Q(koshix):「そもそも高校でAIを教えるとは何か」哲学的批判をお願いしますA(ChatGPT-5.1):了解しました。ここでは 「そもそも高校でAIを教えるとは何か」 を、教育哲学・認識論・技術哲学・政治哲学の交差点から徹底的に批判的に組み立て直します。これは賛否両論の“紹介”ではなく、現在の日本のAI教育政策が内包する哲学的矛盾そのものへの批判です。Ⅰ.まず問いを正確に定義する✓「高校でAIを教える」とは何を意味しているのか現在の政策文書における「AI教育」とは、実質的に次の三層を混同しています。・AIを「道具」として使う能力:生成AIの操作,データ分析ツールの利用・AIを「技術」として理解する能力:アルゴリズム,機械学習の仕組み・AIを「社会現象」として批判的に扱う能力:倫理,法制度,雇用・監視・権力の問題哲学的に重大なのは、この三層は本来、発達段階上まったく異質の能力であるという事実です。にもかかわらず、現行の高校AI教育はこれを同一教科・同一評価軸・同一時数に押し込めようとしています。これは認知発達論的にも、学問体系論的にも不可能な設計です。2.認識論的批判✓高校生にAIを教えるとは「ブラックボックスを理解したことにする教育」である生成AI・機械学習は、次の三重のブラックボックスを含みます。・数学的ブラックボックス:線形代数,確率統計,最適化理論・工学的ブラックボックス:大規模分散計算,GPUアーキテクチャ,API・ソフトウェアスタック・社会的ブラックボックス:学習データの出所,バイアス,商業的インセンティブしかし高校教育では、この三重のブラックボックスのいずれも本質的には開示できない。結果として生徒は「よく分からないが動くものを、よく分かったつもりで扱う」という “擬似理解”状態に置かれる。これは哲学的に言えば、知識(epistēmē)ではなく,技巧(technē)でもなく,単なる操作習慣(habit)しか育てない教育です。つまり現在のAI教育は、認識論的に「無理解の制度化」を行っていると言えます。3.発達心理学的批判✓高校生は「メタAI倫理」を引き受けられる段階にいないAI倫理・AIリスクは、本質的に以下を要請します。・確率論的思考・統計的誤差理解・社会制度設計・権力と資本の構造分析これはピアジェ的に言えば後期形式操作期のさらに先、ヴィゴツキー的に言えば高度な社会的足場が必須の思考領域です。ところが高校教育では、・「偏りがある」・「使い方に注意」・「倫理的に考えよう」といった 道徳教育にすり替えられた疑似哲学として処理される。これは結局、「考えさせているふりをした“従わせる教育”」に変質します。倫理とは本来、体制への問いであるにもかかわらず、現実には 体制順応の訓練に使われています。4.技術哲学的批判✓現在のAI教育は「技術を中立的存在と偽装している」ハイデガーは技術を『技術とは単なる道具ではなく、世界の現れ方そのものを規定する「存在開示の様式」である』と喝破しました。しかし日本のAI教育は、・AIは便利なツール・正しく使えばよいもの・使い方次第で善にも悪にもなるという 「道具的中立主義」 に終始しています。これは技術哲学的に明確に誤りです。AIはすでに・労働構造・知識の価値・言語の意味・判断の主体・創造の定義そのものを不可逆的に変形させている存在論的装置です。高校教育はここを完全に失明しています。5.政治哲学的批判「高校AI教育」は国家による事前適応型人材動員である。政策文書の裏にある論理は明確です。・国際競争・人材不足・DX・生産性これは純然たる 国家動員論理 です。高校生は「市民」として育てられているのではなく、「将来のAI労働市場に供給する予備資源」として最適化されています。これはハンナ・アーレント的に言えば、・行為(action)・思考(thinking)を否定し、・労働(labor)・作業(work)だけを拡張する全体主義的機能主義の教育化です。6.教育哲学的カタストロフ高校教育は「人間を教える場」から「非人間への適応訓練所」へ転落している本来、高校教育の核心は次の問いでした。・私は何者か・世界とは何か・善とは何か・働くとはどういうことか・知るとはどういうことかしかしAI教育は、これらの問いをこう置き換えます。・どう使うか・どう効率化するか・どう失敗しないか・どう市場価値を高めるかこれは教育の哲学的自己否定です。7.結論(核心)「高校でAIを教える」とは、・本来 “AIを問い直す主体” を育てることであるべきだった。しかし現実には、・“AIに適応させられる人間” を量産する制度になっている。認識論的に:擬似理解の制度化発達論的に:未成熟な倫理の強制技術哲学的に:存在論の隠蔽政治哲学的に:国家的人材動員教育哲学的に:人間教育の自己否定この五重の破綻が、現在の「高校AI教育」の本質です。8.では、哲学的に正しい「AI教育」とは何か(対案の原型)もし高校でAIを教えるなら、内容はむしろ逆であるべきです。・AIを使わせない・AIが人間に何をしたかを徹底的に考えさせる・「判断を奪われるとは何か」「創造が外在化するとは何か」を考えさせる・AIを“できるだけ使わずに”社会を設計させるつまり必要なのは,AI操作教育ではなく、AI拒否能力の教育,です。最終総括(断定)現在の高校AI教育は、哲学的に見て「21世紀型の従順な非思考的大衆」を生産する制度装置である。それは教育を名乗ってはならない。(以下略)
