知的 CAI を超えて

1. 知的CAIを超えて 平成１４年１１月１５日 （改訂　平成１５年３月２２日） 犬童健良 関東学園大学経済学部経営学科

2. はじめに • 知的CAI（Ｉｎｔｅｌｌｉｇｅｎｔ Computer-Assisted Instruction）とは、それ自体が問題を解く能力を持ち、対話的なユーザインタフェースを備え、学習者の理解度や学習者からの質問・要求に応じて、問題、説明、助言を適切に選択する教育向けシステムのことである[1,8]。 • 知的CAIは、教科の知識のみならず、教育学の理論、認知心理学および人工知能技術が融合する分野である。広い意味では、人間とコンピュータの協調的コミュニケーションの研究である。 [ノート＊] • この分野の技術では、次の２つのことがとくに重要と考えられている。一つは学習者モデル[1, pp.845-57]である。また教師と生徒の対話をどのようにモデル化するかが、もう一つの鍵になる[1, pp.863-886] 。すなわち学習者の不完全な知識とそれに対応する良い教示のモデルである。 • 本報告では、知的ＣＡＩ研究を簡単に振り返る。また犬童ゼミ[ノート＊＊] で学生諸君が取組んでいるテーマのひとつである「簿記の学習」、とくに仕訳の基礎知識について、Pologによる簡易知的CAI作成例を紹介する。

3. １．伝統的ＣＡＩ • コンピュータを使った教育システムは1950年代の終りくらいからが実際に使われ始めた。 １９７０年代にいったん下火になるまでの間は、徐々に世界の教室に広まっていったといわれる[1, pp.829-832; 3, pp.182-3]。 こうしたシステムはCAI（Computer-Assisted Instruction）と呼ばれた。 • イリノイ大学のPLATOは単位認定コース開発ウェアとして有名である。 • １９７０年以前のＣＡＩシステムは、フレーム型と生成型に区別される。生成型は、難易度と乱数を用いて問題の一部を変更して表示する。 伝統的ＣＡＩ ： フレーム型ＣＡＩ（～１９６５） 例.ＰＬＡＴＯ、ＩＢＭ 1500 生成型ＣＡＩ（１９６５～） 例.ストランド計算ドリル（数学・統計学）。 • また 物理現象から経済政策や企業戦略までといった複雑な現象を、シミュレーション・ゲームをプレイすることを通じて理解させようとするシステムも、同じくこの頃に登場した。これらはいわゆる「システムダイナミクス」[2]の分野に関連する。 • 日本でも１９８０年代に入ってから、大学の情報教育用システムなど多数が開発されたようである[1, pp.835-7]

4. 伝統的ＣＡＩの特色と問題点 • 伝統的CAIでは当時最先端の学習理論・教授原理の実践・実用化という意味合いが濃かった。 • 学習到達度の評価は、「ドリル的な課題の反復」やシミュレーション課題の得点を通じて、定量的・統計学的に行われた。また教材（コンテンツ）は、教育理論の専門家、授業設計者による丹念な共同作業を通じて開発された。こうした特長は、例えば日本人研究者らによる文献[3]によく現れている。 • その反面、コンピュータ利用は手続き的プログラミングしかなかった時代のものであり、柔軟さに欠けていた。回答の方法は穴埋め、選択、数値、単語の入力、プログラム言語など、制約が多い方式であった。回答は予め用意された正解ないし不正解データと照らし合わせて採点された。 • また学習者が質問することができないので、極端に言えば学習者の満足に関わりなく、「最もすぐれた教え方」をかたくなに押し通すものだった。

