Study and Learn Agent は、複数の学習機能を備えたスキャフォールディングされたチャット エクスペリエンスを提供します。 各機能の概要と、それを効果的に使用する方法を次に示します。
スキャフォールディングされた学習会話
Study and Learn Agent のコア エクスペリエンスは、現在の場所を満たし、理解を段階的に構築する、アダプティブでスキャフォールディングされた会話です。 質問に答えるだけの従来のチャットボットとは異なり、Study and Learn Agent は、基本的な原則を中心に設計されています。学習者は思考を行います。
動作方法:
次の情報から始まります。 エージェントはまず、トピックについて既に知っていることを確認してから、そこからビルドします。 これにより、以前の知識がアクティブになり、エージェントがレベルに対する応答を調整し、すべての学習者にパーソナライズされたエクスペリエンスを提供できます。
トピックを手順に分割します。 エージェントは、情報の壁を提示するのではなく、一度に 1 つずつ概念を導入し、途中で理解を確認します。 各ステップは、最後のステップに基づいています。
さまざまな学習意図に適応します。 エージェントは、学習しようとしている内容に基づいてアプローチを調整します。
広範な概念 ("角運動量とは"など): トピックをサブ概念に分割し、類推、例、比較など、さまざまな説明形式を使用します。
ステップ バイ ステップの問題 (例: "Solve 4(2x−3)=28"): 問題解決プロセスをガイドし、解決するのではなく、自分の答えをチェックするのに役立ちます。
さまざまな方法で説明します。 何かがクリックされていない場合、エージェントは別のアプローチ (例え、作業例、比較、またはより簡単な再説明) を試みます。 目標は、答えを聞くだけでなく、理解することです。
常に質問のある潜在顧客: エージェントは、会話全体を通して質問を行い、積極的に考え続けます。 これは、単にそれを与えるのではなく、ヒントとサブ質問で答えに向かってあなたを導きます。 苦労している場合は、簡単な質問を提供して、再び軌道に乗ることができます。準備ができたら、課題が増えます。
コンテキストとしてのファイル: ドキュメント、スライド、PDF、またはその他の資料をアップロードした場合、エージェントはそれらをグラウンド コンテキストとして使用します。 引用は会話全体に表示されるため、元のソースに対して情報を確認できます。
スキャフォールディングされた会話を使用する方法: まず、トピックについて質問するか、教材をアップロードします。 エージェントの質問をEngageします。回答を求める前に回答してみてください。 エージェントから "何を考えるか" または "試すことができますか" と尋ねられたら、少し時間をかけて応答を確認してください。 このアクティブなエンゲージメントは、学習スティックを作るものです。 スタックした場合、エージェントはヒントを提供し、段階的により多くのサポートを提供します。 常に説明を求めたり、別の方法で説明された概念を確認したりすることができます。
書き込みサポート
Study and Learn Agent は、学生が執筆を行うことなく、文章作成スキルを身に付けるのに役立ちます。 執筆タスク (例: "復興に関する私のエッセイで私を助ける") を持ってくると、エージェントは、ブレーンストーミング、整理、起草、改訂という書き込みプロセスの段階を通してあなたを指導します。
動作方法:
アイデアを引き出します。 エージェントは、作成を開始する前に何を言いたいのかを明確にするために質問します。 これは、あなたの議論を識別し、支持証拠を見つけ、あなたの考えを整理するのに役立ちます。
知識ギャップに関するコーチ: エージェントが理解が薄い領域を識別する場合は、その知識を作成に組み込む前に構築するのに役立ちます。 これにより、文章に真の理解が反映されます。
書き込みプロセスをガイドします。 エージェントは、ブレーンストーミング、アウトライン、ドラフト、および改訂について説明します。 各段階で、思考を研ぎ澄まし、仕事を向上させる質問をします。
次のように書き込むことはありません。 エージェントは、エッセイテキスト、段落、または完全な文を生成しません。 その役割は、より良いドラフトを生み出すだけでなく、永続的な文章の判断と批判的思考を構築することです。
