Human-Guided AI Interaction in Task-Based Language Teaching: Effects of ChatGPT and Embodied Multimodal Conversational AI in Mixed Reality on ESL Learners’ Job Interview Anxiety and Oral Performance

技術要約：タスク・ベースの言語指導における人間主導のAIインタラクション

問題提起
英語のための特定目的（ESP）の学習者、特に採用面接のようなハイステークスな場面への準備を進めている学習者は、口頭における熟達度の向上において大きな障壁に直面している。従来の指導法は、クラス規模の大きさ、個別化の欠如、そして本物のインタラクションの機会の限定といった問題を抱えており、これらが外国語不安（FLA）を悪化させている。様々な介入策が存在する一方で、異なるAI媒介インタラクションの様態、具体的には音声ベースの生成AIと、複合現実（MR）における身体化されたマルチモーダル・エージェントが、スピーキング能力と不安の両方にどのように同時に影響を与えるかを比較した統合的な研究には、決定的な空白が存在する。さらに、既存の研究は自己報告による不安尺度のみに依存していることが多く、リアルタイムの感情状態を捉えるための生理学的データが不足している。

方法論
本研究では、「Skills for Success」コースに在籍する成人ESL学習者75名を対象とした、6週間の介入を含む準実験的な混合研究法を用いた。参加者は以下の3つの条件のいずれかに割り当てられた：

1. コントロール群： 従来の講師による指導。
2. ChatGPT群： ChatGPTの音声モードを介したインタラクション。プロンプトエンジニアリングを用いて、ESL採用面接トレーナーをシミュレートした。
3. MECAI群（マルチモーダル身体化対話型AI）： Mixed Reality環境（Meta Quest ProヘッドセットおよびUnity/Convai SDKを使用）内での、身体化されたAIエージェントとのインタラクション。エージェントは、模擬オフィス設定における視線、ジェスチャー、および音声インタラクションを備えていた。

データ収集および分析：

• パフォーマンス： 事前および事後の模擬採用面接を、流暢さ、発音、文法、語彙、内容、および関連性をカバーする標準的な分析ルーブリックを用いて評価した。スコアは総合的なパフォーマンス指標として集計された。
• 不安： 外国語教室不安尺度（FLCAS）および、面接中の生理学的心拍数モニタリング（Polar OH1）によって測定された。
• 定性的データ： 学習者の認識を理解するために、参加者への構造化インタビューを実施し、主題分析を行った。
• 統計学： グループ間および時期間のパフォーマンス、心拍数、およびFLCASスコアの差異を分析するために、二元配置反復測定分散分析（two-way repeated measures ANOVA）を用いた。

主な結果

• 口頭パフォーマンス： すべてのグループにおいて、事前テストから事後テストにかけて有意な改善が見られた。しかし、MECAI群が最大の利得を示し（事前：9.36、事後：18.52）、次いでChatGPT群（事前：8.96、事後：15.52）、コントロール群（事前：7.92、事後：12.88）の順となった。対比比較により、3つの条件すべてにおいて統計的に有意な差が確認された（$p < 0.001$）。
• 不安（FLCASおよび心拍数）： 記述的な傾向としては、MECAI群において不安の減少（自己報告および心拍数の両方）が示唆されたものの、FLCASおよび心拍数のいずれも、グループ間または時期を通じた統計的有意性に達しなかった。本研究では、スキルの向上に先立ってパフォーマンスの向上が現れるか、あるいはハイステークスなタスクの性質が、スキル向上にもかかわらず生理的な覚醒状態を維持させた可能性があると指摘している。
• 定性的知見： 主題分析により、以下の4つの主要なテーマが明らかになった：
  1. 自信におけるAIの役割： AIは練習のための判断を伴わない環境を提供したが、音声のみのグループにおける非言語的キューの欠如が限界として指摘された。
  2. 没入感と存在感： MECAI群は、強い「そこにいる」という感覚とリアリズムを報告しており、身体化されたエージェントは「実在の人物」または「信頼できるアドバイザー」として認識されていた。
  3. 不可欠な人間の講師： すべてのグループが、AIは人間の教師に代わるものではなく、感情的な調律や文化的ガイダンスを提供する補完的なものであると強調した。
  4. 不安の管理： 学習者は、適度な不安は潜在的に生産的である可能性を捉えており、AIは人間の対話者と比較して、否定的な評価を受けることへの恐怖を軽減すると述べた。

意義および主張
本論文は、複合現実における身体化された対話型AIが、口頭パフォーマンスの向上において、従来の指導法や音声のみのAIの両方を上回る有意義な利点を提供することを主張している。研究は、AIエージェントの「身体化」（視覚的キュー、ジェスチャー、および社会的存在感の提供）が、音声のみのインタラクションよりも効果的にこれらの利得に寄与することを示唆している。

しかし、著者は不安軽減に関して慎重な立場を維持している。統計的な有意性が達成されなかったため、本研究は、6週間の期間内にAIを介した練習が不安を軽減するという強い証拠を提供できていないことを明示している。本研究の意義は、AI（特にMRベースのAI）がパフォーマンスを大幅に向上させることができる一方で、それは単独の解決策ではなく、人間の講師によって導かれる教育ツールとして機能する場合に最適であることを示した点にある。本研究は、社会的存在感のメカニズムおよび、スキルの長期的な実際の雇用環境への転移に関するさらなる調査の必要性を強調している。