Pratham は、世界最大級の教育非営利団体の 1 つです。30 年前にインドで設立されたこの組織は、早期の読み書き能力から職業訓練にまで及ぶプログラムを通じて、毎年何百万人もの子どもたちの支援を行っています。同団体の手法は、MIT の J-PAL による研究を含む、10 件以上の無作為化比較試験で検証されています。世界銀行もまた、Pratham 方式を世界の教育における最も優れた教育投資の 1 つとして認識しています。現在、Pratham のプログラムはインドのほぼすべての州で運用されており、30 か国以上で採用されています。
Claude の導入により、Pratham は次のことを達成しました。
- 20 の学校で 1,500 件以上の学生評価を完了
- Anthropic のモデルを用いた反復的なプロンプトエンジニアリングを通して、採点精度を30% → 80%に向上
- 基本的な事実の想起から複雑で高次の推論まで、あらゆるレベルを評価するための普遍的な教育フレームワークであるブルームのタキソノミー(Bloom’s Taxonomy)に沿った質問の生成精度が 90% に達する
課題:模擬試験が数千に及び、個々の生徒へフィードバックを与える手段がない
インド各地の教室では、評価が生徒に伝えられるのは結果のみで、改善方法は伝わらない傾向があります。60 人以上の生徒を管理する教師は、各模擬試験で個別にフィードバックを行う時間はほとんどありません。そして、そのフィードバックを最も必要とする生徒(リソースが不足している学校や地域の生徒)は、それを得る機会が最も少ないです。その情報は生徒の答案の中に存在していますが、問題はそれを生徒が実際に活かせる形に変えることにあります
Pratham は、まさにこれらの問題に 30 年もの間取り組んできました。しかし、大規模な影響を及ぼしてきた実績があるにもかかわらず、Pratham は根本的な制約に直面し続けました。学生が必要とする反復テストとフィードバックを提供できるだけの十分な人数がいなかったのです。
この問題は特に、Pratham の Second Chance プログラムで明らかになりました。このプログラムでは、多くの仕事に必要な資格であるインドの 10 年生修了試験(10th-grade board exam)に備えられるように、学校を中退した若い女性を支援しています。このプログラムは、専門分野の訓練を受けた指導者に教わることができない女性を支援するものです。「これらの女性は、すべての回答を採点できる十分な人材が不足していたため、十分に模擬試験を行う機会を得られませんでした」と Pratham のテクノロジーイノベーション担当ディレクターであり、MIT Media Lab の客員科学者である Nishant Baghel 氏は述べています。ボトルネックはカリキュラムやモチベーションではなく採点でした。
Pratham の ATM はすでに、Second Chance プログラムを通じてインドの 6 つの州で 4,000 人以上の学習者に利用され、約 8,000 件の評価を自動採点していました。しかし、このシステムを拡張するには課題がありました。採点にばらつきが生じる可能性があり、カリキュラム基準に対する正確性を測定する体系的な方法がありませんでした。
ソリューション:実際の教室環境に対応した自動評価とフィードバックエンジンの設計
上記のような状況から、Pratham は Claude を使用してカリキュラムに合わせた質問を生成し、手書きの学生の回答をデジタル化し、構造化されたルーブリックと照合して採点し、パーソナライズされたフィードバックを提供するエンドツーエンドの練習用評価システムである「Anytime Testing Machine(ATM)」を開発しました。このシステムは、Pratham が実際に稼働している環境向けに設計されています。学生は紙に手書きで回答を記入し、写真を撮ります。システムはそれらの画像をテキストに変換し、Claude は回答の内容、正確性、表現力を評価します。
Pratham は複数のモデルを評価した結果、最終的に Claude を選択しました。「Claude は質問の生成、生成された質問の品質チェック、採点、フィードバックなどのタスクにおいて、一貫して優れた成果を上げました」と Pratham の AI リードである Sravana Chandra 氏は述べました。「これに加え、Anthropic が安全性と責任ある AI に注力していることから、他の LLM ではなく Claude を選択することになりました」
コラボレーションは実践的なものでした。Anthropic と Pratham のチームは、数か月にわたって週に 1~2 回の頻度で会合を持ち、モデル統合だけでなくパイプラインの各段階を調整しました。専門家による評価を受けたベンチマークと比較した場合、当初の採点の正確性は約 30% でした。プロンプトの改良と評価設計を繰り返すことで、チームはこれを約 80% にまで高めました。「当社は、LLM-as-a-judge フレームワークを実装し、その分野の専門家が手動で検証した社内開発のゴールデンデータセットに対してモデル評価をベンチマークしました」と Chandra 氏は説明しました。
