テクノロジーと教育：認知学習プロセス

ここ数年、電子学習や遠隔学習を通じた教育におけるテクノロジーの急速な普及が見られました（Bernard et al., 2009; Brown, 2006; Campbell, 2006; Clark, 2008; Jonassen, 1996; Jonassen et al., 1999; Larreamendy-Joerns & Leinhardt, 2006; Roblyer, 2006; Winn, 2002）。テクノロジーはしばしば機器（例：コンピューター）と同義にされますが、その意味ははるかに広いです。テクノロジーとは、学習者を惹きつける設計や環境を指します（Jonassen et al., 1999）。学習に対するテクノロジーの影響に関する研究は増加しており、テクノロジーを教育に導入する際の障壁を取り除く取り組みも同様です（Ertmer, 1999）。

テクノロジーは、かつては想像もできなかった方法で教育を促進する可能性を秘めています。少し前まで、テクノロジーを利用した教室での応用は、映画、テレビ、スライドプロジェクター、ラジオなどに限定されていました。今日では、生徒は通常の授業では決して経験できない環境やイベントのシミュレーションを体験したり、遠隔地にいる他の人から指導を受けたり、コミュニケーションを取ったり、大規模な知識ベースや専門家による個別指導システムとやり取りしたりすることができます。

研究者にとっての課題は、テクノロジーが符号化、保持、転移、問題解決などの学習者の認知プロセスにどのように影響するかを明らかにすることです。コンピューターベースの学習環境と遠隔教育に関するこのセクションの資料は、教育におけるテクノロジーの使用方法に関する実践的なガイドではありません。むしろ、このセクションでは、テクノロジーが学習において果たす役割に焦点を当てています。テクノロジーのより詳細な応用に関心のある読者は、他の情報源を参照してください（Brown, 2006; Kovalchick & Dawson, 2004a, 2004b; Roblyer, 2006; Winn, 2002）。

学生はますますコンピューターベースの環境で学習するようになっています。研究者は、教育と学習におけるコンピューターの役割に強い関心を持っています。コンピューターベースの環境での学習は学習理論ではありませんが、コンピューターが学校の成績を向上させ、批判的思考と問題解決スキルを育成するのに役立つかどうかを知ることは重要です。

コンピューターベースの学習を、コンピューターを使用しない学習と比較して評価したくなるかもしれませんが、そのような比較は、他の要因（コンテンツの信頼性、教師と生徒/生徒同士の相互作用など）も異なる可能性があるため、誤解を招く可能性があります。この問題に焦点を当てるよりも、コンピューターベースの環境や他の技術的応用で起こりうる認知プロセスを検討する方が生産的であると思われます。

Jonassenら（1999）は、学習におけるテクノロジーの役割について、動的な視点を提示しました。テクノロジーの最大の利点は、思考と知識の構築を活性化し、促進するときに得られます。この概念化では、テクノロジーは、目標として示されている「テクノロジーの機能」に示されている機能を果たすことができます。このセクションで説明されている学習に関連する技術的応用は、これらの機能を達成する上で効果が異なります。

• 知識構築をサポートするツール
• 構築による学習をサポートするために知識を探求するための情報媒体
• 実践による学習をサポートするコンテキスト
• 会話による学習をサポートするソーシャルメディア
• 内省による学習をサポートする知的パートナー

コンピューターベースの指導（CBI）

数年前、インターネットに取って代わられるまで、コンピューターベースの指導（CBI）（またはCAI—コンピューター支援指導）は、学校でのコンピューター学習の最も一般的な応用でした（Jonassen、1996）。CBIは、多くの場合、ドリルやチュートリアルに使用され、学生に情報とフィードバックを提供し、学生の回答に基づいて応答します。

CBIはできることに限界がありますが、いくつかのCBI機能は、学習理論と研究にしっかりと基づいています（Lepper、1985）。教材は学生の注意を引きつけ、即座にフィードバックを提供することができます。フィードバックは、学生の現在のパフォーマンスを以前のパフォーマンスと比較して（学習の進捗状況を示すため）教室ではめったに与えられないタイプのフィードバックになる可能性があります。コンピューターはコンテンツとプレゼンテーションの速度を個別化します。