書き込みサポートを使用する方法: まず、作業している内容と、どのステージにいるかをエージェントに伝えます。 作業を開始できない場合、エージェントはブレーンストーミングに役立ちます。 下書きがある場合は、強化する領域を特定するのに役立ちます。 質問に対してオープンにしましょう。彼らはあなたの思考をより鋭くすることによって、あなたの文章をより良くするように設計されています。
Learning の画像
Study and Learn Agent では、Web 検索された画像を説明に織り込み、概念を視覚化するのに役立ちます。 図、グラフ、視覚補助、現実世界の写真は、テキストの説明と共に表示されます。ここでは、装飾としてではなく、本物の学習ツールとして学習価値を追加します。
動作方法:
信頼できるソースからキュレーション: 画像は引用が提供された Web ソースから描画されるため、各ビジュアルの由来がわかります。
必要に応じて使用されます。 エージェントには、生物学の細胞構造の図、地理の地図、化学の分子図、数学の幾何学的図形など、純粋に理解をサポートする画像が含まれます。
コグニティブ負荷を軽減します。 視覚補助は、新しい概念を処理しながら、頭の中でビジュアルを構築することなく、メンタル モデルを構築するのに役立ちます。 これは、特に空間的および視覚的な主題に対して強力です。
画像の使用方法: 画像は、関連性があるときに会話の流れに自然に表示されます。 エージェントに 「の図を表示してください...」と依頼することもできます。または"を示す画像を見つけることができます。..特定の概念の視覚的なサポートを要求します。
フラッシュ
フラッシュカードは、アクティブなリコールの実証済みの手法です。メモリから情報を取得しようとするプロセスは、ノートの再読み取りよりもはるかに学習を強化します。 Study and Learn Agent は、独自の資料または学習中のトピックに基づいてフラッシュカードを生成します。
動作方法:
コンテンツから生成されます。 フラッシュカードは、アップロードした資料の重要な事実、定義、概念、または説明しているトピックから作成されます。 これらは、一般的なインターネット フラッシュカードではなく、勉強している内容に固有です。
対話型 Q&A 形式: 各フラッシュカードは、一方の側に質問または用語を提示します。 答えを明らかにする前に、その答えを思い出してみてください。 たとえば、フラッシュカードは「心臓弁の機能は何ですか」と尋ね、答えは「血液が後方に流れるのを防ぎ、一方向の循環を確保するため」です。
コンテキスト ヒント:カードにスタックしている場合は、回答を表示する前にヒントを要求できます。 ヒントはスキャフォールディングされています。彼らはそれを与えずに答えに向かってあなたを微調整します。
組み込みの修復: フラッシュカードのセットを通過した後、エージェントはあなたが見逃したカードに取り組むのを助けます。 誤った回答の背後にある概念を再学習し、自信が持てるまで再試行できます。 見逃しただけ、またはセット全体をやり直すことができます。 カードをシャッフルして、前回のラウンドの思い出だけを思い出さないようにすることもできます。
フラッシュカードの使用方法: 勉強している内容についてエージェントに「フラッシュカードを作成する」よう依頼するか、エージェントが学習会話の後に提案する可能性があります。 反転する前に答えを思い出すことで、各カードを操作します。 あなたが苦労しているものをマークし、それらに戻って来てください。 フラッシュカードを間隔を空けた繰り返しのための定期的な研究ルーチンに組み込む - 数日ごとに練習すると、長期的な記憶が強化されます。
テスト
Study and Learn Agent では、学習中の資料の理解をテストするのに役立つクイズが生成されます。 クイズは、すべての回答に対して即座に具体的なフィードバックを提供します。 クイズのスコアは、あなたが正しいと間違っているものを強調するだけです。実際のクラス テストで得られる可能性のあるスコアを予測する目的ではありません。 クイズのスコアは非公開であり、教師や他の誰にも表示されません。
動作方法:
コンテンツから生成されます。 テストは、アップロードした資料または調査中のトピックから作成されます。 質問は、実際に勉強している内容に常に関連します。
複数の質問形式: クイズには、複数の選択肢、短い回答、および学習セッションの主要な概念をカバーするその他の質問の種類が含まれる場合があります。
回答ごとの説明: 各質問に回答した後、エージェントは、正しい回答を強化し、誤った回答が間違っている理由を説明するという、ターゲットを絞った説明を提供します。 このフィードバック ループは、単にスコアを表示するよりもはるかに効果的です。
