エリン・モート氏、InnovateEDU CEO。
人工知能を教室に統合しようとする動きが加速する中、我々は危険な境界線の曖昧化を目の当たりにしている。生成AIが市場に溢れる中、学校管理者や教育者は、学習に革命をもたらし、指導を個別化すると約束するツールに圧倒されている。そして教師たちはそれに応えている。今秋だけでも、教師の85%が業務で生成AIツールを使用していると回答した。しかし、この喧騒の中で、我々は重要な区別を見失う危険性がある。それは、教育現場で使用される消費者向けテクノロジーと、学習を中心に据えて専用設計されたエドテック（教育テクノロジー）との間にある大きな違いである。
これは単なる言葉の問題ではなく、教育学的意図の問題である。その重要性を理解するために、2つの著名なAI実装の異なるアーキテクチャを例として考えてみよう。OpenAIのChatGPT for Teachers（教師向けChatGPT）とカーンアカデミーのKhanmigo（カーンミーゴ）である。私はこれを、迎合的設計とソクラテス的思考のための設計の違いと考えている。
消費者向けテクノロジーとエドテックの違い
その核心において、ChatGPTのような汎用大規模言語モデル（LLM）は、消費者の満足と生産性のために設計されている。その主要な効用関数はしばしば「有用性」と表現されるが、AIの動作という文脈では、これは頻繁に迎合性として現れる。このモデルは、ユーザーが望む答えを提供し、ユーザーの前提に同意し、結論への道筋を滑らかにするよう訓練されている。消費者向けAIにフランス革命に関するエッセイを求めれば、それを書いてくれる。数学の誤りを訂正するよう求めながら2+2=5だと主張すれば、躊躇するかもしれないが、そのガードレールはユーザーの主張に対してしばしば柔軟である。流暢さとスピードを最適化し、摩擦を取り除く。しかし教育においては、摩擦こそが重要なのだ。学習は苦闘の中で起こる。生徒が概念と格闘し、失敗し、調整し、成功する「生産的な苦闘」の中で学習は起こるのである。
消費者向けモデルと、Khanmigoのような専用設計ツールを対比してみよう。同じ基盤技術の上に構築されながらも、根本的に異なる安全性と教育学的レイヤーを備えて設計されたKhanmigoは、ソクラテス的思考のために設計されている。答えを与えないよう明示的にプログラムされているのだ。生徒が苦闘しているとき、道筋を滑らかにするのではなく、導きとなる質問を投げかける。生徒に自分の誤りを特定するよう促す。即座の成果物よりも学習プロセスを優先する。
その違いは明白である。消費者向けテクノロジーは生徒を満足させるべきユーザーとして扱い、教育専用エドテックは生徒を育成すべき学習者として扱う。一方はツールへの依存を助長し、他方は独立した思考を育む。
調達プロセスの解きほぐし
これらのツールを区別することは重要な第一歩だが、それだけでは十分ではない。意図された設計に基づいてツールを単純に「良い」または「悪い」と分類することはできない。我々の学区が直面している実装危機により深く踏み込まなければならない。
現在、K-12教育における調達プロセスは機能不全に陥っている。学区は、有効性の明確な理解なしに、マーケティングの約束や一般的な人気に基づいてライセンスを購入している。我々は「問題を探すソリューション」の環境で運営しており、特定のニーズに合致した正確な介入ではない。我々が問うべき質問は単に「このツールは機能するか」ではない。質問は「何が、誰に対して、どのような条件下で機能するか」でなければならない。
都市部の英語学習者に対して驚異的な成果を示すリテラシーツールが、地方の上級読者に対してはほとんど影響を与えない可能性がある。補習で優れたAI家庭教師が、発展的学習ツールとしては失敗するかもしれない。エドテックの状況を平坦化し、すべてのツールを交換可能な部品として扱うとき、我々はすべての生徒の多様な学習ニーズに応えることに失敗する。教育者が自分たちの特定の文脈に適したツールを発見できるシステムが必要なのだ。
この発見の課題を解決するには、エドテック市場の経済的・運営的推進力を根本的に変える必要がある。量と使用量に基づく市場から、エビデンスと影響に基づく市場へと移行する必要がある。これには2つの具体的なことが必要である。厳格なエビデンス構築と、成果ベースの契約である。
第一歩は、エビデンス構築を民主化し、それをはるかに速く行うことである。歴史的に、エドテックにおける「エビデンス」とは、公表される頃には時代遅れになっている高額で数年がかりのランダム化比較試験（RCT）を意味していた。我々には、学区がほぼリアルタイムで独自のエビデンスを生成できる、迅速サイクル評価（RCE）という新しいパラダイムが必要である。相互運用可能なデータ標準を活用することで、学区は10年ではなく1学期以内に、特定の生徒に対するツールの影響を評価できる。これにより、発見の力が教育者の手に戻り、「専用設計」テクノロジーが実際にその目的を果たしているかどうかを確認できるようになる。
次のステップは、機能するものに対してのみ支払うことである。おそらく変化のための最も強力なレバーは、契約そのものである。現在、ほとんどの学区は、購入したログイン数として定義される「シート数」に基づいてソフトウェアの料金を支払っている。これはベンダーに販売とマーケティングに注力するインセンティブを与える。学習を優先するツールが欲しいなら、学習に対して支払わなければならない。成果ベースの契約は財務リスクを移転させる。このモデルでは、支払いの一部は、ベンダーが自社のツールが実際に生徒の成果（出席率、数学の習熟度、読解力など）を改善したことを実証することを条件とする。これにより、インセンティブの再調整が強制される。突然、ベンダーはライセンスを販売することだけに関心があるのではなく、実装、専門能力開発、そして生徒の最終的な成功に投資するようになる。EDSAFE AI Policy Labsを通じた我々の活動では、ニューヨーク市のような大規模学区と提携し、LeanLab Educationとの迅速サイクル評価でエドテックツールの有効性を安全に評価する「テストベッド」を作成するモデルを構築している。
前進する
教育におけるAIの到来は、分岐点を提供している。我々は、エンゲージメントと簡単な答えを優先する消費者グレードのツールで溢れた未来を受け入れ、プロンプトには熟達しているが思考は貧弱な世代の生徒を生み出すことができる。あるいは、学習の科学を尊重する専用設計エドテックの市場を要求することができる。
しかし、より良いツールを要求するだけでは十分ではない。それらを検証するインフラも構築しなければならない。エビデンスベースと成果ベースの契約を採用することで、テクノロジーへの投資が唯一重要なリターン、すなわちすべての学習者の成長と可能性をもたらすことを保証できる。