CBIのもう1つの利点は、多くのプログラムがパーソナライズを可能にすることです。学生は自分自身、両親、友人に関する情報を入力し、それが指導用プレゼンテーションに含まれます。パーソナライズは、他の形式よりも高い成果を生み出す可能性があります（Anand＆Ross、1987）。指導をパーソナライズすると、有意味性が向上し、コンテンツをLTMネットワークに統合しやすくなる可能性があります。知識構築は、おなじみの参照物で支援されるはずです。

シミュレーションとゲーム

シミュレーションは、学習環境に持ち込むことができない現実または架空の状況を表現します。例としては、航空機の飛行、水中探検、架空の都市での生活をシミュレートするプログラムがあります。学習者は、学習中に具体的な参照物がある場合に、より良く記憶ネットワークを構築できます。ゲームは、教材をスポーツ、冒険、またはファンタジーと結び付けることによって、楽しい学習環境を作り出すように設計されています。ゲームは、思考スキルや問題解決を強調できますが、コンテンツを教えるためにも使用できます（例：分数を教えるためのバスケットボールゲーム）。

Lepper（1985; Lepper＆Hodell、1989）は、ゲームはモチベーションを高めることによって学習にも影響を与えると示唆しました。モチベーションは、コンテンツと、ゲームまたはシミュレーションがコンテンツを提示する手段（「特殊効果」）との間に内生的（自然な）関係が存在する場合に高くなります。たとえば、学生が床をドリブルするプレーヤーによってコートのどれだけが覆われているかを判断するように求められた場合、分数はバスケットボールゲームと内生的に関連付けられています。このような内生的な関係は、有意味性とLTMコーディングおよびストレージを強化します。ただし、多くのゲームやシミュレーションでは、コンテンツと手段の関係は任意です。たとえば、学生が質問に正しく答えると、ファンタジー要素（漫画のキャラクターなど）が生成される場合などです。関係が任意の場合、ゲームは従来の指導よりも優れた学習を生み出しませんが、後者の方が興味深い場合があります。

コンピューターベースの環境の一種として、シミュレーションは発見的学習と探求的学習に適しているようです。発見的学習でコンピューターシミュレーションを使用した研究のレビューで、de Jong and van Joolingen（1998）は、シミュレーションは、学生の「深い」（直感的な）認知処理を植え付ける上で、従来の指導よりも効果的であると結論付けました。シミュレーションは、問題解決スキルを開発するのにも役立つ可能性があります。CBIの結果と同様に、Moreno and Mayer（2004）は、シミュレーション中に画面上のエージェントからのパーソナライズされたメッセージが、パーソナライズされていないメッセージよりも保持と問題解決を改善することを発見しました。Woodward、Carnine、およびGersten（1988）は、構造化された教育にコンピューターシミュレーションを追加すると、従来の指導のみと比較して、特別支援高校生の問題解決能力が向上することを発見しました。ただし、著者は、これらの結果を生み出すメカニズムは不明であり、結果はスタンドアロンのコンピューターシミュレーションには一般化できない可能性があると指摘しました。

マルチメディア/ハイパーメディア

マルチメディアとは、コンピューター、映画、ビデオ、サウンド、音楽、テキストなどのさまざまなメディアの機能を組み合わせたテクノロジーを指します（Galbreath, 1992）。ハイパーメディアとは、リンクされた、またはインタラクティブなメディアを指します（Roblyer, 2006）。マルチメディアおよびハイパーメディア学習は、学生が複数のモードで提示された情報と対話するときに発生します（例：言葉と絵；Mayer, 1997）。他のメディアとインターフェースするコンピューターの機能は急速に進歩しています。ビデオストリーミング、CD、DVDは、教育目的でコンピューターで一般的に使用されています（Hannafin & Peck, 1988; Roblyer, 2006）。