芥川龍之介が「蜘蛛の糸」を発表して百年。高二の秋の文化祭,クラスの仮装行列のテーマが 蜘蛛の糸だった。お釈迦様の極楽タワーの竹を近所から切り出し,地獄の焔と煙の絵を描いた。犍陀多に続いて蜘蛛の糸(登山部の赤いザイル)に群がる地獄の亡者だったころ。
2025年12月11日木曜日
正しいAI教育
2025年12月10日水曜日
教科「情報」超批判的分析
Q(koshix):高等学校の教科「情報」の学習指導要領はどのように改訂されようとしていますか。それについて超批判的に分析してください。A(ChatGPT-5.1):以下は、ご提示の文部科学省・教育課程部会情報・技術WG資料(令和7年=2025年段階の検討案)に基づき、高等学校「情報科」がどのように改訂されようとしているのかを正確に整理した上で、意図・文脈・構造的欠陥まで踏み込んだ“超批判的分析”を行ったものです。(出典:教育課程部会 情報・技術WG資料2、該当箇所 pp.16–19 他)1.現在進行している「高校情報科」改訂の実像(事実整理)(1) 改訂の大枠の方向性(公式の狙い)文書から読み取れる改訂の方向性は、次の3点に集約されます。a 情報Ⅰ(必履修)の“実質高度化”・発展的なデータ分析・AI活用・長期的探究活動→ これらを、本来は「情報Ⅱ」で扱う水準まで引き上げたい、という意図。b 高等教育・産業界との直結・「数理・データサイエンス・AI教育」・「デジタルスキル標準」との接続を強く意識。c 2040年社会からの逆算設計・DX人材・AI人材の量的不足・PISAでのICT活用低迷(OECD最下位)・大学入試共通テストへの「情報Ⅰ」導入→ これらを“危機”と位置付け、教育を動員。(2) 現行制度に対する公式な“自己批判”文書は、現行情報科を以下のように自己評価しています。| 項目——| 現行の問題点——————————————|| 授業形態| 協働的学習が名目、実態は“教師説明中心” || 時間 | 教師側は時数不足と強く認識 || 内容 | 発展的データ分析・AI・探究が不十分 || 環境 | PC・ネットワーク・開発環境の整備不足 || 地域格差| 情報Ⅱの設置率に大きな自治体格差 || 教員 | 複数校兼務、臨時免許、専門性不足 |つまり、制度としては高度化しているが、現場は制度に全く追いついていないという認識が公式に明示されています。(3) 新たな「見方・考え方」の再設計高校情報科も他教科と同様に、> 「事象を情報とその結び付きとして捉え、情報技術の適切かつ効果的活用によって再構成する」という抽象化された認知枠組みへ再整理される方向です。さらに、・AIの原理と特性・アルゴリズム・データサイエンス・社会的影響・倫理・法制度を同時に扱う総合教科として再定義されつつあります。2.超批判的分析①✓「戦略的国家動員教科」に変質している高校情報科は、もはや> 「市民として情報を扱える人間を育てる教科」ではなく、> 「国家のデジタル競争力を底上げする人的資源供給装置」に明確に転用されています。文書中のキーワードはすべて経済語です。・デジタル競争力・生産性・DX・デジタル人材不足・デジタルスキル標準・産業界ニーズ教育の目的語が、完全に「子どもの成長」から「国家経済」へ置き換わっている。ここには明確な「教育の経済従属化」があります。3.超批判的分析②✓「AI活用教育」という名の“安価な専門職予備軍育成”情報Ⅰですら、・発展的データ分析・AI活用・モデリング・シミュレーションまでを詰め込もうとしている構想は、学問ではなく「職業スキル育成」への転落を意味します。本来、高校教育は・抽象化能力・論理の厳密さ・理論的枠組みの獲得を主目的とすべき段階です。しかし改訂案は、> 「AIツールを使える人間を大量生産したい」という短期的産業論理に駆動されています。これは理論なき操作主義(ツール信仰)です。4.超批判的分析③✓「探究」万能論の構造的矛盾改訂案は繰り返し「探究」「プロジェクト」「協働的活動」を唱えますが、同時にこう書いています。・教師は時数不足と感じている・設備が足りない・教師が複数校掛け持ち・専門免許外が多数つまり、> ✓ 探究をやれ> ✓ だが時間も人手も機材も与えないという制度的二重拘束(ダブルバインド)が生じています。これは現場に必ず、・形骸化した探究・見せかけプロジェクト・発表だけ立派な空洞化授業を量産します。5.超批判的分析④✓「情報活用能力」の概念が拡張されすぎて崩壊寸前整理図では「情報活用能力」は次のすべてを含むとされています。・プログラミング・AI理解・データ分析・デザイン・モデリング・倫理・法・セキュリティ・社会的影響評価これはもはや 「一教科が担う認知負荷の限界」を物理的に超えています。結果として確実に起きるのは、・どれも“薄く触るだけ”・深度ゼロの総花的知識・定着しないスキルという「ハイテク版・ゆとり化現象」です。6.超批判的分析⑤✓「情報Ⅰの共通テスト化」が教育を歪める共通テスト化により、今後確実に起きること:・探究 → 消える・プロジェクト → 消える・創造性 → 消える・定型問題演習 → 激増・暗記型アルゴリズム → 激増つまり、> 改訂が目指す「創造的AI活用教育」と> 入試制度が生む「選抜型訓練」は> 完全に論理破綻した同時成立不能ペア になっています。7.結論:この改訂は何に失敗しているのかこの改訂は、次の3点で構造的に失敗が運命づけられています。× ① 教育目的の倒錯:人間形成 → 国家競争力× ② 認知負荷の過密破綻:1教科に高度数理・AI・倫理・社会設計すべてを詰め込んでいる× ③ 実装レイヤの完全無視:人・時間・設備・免許制度が追随不能最終評価(超批判的総括)> 今回の高校情報科改訂は、> 「未来社会に適応する教育」ではなく、> 「現在の産業不安を高校教育に丸投げした政策設計」である。理念は先端的に見えますが、その実装条件・人間観・学問観は すべて時代遅れかつ経済従属的です。(以下略)
