パーソナライズされたAI練習が、学習率の規則性を大規模に再現する

概要: 近年の研究により、学習者は多様な教育的文脈にわたって一貫した学習率を示すことが明らかになった。私たちは、デジタル・プラットフォーム Campus AI から得られた学生の相互作用データ（180万件、ポストフィルタ後366k件）を用いてこれらの知見を検証し、学生の学習率に規則性が存在するという観察に対するさらなる証拠を提示する。先行研究では手作業による認知モデリングが必要だったのに対し、Campus AI は知識コンポーネント（KCs）とそれに対応する演習問題を自動的に生成し、その両方が人間の専門家によって検証される。この 1 対多の対応により、複雑な認知モデリングを行うことなく、学習パラメータを測定するために加法因子モデル（Additive Factors Models）を適用できる。
混合効果ロジスティック回帰を用いて、先行研究の中核的な発見を確認した。すなわち、学習者は初期知識において大きなばらつきが見られた（80%の習熟に到達するための実践機会数に換算すると ext{IQR} = [2.78, 12.18] ）一方で、学習率は驚くほど一貫していた（同じく機会数として ext{IQR} = [7.01, 8.25]）。さらに、この完全自動システムを利用した学習者は、中央値で7.22回の実践機会で80%の習熟に到達し、専門家が設計したカリキュラムで報告されている6.54回と同程度であった。これらの結果は、自動化された、科学に基づくコンテンツ生成が、大規模な状況においても効果的なパーソナライズ学習を支え得ることを示唆している。データとコードは公開されている。https://github.com/Campus-edu-AI/learning-rate