NAKAHARA-LAB.net

2020.1.14 06:56/ Jun

「学び」が最大化するスイートスポットはどこか?:85%ルールの衝撃!?

 課題が「簡単」すぎれば、あっぱくさくて、学べない
 課題が難しすぎても、今度は失敗しすぎて、学べない
 最適な学びにつながる「スイートスポット」はどこか?
  
  ・
  ・
  ・
  
 アリゾナ大学のロバート・ウィルソン先生らの研究チームは、この難問に、機械学習のコンピュータシュミレーションをつかって答えを出しました。
   
 コンピュータに、正答率の異なる単純な問題(ものごとをカテゴリーに分類する問い)をだして、「コンピュータが、もっとも効率よく学ぶには、どのくらい失敗させるのが最適なのか?(optimal learning)」なのかをさぐったのです。
  
Wilson, R.C., Shenhav, A., Straccia, M. et al. The Eighty Five Percent Rule for optimal learning. Natuture Communications 10, pp4646 doi:10.1038/s41467-019-12552-4 
  
 研究の結果、彼等のはじきだしたのは「85%ルール」です。
 つまり、コンピュータが「85%の正答率(エラー率15%)」で分類できたときに、学習率が最適化されることを見いだしました。とても興味深い数字です。
      
 学習とは、結局「試行錯誤にともなう学び」です。
 この試行錯誤の割合をパコーンと「15%」と見いだしたのは、非常に興味深いことです。
  
 もちろん、課題がコンピュータシミュレーション上の単純な 知覚弁別課題であること、などから、この研究を広範囲に「人間のあらゆる学習」に適用することは無理があります。
  
 しかしながら、パコーンと数字を出したのは気持ちいい。
  
「15%だ!、どうだ!」
  
 この研究は、非常に興味深く拝見させていただきました。
 皆さんは、いかが思われますか?
  
  ▼ 
   
 今日は「学習にともなう最適なエラー率」とはいくつか、という研究を紹介させていただきました。
  
 周知のとおり、2000年代後半から、本邦の人材開発領域で、主要な理論と注目されているのは経験学習です。
    
 経験学習でもっとも重要なのは、ストレッチ(背伸びの経験をさせること)と、振り返りです。
  
 しかし、これまで、前段の「ストレッチをどの程度させたらよいか」は、議論が分かれるところでした。
  
 ひとによっては、現在の能力以上の200%の課題を与えることがストレッチだった。またひとによっては、現在の能力の105%くらいの課題がストレッチだと思っていた。ちなみに・・・前半の「200%」は「無茶ぶり」と言うのだけれども(笑)。
  
 今日ご紹介した知見は、1)コンピュータシュミレーションではじきだした最適学習の研究であること、2)課題がシンプルな弁別課題であること、などの制約はあり、そのまま「適用」することはできません。
  
 しかし、ひとびとが、自分なりにストレッチの程度を決めたりするときに、「参考」になる数字なのかなとも思います。
  
 あなたは、学ぶときに、どのくらいの試行錯誤を好みますか?
  
  ・
  ・
  ・
  
 ちなみに、冒頭の「あっぱくさい」は、北海道弁で「簡単すぎる」だと思います。きっと。
  
 北海道を出て、今年で27年
 そして人生はつづく
  
  ーーー
  
「フィードバック入門」10刷、「実践!フィードバック」が重版5刷です。ハラスメント時代に必要な部下育成の技術がフィードバック。耳の痛いことをいかに部下に通知し、そこから立て直しをはかることができるか。全国各所の管理職研修で用いられています。はじめてリーダーになる方、管理職になる方におすすめの2冊です。どうぞご笑覧くださいませ! この書籍をベースにした映像教材、通信教育教材、研修などもございます。
      
 
   
DVD『フィードバック入門』、通信教育、研修はこちら
https://www.php.co.jp/seminar/feedback/

ブログ一覧に戻る

最新の記事

2024.12.28 09:58/ Jun

専門知の「パワフルさ」と「盲目さ」!?

2024.12.25 10:57/ Jun

「最近の学生は、昔からみると、変わってきたところはありますか?」という問いが苦手な理由!?

2024.12.8 12:46/ Jun

中原のフィードバックの切れ味など「石包丁レベル」!?:社会のなかで「も」学べ!

なぜ「グダグダなシンポジウム」は安易に生まれてしまうのか?

2024.12.2 08:54/ Jun

なぜ「グダグダなシンポジウム」は安易に生まれてしまうのか?

2024.12.2 08:12/ Jun

【無料カンファレンス・オンライン・参加者募集】AIが「答え」を教えてくれて、デジタルが「当たり前」の時代に、学生に何を教えればいいんだろう?:「AIと教育」の最前線+次期学習教育課程の論点