAI駆動型適応を謳っている場合は、それに依存する前に、自社のワークフローに対して実際にどのような動作をするのかを確認してください。

3. デザインに関するフィードバックと実践オプション

各前提条件となる概念について、診断結果、対象となる活動、フィードバックメッセージという3つの要素からなる小さなループを定義します。

注目すべきデザイン上の工夫が2つあります。フィードバックでは、答えだけでなく、その理由も説明されています。また、再挑戦や人間の助けを求めるためのトリガーが事前に設定されているため、行き詰まった学習者は誰かが気づいてくれるのを待つ必要がありません。

アクティビティ欄では、インタラクティブな形式が効果的です。各学習者は回答と理由を記入し、ファシリテーターはよくある誤解を把握できます。AhaSlidesは、アダプティブラーニング、インタラクティブラーニング、ライブ配信と自己ペース配信の切り替えをサポートしています。使用する予定の診断、作成、採点、レポート機能については、ご自身のワークフローと照らし合わせて確認してください。また、AI、シミュレーション、統合機能は、実際に動作するまで外部機能または未確認機能として扱ってください。

4. 進行前に習熟度を確認する

学習者が主要なタスクを開始する前に必要な証拠を定義してください。タスクに特化した内容にしてください。例えば、「3つの新規ケースにおけるすべてのリターンコードを正しく解釈し、カウント調整を承認した人物を特定する」などです。

警告が2つあります。

一律の合格基準は避けるべきだ。 「80％の進捗」という表現は簡潔ですが、どの20％が未達成だったのかについては何も示していません。もし未達成の項目が安全上の問題や法令遵守上の問題を引き起こすものであれば、学習者は前提条件を習得していないことになります。証拠は概念ごとに設定し、重要な項目は個別にマークしてください。

小切手に記載されている内容は正直なものにしてください。 前提条件チェックは、概念が理解されていることを確認するものです。学習者がタスクを実行できることを示すものではありません。それは、メインタスクの練習とそれに続く評価で確認されます。 学習活動をブルームの分類法に合わせる 目標、活動、評価をどのように整合させるかを示し、チェックが目的地と混同されないようにする。

5．努力と学習成果を評価する

2つのものを別々に測定し、それらを関連付ける。

• 学習者の準備努力。 各学習者は何回の復習を必要としたか？何回の試行が必要だったか？努力は学習者だけでなく、学習設計についても多くを物語る。ほとんどの人が3回も試行を必要とする概念は、おそらく説明が不十分である。
• 前提条件となる性能。 学習者はあなたが設定した証拠基準を満たしましたか？

次に、あなたが関心のあるリンクをテストします。準備は、その後の作業タスクのパフォーマンスをサポートしますか？準備が必要だった学習者と必要なかった学習者を比較し、新しい、見たことのないケースでのパフォーマンスを基準値と比較します。米国疾病対策センターは、学習の評価と、人々がそれを職場でどれだけうまく応用できるかの評価を分け、両方の計画を立てることを推奨しています（CDC、研修の評価：有効性の測定これは測定に関する指針であり、結果の予測ではありません。

対象者、分母、およびタイミングを明確に定義してください。パフォーマンスに変化があった場合は、準備による効果を評価する前に、同じ期間に他にどのような変化があったか（新しいツールや作業内容の変更など）を確認してください。測定していない時間短縮や合格率を約束しないでください。

具体的な例：戻り値処理の前提条件チェック

例示です。この作業を行う実務者は、使用前に事例と回答基準を検証する必要があります。

ケース。 学習者が返品コード診断テストを受けました。5つの問題のうち2つに正解しました。間違えた2つの問題はどちらもコードR2に関するもので、学習者はこれを「破損」と読み間違えていました。

学習者に求められること。 結果が何を示しているのかを説明し、その根拠となる証拠を挙げ、主要な課題に取り組む前にどのような追加情報や支援が必要かを述べてください。

反応が鈍い。 「もっと勉強する必要がある。」とあるが、何も引用しておらず、概念も示していない。

より強い対応を。 「R2の項目を2つ間違えたのは、R2が破損した在庫を意味すると思っていたからです。フィードバックによると、R2は未開封で返品された商品を意味するとのことでした。他の3つの回答は正しかったので、間違いは手順全体ではなく、コード1つだけのようです。R2の例をやり直して、新しい3つの項目にも挑戦してみます。R2が部分的に開封された箱にも適用されるかどうか確信が持てないので、実際に返品処理を行う前にインストラクターに確認します。」

トリガーを作動させて再試行する。 学習者が理解できていない点と残りの問題を指摘したため、システムは1回だけ再挑戦を許可します。R2で2回目のミスをすると、講師との電話相談が予約されます。学習者は3つの新しい問題で再挑戦し、すべて正解したので、次に進みます。

デザイナーが学ぶこと。 もし学習者の半数がR2を誤って解釈するなら、問題は学習者ではなく、その解釈方法にある。

調整可能な評価基準

各評価項目を0～2点で採点してください。これは、実務担当者が実際にその役割を担う際に適用するための提案であり、検証済みの準備基準ではありません。

アンカー： 0 = 欠落または根拠なし。1 = 部分的、関連する情報が欠落している。2 = 完全であり、合意された基準に照らして正当化されている。重大なエラーは個別に定義する。例えば、学習者が安全上重要な前提条件を総合スコアで通過させてしまう場合など。総合スコアは重大な失敗を隠蔽してはならない。

残る可能性のある制約

事前準備がうまくいったとしても、以下の点は変わらない。

• 質の低い資料。 手順自体が不明確であれば、どんな診断でも解決することはできない。
• 時間。 復習を3回必要とする学習者は、週に3回の受講枠が必要です。スケジュールに余裕があるか確認してください。
• 動機。 診断テストを避けるべきテストだと捉える学習者は、積極的に取り組まない可能性があります。このチェックは、支援が必要な箇所を示すためのものであることを説明してください。
• ツールの限界。 プラットフォームによっては、設計したルーティングやレポートがサポートされていない可能性があります。構築する前に必ず確認してください。

これらの問題については個別に解決策を計画し、スポンサーにもその旨を伝えてください。習熟学習は設計手法であり、成果を保証するものではありません。

よくある質問

習熟学習と適応学習の違いは何ですか？

習熟学習とは、学習者が次の単元に進む前に、前の単元で定められたレベルに達するべきであるという原則です。適応型学習は、この原則を実現する方法の一つであり、学習者の進捗状況に応じて学習経路が変化します。

適応型学習にはAIが必要か？

いいえ。学習者を異なる復習コースに振り分けるルールを備えた診断システムは適応型です。AIはその実装方法の一つであり、AIに関する主張は実際に動作する事例に基づいて検証されるべきです。

習熟度の基準値はどのように設定すればよいですか？

各前提条件となる概念の根拠を明確に定義し、重要な項目は個別にマークしてください。重大な欠陥を見落とす可能性のある単一のパーセンテージは避け、その基準値を実際に業務を行っている担当者と見直してください。

どこから始めれば

前提知識に明確な問題があるコースを1つ選びます。前提となる概念を3つ挙げ、それぞれについて3つの質問を作成し、少数の学習者を対象に診断テストを実施します。グループ間で意見が分かれる概念に注目してください。それらの概念は、重点的に復習する価値があります。

自己ペースで進められる診断テスト、的を絞った準備、そしてライブ形式の振り返りが、ご自身のコースにどのように組み込まれるかを知りたい場合は、AhaSlidesをご覧ください。