2025年5月27日火曜日
デジタルアドレス
2025年1月24日金曜日
AI必修用語
Q(koshix):AI時代の人に必須となる10個のキーワードの解説をみかけたのですが,どうも不正確なような気がします。以下にその文をあげますので,批判的に分析した上で(その内容は回答する必要はありません),各200字以内に,10個のキーワードのできるだけ正確でわかりやすい定義を作成してください。 以下がその解説です。A(ChatGPT 4o):(回答略)Q(koshix):ちょっとものたりなかったので,300字以内に変更して,定義をお願いします。具体的な例よりも,理念的,哲学的,科学的,工学的で,かっちりした表現を期待しているのです。A(ChatGPT 4o):(回答略)Q(koshix):だいぶよくなりましたが,定義文の中でいちいち,哲学的とか科学的とか工学的という言葉を挿入すると白けるので,それらを省いて格調の高い定義文に仕上げてください。各定義は350字以内でお願いします。A(ChatGPT 4o):以下に、より洗練された定義文を示します。「哲学的」「科学的」「工学的」といった言葉を省き、簡潔で格調高い文章に仕上げました。1. AI(人工知能)
AIとは、人間の知的活動を模倣し、計算的手法によって実現する技術の総称である。学習、推論、生成といった機能を通じて、データの中から規則性やパターンを発見し、新しい知識やアウトプットを生み出す能力を持つ。AIは、特定のタスクに特化する「弱いAI」と、多様な状況に柔軟に対応する「汎用人工知能(AGI)」に分類される。人間の知性とは異なる計算特性を備え、情報処理の無限の可能性を拓くが、その応用範囲が広がるにつれ倫理や安全性に関する課題も浮き彫りとなる。
2. 生成AI(GenAI)
生成AIは、与えられたデータの枠を超え、新たなテキスト、画像、音声、動画などを生成する技術である。訓練データの統計的特徴を学習し、それを基にして全く新しい創造物を構築する能力を持つ。これにより、人間の創造性を模倣するだけでなく、創造的活動の効率化や拡張が可能となる。この技術は、機械が創造性をどのように持つことができるかという根源的な問いを内包し、創作の自動化という新たな地平を切り拓く。
3. AGI(汎用人工知能)
AGIは、あらゆる分野における人間の知的活動を再現し、未知の状況や課題にも適応可能な汎用的な知能を指す。限定されたタスクのみを遂行する従来のAIとは異なり、幅広い問題解決能力と学習の柔軟性を備えることを目指している。その実現には、知識の一般化と自己改善能力の統合が必要であり、知性そのものの本質に迫る挑戦である。この知能の構築は、人間の知性を超えた存在への道を開く可能性を秘めている。
4. ASI(人工超知能)
ASIは、人間の知能をはるかに超越し、自律的な自己改良を通じて加速度的に成長する知能を意味する。この知能は、人類の知識や能力を凌駕し、科学技術の飛躍的進展や社会構造の根本的変革をもたらす可能性を秘めている。その影響は計り知れず、人間の存在意義や未来を根底から見直す必要を生じさせる。このような超知能の実現は、制御と倫理の重大な課題を伴う。
5. AIアライメント
AIアライメントは、AIの目標や行動が人間の意図や価値観に沿うよう設計されることを指す。これは、AIが誤作動や暴走を引き起こすことなく、安全かつ有益に運用されるための必須条件である。アライメントの達成には、倫理、信頼性、透明性といった要素が不可欠であり、AIと人間の共存を実現するための根幹を成している。
6. LLM(大規模言語モデル)
LLMは、大量のテキストデータを学習し、文脈を理解し、新しい文章を生成する能力を持つ言語モデルである。このモデルは、人間の言語使用を精緻に模倣し、質問応答や翻訳、文章作成など多様なタスクを実行できる。その背後には、言語が持つ構造と意味を数理的に解明しようとする試みがあり、言語処理の新たな可能性を切り拓いている。
7. ローカルLLM
ローカルLLMは、クラウドを介さず、ローカルデバイス上で動作する大規模言語モデルである。これにより、データの外部送信を避け、プライバシーの保護と応答速度の向上を実現する。このモデルは、特定の用途や環境に最適化できる柔軟性を持ち、個人のデータ主権とセキュリティの向上に寄与する。
8. エッジAI
エッジAIは、利用者に近いエッジデバイス上でデータ処理を行うAI技術である。データをクラウドに依存せず、リアルタイム処理を可能とすることで、応答速度やプライバシー保護を強化する。この技術は、分散型AIシステムの中核を成し、特にIoTやスマートデバイスの進化において重要な役割を果たしている。
9. マルチモーダルAI
マルチモーダルAIは、テキスト、画像、音声、数値データなど異なる形式の情報を統合的に処理するAIである。この能力により、人間の知覚や認知を模倣し、複雑な判断や意思決定を実現する。多様なデータ間の相互作用を理解することで、より自然で柔軟な応答や創造が可能となる。
