Structural Determinants of Student Motivation in Group Assignments: A Phenomenological Study of K-12 Teachers’ Perspectives

グループプロジェクトの壮大な謎

想像してみてください。あなたは理科の授業にいて、先生が大規模なグループプロジェクトを発表しました。あなたは友達と一緒に火山を作ることにワクワクしていますが、その時、ある友達はすべての作業をこなしている一方で、別の友達はただ見ているだけで、さらに三人目の友達は魔法のロボットを使ってレポートを丸ごと書いてしまっていることに気づきました。突然、楽しさは消え去り、努力の配分が不公平であると感じます。このシナリオは単なる教室のドラマではありません。これは研究者が調査している現実の科学的な問いなのです。この分野は教育心理学と呼ばれ、何が学生の学習意欲を引き出し（あるいは、机の下に隠れたくなるようにさせるのか）を解明しようとしています。

これらを理解するために、二つの大きな概念が役立ちます。第一に、モチベーション（「かっこいい」と思うから何かをやりたくなる内なる情熱）と、衛生要因（不満を感じないために必要な基本的な要素、例えば公平な成績や、貢献度の低いパートナーと組まされないことなど）の違いがあります。モチベーションを車の燃料とするなら、衛生要因はエンジンが止まってしまわないように維持するオイルのようなものです。第二に、公平性という考え方です。もしルールが仕組まれたものだと感じたり、誰かがフリーライド（乗り逃げ）をしていると感じたりすると、エンジンは失速します。教師も学生もこのことを深く重視しています。なぜなら、グループワークはチームワークを学ぶためのスーパーパワーであるはずなのに、もし不公平だと感じてしまえば、それは学校を嫌いにする原因になりかねないからです。

教師たちの探偵物語

この論文は、まるで探偵物語のようです。ただし、犯罪を解決する代わりに、研究者のセブライル・オズトゥルク氏は、なぜトルコの学校でグループプロジェクトが興奮を呼び起こせないことがあるのかという謎を解こうとしています。この探偵は学生だけを見たのではなく、イスタンブールのلのような大都市から、農村部、そして地震に見舞われた地域まで、トルコ全土から18人の教師にインタビューを行いました。彼は、学生がグループで作業している時に何が見えるのかを記述するよう求めました。

調査の結果、教師たちが発見した手がかりは以下のように分類されました。

1. モチベーションにおける「年齢の差」
教師たちは、おもちゃの車が幼児には楽しいけれど、ティーンエイジャーにはレーシングカーが求められるように、学生を突き動かすものは年齢とともに変化することに気づきました。

• 小学校: 小さな子供たちにとって、成績はそれほど重要ではありません。代わりに、彼らは社会的承認によって動かされます。友達が自分の作品を「かっこいい」と思ったり、先生が廊下にポスターを掲示してくれたりすると、彼らは喜びます。すべては「クールさ」の問題なのです。
• 高校: 雰囲気は完全に変わります。ここでは、全国規模の大きな試験のプレッシャーが支配的になります。成績が主要なエンジンとなります。学生は単に「かっこよく」なるために働いているのではなく、将来を台無しにするかもしれない悪いスコアを取ることを恐れて働いているのです。

2. 機械の中の幽霊：フリーライダー（乗り逃げ）
教師たちが見つけた最大の懸念は、フリーライダーでした。これは、一人の学生が何もしていないのに、ハードワークをした学生と同じ成績をもらう現象です。教師たちはこれを「モチベーション・キラー」と表現しました。

• 対象が化学であれ、文学であれ、テクノロジーであれ、パターンは同じです。一生懸命働いている学生が、貢献度の低いパートナーが自分と同じ報酬を得ているのを目にすると、努力の配分が不公平であると感じます。
• この研究では、これが単に活動的でないという問題だけではないことが分かりました。時には、年上の兄弟や親が「手助け」をしているつもりで、実際には学生の代わりに作業を行ってしまうことがありますが、これは学生が何も学べなくなることを意味します。
• 結果: 学生がシステムを不公平だと感じると、彼らは努力をやめてしまいます。それは、一人のプレイヤーが走るのを拒否したせいで、チーム全員が走るのを止めてしまうゲームのようなものです。

