Study and Learn エージェントは、複数の学習機能を備えた足場チャット エクスペリエンスを提供します。 ここでは、各機能の概要と効果的な使用方法について説明します。
足場学習会話
スタディ&ラーニングエージェントのコアエクスペリエンスは、アダプティブで足場のような会話であり、現状のユーザーと出会い、段階的に理解を深めます。 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 エージェントは、学習者が考えるという基本原則に基づいて設計されています。
仕組み:
あなたが知っていることから始める:エージェントは、トピックについて既に知っていることを尋ねることから始め、そこから構築します。 これにより、事前知識が活性化され、エージェントがレベルの応答を調整するのに役立ち、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します。
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 つずつ概念を紹介し、途中で理解度をチェックします。 各ステップは最後のステップの上に構築されます。
さまざまな学習意図に適応: 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 (例: "角運動量とは?"): トピックをサブ概念に分割し、類推、例、比較などのさまざまな説明形式を使用します。
段階的な問題 (例: "Solve 4(2x−3)=28"): 問題解決プロセスをガイドし、自分で答えを解くのではなく、自分自身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。 何かがうまくいかない場合、エージェントは別のアプローチ (例え、実例、比較、またはより単純な再説明) を試みます。 目標は、単に答えを聞くことではなく、理解することです。
常に質問を始める: エージェントは、会話全体を通して質問をして、積極的に考え続けます。 ただ答えを与えるのではなく、ヒントやサブ質問で答えへと導きます。 苦労しているときは、軌道に戻るための簡単な質問を提供します。準備ができたら、挑戦が増します。
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基礎となるコンテキストとして使用します。 会話全体に引用が表示されるため、元のソースと照合して情報を確認できます。
スキャフォールドされた会話の使用方法: まず、トピックについて質問したり、学習資料をアップロードしたりします。 エージェントの質問にEngage — 答えを求める前に答えるようにしてください。 エージェントが「どう思いますか?」または「試してみてもらえますか?」と尋ねられたら、少し時間を取って自分の答えを熟考してください。 この積極的な関与こそが、学習を定着させるものです。 行き詰まった場合は、エージェントがヒントを提供し、徐々にサポートを増やします。 いつでも説明を求めたり、概念を別の方法で説明したりすることができます。
ライティングのサポート
スタディ&ラーニングエージェントは、学生がライティングスキルを身につけることなく、ライティングスキルを身につけるのに役立ちます。 ライティング タスク (たとえば、"再構築に関するエッセーのエッセイを手伝ってください") 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、下書き、修正など、執筆プロセスの段階を指導します。
仕組み:
アイデアを引き出します: エージェントは、書き始める前にあなたが言いたいことを明確にするのに役立つ質問をします。 これは、自分の議論を特定し、裏付けとなる証拠を見つけ、考えを整理するのに役立ちます。
知識のギャップに関するコーチ: エージェントがあなたの理解が薄い領域を特定した場合、それを文章に組み込む前にその知識を構築するのに役立ちます。 これにより、あなたの文章に真の理解が反映されることが保証されます。
執筆プロセスをガイドします: エージェントが、ブレーンストーミング、アウトライン作成、下書き作成、修正作業を案内します。 各段階で、思考を研ぎ澄まし、仕事を改善するための質問をします。
Never writes for you: エージェントは、エッセイのテキスト、段落、または完全な文を生成しません。 その役割はコーチングであり、より良いドラフトを作成するだけでなく、永続的なライティング判断力と批判的思考を構築することです。
ライティング サポートの使用方法: まず、何に取り組んでいるのか、どの段階にあるのかをエージェントに伝えることから始めます。 作業開始に行き詰まった場合は、エージェントがブレーンストーミングを手伝うことができます。 ドラフトがある場合は、強化すべき領域を特定するのに役立ちます。 それが尋ねる質問にオープンであること — それらはあなたの思考をより鋭くすることで、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
学習と学習の会話に、検索から取得した関連性の高い Web セーフ画像を含めることができるようになりました。 画像は学生の理解における次のステップをサポートし、生産的な努力を維持しながら、学生が自分自身の答えに向かって取り組むのを助けます。
画像は、会話に関連する場合に表示されます。 学習者は、「植物の細胞の図を見せてください」や「ゴシック様式とロマネスク様式の建築を比較するのに役立つ画像を見つけてください」などの視覚的なサポートを求めることもできます。
仕組み:
信頼できるソースからキュレーション: 画像は Web ソースから取得され、引用が提供されるため、各ビジュアルの出所がわかります。
適切な場合に使用されます。 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、理解を真にサポートする画像が含まれます。
認知的負荷を軽減します。 視覚補助は、新しい概念を処理するときに頭の中で視覚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、空間的および視覚的な被写体に特に強力です。
画像の使用方法: 関連する画像は、会話の流れの中で自然に表示されます。 また、エージェントに「show me a diagram of ...」と依頼することもできます。または "イラスト画像を見つけて..."特定の概念のビジュアル サポートを要求します。
フラッシュカード
フラッシュカードは、記憶から情報を取得しようとするプロセスである能動的リコールのための実証済みのテクニックであり、メモを読み直すよりもはるかに学習を強化します。 学習と学習エージェントは、自分の教材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。
仕組み:
コンテンツから生成: 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、または話しているトピックから作成されます。 これらは、あなたが勉強しているものに固有のものであり、一般的なインターネット フラッシュカードではありません。
対話型 Q&A 形式: 各フラッシュカードの片面に質問または用語が表示されます。 答えを明らかにする前に、思い出してみてください。 たとえば、フラッシュカードで「心臓弁の機能は何ですか?」と尋ねると、答えは「血液が逆流するのを防ぎ、一方向の循環を確保するため」になります。
コンテキスト ヒント:カードで行き詰まった場合は、答えを明らかにする前にヒントを要求できます。 ヒントは足場であり、答えを明かすことなくあなたを導きます。
