テクニカル・サマリー：生成AIを活用したスピーキング練習における「一律的なアプローチ」を超えて

1. 問題提起

生成AI（Generative AI）は、外国語としての英語（EFL）のスピーキング練習において、心理的障壁が低くパーソナライズされた環境を確立してきたが、既存の文献の多くは、グループレベルの傾向や媒介効果を報告するための定量的アプローチに依存している。これらの研究では、感情的、認知的、および行動的なエンゲージメントを別々の変数として扱ったり、それらが同期して発達すると仮定したりすることが多い。その結果、学習者がこれらの次元を主観的にどのように構成しているのかを理解する上で、大きなギャップが生じている。具体的には、学習者の異なる感情的体験が、いかにして彼らの認知的評価や行動的参加を形作るのか、また、学習者体験の異質性を考慮したとき、AIを活用した指導に対する「一律的な（one-size-fits-all）」アプローチが十分であるのかどうかは依然として不明である。

2. 研究手法

本研究では、個人の主観性を調査し、集団内における共有された視点を特定するために設計された、個人中心のアプローチである**Q法（Q methodology）**を採用している。

• 対象者: 中国北部の中堅理工系大学の学部1年生27名（男性22名、女性5名、平均年齢19.04歳）。全対象者は、スピーキング練習のためにAIツール（Doubao、チャオシン学習プラットフォーム、Liulishuo Englishなど）の使用経験を少なくとも1セメスター有していた。
• インストルメント開発（Qセット）: 以下の3つのソースから、47の代表的な記述文からなるQセットを構築した。(1) 学習者のエンゲージメントとAI支援型学習における感情的体験に関する文献レビュー、(2) 参加者の実体験に基づく自由回答、(3) 中国の主要なAIスピーキングプラットフォームにおけるユーザーコメント。記述文は、曖昧さを避けるために、単一の次元（感情的、認知的、または行動的）に焦点を当てるよう精査された。
• データ収集:
  • Qソーティング: 参加者は47の記述文を、「強く反対する」(-5) から「強く同意する」(+5) までの強制分布グリッド上にランク付けした。
  • 事後インタビュー: 因子負荷量が高かった10名の参加者を対象に、ランキングの理由を探るための半構造化インタビューを実施した。
• データ分析: Qソート・データは、主成分分析（PCA）およびバリマックス回転を用いたKADE（Version 1.3.1）を使用して分析された。因子は、固有値 > 1.00 および因子負荷量 ≥ 0.38 に基づいて保持された。4つの因子が抽出され、全分散の51%を説明した。

3. 主な結果：4つの学習者エンゲージメント・プロファイル

因子分析により、感情的、認知的、および行動的なエンゲージメントの独自の構成を特徴とする、4つの明確な学習者エンゲージメント・プロファイルが特定された。

1. リラックス型調整者 (Relaxed Regulators - Factor 1):

   • 感情面: 高いリラックス感と安心感。評価や間違いに対する不安が低い。
   • 行動面: 個人のニーズに合わせて相互作用のスタイルを動的に調整する（例：AIに言語を簡略化するよう求める）。
   • 認知面: 特筆すべき認知的なエンゲージメントはなく、処理は表層的であるか、深い内省よりも練習そのものに集中している。
   • プロファイル: 安全性とコントロール感を感じているが、認知的な深い関与に至らない可能性がある学習者。

2. 離脱型懐疑者 (Detached Doubters - Factor 2):

   • 感情面: 感情的な関与が低く、離脱している。AIによるフィードバックの「人間らしさ」に対して懐疑的である。
   • 認知面: 批判的かつ懐疑的な姿勢。AIによるフィードバックの正確性や、実際の習熟度を評価する能力に疑問を呈している。
   • 行動面: 受動的な利用、または限定的な参加（例：教師に命じられた時のみAIを使用する）。
   • プロファイル: ツールへの信頼を欠いており、それがエンゲージメントの低下につながっている学習者。

3. 不安型改善者 (Anxious Improvers - Factor 3):

