トレーニング産業
適応学習になるものの最初のインスタンスは、行動主義者B.F.スキナーの仕事で1950年代に考案されました。 スキナーは増分技術の建物に焦点を合わせた教授機械を開発した。 マシンは、以前の正解に基づいて提示された質問を適応させ、学生に即時のフィードバックと自分のペースで移動する能力を提供しました。
スキナーの個人のパフォーマンスに基づいた学習の適応という概念は、時代と技術とともに進歩しました。 私たちが適応学習技術として認識しているのは、1970年代の人工知能運動にルーツを持ち、研究者や実務家は、一対一のインストラクターの経験とそのすべての利点を複製するシステムの開発を始めました。 この最初の作業から得られたシステムはやや成功しましたが、当時の計算能力とAI技術は複雑な知能や広範な使用のために十分に高度ではありませんでした。
適応学習はそこで死んでいませんでした。 実際には、その後の数十年で、適応学習システムは、より合理化され、よりスケーラブルで、よりユーザーフレンドリーになりました。 ターンでは、これらのシステムは、世界中の何百万人もの人々のための学習を改善しました。 単純化された教授機械として始まった何が$13十億の企業に花開いた。
インテリジェントな名前だけ
市場の成長と適応システムの進歩にもかかわらず、適応学習の主な指令–AIを使用して一対一の人間の学習を模倣す AIと機械学習技術は非常に限られていました。 適応学習の概念を完全に放棄するのではなく、実際にAIを使用せずにAIの「インテリジェントな経験」を再現するための他の技術を考案しました。
これらのタイプのソリューションは、通常、二つのカテゴリに分類されます。
適応学習1.0:基本分岐
これらのアプリケーションは、デシジョンツリーと事前診断に基づいて適応を行います。 たとえば、これらのシステムでは、学習者が事前評価を受ける必要がある場合があります。 この情報から、システムは一般的な知識の必要性に焦点を合わせる個人のための”擬似個人化された”学習計画を作成する。 これらの計画は事前に設定されており、大きく一般化されているため、単純に近似を行っていることを意味します。 さらに悪いことに、彼らは静的であり、しばしば時間の経過とともに虚偽の表現になります。
Adaptive Learning2.0:Limited Algorithms
これらのアプリケーションは、単純化されたアルゴリズムに基づいて制限された適応を行います。 これは、事前の手動作業の一部を自動化するという点で、確かにAdaptive1.0よりも進歩しています。 しかし、それはまだ限られており、時間の経過とともに改善され、より知的になることはありません。
Adaptive1.0とAdaptive2.0はどちらも従来のフリーサイズのアプローチよりもパーソナライズされていますが、adaptive learningの約束は実際には実現していません。
AIを簡単にする
今日、AI技術の劇的な進歩と機械学習フレームワークのオープンソース化により、非常に少数のエリートプロバイダーがパックから脱却し、AIを完全に活用したソリューションを開発することができました。 これらの進歩は、適応学習–適応3.0の新しいカテゴリを作成しています。
Adaptive Learning3.0：AIと機械学習
Adaptive Learning3.0は、AIと機械学習を適用して、1対1の講師の経験をより正確に再現することが特徴です。 AIを活用した適応型ソリューションは、ネットワーク知識マップを活用して知識と行動ノードを作成し、コンテンツ、学習目標、ペルソナタイプの間のより深い関係を形成します。 これにより、より効率的で効果的な学習体験が可能になります:
- 学習者のパフォーマンスと行動に基づく複雑なリアルタイム適応
- データ駆動型、パーソナライズされたヒント、フィードバック、修復、知識強化
- 予測、忘却曲線と将来の知識アプリケーションへの洞察
- 包括的なアプリケーションレベルのスキルと知識の習得
- 学習時間の短縮
増幅されるのは学習経験だけではありません。 AIと機械学習を完全に採用しているプラットフォームは、学習開発とコンテンツ作成に劇的な効率を提供することもできます。 たとえば、AIを搭載したプラットフォームは、学習コンテンツのパフォーマンスを評価し、不採算コンテンツにフラグを立て、改訂されるまで不採算評価を非表示にすることができます。