組み込みの修復:フラッシュカードのセットに目を通した後、エージェントは、見逃したフラッシュカードに取り組むお手伝いをします。 間違えた答えの背後にある概念を再教え、自信が持てるようになるまで再試行できます。 見逃したものだけをやり直すこともできますし、セット全体をやり直すこともできます。 また、前回のラウンドの記憶から思い出さないように、カードをシャッフル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の "フラッシュカードを作成" するようにエージェントに依頼します。または、学習会話の後にエージェントがフラッシュカードを提案する場合があります。 裏返す前に答えを思い出して、各カードに目を通してください。 苦労しているものをマークして、戻ってきてください。 フラッシュカードを定期的な学習ルーチンに組み込んで間隔をあけて繰り返し、数日ごとに練習することで長期記憶が強化されます。
テスト
Study and Learn エージェントは、学習している教材の理解度をテストするのに役立つクイズを生成します。 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、単に正解と間違った点を強調します。これらは、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ためのものではありません。 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るのではなく、あなただけが見ることができます。
仕組み:
コンテンツから生成: クイズは、アップロードした資料または調査しているトピックから作成されます。 質問は常にあなたが実際に勉強していることに関連しています。
複数の質問形式: クイズには、多肢選択式、短答式、および学習セッションの重要な概念をカバーするその他の質問タイプが含まれる場合があります。
回答ごとの説明: 各質問に回答すると、エージェントは的を絞った説明を提供し、正解を強化し、不正解が間違っている理由を説明します。 このフィードバック ループは、単にスコアを確認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。 クイズ中に答えを思い出そうとする行為は、メモを読み返すよりもはるかに記憶力を強化します。 クイズを受けること自体が強力な学習テクニックです。
結果のプライバシー: クイズの結果は完全に非公開です。 教師に送信されたり、成績表に保存されたり、誰とも共有されたりすることはありません。 クイズは自己評価のみを目的としており、間違いを犯し、そこから学ぶための安全な場所です。
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内容について「クイズ」または「私の理解をテストする」ように依頼してください。 提出する前に、各質問に慎重に回答してください。 特に間違えた質問については、説明を注意深く確認してから、戻ってそれらの概念をさらに勉強してください。 クイズは何度でも再受験できます。
マッチング
マッチング アクティビティでは、アイテムをペアリングすることで、関連する概念を接続する能力がテストされます。
仕組み:
概念の接続: 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、別のカードには定義、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、解剖学的構造を機能に一致させたり、歴史的出来事を日付に一致させたりします。
能動的なリコールと関連付け: マッチングは、関連するアイデア同士のつながりを形成する能力を強化し、深い理解の重要な要素です。
どんな件名にも対応: 生物学の用語、歴史のタイムライン、物理数式、言語の語彙、または概念間の関係が重要なコンテンツ。
マッチングの使用方法: エージェントに「マッチング アクティビティを作成してください」と依頼すると、学習セッション中にマッチング アクティビティが提案される場合があります。 各ペアを調べて、確認する前に記憶から接続しようとします。 マッチングは、これまでに学習した連想を強化するためのクイック復習演習として特に効果的です。
空白に入力する
![Study and Learn エージェントの [空白に入力する] のスクリーンショット。](media/study-learn-agent/fill-blank-study-learn-agent.png#lightbox)
[空白に入力する] アクティビティでは、重要な単語を削除した主要な文を提示することで、特定の用語や事実の記憶をテストします。
仕組み:
主要な概念から導き出します。 文章は学習教材の重要なアイデアから生まれ、重要な用語やフレーズは空白にされています。例:「____は細胞の動力源です」(答え:ミトコンドリア)。
特定の想起を強化する: このアクティビティは、クイズによってテストされたより広い理解とフラッシュカードによってテストされた迅速な想起を補完します。 物事の仕組みを説明したり、一連のイベントをカバーしたりする、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: 行き詰まった場合は、答えを教えずに正しい方向を示すヒントを要求できます。
「空欄に入力する」の使用方法: エージェントに「穴埋めアクティビティを作成してください」と依頼するか、学習セッションの一部として提供する場合があります。 各空白に目を通し、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た後に、特定の用語や事実の詳細を思い出せるかどうかをチェックした後に特に便利です。
修復 — 見逃したものを助ける
Study and Learnエージェント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。 何かを間違えたとき、エージェントはそれを間違っているとマークするだけでなく、間違いから学ぶのを助けてくれます。
仕組み:
ターゲットを絞った再教育: フラッシュカード、クイズの質問、一致するペア、または空白入力を見逃した場合は、エージェントに学習を手伝ってもらい、エラーの背後にある概念を特定して、次に進む前に理解を助けることができます。
学習の機会としての間違い: エージェントは、エラーを学習の自然な部分である価値のあるものとして扱います。 フィードバックは一般的なフィードバックではなく、あなたが行ったことに固有のものです。 なぜ何かが間違っていた のか 、そしてそれについて別の考え方をすれば よいのか を理解するのに役立ちます。
見逃したことをやり直す: アクティビティの後には、間違え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。 エージェントは進捗状況を追跡し、自信が持てるまで難しい項目に取り組むように促します。
足場付きサポート: コンセプトに悩み続ける場合、エージェントは、コンセプトがうまくいくまで、ヒント、代替の説明、実用的な例など、徐々に多くのサポートを提供します。
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、エージェントがコンセプトをもう一度説明します。 次に、それらの項目を再試行します。 この試み→フィードバック→再学習→再試行のサイクルは、学習科学において最も効果的な学習手法の1つです。