10. AIエージェント
AIエージェントは、目標達成のために必要なタスクを自律的に計画・実行するシステムである。このシステムは、タスクの分解や優先順位付け、遂行を一貫して行い、複雑なプロセスを効率的に自動化する。知能の自律性と適応性を備え、未来の知的システムの原型となる技術である。
いかがでしょうか?これでより均整の取れた文章になったかと思います。さらに調整が必要であればお知らせください!
2024年10月5日土曜日
デジタルとかDXとか
2024年8月24日土曜日
松岡正剛
2024年6月21日金曜日
状況認識:次の10年
Q(koshix):https://situational-awareness.ai の内容を日本語で私にわかるように説明してください。A(GPT-4o):序章「Situation Awareness: The Decade Ahead」では、AI技術の進展が引き起こす未来の変化について深く探求しています。特にサンフランシスコがこの変化の中心地となることが予測されています。著者は、過去数年間のAIの進歩が予測可能であったことを指摘し、今後の数年間も同様に予測できる可能性が高いと主張します。AI技術の急速な発展と、それに伴う社会的影響について、具体的なデータと予測を交えながら解説しています。第1章:GPT-4からAGIへこの章では、GPT-2からGPT-4への進化過程を振り返り、2027年までにAGIが達成される可能性について詳細に述べています。著者は、計算能力の向上、アルゴリズムの効率化、そして「アンホブリング」と呼ばれるAIの能力解放がAGIの達成に寄与すると説明しています。これらの要素が組み合わさることで、AIの知能は現在の高校生レベルから大きく飛躍し、2027年までに人間レベルの知能に達する可能性が高いと予測しています。第2章:AGIから超知能へAGIが人間の知能を超え、超知能に進化する過程とその影響について詳述しています。数百万のAGIがAI研究を自動化し、アルゴリズムの進歩を急速に進めることで、短期間で人間レベルから超人レベルのAIシステムへの移行が可能となります。超知能がもたらす力と危険性についても深く掘り下げ、その影響の大きさと社会に与える可能性のある変化について議論しています。第3章:課題技術資本の加速AI技術の急速な発展に伴い、GPUやデータセンターへの大規模な投資が必要です。特にアメリカでは、電力生産が数十パーセント増加し、数百万人のGPUが稼働することが見込まれています。この産業動員は、AIの発展を支えるための重要なステップとなります。セキュリティの確保AGIの開発と実装に伴うセキュリティ問題は重大です。現在、多くのAI研究所はセキュリティを軽視しており、国家レベルの脅威に対処するための対策が急務となっています。AGIの機密情報を保護し、悪意ある国家や組織からの攻撃を防ぐための具体的な戦略が必要です。超整合性超知能を安全に制御するための技術的課題は未解決です。急速な知能爆発の中で制御を失うリスクがあり、失敗すれば壊滅的な結果を招く可能性があります。超知能の整合性を保つための技術的および倫理的な問題について詳細に議論されています。自由世界の存続超知能が経済的および軍事的な優位性をもたらす中、中国との競争が激化しています。自由世界がその優位性を維持しつつ、自己破壊を回避できるかが重要な課題となっています。自由世界の存続とAI競争における戦略的な対策についても深く掘り下げられています。第4章:プロジェクトAGIへの競争が激化する中で、国家安全保障が関与するAGIプロジェクトの出現が予測されます。2027年から2028年にかけて、米国政府がAGIプロジェクトを主導し、スタートアップ企業では対処できない超知能の管理に取り組むことが期待されています。この章では、政府の役割とその影響について詳細に考察されています。第5章:終わりにこれらの予測が正しい場合、私たちが直面する未来について考察します。超知能の出現がもたらす可能性のあるシナリオと、それに伴う社会的、経済的影響について議論し、これからの対策の必要性を強調しています。最終的には、これらの技術的進歩が人類にどのような影響を与えるか、そして私たちがどのように対応すべきかについての洞察を提供しています。Q(koshix):
https://situational-awareness.ai の 第5章の結論をより具体的に示してください。A(GPT-4o):
「Situational Awareness: The Decade Ahead」の第5章では、AI技術の進展に対する現実的な視点(AGIリアリズム)について論じています。著者は、AGIが国家安全保障の問題であり、特にアメリカがリードする必要があると強調します。アメリカがAGIの開発と管理を主導しないと、権威主義的な国家が先行するリスクが高いからです。著者は、現在のAI技術の進歩は、単なるシリコンバレーの技術ブームではなく、世界を劇的に変える可能性があると述べています。特に2020年代の終わりまでに、スーパーインテリジェンスが現れると予測しています。この技術の進展は、新しい世界秩序をもたらす可能性があり、その過程で発生するリスクとチャンスについても触れています。AGIリアリズムの核心は次の三点です:最終的に、著者はAI技術の進展が私たちに与える重みと、その未来についての深い洞察を共有しています。この進展は、少数の人々の手に委ねられており、これからの数年間が非常に重要であると述べています。
