Developing a Generative AI Agent to Support Science Curiosity: A Theory-Informed Development and Initial Evaluation Study

好奇心は、受動的な観察者を能動的な探求者へと変える火花である。それは、自分が知っていることと、理解したいと思っていることの間にギャップがあることに気づいたときに生じる感覚であり、問いを立て、答えを求める原動力となる。科学学習の世界において、この衝動は不可欠である。真の理解とは、単に事実を暗記することから得られるのではなく、現象を説明しようと苦闘し、アイデアを検証し、新しい証拠が現れたときに自らの考えを修正していくプロセスから生まれるものである。大学生にとって、こうした探究こそが教育の核心であるが、大規模な教室や過密なスケジュールという現実の中では、個人の問いをじっくりと追求する余地はほとんど残されていない。学生たちはタスクを完了する方法を学ぶことはあっても、一瞬の驚きを永続的な科学的思考の習慣へと変えるために必要な、持続的で個別化されたサポートを受ける機会はめったにない。

研究者たちは、好奇心を育むことが可能であることを古くから知っているが、それを大規模に行うことは困難である。従来の方法は、注意を引くために驚きや新奇性を短期間利用することに依存しがちだが、こうした瞬間は一時的なものである。それらは、学生が「問いを立てること」と「満足のいく答えを見つけること」の間のループを閉じる助けには必ずしもならない。ここで、生成AIの可能性が登場する。静的な教科書や録画されたビデオとは異なり、対話型AIは学習者の具体的な混乱に対してリアルタイムで応答し、やり取りを行うことができる。しかし、単にチャットボットが利用可能であるだけでは不十分である。もし機械が素早い回答のみを提供するのであれば、それは探究プロセスを促進するのではなく、むしろ停止させてしまう可能性がある。設計者にとっての課題は、問題を解くだけでなく、学習者が問い、探索し、理解するという流れの中に留まり続けられるようなAIを構築することである。

これに対処するため、中国、フィンランド、米国、エストニアの大学の研究者チームは、新しい種類のデジタル学習コンパニオンを構築し、テストすることに着手した。彼らの目的は、あらゆる質問に答える汎用的なチューターを作ることではなく、好奇心がどのように機能するかという心理学に基づいた特定のツールを設計することであった。彼らは、好奇心を一つのサイクルとして捉えるフレームワークに基づいた。すなわち、学習者が知識のギャップに気づき、それを埋めるための情報を求め、ギャップが埋まったときに報酬となる理解を経験し、その新しい知識を用いて次のギャップを見つけるというサイクルである。研究者たちは、このサイクルのあらゆるステップをサポートするように慎重に設計されたAIエージェントが、大学生に対し、その瞬間の好奇心を感じさせるだけでなく、より永続的な科学的探究の習慣を身につけさせることができるかどうかを検証したかった。

チームは数ヶ月をかけてこのエージェントを開発し、心理学理論と学生からの直接的なフィードバックを組み合わせたプロセスを通じて改良を重ねた。彼らは、AIを厳格な指導者としてではなく、温かく励ましを与えるコンパニオンとして機能するようにプログラムした。学生が科学論文に取り組んでいる際、エージェントは混乱している点や興味のある点を挙げるよう促す。すぐに教科書の定義を提示するのではなく、エージェントは学生の言葉遣いに合わせた説明を提供し、新しい概念を日常的な例と結びつけ、その後、学んだことについて学生に内省を促すように優しく働きかける。決定的なのは、エージェントが質問することへの社会的リスクを下げるように設計されている点である。大規模な大学の講義室では、判断を恐れて「初歩的な」質問をすることを躊躇する学生もいるだろう。AIを用いれば、その障壁は消滅する。エージェントは、不確実性が正常なものであるとされる安全な空間を提供し、あらゆる質問を学習プロセスにおける有効なステップとして扱うのである。

このアプローチが機能するかどうかをテストするため、研究者たちは137人の大学生を募り、2週間にわたる一連の3回の学習セッションに対して、彼らを2つのグループにランダムに割り当てた。一方のグループは、読んだ科学論文についてAIエージェントと自由な対話を行った。比較対象となるもう一方のグループは、自己質問法（self-questioning）を実践するよう指示された。この比較グループは何もせずに放置されたわけではない。彼らは、好奇心を活性化させるための実証済みの手法である、同じ論文についてできるだけ多くの質問を生成するよう指示された。この設計により、両グループとも能 خلال的に思考し、質問を行っており、唯一の大きな違いは、即時的で適応的なフィードバックを受けるかどうかであった。

結果は、これらのツールが学習にどのような影響を与えるかについて、微妙な差異を示した。各セッション中の即時的な好奇心の感覚については、両グループとも同様のパターンを示した。論文を読み進めてトピックを探索するにつれて、報告された好奇心は上昇した。これは、単独であれパートナーがいても、質問を生成するという行為自体が強力に興味を喚起することを示唆している。AIエージェントは、学生が単独で行った場合と比較して、これらの瞬間的な感情に劇的なスパイクを生じさせることはなかった。

しかし、研究者が学生の科学に対する一般的な性質（傾向）への長期的影響を見たとき、物語は変わった。自己質問を行ったグループは、3回のセッション終了後の全体的な特性レベルの好奇心に有意な変化は見られなかったが、AIエージェントと対話したグループは、測定可能な増加を示した。データは、AIが学生に一連の小さな、成功した探究体験を蓄積させる助けとなったことを示唆している。質問と答えの間のループを閉じるタイムリーなフィードバックを提供し、学習意欲を維持するための励ましを与えることで、エージェントは孤立した好奇りの瞬間を、強化されるサイクルへと変える手助けをしたのである。学生たちは、エージェントが知識のつながったネットワークを構築するのを助け、有能感を感じさせ、複雑なトピックを探索するために必要な労力を軽減してくれたと報告している。

エージェントを使用した一部の学生への質的なインタビューにより、なぜこのような差が生じたのかが明らかになった。学生たちは、エージェントが3つの異なるタイプのサポートを提供したと述べている。第一に、複雑な概念を分解し、既知の知識と結びつける「認知的サポート」である。第二に、学習プロセスを威圧感のないものにする、温かさと励ましの感覚を提供する「情緒的サポート」である。第三に、そしておそらく最も重要なのが、「保護的サポート」である。学生たちは、エージェントが判断を下さないことを知っていたため、人間の教授には聞きにくいであろう質問を自由にできると感じていた。この安全性によって、学生たちは困難に直面しても粘り強く取り組み、自身の不確実性を解消することの満足感を経験することができた。

本研究は、単に質問をすることが良い出発点ではあるものの、それらの質問にどのように答えるかが長期的な学習にとって極めて重要であることを結論づけている。AIエージェントは単に質問に答えたのではない。それは学生が好奇心の報酬サイクル全体を経験するのを助けたのである。エージェントは、質問という最初の火花から、答えを見つけるための苦闘、そして理解という満足感へと学生を導き、それが次の質問をしたいという欲求を生むというサイクルを回した。研究者らは、今回の知見は予備的なものであり、介入期間も数週間と比較的短かったことを指摘している。これらの変化を永続的な習慣とするためには、より長期的な関与が必要である可能性を示唆している。それにもかかわらず、本研究は教育テクノロジーの未来に向けた明確な設計図を提供している。AIの最も価値ある役割は、その場にいる中で最も賢い人間になることではなく、最も支持的なパートナーとなり、レッスンが終わった後も長く「なぜ」と問い続けるための自信とスキルを学習者に築かせることである、ということを示している。