AIデジタル教科書
AI Digital Textbook
AIデジタル教科書とは?
- AIベースの個別最適化学習デジタル教材
- データ診断+教師ダッシュボードが核心
- 企業向けアダプティブ・ラーニングの参考モデル
AI デジタル教科書が実際に変えたのは教材の形態ではなく教材の完成時点です。紙の教科書は印刷された瞬間に内容が固定されますが、この教材は生徒が使う間にも問題の難易度や推薦の順序が変わり続けます。そのため発行社は本を納品して終わりではなく、プラットフォームを運営し更新する役割へと移り、学校も購入ではなく年単位の購読契約で予算を組むようになりました。教材1冊ではなく、調達・運営・データ管理の方式が一緒に動いた変化です。
導入の範囲は最初から全教科ではありませんでした。小学校3・4年、中学1年、高校1年の英語・数学・情報のように正解判定が明確な教科から適用され、国語・社会のように記述や討論の比重が大きい科目は外されました。個別化アルゴリズムが動くには、設問ごとに達成基準と難易度がタグ付けされている必要があるからです。eラーニングとの境界もここで分かれます。動画をオンラインで見ることは配信媒体が変わっただけであり、直前の回答によって次の画面が変わって初めてアダプティブと呼べます。
企業研修へ移すときに引っかかるのはアルゴリズムではなくコンテンツの在庫です。学習経路を補充・標準・発展の3つに分けるだけでも、研修1つあたりに作るモジュールは2〜3倍に増え、事前診断も領域ごとの設問が十分でなければ水準判定がぶれません。誰が何をいつ誤答したかが残る学習ログの保管・閲覧基準も同時に定めておく必要があります。ツールよりコンテンツ設計が先という順序を外すと、ソリューションだけを契約して、乗せるコンテンツがない状態になります。
現場で最もよくズレるポイントはダッシュボードです。個人別の進度と正答率がリーダーにそのまま見え始めると、メンバーはこれを学習ではなく評価として受け止め、点数を守ろうとして既に知っている易しいモジュールだけを繰り返すようになります。データが蓄積されるほど学習が歪んでいく構造です。閲覧範囲を本人と研修担当者の段階で区切り、リーダーには集計値のみを渡すという原則をあらかじめ定めておかないと、2〜3カ月で接続率だけが残り、実力の変化は説明できない状態になります。AIがコーチングを代行するという期待も過大です。診断は自動化されても、なぜその部分が弱いのかを指摘する対話は、依然として人の役割です。
教育部がデジタル基盤の教育革新政策の一環として推進し、2025年から小・中・高の一部学年の英語・数学・情報教科に導入しました。その後、教科書と教育資料のうちどのような法的地位を与えるかをめぐって論争が続いており、制度の詳細は引き続き調整されています。
仮想の事例で見てみましょう。役職員740名規模の食品製造会社A社は、毎年全従業員に同じ3時間の品質管理eラーニングを実施してきました。修了率は94%と高かったものの、四半期の現場点検では表示事項・温度管理の指摘が毎回40件前後で繰り返されました。修了率に関係なく同じ指摘が繰り返されるという問題を受け、教育チームは4か月の日程でこの研修を診断ベースのアダプティブ方式に設計し直しました。
- 教育チームのキム課長が品質基準30問の事前診断を全社員に実施したところ、10年目の班長の半分が新入社員と同じ区間で誤答しました。会議では"勤続年数は実力ではなかった"という言葉が出ました。
- 診断スコアで3つの学習経路を用意しました。60点未満は基礎8モジュール、60〜85点は核心4モジュール、85点超は事例討議1回のみとし、1人あたりの平均学習時間を3時間から1時間40分に減らしました。
- LMSに設問ごとの誤答タグを付け、異物・表示事項・温度管理の3分野で集計したところ、製造2チームだけ表示事項の誤答率が61%と突出していることを確認し、当該チーム向けの補習モジュールを別途開設しました。
- 生産本部長が"個人の点数もチーム長に開示してほしい"と言ったところ、教育チーム長は"開示したら皆が知っている問題だけを解くでしょう"と述べ、チーム平均のみの公開にとどめました。
- 誤答率が高い表示事項の領域は、講義の代わりに班長22名を対象とした40分の実習コーチングに切り替え、キム課長がラインごとに実際のラベル誤り写真12枚を持って入りました。
- 3か月後の再診断の平均は68点から84点に上がり、四半期の現場点検での指摘は41件から17件に減りました。研修の総投入時間も2,220時間から1,280時間に減少しました。
キム・ジョンム
金鍾赫