Scaffolded and Unscaffolded Generative AI Use in Mathematics Teacher Education: Effects on Pre-Service Teachers’ Instructional Design Competence
この混合研究法による研究は、生成AI利用に対して教育的な足場かけ（スキャフォールディング）を提供することが、足場かけのないAI利用と比較して、数学科の教員養成課程の学生におけるインストラクショナルデザイン能力、AIへの準備性、自己調整学習、および批判的思考力を著しく向上させることを示している。
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
教師が単なる人間ではなく、授業計画を立て、数学の問題を作成し、複雑な概念を数秒で説明することができる強力なコンピュータ・プログラムであるような教室を想像してみてください。これが、学校や大学に急速に浸透している技術である、生成AI（人工知能）が約束する姿です。しかし、そこには落とし穴があります。もし学生が単にコンピュータに答えを求め、疑問を持たずにそれを受け入れてしまったら、彼らは自分自身の思考力、計画力、あるいは問題解決能力を養う代わりに、機械に頼ることを学んでしまうかもしれません。これが、今日の教員養成における中心的な葛藤です。すなわち、いかにしてこれらのスマートなツールを、将来の教師たちが学ぶための助けとして使いつつ、ツールに思考をさせてしまわないようにするかという問題です。このパズルを解く鍵は、「スキャフォールディング（足場かけ）」と呼ばれる概念にあります。教育におけるスキャフォールディングとは、家を建てる際に使用される一時的な支持梁のようなものです。それは建設者が技術を習得する間、構造物を支え、建物が自立できるほど強固になったら取り除かれます。研究者たちが問いかけたのは、将来の数学教師たちにこのような構造化されたガイダンスを与えながらAIを使用させることが、彼らを放置して自分で解決させるよりも、優れた教師にするかどうかという点でした。
ガーナの研究チームは、76人の将来の数学教師たちと共にこの問いに答えるべく取り組みました。これらの学生は、数学の授業を設計する方法を学ぶためのコースに在籍していました。研究者たちはクラスを2つのグループに分けました。一方のグループは、特別な指示なしにAIツールを使用しました。彼らはテクノロジーを使って授業計画を立てるよう指示されましたが、どのように適切な質問をし、どのように回答を検証すべきかは、自分たちで考えなければなりませんでした。もう一方のグループは、同じテクノロジーを使用しましたが、特定のサポートが与えられました。これらのサポートには、コンピュータに対して優れた質問を書くための例、コンピュータの作業を検証するためのチェックリスト、そして、その授業計画が自分たちの生徒にとって理にかなっているかを考えさせるための誘導質問が含まれていました。目的は、この追加のガイダンスが、学生の授業設計能力、テクノロジーへの準備態勢、自己学習の管理能力、そしてコンピュータから提供された情報を評価する批判的能力をどのように変化させるかを見ることでした。
14週間にわたる授業計画の作成作業の後、結果は明白でした。構造化されたガイダンスを受けた学生たちは、それなしで取り組んだ学生たちよりも有意に優れたパフォーマンスを示しました。研究者が学生たちが作成した最終的な授業計画を精査したところ、サポートを受けたグループは、より効果的で思慮深い授業を設計していました。彼らは教材の構成や活動の選択、そして生徒が数学を理解したかどうかを確認する方法の作成において、より優れていました。サポートのないグループが作成した計画は、コンピュータの出力をあまりにも早く受け入れすぎていたため、しばしば拙速であったり、大幅な修正を必要としたりするものでした。また、ガイドを受けたグループは、将来テクノロジーを使用する準備態勢に関する指標においても高いスコアを獲得しました。彼らは、コンピュータとの対話方法、その限界、そして責任ある使用方法について、より自信を持って感じていました。彼らは、ソフトウェアによって生成された誤りや偏った情報に騙される可能性がより低いのです。
この研究はまた、ガイドを受けた学生たちが「より良く学ぶ方法」を学んだことも明らかにしました。彼らは、自身の学習プロセスを調整する能力をはるかに強く示しました。単にリクエストを入力して結果を待つのではなく、彼らはアプローチを計画するために立ち止まり、入力されるコンピュータの出力を監視し、その提案が自身の目標と一致しているかを評価しました。彼らはコンピュータを、従うべき機械としてではなく、問いかけるべきパートナーとして扱ったのです。この批判的思考こそが、両グループ間の最も顕著な違いでした。サポートを受けた学生たちは、授業のアイデアが正確で、かつ実際の子供たちにとって適切であるかどうかを絶えず自問していました。彼らは数学をチェックし、提案を教科書と比較し、コンピュータが間違いを犯した場合には計画を修正しました。サポートのない学生たちは、たとえ欠陥があったとしても、検証するためのツールを持っていなかったために、最初に受け取った答えをそのまま受け入れてしまうことがよくありました。
研究者たちがより少人数の学生にインタビューを行い、彼らの経験を理解しようとしたとき、そのパターンはさらに鮮明になりました。サポートを受けた学生たちは、深い思考のプロセスについて語りました。彼らは、チェックリストや誘導質問によって、授業内のあらゆる活動の背後にある「なぜ」について考え、ペースを落とすことを強制されたと説明しました。彼らは、授業の質はコンピュータの出力だけでなく、自分自身の決定にかかっていることに気づきました。対照的に、サポートのない学生たちは、コンピュータが奇妙な回答をしたときに、しばなく迷ったり不安を感じたりしたことを認めました。彼らは元の質問を修正するのではなく、新しいチャットを始めてやり直す傾向があり、正確さよりもスピードを優先することが頻繁にありました。彼らは、コンピュータが自分の代わりに仕事をしていると感じており、それが結果として、一人で教えるための準備が十分にできていないという感覚を残したのです。
これらの知見は、将来の教師に強力な人工知能ツールを単に手渡すだけでは、彼らをより優れた教育者にすることはできないということを示唆しています。ツールは、それを取り巻くガイダンス次第で決まるのです。研究者が、計画、確認、そして内省を促す枠組みを提供したとき、学生たちはプロフェッショナルとしてのスキルを研ぎ澄ますためにテクノロジーを使用しました。彼らはより良い授業を設計し、受け取った情報についてより批判的に考え、自身の学習をコントロールすることを学びました。その枠組みがなければ、テクノロジーは、彼らが実際の教室で必要とする独立した判断力を発達させることを妨げる「杖（依存の対象）」となるリスクがありました。本研究は、人工知能が次世代の教師を真に訓練する助けとなるためには、単に「どう尋ねるか」ではなく、「どう考えるか」を教える意図的なサポートを伴って使用されなければならないと結論付けています。
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。