ブレンディッド評価、オンラインのデータを成績ではなく信号として

ブレンディッド授業を運営すると、オンライン上に膨大な量のデータが積み上がります。誰が動画を最後まで見たのか、どの問題でつまずいたのか、何回解き直したのか、どの地点で動画を止めたのかまで、すべて残ります。ところが、このデータを手にした途端に点数へ換算したいという誘惑に陥ってしまうと、その瞬間にブレンディッドの核心が崩れます。出席点、視聴点、正答点に変えてしまうと、生徒はデータを「監視される成績表」と感じ、正直な学習の跡を残さなくなります。わからなくてもわかったふりをして速く進み、間違えても解き直さず、動画は流しっぱなしにして別のことをします。そうなると、データは豊富でも中身は偽物になります。データは採点の対象ではなく、授業を調整する信号として読むべきです。

データを信号として読む三つの視点

同じログでも、どう読むかによってまったく別の道具になります。

• つまずきの信号: 特定の問題の再挑戦回数が急増したなら、それはその概念が設計上むずかしいという信号です。生徒のせいではなく、授業資料に手を入れるべき箇所です。
• 離脱の信号: 動画をいつも同じ地点で止めているなら、その部分が退屈か、むずかしいという意味です。内容の区切り方を見直します。
• 格差の信号: 生徒間の進度の差が開いてきたら、次の対面の時間にピア・ティーチングや分岐型の活動が必要だという予告です。

データを点数に変えれば一度使って捨てられますが、信号として読めば次の授業を直すための資料として生き続けます。

AIをデータの通訳者として使う

ログそのものは数字の山なので、人が一目で読み取るのは困難です。AIを通訳者として置くと、信号がはっきりします。

1. 異常な地点の検出: AIが普段と違うパターン（特定の設問の正答率の急落、視聴の離脱の急増）を選び出し、教師に指し示してくれます。たとえば、普段は正答率80%台を保っていたクラスがある設問で急に45%まで落ちたなら、その設問が扱う概念の説明資料に手を入れるときだ、という意味です。
2. 個人ではなく傾向の要約: 個々の生徒を追跡するのではなく、「今回の単元でクラスが共通してつまずいた箇所」をまず要約させます。
3. 調整の提案: 信号に対して「次の時間に何を変えるか」の候補を出させますが、採用するのは教師です。
4. プライバシーの線引き: データは授業改善の目的にのみ使い、個人の点数化や公開での比較には使わないという線をはっきり引きます。

ここで大切な原則は、データの目的を生徒に透明に伝えることです。「これは君を評価するための資料ではなく、授業を直すための資料だ」と言っておけば、生徒はより正直に学習の跡を残してくれます。

まとめ

ブレンディッド評価の分かれ道は、オンラインのデータを点数に換算するのか、信号として読むのかにあります。つまずき・離脱・格差という信号として読めば、データは次の授業を直す生きた資料になり、AIはその信号をはっきりさせる通訳者になります。次のブレンディッドの単元では、オンラインのログを成績簿に書き写す前に、「この数字は私の授業のどこを直せと言っているのか」から問いかけてみることをおすすめします。データを評価ではなく改善の言語として読み始めると、生徒との信頼も一緒に育っていきます。