5. ２．知的ＣＡＩ • 1970年以降に開発されたCAIシステムには、認知心理学の知見や人工知能の技法を取り入れて、会話的なユーザインタフェースを備えたものが現れた。 • 知的CAIシステムは知識ベースと推論を用いて、それ自体が問題を解くことができ、また学習者の出来不出来とその誤りの原因を診断したり、学習者が適宜発する疑問・質問・要求に応じて、適切な説明やアドバイスを表示する[1, pp.833-5] 。 • 例. 南米地理学習についてのカーボネルのスカラ[1, pp.860-861]が1970年に公表されて以降、多くの知的ＣＡＩシステムが作成された（表１参照）。これらは、伝統的CAIと区別して、知的CAI、あるいはITS（Intelligent Tutoring System)と呼ばれた。知的CAIには適応型と問題解決型（狭義の知的ＣＡＩ）という区分がある。 • 若干系統が異なるがMITでパパｰﾄ＆ミンスキー、エーベルソン（ＭＩＴ）らのＬｏｇｏは、コンピュータ教育や教育工学の分野で注目されてきた[7]. • １９７０以前の伝統的CAIと、1980年代までの知的CAIは、それぞれ対照的な欠点をもつ[1,p.839] 。

6. 知的ＣＡＩの特色と問題点 • 知的CAIは、それ自身が特定領域の問題を解くことができるエキスパートシステムである。筋書きにしたがって進行する固定的なCAIプログラムとちがって、柔軟性に富む教授手法を可能にし、前頁で述べた伝統的CAIの問題点を克服した。さらに対話的インタフェースを用いて伝統的CAIでは不可能とされた「高度個別教育」と「双方主導対話」を実現しようとした[1, p.841]。 • 知的CAIプログラムを最初に手がけたのは、論理的な問題解決能力を持つコンピュータプログラミングを製作したり、人間の認知とくに学習過程をコンピュータモデルでシミュレーションする研究を行っていた人工知能（AI；Artificial Intelligence) や認知心理学者らであった。 • 一方、開発者が必ずしも教育理論の専門家ではないために、初期の知的CAIシステムでは教科教育の知識が軽視されたり、教材コンテンツに使われたトピックスが製作者の関心に偏るなどの問題が指摘された。ＡＩ研究者の究極的目標が、人間とコミュニケーションし、共同作業できる能力を持ったコンピュータの創造[4, 5]であると考えれば、その途上で明らかになった古典的AIの限界を示した事例ともいえよう。

7. ３．知的ＣＡＩの機能類型[1, pp.837-8] • 相互主導チュータ型－－－自然言語・図形による対話的機能 • 学習者がことば（自然言語）でコンピュータと対話・問答しながら、主体的に自学自習する。CarbonellはQuillianの意味ネットワークに感動して、双方主導型のSCHOLARシステムを作ったといわれる[8, p.32]。双方主導（ミックスド・イニシアティブ）とは、ようするに「めだかの学校」である。WeizenbaumのElizaのような人工無能をフロントエンドに使ってみるのも、意外と面白いかもしれない。 • マイクロワールド型－－－自発的な思考・表現の支援 • 幾何学、物理学、音楽などといった、特定の問題領域を子供に対して与え、自由な発想でコンピュータ上にそれを表現させる。子供が主体的に探索するのを支援する。（Logoタートルでの幾何学とプログラミングの学習。より最近の技術ではJavaやFlashムービーを活用したコンテンツ開発が主流になりつつある。） • （つづく）

8. 知的ＣＡＩの機能類型（つづき） • 高次診断機能付きチュータ型－－－誤り原因同定 • 学習者が犯しやすい「誤り」を診断し、適切な指導を与える。正解と比べて「合っている」か否かではなく、問題を解こうとして生徒が考えた「まちがった仮定」、平たく言えば「思いちがい」を特定する。このためデータベース（誤り目録）やルール（バグ追跡）を使う。 • エキスパートシステム－－－問題解決・定性推論 • 特定の、狭い領域の専門知識について、明確な説明能力のあるシステム。 CAIとしては蒸気エンジン工学の教育(STEAMER)やコピー機の電子回路修理・故障診断訓練(ARIA)などがある。その他、企業で開発・導入されたさまざまなエキスパートシステムは、専門家の作業支援だけでなく、その教育目的を兼ねる場合がある。