3. AIの衝撃：新しいフリーライダー
物語の主要な部分は、**人工知能（AI）**に関するものです。教師たちは、AIツール（チャットボットなど）がゲームのルールを変えたことに気づきました。

• 良い面: AIは、行き詰まった学生が素早く答えを見つける助けとなり、自信を持たせ、ストレスを軽減させることができます。
• 悪い面: AIは、フリーライダーのための究極の言い訳となりました。学生はボタンをクリックするだけで、レポート全体を手に入れ、「自分でやった」と主張できてしまいます。教師たちは、これがグループ内の信頼を破壊すると述べました。何時間も懸命に働く学生は、別の学生がわずか2クリックで同じ作業を終えたとき、努力が一致していないと感じるのです。
• 教師たちの対策: AIを禁止する代わりに、ほとんどの教師は賢く対処しようとしています。彼らは学生に対し、「この部分にはAIを使用しました」と正直に言うよう求めています。また、AIでは簡単にできないような、例えば地元の文化や家族のレシピについて話すようなプロジェクトを設計しています。これにより、学生に自分の脳を使わせ、モチベーションを維持させています。

4. 「不公平な」宿題
この論文における最も驚くべき発見は、成績やAIについてではなく、学生がどこに住んでいるかについてでした。トルコの様々な地域の教師たちは、現実世界の障壁があるため、グループワークを「宿題」として行うことはしばしば不可能であると指摘しました。

• 天候: ヴァン（Van）のような場所では、冬が非常に厳しく暗いため、放課後に学生が集まることが物理的に不可能です。
• 災害: 地震に見舞われたハタイ（Hatay）のような地域では、家族はインターネットも静かなスペースもない小さなコンテナの中で生活しています。彼らに自宅でのグループプロジェクトを求めることは、ハリケーンの中で砂の城を作るようにお願いするようなものです。
• お金: アンタルヤ（Antalya）のような観光地では、家族がシーズン中に長時間働いており、子供たちは教材費すら持っていない場合があります。
• 結論: 教師が自宅でのグループワークを課すとき、彼らは単に努力を求めているだけでなく、図らずも「最高の天気、インターネット、そしてお金を持っているのは誰か」というテストを行ってしまっています。これにより、課題はモチベーションの源ではなく、ストレスの源となってしまいます。

教師たちはどのように対処しているのか

この論文は、教師たちが非常にクリエイティブな問題解決者であることを示しています。政府からのルールブックがない中で、彼らはこれらの問題を解決するための独自の方法を編み出しました。

• ハイブリッド採点: グループ全体に一つの成績を与える代わりに、教師はそれを分割しています。例えば、50%をグループプロジェクトとし、残りの50%を各個人の成果とします。これにより、フリーライダーがタダ乗りすることを防ぎます。
• プロセスの確認: 教師は、最終的な成果物だけを採点するのではなく、全員が取り組んでいるかどうかを確認するために、数日おきに（WhatsAppや授業を通じて）グループの進捗をチェックしています。
• ローカルな繋がり: プロジェクトを学生自身の町や家族に関連付けることで、AIがその作業を行うことを不可能にします。なぜなら、AIは学生の祖母の料理がどんな味であるかを知らないからです。

結論

この研究は、グループワークが楽しく公平なものとなるためには、学校はすべての学生を同じに扱うのをやめる必要があることを示唆しています。10歳児には称賛が必要であり、17歳には明確な成績が必要であり、被災地の学生には自宅ではなく学校の時間内に作業を行う必要があるということを、理解しなければなりません。教師たちは、仕事が公平で、目に見える形で、かつ実生活と結びついているとき、学生のモチベーションが戻ってくることを見出したのです。これは、チームワークを教える最善の方法は、時として、ゲームのルールが実際に全員にとって公平であることを確認することである、という教訓を残しています。