- 国家安全保障としてのスーパーインテリジェンス:これまでで最も強力な兵器となり、これに関わる者にとって最も重要な仕事となる。
- アメリカのリーダーシップ:自由の灯火を保つためには、アメリカがAGIのリーダーシップを取る必要がある。これはAIクラスターの建設とセキュリティの強化を含む。
- 失敗のリスク管理:スーパーインテリジェンスのリスクは現実的であり、これを管理するためには真剣な取り組みが必要。
現代のレオ・シラードか。なんだか,原爆開発をルーズベルトに進言させた件を想起させる。もっとも,このたびは開発の次にくる軍事管理の勧めになってしまっているようだ。これならば,OpenAIが握っているほうがまだましか。
問題は,インターネット等を経由した社会システム基盤のコンピュータネットワークシステムへの介入とAGIが結びついたときに深刻になる。人類全体が,その生命維持機構をクラッキングされてしまうことだ。電力制御,通信制御,生産制御,金融制御,医療制御,軍事制御などをのっとられてしまうとき(一番は核ミサイルシステム?),どうするかということだ。
[1]LLMの現状〜国家の最重要プロジェクトレベルで取り組むべき(松田語録)
2024年1月18日木曜日
コンストラクタ理論
コンストラクター理論とは、物理学における基本法則を定式化する新しいアプローチである。世界を軌道、初期条件、力学的法則で記述する代わりに、構成理論では、どのような物理的変換が可能で、どのような変換が不可能か、そしてその理由についての法則を記述する。この強力な転換は、現在は本質的に近似的とみなされているあらゆる興味深い分野を基礎物理学に取り込む可能性を秘めている。例えば、情報、知識、熱力学、生命の理論などである。
量子計算理論の創始者の一人であるデイヴィッド・ドイッチュ(1953-)が2012年に提案し,キアラ・マレットとともにオックスフォード大学で展開している理論である。
[1]Constructor Theory (D. Deutsch, 2012)[2]Constructor Theory of Information (D. Deutsch, C. Marletto, 2014)
2023年12月17日日曜日
情報伝達活動の構造(2)
2023年12月16日土曜日
情報伝達活動の構造(1)
りんちゃんの「棒」は「—」や「|」の問題だった。そうすると答えが変わってくる。
頻度の高い漢字の平均画数が7画程度で,これを棒の数とします。児童・生徒・学生の間は1日100字書いたとして(PCなど除く)10年間≒3000日では,〜30万字程度漢字をかくことになるので,〜200万画くらいかな。1画5mmだとすれば,200万画は1000kmである。鉛筆1本で 50kmかけるらしいので,鉛筆20本あれば十分だ。ホントか,削りながらの場合は1000本くらいになりそうだ。ジェットストリームのSXR-07では替え芯1本で700mということだから,1400本なのか。
2023年8月16日水曜日
空間ID
2023年6月21日水曜日
メディアリテラシー教育の原理
1. メディアリテラシーの概念を拡大する。それは全てのメディア形態を含み,意識的なメディアの消費者と創作者を育成するために複数のリテラシーを統合するものである。2. すべての人が,自分の背景,知識,スキル,信念を用いてメディア体験から意味を創り出すことができる学習者であると想定する。3. 好奇心,柔軟な思考,自己反省的な探求を優先する教育方法を推進する。ただし,理性,論理,証拠を重視することを踏まえながら。4. 学習者が,絶えず変化するメディアの風景を通じて体験,創造,共有するメッセージについて,積極的な問い掛け,反省,批判的思考を行うことを奨励する。5. 学習者に対して,統合的で,学際的で,対話的で,年齢と発達段階に適したスキル向上の機会が継続的に必要であるようにする。6. 個々の人々がメディアを作成し共有する際に多くの倫理的責任を果たす,参加型のメディア文化の発展を支援する。7. メディア機関は社会化,商業,変化の担い手として機能する文化的および商業的な存在であると認識する。8. 公共の福祉のための健全なメディア環境は,メディアおよび技術関連企業,政府,市民間での共有の責任であると主張する。9. メディア産業の社会における役割についての批判的な探求を重視する。メディア産業が,権力の仕組みにどのように影響を与え,また影響を受けているかを含め,公平性,包括性,社会正義,持続可能性に影響を与えるものだから。10. 個人が,民主主義社会の中で,情報を得,反省し,関与し,社会的責任を負う参加者となるよう支援する。
2023年6月11日日曜日
インターネットと教育フォーラム(2)
2023年6月2日金曜日
インターネットと教育フォーラム(1)