マルチメディアとハイパーメディアは、テクノロジーを教育に注入する多くの可能性を提供するため、教育にとって重要な意味を持ちます（Roblyer, 2006）。研究証拠は、学習のためのマルチメディアの利点をある程度サポートしています。Mayer（1997）は、研究のレビューで、マルチメディアが学生の問題解決と転移を強化することを発見しました。ただし、効果は事前の知識がほとんどなく、空間能力が高い学生で最も強かったです。Dillon and Gabbard（1998）も、彼らのレビューから、効果は部分的に能力に依存すると結論付けました。一般的な能力が低い学生は、マルチメディアで最大の困難を抱えていました。学習スタイルは重要でした：探求する意欲のある学生は最大の利益を得ました。マルチメディアは、情報をすばやく検索する必要がある特定のタスクで特に有利なようです。

研究者たちは、マルチメディアからの学習を促進する条件を調査してきました。口頭および視覚（例：ナレーションとアニメーション）情報が教育中に組み合わされると、学生は二重コーディングから恩恵を受けます（Paivio, 1986）。同時提示は、学習者が言葉と絵の間のつながりを形成するのに役立ちます。それらが同時にWMにあるためです（Mayer, Moreno, Boire, & Vagge, 1999）。マルチメディアは、個々の学生の相違に合わせてメディアを調整するよりも、学習を促進する可能性があります（Reed, 2006）。異なるメディアを使用することにより、教師は、少なくとも1つのタイプがすべての学生に効果的である可能性を高めます。マルチメディア学習を支援するいくつかの教育デバイスは次のとおりです。コンテンツの構造とその他の資料との関係を強調するテキスト信号（Mautone & Mayer, 2001）。学生に語りかけ、レッスンへの参加者のように感じさせるパーソナライズされたメッセージ（Mayer, Fennell, Farmer, & Campbell, 2004; Moreno & Mayer, 2000）。学習者が教育のペースを制御できるようにする（Mayer & Chandler, 2001）。動きとシミュレーションを含むアニメーション（Mayer & Moreno, 2002）。画面上のスピーカーと対話できること（Mayer, Dow, & Mayer, 2003）。資料に関する練習テストを受ける（Johnson & Mayer, 2009）。機械で生成されたスピーカーではなく、人間であるスピーカーにさらされること（Mayer, Sobko, & Mantone, 2003）。

マルチメディアの最大のメリットを得るには、いくつかのロジスティックおよび管理上の問題を解決する必要があります。インタラクティブな機能は開発および製造に費用がかかりますが、非常に効果的です（Moreno & Mayer, 2007）。コストのために、多くの学校システムがコンポーネントを購入できない場合があります。インタラクティブビデオは、より多くの資料を提示し、学生の時間をより多く必要とするため、追加の指導時間が必要になる場合があります。しかし、インタラクティブなマルチモーダル学習環境は、学生のモチベーションを高める大きな可能性を提供します（Scheiter & Gerjets, 2007）。可能な学習者制御の量が多いほど、学習に対するメリットが向上し、自己調整を促進できます（Azevedo, 2005b）。

コストと必要な技術スキルに関する潜在的な問題にもかかわらず、マルチメディアとハイパーメディアは学生の学習に役立つようで、このテクノロジーが学生の自己調整学習を開発するのに役立つことを示す研究が増えています（Azevedo, 2005a, 2005b; Azevedo & Cromley, 2004; Azevedo, Guthrie, & Siebert, 2004）。テクノロジーが進歩するにつれて、アプリケーションは開発され続けます（Roblyer, 2006）。モチベーションに対するマルチメディアの影響と、自己調整スキル（例：社会的影響から自己影響へ；Zimmerman & Tsikalas, 2005）を取得するシーケンスとどのようにリンクさせるかについて、さらなる研究が必要です。

