症状ではなく原因を直す学習
多くの適応ツールは、見落としたトピックをやさしくして再出題するだけです。Mathosはミスの背後にあるパターンを見抜き、欠けている前提知識を修復し、学習者を再び最前線へ戻します。
原則
教育とは事実を学ぶことではなく、物事を考える心を鍛えることである。
Mathosでの活かし方
それが、このエンジン全体の指針です。Mathosは同じ事実を何度も叩き込むことはしません。誤答が露わにする思考の流れを読み取り、その下にある理解を組み立て直し、次に進むために考え抜ける状態へあなたを戻します。事実はあとからついてきます。鍛えられた思考こそが本質です。
自分で試す
1つの誤答を、その理由として読む。
2人の学生が、同じ問題を正反対の理由で間違えました。答えを選んで、Mathosがそれをどう扱うか見てみましょう。
3(x − 2) = 2x + 4
左から答えを選んでください。同じ誤答が、ただの赤い印ではなく診断になる様子を見てみましょう。
では、自動で動く様子を見てみましょう。
同じロジックが自律的に動きます。実際の微積分の問題列に対するシミュレーション学習者で、証拠に応じて進路が変わります。
Mathos / 適応学習
ライブ学習者モデル
4シーンの学習の流れ
1つの答えが、次の最適な学びを明らかにする。
この連続は正誤だけでなく意味に反応します。それが賢く感じられる理由です。
- 01
シーン 01
同じパターンが現れる
異なる問題が、同じ根本的な穴を明らかにします。
- 02
シーン 02
原因が特定される
誤答は、単なる減点ではなく診断の証拠になります。
- 03
シーン 03
進路が更新される
次の一手は、ミスを説明する前提へと移ります。
- 04
シーン 04
学習者はより強く戻る
根本スキルが修復されると、上位トピックへ進めるようになります。
この挙動を支える5つのループ
説明はライブの挙動のあとに来ます。下の各層は、同じミスが繰り返されたときに進路が変わる理由の1つです。
- 01
概念グラフ
8ノードの前提マップ。極限から関連率まで、何を先に習得すべきかを示します。
- 02
ベイズ習熟度
各概念ごとの習熟度推定。すべての解答後に更新され、たまたまの当てずっぽうや小さなミスには寛容です。
- 03
パターン信頼度
診断された誤りパターンは、繰り返されるほど信頼度が上がります。これにより、一時的なミスより本当の穴が重視されます。
- 04
根本原因ルーティング
証拠が十分に強いと、シーケンサーは進行を上書きし、ミスの背後にある前提へ戻ります。
- 05
フロンティア選択
修復が不要なときは、準備の整った最も弱い概念へ進みます。難易度は生産的なまま保たれます。
