Beyond Compliance: Accreditation-Based Profiles of Conditions Supporting Technology-Enabled Learning in Vietnamese Higher Education
本研究は、2,502のベトナムの高等教育プログラムのアクレディテーション（認証）データを分析することで、テクノロジーを活用した学習を支援する条件における4つの明確なプロファイルを特定し、既存のコンプライアンス証拠がいかにして認証後の改善のための低コストな診断ツールとして機能し得るかを実証するものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
現代社会において、大学には単に教えること以上のことが期待されています。すなわち、背景や能力に関わらず、あらゆる人々にとって学習が機能することを保証しなければならないのです。これは、教育を届けるためにテクノロジーへの依存を強めている学校において、特に重要な課題となっています。これは「テクノロジーを活用した学習（テクノロジー・エンベルド・ラーニング）」と呼ばれる変化です。しかし、コンピュータやインターネット接続があるだけでは不十分です。テクノロジーが真に役立つためには、学校には支援的な環境が必要です。つまり、問題を解決できるスタッフ、学生が遅れをとっていないかを追跡するシステム、そして障害を持つ人々を含む誰もが公平に参加できることを保証する明確なルールです。学校がこれらの基本的なニーズを満たしているかどうかを確認するために、多くの国では「アクレディテーション（認証）」と呼ばれるプロセスを用いています。アクレディテーションを、専門家が学校のプログラムを長い基準リストに照らして審査し、運営を継続するのに十分かどうかを判断する、厳格な健康診断のようなものだと考えてください。これらの審査は膨大な量のデータを生成しますが、その情報は決定が下された後にファイルに保管されるのが通常であり、学校がいかに学生をサポートしているかという深い強みや弱みを理解するために再び参照されることは滅多にありません。
ベトナムの研究チームは、これらの古い審査記録を単なる合否の成績としてではなく、教育の景観を描き出す地図として扱うことで、この状況を変えようと決意しました。彼らは、2017年から2025年の間に公式に認証を受けた2,502の大学プログラムからデータを収集しました。審査で使用される50の異なる基準のリスト全体を見るのではなく、彼らは、支援的な学習環境の3つの柱に直接関連する9つの特定の質問に焦点を当てました。その3つの柱とは、利用可能なテクノロジーとスタッフ、学生の成功を支援するシステム、そしてすべての人への公平なアクセスを保証する保護策です。これら9つのスコアが数千のプログラム間でどのように集まっているかを分析することで、研究者たちは、学校がすべて同じではないことを発見しました。彼らは、認証を受けたプログラムが自然に4つの異なるグループ、すなわち「プロファイル」に分類されることを見出しました。それぞれのプロファイルには、独自の強みと注意が必要な領域の組み合わせがあります。
最大のグループは、全プログラムのほぼ半分を占め、「ベースライン」グループとラベル付けされました。これらの学校は、テクノロジー、学生支援、アクセスの最低限の要件を満たしてはいるものの、特定の領域で際立った特徴はありませんでした。彼らは仕事をこなしてはいますが、支援の特定の次元において卓越しているわけではありませんでした。第2のグループは、全プログラムの約4分の1を占め、異なるパターンを示しました。これらの学校は、アクセスとインクルージョン（包摂）において特に優れていました。不当な決定に対して学生が異議を申し立てるための優れたシステムや、障害を持つ学生のための強力な規定を備えていましたが、テクノロジーのインフラは平均的でした。第3のグループは、約14パーセントを占める「学習者支援重視型」です。これらの機関は、学生の進捗を追跡し、学術的なアドバイスを提供して学生の学習をナビゲートするための強固なシステムを構築していましたが、テクノロジーの能力は平均的なレベルにとどまっていました。最後のグループは、約13パーセントと最小の「テクノロジー支援重視型」です。これらのプログラムは、ITインフラやオンライン学習ツールに多額の投資を行っており、また、雇用や満足度といった学生の成功に関する証拠を収集し活用するためのより発展したシステムも備えている傾向がありました。
研究者たちは、これらのグループを見出すことが、優れたテクノロジーを持つことが自動的に学生のより良い仕事や高い満足度スコアをもたらすことを意味するのではない、という点に注意深く言及しました。データは単に、より強力なテクノロジー基盤を持つ学校が、学生の成功に関する証拠を収集し活用するためのより発展したシステムを併せ持つ傾向があることを示しているに過ぎません。本研究は、アクレディテーションのスコアがオンライン学習の質を測る完璧な尺度であるという考えを明確に否定しています。代わりに、著者らは、これらのスコアが「弱い信号」または「早期警告」として機能すると示唆しています。それらは、学校がどこをより深く調査すべきかを示しているのです。例えば、「アクセスとインクルージョン」のグループに属する学校は、障害を持つ学生を助けるための素晴らしい方針を書類上で持っているかもしれませんが、デジタルツールが強力でなければ、それらの方針はオンラインの教室ではうまく機能しない可能性があります。逆に、優れたテクノロジーを持つ学校であっても、学生の学習を導くための人間によるサポートスタッフが不足していれば、苦戦する可能性があります。
このアプローチは、教育のリーダーたちが単なるコンプライアンス（法令遵守）を超えて進むための、実践的な方法を提供します。すべての認証校を審査終了後に一律に扱うのではなく、規制当局や学校の管理者は、これらのプロファイルを使用してより良い問いを投げかけることができます。ベースラインのグループにある学校は、3つの領域すべてを改善するための一般的な計画が必要かもしれませんし、学習者支援に強い学校は、優れた人間のアドバイザーをより優れたデジタルツールと結びつけることに集中できるかもしれません。本研究は、既存のデータをこのように再利用することで、大学が多額の費用がかかる新しい調査を待つことなく、自らの特定のニーズを特定できることを示唆しています。それは、静的なルールのリストを動的な改善ツールへと変え、学校が単にテストに合格したかどうかだけでなく、テクノロジーが真にすべての学習者に奉仕するために、現在どの位置に立ち、次に何を築くべきかを理解する助けとなるのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。