'99『インターネットと教育』フォーラムエピソードのつながりとしての歴史,人のつながりとしてのプロジェクト1969年から1999年までのインターネットと教育野島久雄 NTTコミュニケーション科学基礎研究所 nojima@tantra.brl.ntt.co.jp芳賀高洋 千葉大学附属中学校 jtaka@ir.chiba-u.ac.jp1.その時何があったか2.マリオン以前,以後[1969-1978 前史]1969(1) 高校生の時はじめてコンピュータにさわる。カシオの卓上電子計算機4メモリ26ステップ、30万円。 階乗のプログラムをつくるが、ステップ数で友達に負ける。1970(2) アナログコンピュータで、滅表・強制振動をプロット。数学の試験でFORTRANのプログラミングの問題がでる。1971(3) 日常的には計算尺を使っていた(受験問題を解くときなど)。1972(4) 教養の物理学実験は、タイガー計算機でデータ整理。最小自乗法の計算には複雑な技があるようだった。19731974(5) 学部の物理学実験では、みな電卓を使い始めていた。四則演算で3万円くらいかな。しかし自分では買わない。新聞で、シャープの関数電卓が10数万円との記事をみる。1974(6) 電子計算機実習ではじめて大型計算機 (ACOS)を使う。IBMではなく、JUKIのキーパンチャーで、バッチ処理。課題は行列の対角化と5次方程式を解くが、成績はいまいち。197519761977(7) 修士論文のための計算をようやくはじめる。センターまでカード2000枚の箱をかかえて、毎日通う。使ったのはTOSBAC。カードのジャムとプリントアウトのジャムに泣く。1978(8) はじめて自分の関数電卓を買う、もらったのかな?[1979-1988 まだはじまらない]1979(9) はじめてマイコンの雑誌を買う。これからはこんな時代だ。このころパソコン関係の雑誌は 立ち読みですべて読めた。1980(10) 研究室からTSSで大型計算機を 使えるようになる。タイプライター端末はじめは300bpsその後1200bps。1981(11) PC-8001を使ったスクリーン型端末が登場。研究室の先生がアセンブラで端末ソフトを作成(流行)1982(12) PC-8801用のターミナルプログラムをBASICで自作。1983(13) PC-9801を研究室で購入。CP/M-86をもらってきて遊ぶ。ベクトル計算機登場前夜でHFPなどにも凝る。1984(14) 8087が手に入ったのでアセンブラで連立方程式のプログラムをつくる。11万円で中古9801を買う。256kBの37500円のメモリボード2枚かっ て、RAMディスク快適。1985(15) 理科教育講座の学生のための情報処理実習の授業がスタート。 内容は、コンピュータの基礎とBASICプログラミング入門。19861987(16) 本屋でMacの雑誌を買う。これからはこんな時代だ。Mathematicaも登場。やっぱりこれからはこんな時代だ。1988(17) MacIIを使って情報の授業を 行うが、ウイルスとバグと GUIが結構大変。研究室で は、PC-9801とMacを併用。[1989-1994 まだちゃんとはつながらない,が・]1989(18) 大学の情報処理センタ創設の為の準備で忙殺。SUN4/330を導入。1990(19) 情報科学講座の先生のおかげでUUCPでSRA に接続される。まいにち、Netnewsを読んで いるので仕事にならない。firec.pachinkoで齋藤明紀さんが最初のダメ出したころ。1991(20) f読み続けて1年、はじめてfi.booksに投稿。・・・[1994.8 有楽町マリオン][1994-1997 100校プロジェクト]1992199319941995(21) 3月、教育情報リンク集「インターネットと教育」スタート。[1996.12 そして世田谷][1998-1999 とても書ききれない・・・][2000- そして新たなつながり]
2023年4月24日月曜日
情報要約の時代
2023年3月25日土曜日
教育データの利活用
文部科学省が公表した指針によると、小中高校の児童生徒が学校で使うデジタル端末に蓄積された情報の活用について、初めての指針を公表したそうです。この指針により、教師が経験に頼ることなく、学習端末に蓄積されたデータを活用し、授業改善につなげることができるようになるそうです。また、ビッグデータの分析力を備えた外部機関との連携が求められるそうです。
10年前に,今後の大阪教育大学の方向性とからめて教育ビッグデータの重要性(と危険性)を話題にしていたころから進んでいない。スローガンに伴う具体的なイメージがはっきりしないのだ。いや自分が勉強していないだけかもしれない。
2023年2月4日土曜日
ChatGPTと教育(2)
Q:大規模言語モデルを用いたAIによるシステムを学校教育に利用しようと思います。どのような活用方法が有用なのか5つあげて,その理由を箇条書きで説明してください。A:(質問者のコメント:論理的推論の欠如と概念の重複)自然言語生成:大規模言語モデルを使って自然言語を生成することができます。これにより学生が作成した文章の構文や文法のチェックなどが行えます。自動翻訳:大規模言語モデルを使って多言語の翻訳が可能です。これにより外国語の学習をサポートすることができます。チャットボット:大規模言語モデルを使ってチャットボットを作成することができます。これにより学生がコミュニケーションスキルを磨くことができます。機械翻訳:大規模言語モデルを使って機械翻訳を行うことができます。これにより学生が英語など外国語を読む力を向上させることができます。音声認識:大規模言語モデルを使って音声認識を行うことができます。これにより学生がリスニング力を向上させることができます。