テスト効果をサポートします。 クイズ中に回答を思い出そうとする行為は、ノートを読み直すよりもはるかにあなたの記憶を強化します。 クイズを取ることは、それ自体が強力な研究技術です。
結果のプライバシー: クイズの結果は完全に非公開です。 講師に送信されたり、成績表に保存されたり、他のユーザーと共有されたりすることはありません。 テストは自己評価のためのものであり、間違いを犯し、そこから学ぶ安全な空間です。
クイズの使用方法: エージェントに、あなたが勉強してきたものについて「クイズをする」または「理解をテストする」よう依頼します。 提出する前に、各質問に慎重に回答してください。 特に間違った質問については、慎重に説明を確認してから、それらの概念をさらに調べます。 何度でもクイズを再受験できます。
マッチング
[照合] アクティビティは、項目のペアリングによって関連する概念を接続する機能をテストします。
動作方法:
概念接続: 一部のカードには用語、概念、または質問が含まれている場合もあれば、他のカードには定義、説明、または回答が含まれている場合があります。 たとえば、解剖学的構造をその機能に一致させたり、日付に履歴イベントを照合したりします。
アクティブなリコールと関連付け: マッチングは、関連するアイデア間のつながりを形成する能力を強化します。これは深い理解の重要な要素です。
任意の件名で動作します。 生物学の用語、歴史のタイムライン、物理式、言語ボキャブラリ、または概念間の関係が重要なコンテンツ。
照合の使用方法: エージェントに「一致するアクティビティを作成する」よう依頼するか、勉強セッション中に提案する可能性があります。 各ペアを操作し、確認する前にメモリから接続を作成します。 マッチングは、学習してきた関連付けを強化するためのクイック レビュー演習として特に効果的です。
空白を入力する
空白の埋め込みアクティビティでは、重要な単語が削除された主要な文を提示することで、特定の用語と事実のリコールがテストされます。
動作方法:
主な概念から引き出されます。 文は、重要な用語やフレーズを空白にして、学習資料の重要なアイデアから来ます。たとえば、"____ はセルのパワーハウスです" (回答: ミトコンドリア)。
特定のリコールを強化します。 このアクティビティは、クイズによってテストされた広範な理解と、フラッシュカードによってテストされた迅速なリコールを補完します。 これは、物事がどのように機能するか、一連のイベントをカバーするかを説明する重要なプロセスのアイデアを持つ主題に特に効果的です。
コンテキスト ヒント: あなたが立ち往生している場合は、答えを離れて与えることなく、正しい方向を指すヒントを要求することができます。
空白の塗りつぶしを使用する方法: エージェントに「空白の埋め込みアクティビティを作成する」ように依頼するか、勉強セッションの一部として提供することができます。 各空白を処理し、正確な用語を思い出そうとします。 これは、トピックの説明を確認して、特定の用語と事実の詳細を思い出すことができるかどうかをチェックした後に特に便利です。
修復 - 見逃した内容に関するヘルプ
Study and Learn Agent の最も強力な機能の 1 つは、すべての学習アクティビティにわたる組み込みの修復です。 問題が発生した場合、エージェントは間違ったマークを付けるだけでなく、間違いから学ぶのに役立ちます。
動作方法:
対象の再教育: フラッシュカード、クイズの質問、一致するペア、または空白の入力を見逃した場合は、エージェントに質問して学習を支援し、エラーの背後にある概念を特定し、先に進む前に理解するのに役立ちます。
学習機会としての間違い: エージェントは、学習の自然な部分である貴重なエラーとして扱います。 フィードバックは、一般的ではなく、実行した内容に固有です。 これは、何かが間違っていた 理由 とその考え 方 を理解するのに役立ちます。
見逃した内容をやり直す: アクティビティの後で、間違った項目だけをやり直すか、セット全体をやり直すかを選択できます。 エージェントは進行状況を追跡し、自信が持てるまで困難な項目を処理するよう促します。
スキャフォールディングされたサポート: 概念に苦労し続ける場合、エージェントは、概念がクリックされるまで、段階的により多くのサポート (ヒント、代替説明、作業例) を提供します。
修復の使用方法: 学習アクティビティを完了したら、結果を確認します。 見逃した項目については、エージェントにもう一度概念を説明させます。 次に、それらの項目を再試行します。 →再試行→フィードバック→試行するこのサイクルは、学習科学における最も効果的な研究手法の 1 つです。