古い課題への対処
これらのAI搭載の適応ソリューションは、インテリジェントでインストラクターのような適応学習の約束を提供するだけでなく、Adaptive1.0と2に固有の古い弱点のいくつかにも対処しています。0件のシステムが見つかりました。
終わることのない学習”ループ”を排除
Adaptive1.0および2.0システムでは、学習者が評価に正しく答えることができなかった場合、アプリケーションは修正やサポートなしで同じ質問をループする可能性があります。 この「適応的な死のループ」は、学習者の欲求不満、離脱、さらにはシステムへの不信をもたらします。 新しいAI搭載の適応システムは、学習者を正確さに導き、前進させるのに役立つ適応フィードバックを提供することができるので、これらのイライラするループに巻き込まれることはありません。
“コンテンツファースト”方法論を超えて移動
上記のように、適応型1.0および2.0システムの中には、学習者が学習の肉に到達する前にすべてのコ すでにトピックに関する経験や知識を持っている学習者のために、これは非常にイライラし、退屈なプロセスをすることができます。 システムがより多くのAI対応経路に移行するにつれて、学習者がコンテンツを通過する前にコンテンツを確認するように主張する必要はなくなり システムは、学習者が知っていることをリアルタイムで確認し、それに応じてコンテンツのコンテキストと難易度を調整することができます。
無効な”テスト準備”学習戦略を排除
逆に、適応型1.0および2.0システムの中には、学習者がコンテンツをレビューする機会を得る前に、事前に評価に答 これらのプラットフォームは、学習者の応答を使用して、事前に設定された”学習経路”を各学習者に漏斗状にします。:
- 学習者は一連の質問に答えます
- プラットフォームは、正しく答えられた知識の領域を排除し、誤った評価に対する回答を提供します
- 学習者がすべての評価に正しく答えるまでサイクルが繰り返されます
フラッシュカードのテクノロジー搭載バージョンと考えてください。 この戦略の問題は、継続的なアプリケーションが目標である長期的な企業の学習と開発の取り組みではなく、短期的なアプリケーション（SATのような） さらに、主題に慣れていない学習者は、しばしば前述の”適応的な死のループ”に自分自身を見つけます。”
Adaptive3.0プラットフォームは、パフォーマンスと行動に基づいて動的でリアルタイムのコンテンツ調整を提供するため、事前評価や事前設定された学習経路 このアプローチは、特定の道を突き進むのではなく、自己指向学習の重要性を示す研究に沿ったものです。 アダプティブ3.0システムは、学習者が直接より高い関与、満足度、自信と習得に相関する制御増加自律性を主張することができます。
学習者データのより良い解釈
適応型1.0および2.0システムは多くのデータをキャプチャしますが、多くの場合、データ解釈と適用の負担はl&dパート 大部分は、これらのチームには、膨大な一連の学習者データを理解するために必要なデータサイエンスの専門知識が装備されていません。 AIを活用した適応型ソリューションは、Kpiと戦略目標を反映した後続予測、推奨、予測結果など、より強力なデータ出力を提供するだけでなく、L&dパートナーがデータセットからの洞察を解析するのを支援するために、データサイエンススタッフを手に入れることもよくあります。 さらに、以前の反復よりもはるかに堅牢であるため、Adaptive3.0システムは、学習および開発リーダーに、トレーニング予算の支出を通知し正当化するためにc-suite
継続的な改善
最後に、更新を行うには集中的なプログラミングと手動コーディングが必要なAdaptive1.0または2.0システムとは異なり、Adaptive3.0システムは、ユー 彼らは機械学習アルゴリズムを使用してユーザーデータを評価し、プラットフォームを継続的に微調整します。 さらに、クライアントからの外部パフォーマンスデータをプラットフォーム学習分析およびデータサイエンスと相関させることができる完全なフィードバックループを活用する適応システムは、学習データとパフォーマンスデータの間でこれまでに見たことのない洞察を発掘することができます。