Eラーニング

Eラーニングとは、電子的に配信される手段を通じて学習することを指します。この用語は、あらゆる種類の電子通信（例：ビデオ会議、電子メール）を指すためにしばしば使用されますが、ここでは、インターネット（ウェブベース）教育という、より狭義の意味で使用されます。

インターネット（コンピューターネットワークの国際的な集合体）は、誰も所有していない共有リソースのシステムです。インターネットは、電子メールや会議（チャットルーム）、ファイル、およびワールドワイドウェブ（WWW）—マルチコンピューターのインタラクティブなマルチメディアリソースを通じて、他の人々（ユーザー）へのアクセスを提供します。また、個人使用のためにコピーできる情報を保存します。

インターネットは情報にとって素晴らしいリソースですが、ここでの関連する問題は、学習におけるその役割です。表面的には、インターネットには利点があります。ウェブベースの教育は、従来の方法よりも短い時間でより多くのリソースへのアクセスを学生に提供します。しかし、より多くのリソースが自動的に優れた学習を意味するわけではありません。後者は、学生がトピックに関する調査方法や、ウェブ上の資料の正確性に関する批判的思考などの新しいスキルを習得した場合にのみ達成されます。ウェブのリソースは、学生がウェブから情報を取得し、それを教室での活動（例：発見学習）に組み込む場合にも、学習を促進することができます。

教師は、スキャフォールディングを用いて生徒のインターネットスキル発達を支援することができます。生徒は検索戦略（例：ブラウザの使用方法）を教えられる必要がありますが、教師は最初のウェブ検索を行い、役立つウェブサイトの名前を生徒に提供することもできます。Grabe and Grabe（1998）は、他の提案を提供しています。

学生がインターネットを使用する際の危険性は、利用可能な大量の情報が、すべてが重要で信頼できるという信念を植え付ける可能性があることです。学生は、レポートや論文に多くの情報を含めようとすることで、「連想的な文章」に取り組む可能性があります。Eラーニングが学生に分析と総合の上位レベルのスキルを教えるのに役立つ範囲で、彼らは何が重要であるかを判断し、情報を一貫した製品に統合するための戦略を習得します。

遠隔学習（遠隔教育）は、ある場所で始まった授業が、一つまたは複数の遠隔地の学生に伝達される場合に発生します。双方向の機能により、双方向のフィードバックや議論が学習経験の一部となります。遠隔学習は、教員と学生が授業のために長距離を移動する必要がないため、時間、労力、費用を節約できます。たとえば、大学は広い地理的範囲から学生を募集できます。学生が授業に出席するために長距離を移動することへの懸念は少なくなります。学区は、中央の場所からすべての学校に送信することにより、現職教育プログラムを実施できます。遠隔学習は、教員との対面での接触を犠牲にしますが、双方向のインタラクティブビデオを使用すると、インタラクションはリアルタイム（同期）になります。 Bernardら（2004）は、遠隔教育プログラムのレビューで、学生の学習と定着に対する効果が従来の授業と同等であることを発見しました。同期授業の効果は教室での授業に有利でしたが、遠隔教育は非同期アプリケーション（遅延時間を含む）でより効果的でした。

もう1つのネットワークアプリケーションは、電子掲示板（会議）です。コンピューターでネットワーク化された人々はメッセージを投稿できますが、学習にとってより重要なのは、ディスカッション（チャット）グループに参加できることです。参加者は質問をしたり、問題点を提起したり、他の人のコメントに答えたりします。かなりの量の研究で、そのようなやり取りがライティングスキル習得を促進するかどうかが調べられています（Fabos＆Young、1999）。この非同期の電気通信交換手段が対面でのやり取りよりも学習を促進するかどうかは問題があります。これは、研究の多くが矛盾しているか、結論が出ていないためです（Fabos＆Young、1999）。ただし、Bernardら（2004）によるレビューでは、遠隔教育は非同期学習でより効果的である可能性があることが示唆されています。電気通信には、人々が集まっているときだけでなく、いつでも対応できるという利便性があります。受容的な学習環境は、間接的に学習を促進する可能性があります。

