4 分で読了
0 views

開放型実験活動と指導型実験活動の比較—学生の実験物理に関する信念への影響

(Open-ended versus guided laboratory activities: Impact on students’ beliefs about experimental physics)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海さん、最近うちの若手が「ラボの授業を変えるべきだ」と言い出しているんですが、正直何が違うのかよく分かりません。論文があると聞きましたが、要するに現場の教育をどう変える話でしょうか?

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、難しくないですよ。要点は簡単で、学生にやらされ感のある『指導型(guided)』の実験と、学生が自分で問いを立て動く『開放型(open-ended)』の実験で、後者が学生の実験に対する考え方をより専門家に近づけるという話です。順を追って説明できますよ。

田中専務

なるほど。でもうちの工場で言えば、全員にマニュアル通りやらせるのと、自分で改善案を出させるのと同じ話ですか。手間もかかるでしょうし、投資対効果が心配です。

AIメンター拓海

素晴らしい視点ですね!おっしゃる通りです。ここで重要なのは三つだけ覚えてください。1)開放型は自律性を与え、問題発見力を育てる。2)指導型は手順習得に優れるが思考の幅が狭くなる。3)効果の評価には事前・事後で学生の信念を測る検査が使える、という点です。一緒に具体を見ていけますよ。

田中専務

その『効果の評価』というのは具体的にどう測るんですか?うちで言えば、KPIを変えるのと同じで、何を見れば成功かを決めないと投資できません。

AIメンター拓海

いい質問ですね!この研究ではE-CLASS(Colorado Learning Attitudes about Science Survey for Experimental Physics)という30項目の評価票を用いて、学生の「実験に対する信念や期待」「自信や感情」を事前と事後で比較しています。要するに授業で何が変わったかをアンケートで定量的に見るわけです。経営でいう従業員満足度調査に近い役割ですね。

田中専務

これって要するに、実験教育でも社員の『考え方(マインドセット)』を育てるかどうかを測る、ということですか?

AIメンター拓海

その通りです!素晴らしいまとめですね。指導型は手順遂行力を上げるが、専門家のように『何をどう問い直すか』という信念には結びつきにくい。開放型を一部取り入れると、その信念がより専門家に近い方向に変わるという結果が示されていますよ。

田中専務

なるほど。実務に落とすなら、全部を変える必要はなくて、一部に開放型を入れるだけでも効果が出るということですか。それなら現場も動きやすい。

AIメンター拓海

その理解で正解です。応用できる三つのポイントを最後にまとめます。1)まずは実験コースの一部を開放型化して小規模で試す。2)E-CLASSのような事前・事後評価で効果を測る。3)現場の時間と安全を守る設計で徐々に拡大する。大丈夫、一緒に設計できますよ。

田中専務

わかりました。私の言葉で言うと、実験教育で若手の『問題発見力』を育てたければ、教える側が全部決めるやり方を減らし、問いを立てさせる機会を一部作る。効果は事前と事後の調査で確かめる、ということですね。

論文研究シリーズ
前の記事
平均場メッセージ伝播方程式:ホップフィールドモデルとその一般化
(Mean-field message-passing equations in the Hopfield model and its generalizations)
次の記事
学習教材をゲームコンテンツに展開する手法
(Deploying learning materials to game content for serious education game development: A case study)
関連記事
確率離散時間システムのH2/H∞制御のためのモデルフリー強化学習
(Model-free Reinforcement Learning for H2/H∞ Control of Stochastic Discrete-time Systems)
反復サポート検出による強化された結合スパース性
(Enhanced Joint Sparsity via Iterative Support Detection)
視覚と言語で指示するヒューマノイドによる物体配置
(HumanVLA: Towards Vision-Language Directed Object Rearrangement by Physical Humanoid)
特定ドメインを超えたテキストのサニタイズ:大規模言語モデルによるゼロショットの赤字化と置換
(Text Sanitization Beyond Specific Domains: Zero-Shot Redaction & Substitution with Large Language Models)
LHCハドロンジェット生成の高速化手法
(LHC Hadronic Jet Generation Using Convolutional Variational Autoencoders with Normalizing Flows)
光学システムの非線形チャネル補償へのトランスフォーマー応用
(Application of Transformers for Nonlinear Channel Compensation in Optical Systems)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む