AIが幼児教育に出会うとき：中国の保育園における評価のチームメイトとしての大規模言語モデル

概要: 高品質な教師—子どもの相互作用（TCI）は幼児期の発達にとって基本的なものである一方、従来の専門家ベースの評価には、重大なスケーラビリティ（拡張性）の課題がある。中国では、25万以上の幼稚園にわたって3,600万人の子どもを対象とするような大規模システムでは、手作業の観察に必要なコストと時間の制約により、継続的な品質モニタリングが現実的ではなくなる。その結果、評価はまれなエピソード的な監査に追いやられ、適時の介入や改善の追跡が制限される。
本論文では、AIが構造化された品質指標を抽出し、それらが人間の専門家の判断と整合していることを検証することで、スケーラブルな評価の“チームメイト”として機能し得るかを検討する。
本研究の貢献は次のとおりである: (1) TEPE-TCI-370h（Tracing Effective Preschool Education）—中国の幼稚園における自然な教師—子どもの相互作用の初の大規模データセット（370時間、105教室）。標準化されたECQRS-ECおよびSSTEWの注釈を含む; (2) Interaction2Evalの開発—相互作用を評価するための、専門分野固有の課題に対処するLLMベースの専用フレームワーク。具体的には、子どもの音声認識、北京語の同音異義語の曖昧性解消、ルーブリックに基づく推論であり、最大88%の一致率を達成; (3) 43教室における展開検証。評価ワークフローで18倍の効率向上が示され、年間の専門家監査から、重点的な人間の監督を伴う月次のAI支援モニタリングへと移行できる可能性が示された。本研究は、スケーラブルでAIを補助的に用いた品質評価の技術的実現可能性を示すだけでなく、幼児教育における新しいパラダイムの基盤も築く。すなわち、継続的で、包括的な、AI支援による評価が、システム全体の改善と公平な成長の原動力となる世界である。