9. ４．知的ＣＡＩシステムの基本構成 • 知的CAIの基本システム構成 • 　 領域知識　（＝教材）　 学習の対象となる分野の知識。コースウェア。素材知識、ドメインモデルともいう。 • 　学習者モデル　（＝生徒）　 学習者の理解状態や過程。スチューデントモデル。メンタルモデルともいう。　 • 　 指導方略　（＝先生）　 学習者の陥っている誤りを診断し、学習者に対する質問やアドバイスを決める指導方略。ティーチングエキスパティーズ。教示知識とか、指導者モデルともいう。 • ユーザインタフェース（＝コンピュータとの対話）

10. Prologによる簿記CAIシステム • 筆者は簿記の仕訳にかんする基本知識について、クイズ形式で学習者とやりとりし、診断結果を表示する簡単なシステムboki0.plを作成した。 • 領域知識：　簿記の仕訳にかんする基礎知識は、勘定科目と基本項目、仕訳の基本ルールがその中心である。たとえば、以下は借方・貸方の記入区別の基本ルールを、Prologで表したものである。 boki0(c(1), '資金使途の項目', ('資産','増加','借方（左）')). boki0(c(2), '資金使途の項目', ('費用','発生','借方（左）')). boki0(c(3), '資金使途の項目', ('資産','減少','貸方（右）')). boki0(c(4), '資金使途の項目', ('費用','取消','貸方（右）')). ．．． • 学習者モデル：　上記の分野の知識ベースから、乱数を使って生成した２題の多肢選択問題を質問し、正誤のチェックを行うのみ。　 • 指導方略：　誤回答を分析し、欠如していると思われる知識を特定する。学習者にこれを表示し、復習すべき箇所をアドバイスする。 • 改良の余地：　２題のみで学習者モデルはなく、提示方法は固定されているが、診断アドバイス代わりに、弱点と思われる問題に焦点を絞って、継続する問題を生成するルールを使うこともできるだろう。この場合、質問が増えると、学習者モデルを推定・改訂する情報も得られるが、学習者をあきさせない工夫も必要になる。

11. 問題自動生成プログラム '質問'(2,'問題文',('以下の選択肢のうち、貸方（右）記入を選びなさい。'),_):- length(L,5), forall(nth1(K,L,_), ( random_choice((A,B,Ans), boki0(c(_), '資金使途の項目', (A,B,Ans)) ), random_choice(C, member(C,['借方（左）','貸方（右）']) ), (Ans = C -> Y = yes; Y = no), update_qdata(2,K,(A,B,C,Y)) ) ). '質問'(2,'選択肢'(K),(A-'の'-B-'は'-C-'に記入する。'),Y):- L = [1,2,3,4,5], member(K,L), qdata(_,2,K,(A,B,C,Y)). '質問'(2,'選択肢'(6),('以上の中に正しいものがない。'),Y):- (\+ qdata(_,2,_K,(_,_,_,yes)) -> Y = yes; Y = no).

12. 簿記学習支援システムの実行と自動診断の例 ************************************************************ 以下の選択肢の中から、正しいものを一つを選びなさい。 ************************************************************ 1. 費用-の-発生-は-借方（左）-に記入する。 2. 費用-の-発生-は-貸方（右）-に記入する。 3. 資産-の-減少-は-貸方（右）-に記入する。 4. 資産-の-減少-は-借方（左）-に記入する。 5. 費用-の-発生-は-借方（左）-に記入する。 6. 以上の中に正しいものがない。 Type a number ( 番号を入力)->2. ****************************** 不正解です。 ****************************** % -------------------------- % 診断結果を出力します。(y) % -------------------------- % -------------------------- % 質問 2 で不正解だった回答パタン： % あなたの選んだ答え：(費用, 発生, 貸方（右）), 選択肢番号=2 % あなたが答えた項目は「資金使途の項目」をあらわすものです。ですから、 % 基本ルールにより、貸方（右） ではなく、借方（左） に記入します。 % ちなみにこの問題の正解のひとつは、費用, 発生, 借方（左）, 選択肢番号:1でした。 % また項目「費用」は資金使途の項目です。 % 診断おわり。

