Learning Analytics-Driven Personalized Exercise Prescriptions in Secondary School Physical Education: A Quasi-Experimental Evaluation of an AI-Supported Formative Assessment System

ジムに入っていく場面を想像してみてください。そこでは誰もが、より強く、より速く、あるいはスポーツにおいてより優れたものになろうと奮闘しています。理想的な世界であれば、一人ひとりのすぐ横にパーソナルコーチが立ち、あらゆる動きを見守り、どの筋肉が弱いかを正確に把握し、昨日のパフォーマンスに基づいたオーダーメイドのトレーニングプランを毎日手渡してくれるはずです。しかし現実には、特に30人の子供たちが集まる混雑した学校のジムでは、それは不可能です。教師はクラス全員に同じ教え方をしなければならず、生徒たちは学期末に最終スコアを受け取るだけで、自分の間違いを実際にどう修正すればよいのかを知る術がないこともよくあります。ここで、「ラーニング・アナリティクス（学習分析）」と呼ばれる分野が登場します。これは、生徒のパフォーマンスから得られる、例えば走る速さやジャンプの距離といった、あらゆる小さな手がかりを集め、それらの生の数値を改善のための明確な地図へと変える、非常に賢い探偵のようなものだと考えてください。この探偵のような作業を人工知能（AI）と組み合わせると、大規模な教室であっても、その欠けていたパーソナルコーチのような役割を果たすことができるシステムが出来上がります。研究者たちが問い続けてきた大きな疑問は、「このデジタルな魔法は、実際に子供たちのスポーツ能力を向上させるのか、それとも単なる派手なガジェットに過ぎず、何も変えないのか？」ということです。

この論文は、ある研究チームが、このアイデアを中国の成都にある実際の中学校でテストすることに決めた物語を伝えています。彼らは、133人の中学1年生を対象とした12週間の実験を設定しました。生徒を2つのグループに分けました。一つは通常の標準的な体育の授業を受ける「対照群」、もう一つは特別なAIによる指導を受ける「介入群」です。特別なグループの生徒たちのプロセスは、ハイテクなフィードバック・ループのように機能しました。まず、彼らは現在のフィットネスレベルを確認するためのテストを受けました。次に、AIシステムが彼らの結果を分析し、何が苦手なのかを診断しました（例えば、ボール投げは得意だが、長距離走は苦手である、といった具合です）。これに基づき、AIは各生徒に対して、週に2〜3つの特定のタスクを行うという、パーソナライズされた「運動処方箋」、つまりカスタム・ワークアウトプランを作成しました。

また、AIは生徒に語りかけるだけでなく、教師にも語りかけました。教師は、クラス全体の「天気図」のような役割を果たす、コンピューター上の特別なダッシュボードを使用していました。そこには、例えば「クラス1の生徒の80%が持久力走に苦戦している」とか、「生徒Xが今週のワークアウトプランを完了していない」といった情報が表示されました。これにより、教師はAIが特定した具体的な問題に焦点を当てながら、即座にレッスンを調整することができました。生徒たちもまた、他人との比較ではなく、自分自身の過去の自分と比較してどのように改善しているかを示す定期的なレポートを受け取りました。

この実験の結果は、非常にエキサイティングなものでした。12週間の後、AIシステムを利用した生徒たちは、体育の合計スコアが平均で3.70ポイント向上しましたが、通常のクラスの生徒たちの向上はわずか1.60ポイントでした。その差は2.10ポイントであり、学校スポーツの世界においては大きな飛躍です。AIグループは、持久力走、筋力トレーニング、立ち幅跳び、ボール扱いスキルなど、テストされたほぼすべての項目において向上しました。

最も興味深い発見の一つは、「誰が最も恩恵を受けたか」という点でした。最初にフィットネスレベルが低かった生徒たちが、最大の伸びを見せたのです。これは、自転車の練習をしている場面に似ています。最初にグラグラしていた人ほど、補助輪とコーチから多くの助けを得て、すでにうまく乗れている人よりも速く上達したのです。データによれば、ベースラインのスコアが低かった生徒たちは平均で5ポイント近く向上したのに対し、高いパフォーマンスを示していた生徒たちの向上は約2ポイントでした。これは、このシステムが、苦戦している人々を追いつかせることに非常に優れていることを示唆しており、学校における公平性の観点からも重要なことです。

研究者たちは、何が違いを生んだのかを探るために、生徒たちがどのようにシステムを利用したかも調査しました。そこには明確な関連性が見られました。割り当てられたワークアウトを実際に完了した生徒が多く、AIの進捗レポートを頻繁に確認した生徒が多いほど、スコアは上昇しました。単にテクノロジーを持っていること自体が重要なのではなく、それを「使う」ことが重要だったのです。教師たちもまた、積極的にデータを活用していました。AIを使用しているクラスの教師は、平均して週に5回から7回ダッシュボードを確認し、そこで見た内容に基づいてレッスンの具体的な変更を行っていました。一方、対照群の教師には、こうした判断を導くためのデータがありませんでした。

しかし、論文はこれを「魔法の特効薬」と呼ぶことには慎重です。研究者たちは、これが特定の学校で行われた、特定のテスト（高校入試への準備）を対象とした特定の実験であることを指摘しており、他のあらゆる場所で全く同じように機能するかどうかは100%確実とは言えないとしています。また、研究期間がわずか12週間であったため、子供たちが今後も向上し続けるのか、あるいは数ヶ月後に学んだことを忘れてしまうのかについても言及しています。しかし、彼らが持つ証拠は強力です。AIシステムは教師に取って代わるものではなく、教室で何が起きているのかを見通すための「スーパーパワー」を教師に与え、かつては全員に同時に提供することが不可能だった個別指導を生徒に提供したのです。それは、単なる「もっと速く走れ」という一般的な命令を、「この速度でこれくらいの時間走り、その後休憩し、再び走る」という、個々の子供にフィットした具体的なプランへと変えるものでした。