   • 感情面: スコアやフィードバックに対して高い感受性を持ち、不安や感情の変動を経験する。
   • 認知面: AIの改善価値を明確に認識しているが、特定の弱点に固執する傾向がある。
   • 行動面: 特定された弱点に対する標的を絞った反復的な練習。他のAI機能や機能の探索を避ける傾向がある。
   • プロファイル: 失敗を回避するための外発的動機付けによって駆動されており、その結果、硬直化した非探索的な練習を行う学習者。

4. 好奇心旺盛な探求者 (Curious Explorers - Factor 4):

   • 感情面: 内発的な興味、好奇心、および新奇性に突き動かされた、ポジティブで活性化的な感情。
   • 認知面: AIの評価的および指導的価値に対する肯定的な評価。
   • 行動面: 高い主導権。異なるAIツールや機能を積極的に実験・試行する。
   • プロファイル: 内発的に動機づけられており、広範囲に探索し、すべての次元において深く関与している学習者。

4. 主要な貢献と知見

本研究は、感情的、認知的、および行動的なエンゲージメントが同期して起こるという仮定に異議を唱えるものである。代わりに、これらの次元が異質な構成パターンとして組み合わさっていることを明らかにしている。

• 感情の中心的役割: 感情的エンゲージメントは、すべてのプロファイルにおいて中心的な次元である。しかし、感情の「種類」（活性化型か脱活性化型か、ポジティブかネガティブか）が、その後の認知的および行動的な結果を決定付ける。
• 制御・価値理論（Control-Value Theory）の適用: 本研究は、これらの構成を説明するために制御・価値理論（Pekrun, 2006）を適用している：
  • リラックス型調整者: 高い知覚されたコントロールとポジティブな価値評価が、「脱活性化的なポジティブ感情」（リラックス）をもたらし、それが深い認知的処理を抑制する可能性がある。
  • 好奇心旺盛な探求者: 高いコントロールとポジティブな価値評価が、「活性化的なポジティブ感情」（楽しさ／新奇性）をもたらし、深い認知的および探索的な行動的エンゲージメントを促進する。
  • 不安型改善者: 高い価値評価はあるものの、知覚されたコントロールが低いため、「活性化的なネガティブ感情」（不安）をもたらし、それが標的を絞った行動的努力を促すが、探索を阻害する。
  • 離脱型懐疑者: 低いコントロールとネガティブな価値評価が、「脱活性化的なネガティブ感情」（退屈／離脱）をもたらし、認知的評価と行動的エンゲージメントの両方を損なわせる。

5. 意義と教育学的示唆

本論文は、生成AIを活用したスピーキング指導において「一律的な（one-size-fits-all）」アプローチは不十分であると主張している。本研究の意義は、学習者のエンゲージメントが異質であり、構成的であることを示した点にある。

教育学的示唆:

• 感情的サポートの優先: 指導においては、AIの低脅威性を活用するために、感情的サポートを優先すべきである。
• 個別化された介入:
  • リラックス型調整者に対して: 低ストレスな環境を維持しつつ、深い認知的エンゲージメントを促すためにリフレクティブ・ジャーナル（振り返り日記）を導入する。
  • 離脱型懐疑者に対して: ポジティブな感情体験を構築するために魅力的なインタラクティブ・ゲームを用い、コントロール感を高めるために、徐々に認知的要求の高いタスクを導入する。
  • 不安型改善者に対して: 不安を軽減し、外発的動機からより持続可能な動機へとシフトさせるために、段階的な目標設定を行い、AIのフィードバックを批判的に評価するよう指導する。
  • 好奇心旺盛な探求者に対して: 内発的動機を維持するために、オープンエンドで創造的なタスクを割り当て、エンゲージメントを強化するためにピア・シェアリング（仲間との共有）を推奨する。

6. 限界

著者は主に2つの限界を認めている：

1. サンプルの代表性: 本研究は中国の単一の大学のコホートを対象としており、年齢、習熟度、地理的領域を越えた知見の一般化には限界がある。
2. 静的な視点: 本研究は、ある一時点におけるエンゲージメント・プロファイルを描写しており、継続的な学習の中でこれらのプロファイルがどのように長期的（縦断的）に進化するかについては探究していない。

結論として、本論文は、AI統合環境において、これら個別の感情的・認知的・行動的な構成に対処し、持続的なエンゲージメントを促進するためには、教師の指導が極めて重要であると述べている。