13. ５．学習者モデル • 学習者モデルは、「誤り」についての３タイプの仮説によって分類される。 • オーバレイモデル（＝差異モデル）　 • お手本となる知識と比べて何かが欠落。 • 記録された事実として、どこができなかったかは分かる。 • なぜできなかったかを診断するには不向きとされる。 • バギーモデル（＝摂動モデル）　 • 思い違いや、誤りのパタンを「誤り目録」と照合。 • つまり間違い（バグ）の分類をデータベースとして持つ。 • 生じた誤りだけでなく、生じうる誤りを再現できる。 • 認知モデル（＝メンタルモデル）　 • 学習途上で代用表現・誤表象を使う。類推の誤り。 • ルールベース、意味ネットワーク、フレーム（心的表象）、黒板システムなどの知識表現手法を使う。 • 誤りのある計画認識や失敗する意図のモデルを作る。

14. ClanceyのGUIDON • William Clancey によって作られたGUIDON[9]は、感染症診断ルールベースシステムMYCIN（Shortliffe,1976) の領域知識(d-rules)を学ぶことを目的に作成された。学習者の知識は、AND/OR木によって表現・分析される領域知識の一部であると仮定される。またその対話的インタフェースは学習者モデルに基づく相互主導型(MID)の教示方略とそれを実現するための対話管理ルール群(t-rules)である([9], appendix E)。 • 学習者モデルの構成要素([9], pp.116-124) • USE-HISTORY　（学習者が知っていると思われるDルール） • SAPPLIED　（学習者が実行できるだろうDルール） • USED　（質問応答を吟味し、上記の仮説を更新する） • ３タイプのTルールによる階層的決定　 • 談話パタンの選択　（Dルールの推理を説明、学生と議論） • 領域知識の選択　（新しい目標追及の準備、興味度測定） • コミュニケーションモデルの維持　（学習者モデル更新等）

15. GUIDONの教示方略 • Dルールと学生の思考を重ね合わせる（オーバレイ）。また指導方略は学生主導を重んじる。 • システムは主にその下位目標の異同を把握しようと試みるが、そのために、直接質問するのではなく、事前に調べた学生のバックグラウンドや対話記録から、学生が本当に知っていることを推理する。一方、より上位の目標については前提とできるので、できるだけ介入しない。 • 一方、部分問題で仮に学生が正解しても、システムが学生の仮説の正しさを支える証拠を、会話履歴から見出せないときもある。そのような場合、GUIDONは、これをよしとせず、推論連鎖をチェックするための質問を発する。つまり、なぜ他の仮説を採用しなかったのかを尋ねてみる。

16. 図2．Tルールの例（[9], p.360, および[1], pp.866-7　図3.8を参照し修正したもの] • Tルール３１．０４　（ルールパッケージ０３１：示唆ルール内） • ＩＦ： １）学生が質問しないといけないはずのＤルール中で出現している因子数が０であり、 • ２）Ｄルールが適用される前に、決定されようとしている下位目標数が１である • ＴＨＥＮ： • サブステップ１ 言え（下位目標示唆） • サブステップ２ 議論せよ（目標指向モード内で－学生と－その目標について）[実行手続き００１] • サブステップ３ 統括せよ（議論されているルールについて）[実行手続き０１７]

17. ６．教示における会話モデル • 教示過程は先生と生徒との間でやり取りされる「協力的コミュニケーション」である。その成功は、学習者モデルの正しい把握と共に、それを導く 「対話のルール」あるいは対話のメカニズムに関わると考えられる。 • 　チュートリング（＝直接指導）　 • 　学習内容を画面に表示し説明 • 　問題の解き方を解説 • 　学習者が間違えたときにその原因を診断し説明 • 　例.ソクラテス問答法。　「なぜ」の連発を促す • 　コーチング（＝間接指導）　　 • 　発見学習の立場をとり、学習者に自身で考えさせ、できるだけ直接解法を教え込むような「介入」をしない。 • 　ゲーム的な環境を与え、楽しみながら学ぶ。楽しみの結果が学習だという仮説に基づく。 • 　例.誘導発見学習。「そうかな？」「もう一息！」「よくできましたね！」　cf., 非指示的カウンセリング、Eliza。

