生成 AI が教師をサポートし、日常の指導をどのように変革できるか

Jawad Asghar 氏と Clio Dintilhac 氏、ゲイツ財団

インドのグジャラート州にある 3 年生のクラスで、教師が基本的な携帯電話を使用して 60 秒間の口頭読解チェックを実施しています。エラーには即座にフラグが付けられ、AI は読解チェックの瞬時の分析に基づいて学習者を再グループ化する方法を提案します。次のレッスン期間までに、教師は短い読解流暢さのレッスンのために生徒を再編成し、アプリは教師にすでにやり方を知っているいくつかの簡単なフォローアップを思い出させます。このツールはオフラインで動作し、後で同期するため、安定したインターネット接続がない場合でも、このルーチンは信頼できます。

この実際の例は、構造化された教育法や対象を絞った/矯正指導（適切なレベルでの指導など）などの実証済みのアプローチがすでにうまく機能していることを拡張し、これらのアプローチがスケールアップする際に直面している問題点を軽減する、生成 AI (GenAI) の可能性を示しています。実際的には、実証済みの効果を実現できます。 診断 – グループ – 実践 ループを使用して、よりスマートに、よりシンプルに、より速く実行します。そして、それはすでに実践されています。わずか 1 年余りで、このツールの Wadhwani AI バージョンは 330 万件以上の評価を記録しました。これは、これらのワークフローがインドの何千もの教室ですでに機能しており、教師の代替品や回避策ではなく、強力で実践的なサポートを提供していることを示しています。

教師から始める

GenAI が教室でうまく活用されると、構造化された教育法や対象を絞った補習指導において効果的な教師がすでに行っていることを加速させることができます。レッスンスクリプト、語彙レベルのテキスト、レッスン終了時のチェックなどにより、レッスンの準備が迅速化されます。これらの簡単なチェックを、その日のうちに再グループ化の提案に変えます。言語学習者が自宅でカリキュラムに沿って話す際に、教師が決定権を持ちながら、ジャストインタイムのプロンプトを教師に提供します。その結果、教師が管理に費やす時間が減り、指導に多くの時間が費やされるようになります。私たちの 背景紙 Woodspring Advisory の支援と、Sara Cohen、Amber Gove、Terri Horn の協力を得て、 アフリカの基礎学習に関する2025年スポットライトレポート.世界中の 4 つの使用例について説明します。これは、GenAI が進化するにつれて、教師の判断を中心に据えながら、スケーリングが制限されている実際的なボトルネックを緩和できる強力な可能性を強調しています。

実際にはどうなるか

教師側では、現在のツールはすでに調整されたレッスンの概要と教材を生成し、簡単なチェックからグループを提案し、教師が見ているものに関連付けられた簡潔で実践的なコーチングを提供します。例としては、教室のグループ化や教室サポート ツール、アクティビティをさまざまなレベルに合わせて調整するのに役立つ計画ツールなどがあります。これらは教育を中心に据える教育パートナーとして機能します。

教師向けツールに加えて、 背景紙 他に 3 つの使用例を示しています。オフラインファーストの演習と現地言語での音声ベースの読解チェックを提供する学生向けサポート、安全なデータ フローと教育情報システムと連携するシンプルなダッシュボードを作成するシステム向けツール、共有標準、ベンチマーク、調達ガイダンス、およびプライバシーのエコシステム サポートです。

教師参加型モデルは、サハラ以南のアフリカ全域で出現しています。ナイジェリアのエド州では、教師が週 2 回のセッションを主導し、学習者が構造化されたプロンプトを使用して AI アシスタントと練習しました。教師はプロンプトを選択して調整し、生徒の作業を確認して、クラスの課題を継続的に進めました。メジャー 勉強 はわずか 6 週間で有意義な学習効果が得られ、女子が最も効果を実感しました。これは、GenAI と教師が連携して取り組むことで、公立学校で迅速かつ実践的な進歩を実現できることを示唆しています。