Q:外国語や国語の学習が中心ですね。それら以外の教科を念頭にさらに5項目あげて下さい。A:(質問者のコメント:単調なパターンの繰り返し,論理の飛躍)数学:大規模言語モデルを使って数学の自動生成や問題の自動解答などができます。これにより学生が数学の要点を理解しやすくなります。科学:大規模言語モデルを使って科学の説明や解説などを自動生成することができます。これにより学生が科学の概念を理解しやすくなります。哲学:大規模言語モデルを使って哲学的なトピックの説明や解説などを自動生成することができます。これにより学生が哲学的な観点から物事を考える力を養うことができます。歴史:大規模言語モデルを使って歴史的なトピックの説明や解説などを自動生成することができます。これにより学生が歴史的な観点から物事を考える力を養うことができます。社会科学:大規模言語モデルを使って社会科学的なトピックの説明や解説などを自動生成することができます。これにより学生が社会科学的な観点から物事を考える力を養うことができます。Q:これらの例は,従来のインターネットにおける情報検索でも実現できていたのではないですか。本質的な違いがあるような具体的な方法を知りたいのですが。A:(質問者のコメント:ChatGPTが主観をシミュレートしているということ?)その例示した内容は従来のインターネット上の情報検索でも実現可能ですが、大規模言語モデルを用いた AI によるシステムは以下のような本質的な違いがあります。自然な文章生成:大規模言語モデルは自然な文章生成能力があり、学生にとって理解しやすい形式で情報を提示できます。主観性のある情報提示:従来の情報検索はオブジェクト的な情報を提供しますが、大規模言語モデルは主観性のある情報も提示することができます。これにより学生が様々な観点から物事を考える力を養うことができます。学習内容のカスタマイズ:大規模言語モデルを使った AI システムは学生の学習状況に合わせて学習内容をカスタマイズすることができます。これにより学生が効率的に学習することができます。自動的な評価:大規模言語モデルを使った AI システムは学生の課題やテストの解答を自動的に評価することができます。これにより教師の負担が軽減されます。これらが大規模言語モデルを用いた AI によるシステムが従来のインターネット上の情報検索と本質的に異なる点です。
2022年9月6日火曜日
学習eポータル
教育データ標準からの続き
教育データの標準化の具体的な活用イメージとして,文部科学省CBTシステム(MEXCBT: Computer Based Testing)を含む学習eポータル があげられている。
MEXCBTは,児童生徒がコンピュータからオンラインで問題演習ができるシステムだ。家庭からも学校からも使え,選択問題や短答式問題は自動採点される。システムの開発は文部科学省が事業者連合コンソーシアムに委託していてすでにプロトタイプが稼働している。
MEXCBT用の問題は,国や地方自治体などの公的機関が作成したものを使う。教師が指定した問題を児童生徒が解いて,その結果は自分と教師が確認できて,フィードバックする。子どもが自分で勝手に問題を選んで自由に学びを進めていくようにはできていないのかもしれない。
さて,その学習eポータルだ。日本の初等中等教育に適した共通の学習管理機能を備えたソフトウェアシステムであり,(1) 学習(学習リソース)の窓口機能,(2) 連携のハブ機能(シングルサインオン),(3) MEXCBTへのアクセス機能,の3つの機能を果たすことになる。
いまは亡きインターネットと教育(1996-2002)や教育情報ナショナルセンター(NICER: 2001-2011)の考え方をリニューアルして再現したものだ。前者は自分の個人的な取り組みを越えられなかったので仕方がないが,文部科学省が国立教育政策研究所を使って鳴り物入りで立ち上げた教育情報ナショナルセンターがあっという間につぶれてしまったのは残念だった(再立ち上げも失敗)。
そのデータは,GENES 全国学習情報データベース(学習ソフトウェア情報研究センター)と教育の情報化支援サイトNICER-DB(パナソニック教育財団検索システム研究会)に引き継がれることになっていたが,前者は廃虚と化し,後者に至ってはドメインがマイナー業者に乗っ取られてしまった。
さて,この度の学習eポータルはその轍を踏まずに離陸することができるのだろうか。昔,芳賀さんといっしょに活動していた内田洋行の伊藤博康さんがリーダーとなって,一般社団法人ICT CONNECT 21の学習eポータルSWGが取り組んでいるので,まあ前回よりはましなのかもしれない。
学習 e ポータルの仕様は、検討と実 証を繰り返しながら、学習 e ポータル標準モデルとしてまとめられる。MEXCBT は国が開発、 運営を担うのに対し、学習 e ポータルは複数の民間企業が標準モデルに基づいて開発、提供し、小中高校などの教育機関がその中から選択して利用することを想定している。
なるほど,そういうことか。さらに,MEXCBTとの連携は必須要件だが,デジタル教科書やデジタル教材との連携は推奨となっている。しかしながら,LRS(Learning Record Store)学習履歴は必須とされているのだった。各社が開発して提供する学習eポータルはなんらかの形で認証されることになるのだろうか?