18. ７．近年の動向 • はじめに述べたように1990年頃までは、学習者の誤ったメンタルモデルや教示的対話の計算論的モデルが重視された[10]。その後のClanceyらの著作からもうかがえるように、こうした一連の研究において指摘された状況学習や、社会文脈で知識伝達 [8]に、1990年代以降の認知科学研究自体が焦点を合わせていった。これはユーザ主導の情報システムデザイン研究にも共通する。とくに1980年代以降のＣＳＣＷ(Computer-Supported Cooperative Works)とグループウェア は、ネットワーク上に分散した協調作業を支援するシステム技術として研究されたものだった。 • 近年インターネットに対応した教育用システムはｅＬｅaｒｎｉｎｇと呼ばれる。従来の自然言語処理(NLP; Natural Language Processing)、マルチモーダル、エージェント技術などが、どのように取り入れられていくか興味深い。CAIの要素技術である対話的ユーザインタフェース分野では、人間とコンピュータ（エージェント)の混在する環境でのＨＡＩ（Human-Agent Interaction)技術が注目される[5]。 • なお行動データからのユーザモデルの抽出については、セマンティック・ウェッブ（WWWの意味論）やウェッブ・マーケティングなど電子商取引の応用が注目されていることを付言しておこう。

19. 学習者モデルはどのように研究されるか？ 　そもそも常識や感性・感情を含むメンタルモデル自体、認知科学で研究途上あるいは永遠のテーマという趣きがある。とりわけ、古典的AIでは扱えなかった創造性、意欲、知的興奮といった感情的要素（ 近年ではむしろ脳科学の動向が注目されている分野だ）、 あるいは社会やゲームといった学習者が埋め込まれた状況の影響は、いずれも知的学習と切り離せない。

20. ８．ゼミでの取り組み • 簿記の学習支援システム（大石によるデモ） • 簿記検定試験の練習問題の回答結果を診断・助言 • データベース（PHP）を使って実装 • オーバレイ型学習者モデル • 直接的指導/間接的指導 • 子供向け英会話学習システム（高橋によるデモ） • ゲーム的状況でコンピュータと自由に英語で対話 • フラッシュによるアニメーションを用いる • 人工無能（チャットボット）の応用 • 間接的指導（発見学習） • 納得できる評価ウェイトのためのシステム：Jリーグの戦力分析と順位予想 • 選手や監督の個人実績、チーム力の評価を総合。 • エクセルで作成する

21. 参考文献 [1] 人工知能学会編(1990).『人工知能ハンドブック』 X.知的CAI編,オーム社, pp.827-886. [2] 島田俊郎(1994).『システムダイナミックス入門』日科技連. [3] 今栄国晴ら(1998). 『新版教育の情報化と認知科学：教育の方法と技術の革新』福村出版. [4] 石井健一郎ら(2002). 『コミュニケーションを科学する：チューリングテストを超えて』ＮＴＴ出版. [5] 緒方・矢野・松浦(2002). 「コンピュータを用いた協調学習支援環境におけるＨＡＩ」、特集ＨＡＩ：ヒューマンエージェントインタラクション、人工知能学会誌17(6), 672-8. [6] Ｅ.ホルナゲル(1996). 『認知システム工学』古田一雄訳、海文堂. [7] 正田良(1999). 『Ｌｏｇｏで知る認知科学：工学のための教育メモランダム』東京電機大学出版局. [8] Ｅ.Wegner(1987/90). 『知的CAIシステム：知識の相互伝達への認知科学的アプローチ』オーム社. [9] W.J. Clancey(1987). Knowledge-Based Tutoring: The GUIDON Program. MIT Press. [10] W.J. Clancey and E. Soloway(1990). Artificial Intelligence and Learning Environments. MIT Press.