コンピューターを介したコミュニケーション（CMC）の一形態である遠隔学習とコンピューター会議は、社会的相互作用を通じて学習する可能性を大幅に拡大します。学習者の個人的な特性と教育内容の種類が学生の学習とモチベーションに影響を与えるかどうかを判断するには、さらなる研究が必要です。

Webベース（オンライン）学習は、通常、ブレンド型教育モデル（つまり、対面での教育と残りのオンラインでの教育）として従来の教育に組み込まれています。 Webベースの学習は、マルチメディアプロジェクトと組み合わせて使用​​するのにも役立ちます。多くの教員養成プログラムでは、現職教員はWebを使用してリソースを取得し、レッスン設計の一部としてこれらを選択的にマルチメディアプロジェクトに組み込んでいます。

Tallent-Runnelsら（2006）は、オンラインコースのレビューで、学生は自分のペースで進むことを好み、コンピューターの経験が豊富な学生はより高い満足度を示し、非同期コミュニケーションは詳細な議論を促進することを発見しました。相互作用（学生と学生、学生と教師、学生とコンテンツ）を組み込んだ遠隔教育は、学生の成果を高めるのに役立ちます（Bernardら、2009）。他の種類のインタラクション（ウィキ、ブログなど）も役立つ場合があります。マルチメディアプレゼンテーションを遠隔教育に組み込むと、そのパーソナライズが高まり、対面での教育に似たものになり（Larreamendy-Joerns＆Leinhardt、2006）、学生のモチベーションが高まる可能性があります。

オンラインコースと従来のコースを比較しようとするのは困難です。その理由は、非常に多くの違いがあるためです。その1つは、現在までに、ほとんどのオンラインコースは、主に非伝統的で白人のアメリカ人学生を登録していることです。オンラインコースがより普及するにつれて、この人口統計は変化し、オンライン学習の成果と学習を促進する環境特性のより良い評価が可能になります。

上記の証拠から、テクノロジーが学習を促進できると結論付けることができます。テクノロジーを活用した指導が従来の指導と比べてどうであるかを評価するのは難しく、比較は誤解を招く可能性があります（Oppenheimer, 1997）。コンテンツ、学習者、または設定に関係なく、一貫して他のものよりも優れている指導媒体はありません（Clark & Salomon, 1986）。テクノロジーは学習の原因ではなく、効果的な指導と学習の原則を適用する手段です。

Clark and Salomon (1986) は、研究者がコンピューターが指導と学習を促進する条件を特定することを推奨しました。これは今日でも当てはまり、一般的にテクノロジーについても言えます。テクノロジーの使用は、学習目標に依存する必要があります。テクノロジーにはさまざまな学習目標を促進する可能性がありますが、ピアティーチング、グループディスカッション、または協調学習を通じて学生の交流を促進するには、最良の方法ではないかもしれません。

コンピューターベースの学習環境と遠隔教育の有効性を評価する研究がさらに必要です。一部の研究では、コンピューターベースの問題解決は、男子学生と女子学生で効果が異なることが示されています（Littleton, Light, Joiner, Messer, & Barnes, 1998）。性別や民族の差を調査することは、研究の優先事項である必要があります。

対処する必要があるもう1つの領域は、教師と生徒に対するテクノロジーの動機付け効果です（Ertmer, 1999; Lepper & Gurtner, 1989）。Lepper and Malone (1987) は、コンピューターは動機付けの強化を通じてタスクに注意を集中させ、覚醒水準を最適なレベルに維持し、無関係なタスクの側面に注意を向けるのではなく、タスク指向の情報処理に従事するように学生を指示できると指摘しました。重要なのは、効果的な動機付けの原則が（浅い処理ではなく）深い処理を促進できるということです（Hooper & Hannafın, 1991）。

