AI時代「教師」考　[第3回]「AI教師」が誕生したとき、生き残れるか？

東北大学大学院教授　
渡部信一

（『新教育ライブラリ Premier II』Vol.3　2021年8月）

「AI教師」開発プロジェクトの挑戦

　「AI教師」が誕生したとき、あなたは「教師」として生き残れるだろうか？　今回はこの問題を、私が現在進めている二つのプロジェクトを紹介することにより提起してみたい。

　ひとつ目は、北海道教育大学教授・植木克美先生との共同プロジェクトである。大学で教員養成および現職教員に対する再教育の在り方を研究している植木先生は現在、世代の異なる教師が自分の経験を語り合える場としてのワークショップ・プログラムの開発を行っている。さらに今後、これまで実施してきたワークショップの経験を活かし「AIを活用したWeb研修システム」の構築を計画している（植木2020）。私も共同研究者としてこのプロジェクトに関わっているが、「ベテラン教師の“経験知”はどのように若手教師に伝わるのか？」、そして「そもそもベテラン教師の“経験知”を具体的に表現することが可能なのか？」など非常に興味深い。

　さて、このプロジェクトは、次の三つの段階に分けて研究を進めている。

第1段階：世代の異なる教師が実際にひとつの場所に集まってワークショップを行う段階（これまでに多くの実績が蓄積済み）

第2段階：Web版「オンライン・ワークショップ」の段階（現在、取り組んでいる研究課題）

第3段階：「オンライン・ワークショップ」にAIが関わってくる段階（近い将来、取り組もうと考えている研究課題）

　第1段階は、対面によるワークショップである。植木先生が現在行っているプログラムでは、以下のような流れで進む（植木2020）。
《オープニング（15分）主催者からの趣旨説明・グループづくり
→グループごとに自己紹介（20分）
→その日のテーマ（例えば「保護者対応」）を個々が「ふりかえりシート」に記入（15分）
→グループでそれを一人ずつ順番に発表（15分×4名）
→グループ内での話し合い（15分）
→話し合いのまとめ（10分）
→個々がまとめたものを再度グループ内で発表（30分）
→各グループからの報告。この後、主催者からのコメント（10分）
→クロージング》
　
　このような流れをWeb上で再現しようという試みが第2段階の「オンライン・ワークショップ」、そこにAIを絡めようとするのが第3段階である。現時点ではWeb版「オンライン・ワークショップ」の実績を積み重ねている段階であるが、ひとつの最終的な目標はベテラン教師が持つ「経験知」「ノウハウ」「指導のコツ」などのデータを蓄積し、AI教師が若手教師に対し様々なアドバイスを提供してくれるようなシステムを構築することである。

　このとき重要なことは、「そもそもベテラン教師のどこがベテランと言われる部分なのか？」を明らかにすることである。「ベテラン教師＝経験年数が長い教師」であれば簡単であるが、そうとは限らない。例えば、多くのベテラン教師に関する様々なデータを収集・蓄積した「ビッグデータ」の中から、AIに共通点を探させるなどの試みも大変興味深い。

　また一挙に「ベテランAI教師」を開発するのではなく、まず最初にベテラン教師に関する「ビッグデータ」を分析することにより「中堅AI教師」を開発し、さらにこの「中堅AI教師」にある程度の時間をかけて実際に（人間の）ベテラン教師や若手教師とのやりとりを積み上げることにより「ベテランAI教師」にAIを成長させていくという考え方も、今後の研究計画としては非常に魅力的である。これが可能になれば、実際の「AI教師」、それも「ベテランAI教師」の誕生ということも夢ではないだろう。

AIが「学生の受講態度」を評価する

　教師は授業中、「皆が授業に集中しているか？」と子どもたちの目の輝きを観察したり、子どもたちの様々な反応から「誰がどのくらい授業の内容を理解しているのか？」を瞬時に読み取ったりしている。そして、「あの子は真面目に授業に参加しているようには見えるけれど、頭の中では別のことを考えているな」などと推察するかもしれない。経験を積むことにより獲得できる教師としての能力と考えられるが、これを「AI教師」でチャレンジしてみようというのが二つ目のプロジェクトである。このプロジェクトは、私が現在兼任している「東北大学ヨッタインフォマティクス研究センター」におけるひとつのプロジェクトである。リーダーの私の他2名の情報工学者、中島平准教授（教育学研究科）および羽鳥康裕助教（電気通信研究所）に加わっていただき、2018年度からこれまで3年間プロジェクトを進めてきた。特に羽鳥先生は、AI開発の最前線で活躍している若手研究者である。プロジェクトの概要を、以下に示そう。

　現在、大学では多くの教室にビデオカメラが設置されている。このプロジェクトは、このカメラで得られた動画映像からそれぞれの学生の姿勢や動きをAIに解析させ、さらに分類させることにより「学生の授業態度を評価するシステム」の開発を目的として始められた。つまり、授業中に学生が手を上げたり発言したりという「授業への積極的参加の度合い」や、逆に「居眠りの頻度」をAIに解析・分類させるという計画である。このシステムは完全に自動化されており、まったく人間の関与無しに同時に多数の授業における学生の態度を評価可能である。

　ここで、AIが行っている作業は二つある（図を参照。図は渡部信一（2021）『AI×データ時代の「教育」戦略』から一部変更して引用した）。第1に、AIは動画映像の中からそれぞれの学生の身体を見つけ出し、例えば「背骨は赤の棒線」「右手は黄色の棒線」というように区別して表示する（図の上：実際には、この映像はカラーで表示される）。AIが行う第2の作業は、解析した身体動作のデータを基にして「手を上げる」あるいは「居眠りする」などの具体的な行為に分類することである。この結果は、帯に表示される（図では、それぞれ3名に対する解析・分類結果を示している。この帯も、実際にはカラーで表示される）。帯の横軸は時間で、動画映像の解析・分類結果が時間とともに色により表示される。

　例えば、1日100の授業がある大学にこのシステムを導入すれば、100の授業すべてにおいて学生の授業態度の評価を出すことができる。さらに、例えばひとりの学生が「手を上げた」ならば「+10」、逆にひとりの学生が「居眠り」したならば「−10」と決めればそれぞれの授業にも点数がつき、夕方にはその日1日に行われたすべての授業の「授業評価」を見ることが可能になるのである。

　このプロジェクトを2年間続けてきたところで、「新型コロナウイルス感染拡大」が起こった。そこで、私たちのプロジェクトではこれまでの研究成果を活かして、「オンライン教育における受講生の受講態度を評価するシステム」の開発に着手した。その実験場面が、図（左下）である。図は学習者が手を上げている場面を想定し、AIに解析および分類させた結果である。

　これらの研究成果は、今後の「オンライン教育」における授業評価や学習者の受講態度評価にも十分応用可能であると考えている。例えば、MOOCのように受講生が多数いる場合、人間の教師が受講生の受講態度を評価することは不可能である。しかし、このシステムを利用すれば、受講生が何万人いてもAIが画像を解析・分類することにより受講態度をある程度まで評価することが可能なのである（詳しくは、渡部2021参照）。

図　AIによる学生の授業態度の解析および分類（上：教室の授業場面／下：オンライン授業場面）