中央集権的なデータセンターモデルから,複数のポータルが統一規格のもとに連携するモデルに進化しているが,それでも話は面倒にみえる。やはり,パーソナルAIアシスタントを子ども・保護者・教師一人一人が所有して,必要な情報や協働はこのAIアシスタントが探し出して持ってくれるというシステムを目指したほうがいいのかもしれない。GIGAの次のステージだ。
[1]学習eポータル標準モデル(2022.2.22,Ver. 2.00,ICT CONNECT 21 学習 e ポータル サブワーキンググループ)[2]文部科学省CBTシステム運用支援サイト(文部科学省)
[3]子どもの学び応援サイト−学習支援コンテンツポータルサイト(文部科学省)
[4]STEAM ライブラリー(経済産業省・未来の教室プロジェクト)
[5]EdTEchライブラリー(経済産業省・未来の教室プロジェクト)
2022年9月5日月曜日
教育データ標準
GIGAスクール構想からの続き
まず復習。GIGAスクール構想とは,2019年から文部科学省が取り組んでいる施策である。GIGAはGlobal and Innovation Gateway for All の略であり,全国の児童・生徒に一人一台のコンピュータと高速ネットワークを整備しようというものである。2021年3月には,全自治体の96%以上で整備が終っており,いちおう小中学生一人一台という目的が完了したということらしい。
高等学校については,2022年度中に1学年は100%,2024年度までに高校生一人一台を実現する目標となっていて,すでに半数の府県では100%が達成されている。まあ,小中学校も含めてそれらがうまく機能しているかどうかはまた別の話。
これは25年前の100校プロジェクトを嚆矢とした学校へのインターネット導入の動きに匹敵する大きな変化には違いない。ようやくあのころの理想が具体化できる条件が整いつつあるということか。
ところで,この構想を支えるために,教育データの標準化が取り上げられている。教育データを,(1) 主体情報(児童生徒・教職員・学校の各属性等の基本情報),(2) 内容情報(学習内容の情報),(3) 活動情報(生活活動,学習活動,指導活動などの情報)に区分する。これらをすべて網羅的に扱うわけでなく,データの相互運用性を図るという観点で全国的に統一が必要なものに限り,その使用を強制せず,政策的に誘導するというものだ。
教育データ標準として,すでに次のようなものが定められている。学校コード,教育委員会コード,学習指導要領コード。学校は,位置情報(緯度・経度・標高)や時間情報(開設年月,統合年月,廃止年月)がほしいところだ。教育委員会には事務局の住所・連絡先すらない。学習指導要領コードは,NDCとの対応があれば・・・というか,知識を網羅的にコード化することはそもそも可能なのだろうか。普遍性に欠ける学習指導要領の文章を切り出してコード化するというのはどうにも気持ちが悪い話である。
[1]StuDX Style(文部科学省)GIGAスクール構想の実践事例
2022年9月2日金曜日
プログラミング教育(3)
プログラミング教育(2)からの続き
情報Ⅰ(3)コンピュータとプログラミングア(イ)アルゴリズムを表現する手段,プログラミングによってコンピュータや情報通信ネットワークを活用する方法について理解し技能を身に付けること。イ(イ)目的に応じたアルゴリズムを考え適切な方法で表現し,プログラミングによりコンピュータや情報通信ネットワークを活用するとともに,その過程を評価し改善すること。情報Ⅱ(4)情報システムとプログラミングア(ウ)情報システムを構成するプログラムを制作する方法について理解し技能を身に付けること。イ(ウ)情報システムを構成するプログラムを制作し,その過程を評価し改善すること。例えば,グループで掲示板システムを構成するプログラムを制作する学習を取り上げ,サーバ側のプログラムについて適切なプログラミング言語の選択,設計段階で作成した設計書に基づくプログラムの制作を扱う。その際,自分が制作したプログラムと他のメンバーが制作したプログラムの統合,テスト,デバッグ,制作の過程を含めた評価と改善について扱う。なお,プログラムを制作しやすくするために組み込み関数やあらかじめ用意した関数などを示し,これらを利用するようにすることも考えられる。






