適応学習の設計
学習曲線を個別最適化
概要
学習者の反応履歴から能力を推定し、次の学習ユニットを最適に提示します。
目的と枠組み
適応学習は、学習者の現在地を推定して「次に何を学ぶべきか」を自動的に提示する枠組みである。短時間学習（マイクロラーニング）との相性が良く、復習間隔の最適化で長期保持を支える。
モデル
- IRT: 能力/困難度/識別力
- KT: 概念ごとの知識状態
- LLM: 誤答理由解析/ヒント生成
評価設計
アイテムの難易度と識別力を計測し、劣化やドリフトを監視する。学習者の誤答理由を構造化して蓄積し、フィードバックの改善に活かす。
設計
難易度・媒体・練習量の3軸を制御。学習の揺り戻しを防ぐ復習間隔も管理。
実装ガイド
- 段階ヒントと根拠提示を組み込む
- 学習者の選択権を残す（推奨/代替）
- 説明可能性と監査ログを保持
- モデル更新時に回帰評価を実施
品質管理
アイテム特性のドリフト監視、バイアス検出、説明可能性の担保を行います。
ガバナンス
個人情報の取り扱いは最小化し、匿名化・保存期間・目的外利用禁止を徹底。誤情報や偏りに対しては、出典提示と人手レビューで多層防御を敷く。