教育におけるテクノロジーの将来を予測することは困難です。数年前には、ラップトップがデスクトップに取って代わることや、ハンドヘルドデバイスが最終的にラップトップに取って代わることを予測した人はほとんどいなかったでしょう。テクノロジーがより精巧になるにつれて、はるかに幅広い指導の可能性を提供します（Brown, 2006）。私たちは、新しい洗練された方法で知識にアクセスし、作成できるようになります。研究は、これらの開発が学生の学習に与える影響、およびテクノロジーを指導に効果的に組み込む方法を調査します。

いくつかの分野でエキサイティングな開発が起こる可能性があります（Roblyer, 2006）。ワイヤレス接続は現在一般的であり、指導でラップトップを使用する利便性が大幅に向上しています。ワイヤレスとデバイス（ラップトップ、ハンドヘルドデバイスなど）の携帯性は、インストラクターがテクノロジーを指導に組み込むのに役立ちます。テクノロジーの融合は継続され（複数の機能を実行できる携帯電話など）、最終的には学生がさまざまなアプリケーションを実行するために最小限のハードウェアしか必要としなくなる可能性があります。技術の進歩は、障害のある人のアクセシビリティを向上させ続け、支援技術は学校でより一般的になるはずです。遠隔教育とオンライン学習の機会は増えるでしょう。今日、私たちはバーチャル大学や高校を持っており、それらはより早いレベル（中学校、小学校など）に拡大される可能性があります。最後に、テクノロジーの利便性が向上し続けるにつれて、従来の指導から徐々に離れ、クラスの開催回数を減らし、電子通信を増やすモデルに移行する可能性があります。

基礎研究レベルでは、人工知能（AI）に関する調査は、人間の学習、思考、問題解決に関する重要な洞察を提供する可能性があります。人工知能とは、推論、評価、推論、問題解決、音声の理解、学習を行う人間の能力をシミュレートするコンピュータープログラムを指します（Trappl, 1985）。John McCarthy は、1956 年に会議のテーマとしてこの用語を作りました。

エキスパートシステムは、AI の応用です。エキスパートシステムは、1人または複数の専門家の知識と問題解決プロセスを提供する大規模なコンピュータープログラムです（Anderson, 1990; Fischler & Firschein, 1987）。人間のコンサルタントと同様に、エキスパートシステムは、医学、化学、電子工学、法律など、さまざまな分野に適用されています。エキスパートシステムは、宣言的知識（事実）と手続き的知識（推論を行うために使用されるルールのシステム）で構成される広大な知識ベースを持っています。インターフェースはユーザーに質問を投げかけ、推奨事項または解決策を提供します。エキスパートシステムの一般的なアプリケーションは、専門知識を学生に提供することで教えることです。指導はしばしばガイド付き発見を採用します。学生は仮説を立ててテストし、結果を体験します。

将来のエキスパートシステムは、より幅広いドメインに適用されます。1つの課題は、特に音声など、自然言語を理解するシステムの能力を向上させることです。エキスパートシステムはパターン認識タスクを実行できますが、これらのタスクのほとんどは視覚刺激のみを伴います。しかし、音声認識システムは改善し続けています。教育における支援技術の使用は拡大しており、障害のある学生は可能な限り通常の教室での指導に統合されています。エキスパートシステムは、すべての学習者（聴覚、視覚、複数の障害）がアクセスできるように、コンピューターの機能を強化する必要があります。

AI は、人間の思考プロセスを理解するのに役立つエキサイティングな可能性を秘めています。このアプリケーションでは、コンピューターにいくつかの知識とルールをプログラミングし、経験に基づいて新しい知識とルールを変更および習得できるようにします。たとえば、概念学習では、コンピューターに基本的なルールをプログラミングし、概念のインスタンスと非インスタンスにさらされる場合があります。プログラムは、新しい情報をメモリに保存し、ルールを変更することで自己変更します。学習は、事例履歴への露出によっても発生する可能性があります。コンピューターには、病気の事実と事例履歴をプログラミングできます。コンピューターがこれらの履歴を分析すると、病因、症状、および経過を組み込むようにメモリを変更します。コンピューターが特定の病気に関する広範な知識ベースを取得すると、将来の症例を正確に診断できます。