Learning Energy for Sustainable Learning with Artificial Intelligence in Higher Education
このパースペクティブ・アーティクルは、「ラーニング・エナジー（学習エネルギー）」というフレームワークを紹介するものであり、これは5つの心理学理論を統合した多次元的なモデルであり、生成AIがリソースの評価を通じて、いかにして高等教育の学習者を消耗させ、あるいは活力を与え得るかを説明することで、AIを介した環境における学術的なウェルビーイングを理解し持続させるための包括的なアプローチを提示するものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
現代の大学において、学習という行為はその質感を変えつつある。数十年にわたり、教育は学生がいかにモチベーションを維持するか、いかに困難な教材に取り組むか、そしていかに精神的なウェルビーイングを保つかという理解に依存してきた。これらは馴染み深い概念である。モチベーションとは学生がタスクを開始する理由であり、エンゲージメント（関与）とは彼らが注ぎ込む努力であり、ウェルビーイングとは彼らが健全に機能しているという感覚である。しかし、教室には新たな力が入り込んでいる。それは単に棚に置かれているのではなく、思考プロセスに能動的に参加する力である。生成AI（エッセイを起草し、複雑な概念を説明し、即座にフィードバックを与える技術）は、周辺的な存在から、日々の学術生活の中心へと移動した。それはスピードと明晰さをもたらすが、同時にパラドックスももたらす。学生は、思考を減らしながら課題をより早く終わらせるかもしれないし、あるいは同じツールを使って理解を深め、自らの考えを検証するかもしれない。教育者や研究者が直面している問いは、もはやこの技術が機能するかどうかではなく、それが学習者を突き動かす「内なる燃料」をいかに変容させるかということである。
フォン・ドン大学からの新しい視点は、この内なる燃料を測定する方法として「ラーニング・エナジー（学習エネルギー）」という概念を提案している。この概念は、興奮や疲労といった単一の感情ではなく、人が学習を開始し、持続させ、調整することを可能にする動的なリソースである。著者であるヴァン・フオン・グエンは、このエネルギーは再生可能であり、社会的に共有されるものであると示唆している。それは学生が頭の中に一人で抱えるものではなく、テクノロジー、仲間、教師、そして所属する機関の規則との相互作用によって生成され、消耗するものである。本論文は、人工知能の影響を最終的な成績や作業の速度だけで判断することはできないと主張している。代わりに、そのテクノロジーが学生の思考を明晰にし、リスクを取るための安心感を与え、困難を乗り越える粘り強さを育み、他者と繋がり、そして自らの仕事の真の作者であり続けられるようにしているかどうかを見なければならないとしている。
研究はまず、既存の学習に関する概念が、現在起きていることを説明するには断片的すぎるという観察から始まっている。私たちはモチベーションや、人々がいかにリソースを管理するか、あるいは社会的つながりがいかに行動を助けるかといった理論を持っているが、それらはしばしば孤立して研究されている。本論文は、これらの別々の糸を一つの首尾一貫した枠組みへと編み合わせている。それは、学習エネルギーには5つの明確かつ関連した次元があることを示唆している。第一に、情報を処理するために必要な精神的な明晰さである「認知的エネルギー」。第二に、不確実性を扱うための安心感と自信である「情緒的エネルギー」。第三に、タスクが困難になったときにも学生を動かし続ける力である「動機づけ的エネルギー」。第四に、仲間や教師との繋がりを感じることで得られる学習への準備状態である「社会的・関係的エネルギー」。そして最後に、決定権を持ち、仕事に対して責任を負う作者であり続ける能力である「エージェンティック（主体的な）エネルギー」である。
この枠組みは、人工知能がどのように使われ、学生がそれをどう捉えるかによって、このエネルギーを構築することもあれば、枯渇させることもあると説明している。学生が、混乱した概念を明確にしたり、素早い例を得たり、批判を恐れずに難しい概念を練習したりするためにテクノロジーを使用する場合、そのツールは「発電機」として機能する。それはタスクを開始する障壁を下げ、学生がより有能であると感じさせる。しかし、同じツールであっても、思考を伴わない過度な依存につながれば、「消耗源」となり得る。もし学生が単にアウトプットをコピーするだけであったり、事実を確認する必要性をテクノロジーに置き換えたりすれば、学習に必要な精神的努力は消失し、それに伴って所有意識も失われる。論文は、これが「効率的な孤立」という状態を招く可能性があると指摘している。そこでは、学生は仕事を迅速にこなすものの、仲間との繋がりを感じられず、自分自身の能力に確信を持てなくなるのである。
これらの異なる結果を理解するために、著者は学生がこの環境をどのように経験するかについて、4つのプロファイルを示している。一つ目のグループは、強力な人間によるサポートと効果的なテクノロジー利用の両方を欠いており、消耗し不安を感じている。二つ目のグループは、テクノロジーへの依存は少ないものの、教師や仲間による手厚いサポートを受けており、回復力（レジリエンス）を示している。三つ目のグループは、高度な人工知能を利用しているが人間との繋がりが欠けており、「効率的な孤立」の状態にある。そこでは、スピードが深い学習と社会的帰属の犠牲の上に成り立っている。理想的なプロファイルとして記述されているのは「活性化された共同主体性（energized co-agency）」であり、これは高品質な人工知能が強い人間的サポートと組み合わさった時に起こる。このシナリオでは、テクノロジーはアイデアを生み出す助けとなるが、学生は教師や仲間による指導のもとで、それらのアイデアを検証し、批判し、洗練させていく。その結果、学生が明晰で、自信に満ち、繋がりを感じ、完全に主導権を握っている学習プロセスが生まれる。
論文は、このエネルギーが固定された特性ではなく、上昇と下降を繰り返すサイクルであることを強調している。学生は高いエネルギーを持ってタスクを開始し、テクノロジーを使って素早く着手するかもしれない。作業が進むにつれ、検証や批判的思考への要求が高まり、サポートが不足していれば、そのエネルギーは枯渇する可能性がある。しかし、もし学生が立ち止まって内省したり、仲間と議論したり、教師から明確な指導を受けたりすれば、エネルギーを再生することができる。この枠組みは、持続可能な学習はこのような「回復する能力」にかかっていることを示唆している。単に強力なツールにアクセスできるだけでは不十分であり、教育環境は学生が精神的・情緒的なリソースを回復できる条件を提供しなければならない。これには、規則に対する不安を軽減する明確なポリシー、最終成果物よりも思考プロセスを重視する評価方法、そしてテクノロジーが提示するものに対して疑問を持ち検証することを奨励する文化が含まれる。
著者は、この新しい学習の捉え方が、教育における人工知能を巡る混乱に対する解決策を提供すると提案している。それは、テクノロジーが良いか悪いかという単純な問いを超えた議論へと移行させる。代わりに、学生がどのようにツールを使うことが、責任ある学習者として考え、感じ、行動することに資益するかを問うのである。研究は、人工知能が学生の自律性、有能さ、そして繋がりへの欲求をサポートするとき、それは学習を加速させるエネルギーとなることを示唆している。逆に、それが学生の選択を代替したり、彼らを孤立させたりするとき、それはエネルギーを奪う。本論文は、人工知能と共に教える方法の問題を解決したと主張しているのではない。むしろ、テクノロジーの隠れたコストと利益を理解するための語彙と地図を提供しているのである。それは教育者に対し、単に速い結果を生み出すだけでなく、機械によって形作られつつある世界の中で、学び、考え、開花するという人間の能力を維持し、更新していくような学習体験を設計するよう促している。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。