本研究では、複数の分散教師による共同作業とプライバシー保護を考慮した機械教育のパラダイムを定義しています。このアプローチは、分散した教師たちが、学習者がより良く学べるように教師のデータからコンパクトで情報を含んだトレーニングサブセットを共同で選択することを目的としています。この方法には、三つの課題があります。一つ目は、従来の混合整数非線形計画法（MINLP）が大規模データセットにスケールしにくいこと。二つ目は、教師が協力する段階で自身のデータにのみアクセスすることによってプライバシーリークを軽減する必要があること。三つ目は教師間の通信効率を高める必要があることです。これらの課題に対処するため、共同教育を合意形成とプライバシー保護の最適化プロセスとして定式化しています。実験的な研究により、本提案手法が迅速かつ正確な教育結果を提供できることが示されています。