1 対 1 のデバイスや安定した接続がない教室の場合は、低帯域幅サービスが別のルートを示します。ガーナとシエラレオネでは、ライジング アカデミーの学校が Rori を運営しています。Rori は、低学年のスキルの進歩に合わせて、授業中および放課後に WhatsApp で簡単な数学の練習を提供する無料の家庭教師です。教師は、各学習者が何に取り組んだのか、どこで苦労したかを示す簡潔な概要をすぐに確認して、どのスキルを復習するか、または学習者をグループ化する方法を決定できます。これは、適切なレベルでの指導など、矯正または対象を絞った指導で使用されるのと同じ診断ルーチンと再グループ化ルーチンをエコーします。

GenAIを安全かつスマートに導入するための8つの原則

サハラ以南のアフリカの教育に GenAI を適用するには、ツール以上のものが必要です。それには原則に基づいたアプローチが必要です。以下の 8 つの原則は、分散したパイロットから持続可能なシステム レベルの利益に移行するための実用的な方法を提供します。これらは、不均一な（またはまったくない）接続、多言語の教室、限られた教師時間、厳格な児童データプライバシー要件、断片化された政府データシステム、永続的な資本格差などの地域の現実に根付いています。これらの原則を組み合わせて適用することで、GenAI を現在も有用であり、明日にも備え、各国の国家的進歩目標と整合することを目指しています。

1. オフラインで開始します。 評価、再グループ化、練習などのコア機能は、基本的なデバイスで実行する必要があります。接続を使用して結果を同期し、コンテンツを更新します。
2. アフリカの言語向けに構築します。 子供と大人が同じ文の中で言語を混ぜることがよくある方法など、子供と教師が実際に使用する言語をサポートします。現地チームの管理の下で正確性と関連性を維持してください。
3. 教師が主導権を握るようにしてください。 AI による提案をオプションにして簡単に調整できるようにします。教師がいつどのようにツールを使用するかを選択し、グループ化やペースの変更を承認し、いつでもツールを上書きできるようにします。教師が自信を持てるように簡単なトレーニングとコーチングを提供し、専門的な判断が優先されることを明確にします。
4. 相互運用性を考慮した設計。 オープンスタンダードと共有データモデルを使用することで、教育情報システム、評価、教室ツールが国家システム内で連携し、各国がロックインのリスクを軽減できるようになります。
5. アフリカの専門知識に基づいて構築します。 適応が継続的かつ関連性があり、現地主導で行われるように、アフリカの技術的、言語的、教育的専門知識の深さに投資し、信頼してください。
6. 証拠を迅速かつ確実に強化します。 評価アプローチを拡大して、意思決定グレードの証拠をより迅速に入手します。評価を、適切に設計されたランダム化試験から実際の教室での試験運用に至るまで、広範囲にわたって考慮します。準実験的研究や混合法研究などの中間点は、何かがうまくいくかどうかだけでなく、なぜうまくいくかを説明するのに役立ちます。これらのアプローチを組み合わせることで、早期に信頼を築き、ツールが成熟するにつれて証拠を強化します。
7. 公平性を第一に考えます。 接続が弱い場合は、共有デバイス、印刷オプション、テキスト メッセージングや WhatsApp などの広く使用されているメッセージング アプリなどの低帯域幅の選択肢を計画して、学習者が取り残されないようにします。
8. 子供のプライバシーとデータを保護します。 データの最小化、家族と教師の明確な同意、および強力なセキュリティを使用します。学習者や家族が、収集されたものを確認し、修正し、データを持ち帰ることができるようにします。限られた個人データを処理する、またはまったく処理しないツールを使用するためのオプションを提供します。

約束から実践へ

選択は、教室で「同じことをもっとやる」か、それとも未知の世界に飛び込むかのどちらかではありません。私たちは、何が読解と計算の針を動かすのかをすでに知っています。これらの原則は、効果的な教育とシステム管理を妨げる日常のボトルネックを軽減するために GenAI を使用するための実践的な道筋を示しており、読み書き能力と計算能力に対する実証済みのアプローチがより多くの教室に普及し、継続できるようになります。今の課題は、アフリカの教育者、研究者、政府を支援してこの取り組みを主導し、教育分野での GenAI が成長するようにすることです。 彼らの条件で すべての学習者に目に見える利益をもたらします。