フィードバック生成の側面では、Claude の優れた多言語処理能力が大きな利点でした。「Claude の言語機能のおかげで、ヒンディー語と英語が混在するフィードバックの生成も容易にこなせました。科学用語など必要な箇所では英語を用いながらも、テキストの大部分はヒンディー語のまま維持することができました」と Chandra 氏は述べました。
アプローチ:教師を中心に据える
全体の中核となる設計上の原則:教師は、AI が生成したフィードバックを生徒に届ける前に確認して改善できます。これは、AI が教室に導入されても、教師の役割の重要性は低くなるどころか、かえって高まるという Pratham の考えを反映しています。
教育者からの反応がそのことを裏付けています。教師は、採点の自動化により、管理業務ではなく目的を絞った指導に集中できるようになったと報告しています。「教師は、AI によるフィードバックが生徒に届く前にそれを検証する最終的な評価者であり続けるため、自信を持てるのです」と Chandra 氏は述べました。このシステムは教師の能力を倍増させる役割を果たします。教師の判断を置き換えるのではなく、判断を下すためのよりよい情報を提供します。
生徒にとって、この変化は成績を同じくらい尊厳にも関わるものです。こうした状況では、説明もなく成績を付けられるとやる気を失ってしまうことがあります。Claude のフィードバックは、取り組むべき具体的な改善点を学習者に提供します。文脈のない間違った回答を見るのではなく、生徒は理解できていなかった概念について具体的な説明を受け、次に何を学ぶべきかについての明確な方向性を得ることができます。
「私たちは人間の主体性を重視しています」と Baghel 氏は述べます。「教師がいなくても AI で何ができるかを問う代わりに、私たちは教師や生徒が行き詰まっている場合に AI でどのような支援を行えるかを問います」
結果:パーソナライズされたフィードバックが 6 つの州の学習者へ届く
Claude を活用したことで、ATM はグローバルな教育フレームワークである Bloom のタクソノミーに合わせた質問を 90% の精度で生成できるようになりました。採点では、ルーブリックベースのスコアリングにおいて、その正確性は内容の専門家による評価とコンテンツの専門家との一致率はおよそ 80% です。Claude を活用したこのシステムは、これまでに 20 校で 1,500 件以上の生徒評価を完了しており、今後インド全土の数十万人の生徒へと拡大する計画です。これとは別に、現在 10 年生試験に備える女性 15,000 人を対象とした Second Chance プログラムは、2026 年末までに Claude を活用したパイプラインに完全に移行する予定です。
「Claude のような AI ツールは、高度な教育リソースを利用できない生徒のために、学習のあり方を刷新する方法を見出してくれます」と Pratham の共同創業者である Madhav Chavan 氏は述べました。「教科書の理解に向けた個別サポートを提供することに加え、ATM のイノベーションは、子供が教科書以外の知識を検証し、確かなものにする手助けとなるでしょう」
今後の予定:教育システムの刷新
Chavan 氏は、評価は始まりに過ぎず、学生がカリキュラムで定められた内容だけでなく、あらゆるトピックについて最終的に試験を受け、実際に身につけた知識に対して認定資格を取得できるシステムであると捉えています。
「カリキュラムについて子どもに質問するのではなく、子どもが何を知っているのかを聞いてみてください」と Chavan 氏は述べています。「この考え方を転換すれば、教育制度を選別メカニズムから、子どもの興味や背景知識に基づいて多様な進路を提供する仕組みへと変えることができます。AI が登場する前は、これは不可能でした」
このパートナーシップはすでに拡大しています。Anthropic は、Pratham の Tech in TaRL(Teaching at the Right Level)の取り組みをサポートします。これは AI を活用した教師支援システムであり、数千人の生徒を対象としたランダム化比較試験が計画されています。また、2 つの組織は、教育デジタル公共インフラストラクチャ(ナレッジグラフを含む)の調査も進め、ケニア、ルワンダ、グローバルサウス全体のコミュニティへの地理的拡大も進めています。Pratham の 3 年間の目標は、ATM を、非線形の学習経路を通じて習得された能力を認定する学習・資格認定プラットフォームへと発展させ、世界中の学習者が利用できるようにすることです。
「Claude のような AI ツールは、高度な教育リソースを利用できない生徒のために、学習のあり方を刷新する方法を見出してくれます」




