論文要約：オンライン高等教育における没入感の促進に向けた、教員作成カスタム GPT を教育パートナーとして活用する研究

この論文は、オンライン高等教育における学生のエンゲージメント維持という課題に対し、教員が作成したカスタム GPT（Generative Pre-trained Transformer）を「教育的パートナー」として統合することで、学習の「没入感（Immersion）」をどのように促進できるかを検証した 2 つのケーススタディに基づいています。

1. 背景と問題提起

オンライン高等教育の拡大に伴い、アクティブ・ラーニングや学生中心の授業において、学生のエンゲージメント（参加意欲）を維持し、質の高いフィードバックをタイムリーに提供することが重要な課題となっています。特に、短期集中型のコースや非同期学習では、反復的なフィードバックや振り返りの機会が制限されやすく、学習の断絶が生じやすいです。

既存の研究では、大規模言語モデル（LLM）によるフィードバックの潜在能力は指摘されていますが、**特定の教育的目標や教科の慣習に合わせて教員が設計・作成した「カスタム GPT」**が、学習者の没入感にどのように寄与するかについての研究は不足していました。

2. 研究方法

本研究は、**「没入学習キューブ（Immersive Learning Cube: ILC）」**フレームワークを用いた質的ケーススタディです。ILC は没入感を以下の 3 つの次元で定義しています。

1. システム没入（System Immersion）: 環境による包摂（応答性、フィードバックの即時性など）。
2. 物語没入（Narrative Immersion）: 意味のある文脈（ストーリーの一貫性、感情的な関与など）。
3. 主体性没入（Agency Immersion）: 意味構築へのコミットメント（学習者の自律性、意思決定への関与など）。

データ収集と分析手法:

• アプローチ: 実践者調査（Practitioner-inquiry）。通常の授業で生成された資料（フォーラム投稿、フィードバック記録、学生の振り返りなど）のみを使用。
• 対象: 2 つの独立したケーススタディ。
  • ケース 1（米国）: 加速型大学院コース「助成金申請（Grant Writing）」。
  • ケース 2（ポルトガル）: 学部レベルの「ソフトウェア工学」コース。
• 分析プロセス: 教員が作成したカスタム GPT との対話記録、フォーラム投稿、教員のコメントなどを収集し、ILC の 3 次元（システム、物語、主体性）に照らしてコード化・分析しました。また、分析の支援として GPT-5.2 Thinking を共知パートナーとして活用しましたが、最終的な判断は人間が行いました。

3. ケーススタディの詳細

ケース 1：助成金申請コース（米国）

• 設定: 5 週間の短期集中コース。学生はグループで実際の助成金申請書を作成。
• カスタム GPT の役割: 「フィードバック・パートナー」。
  • 教員のフィードバックと交互に、即座に構造化されたフィードバックを提供。
  • 提案書の各セクション（目的、方法、予算など）の整合性をチェックし、修正を促す。
• 結果:
  • システム: GPT の即時性がフィードバックループを継続させ、 procrastination（先延ばし）を防ぎ、学習フローを維持。
  • 物語: 個別のタスクが「一つの物語（提案書）」として統合され、学生は助成金申請という文脈に没頭。
  • 主体性: 学生は GPT の提案と教員の助言を比較・検討し、最終的な修正を自ら決定するプロセスを通じて、学習の主導権を握るようになった。

ケース 2：ソフトウェア工学コース（ポルトガル）

• 設定: 通年制のオンライン学部コース。学生は仮想ソフトウェア開発会社のチーム（CEO、CTO、開発者など）として振る舞う「ダイジェティック（物語内）なロールプレイ」を実施。
• カスタム GPT の役割: 「メタ認知チューター（Catmming）」。
  • 会社の「知的自動アシスタント」として設定され、計画、モニタリング、振り返りを支援。
  • 夜間や週末など、教員が不在の時間にも利用可能。
• 結果:
  • システム: 24 時間対応による認知摩擦の低減。学生は深夜や週末に即座の clarification（明確化）を得て学習を継続。
  • 物語: GPT が物語内のキャラクターとして振る舞うことで、技術的な学習内容が「会社でのインターン」という一貫したストーリーに統合された。
  • 主体性: 学生は GPT の提案を盲目的に受け入れるのではなく、チーム内で議論し、トレードオフを判断するメタ認知スキルを向上させた。

4. 主要な知見と貢献

本研究は、カスタム GPT が単なるツールではなく、**「教育的パートナー」**として機能し、ILC の 3 つの次元すべてを強化できることを示しました。

1. システム没入の向上:
   • 人間の教員だけでは不可能な「即時性」と「常時可用性」を提供し、学習の中断を防ぐ。
   • 表面的なフィードバックを自動化することで、教員はより高次な批判的思考や物語の整合性に注力できる。
2. 物語没入の強化:
   • 助成金申請（現実の文脈）やロールプレイ（架空の文脈）といったストーリーの中に GPT を埋め込むことで、学習活動の断片化を防ぎ、一貫性のある学習体験を創出する。
3. 主体性没入の促進:
   • GPT を「権威」ではなく「支援者」として位置づけることで、学生は複数のフィードバック源（AI、教員、ピア）を批判的に評価し、自らの学習を調整する自律性を育む。

5. 意義と示唆

• 教育的デザインへの示唆:
  • ダイジェティックな埋め込み: GPT をコースの物語や文脈に明示的に組み込むこと。
  • 人間の権威の維持: 教員が GPT の出力を最終的な権威として扱わず、学生が批判的に検討するよう促すこと。
  • 知識ベースの管理: GPT の誤りを教員が修正し、学習環境の予測可能性を高めること。
• 理論的貢献:
  • 没入学習フレームワーク（ILC）が、VR などの没入型環境だけでなく、AI 支援型のオンライン学習にも適用可能であることを実証した。
  • カスタム GPT を「認知生態系」における能動的なパートナーとして捉える新たな視点を提供。
• 実践的意義:
  • 教員の負担を軽減しつつ、スケーラブルで質の高いフィードバックを提供するモデルを提示。
  • 学生が AI を依存対象ではなく、学習を自律的に管理するためのツールとして活用する方法を提案。

結論

教員が作成したカスタム GPT は、適切に教育的に統合されれば、オンライン高等教育における没入感を高める強力なパートナーとなり得ます。これは人間の教員を代替するものではなく、即時性、一貫性、学習者の自律性を増幅させることで、より魅力的で没入感のある学習環境を創出します。今後の研究では、より多様な分野での検証や、メタ認知の長期的な成長への影響、倫理的側面（透明性、公平性など）の検討が求められます。