Divergent research orientations of affective and emotion concepts in artificial intelligence education through a bibliometric analysis
2020年から2025年までの401件の文献に関する計量書誌学的分析を通じて、本研究は、AI主導のアフェクティブ（情動）およびエモーション（感情）研究が2023年に大幅な成長の転換点を迎えて一貫したエコシステムへと成熟した一方で、これら2つの概念は、「アフェクティブ」研究が教育実践に焦点を当て、「エモーション」研究が技術開発に焦点を当てるという、異なる方向性を示しており、分野横断的な協力を導くための「二重知識生産モデル」の提案を必要としていることを明らかにしている。
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
教育における人工知能（AI）の分野を、活気にあふれた巨大な建設現場として想像してみてください。長年、2つの異なる建設チームが、同じプロジェクトに取り組んできました。それは、「生徒の気分を高め、学習をより良くすること」です。一方のグループは自らを**「アフェクティブ（情動）」チームと呼び、もう一方は「エモーション（感情）」チーム**と呼んでいます。
長い間、誰もがこれら2つのグループは全く同じことを別の言葉で表現しているだけだと思ってきました。しかし、2020年から2025年までの数百もの研究論文を調査したこの新しい研究は、驚くべき発見をしました。彼らは実は、全く異なる2種類の構造物を建設しているのだ、という事実です。
以下に、この研究結果を簡単な比喩を用いて解説します。
1. 2つの異なる設計図
研究者たちは、アイデアがどこで結びついているかを追跡するハイテクな地図のような「計量書誌学的分析（bibliometric analysis）」を用い、これら2つのグループが実際に何を行っているのかを明らかにしました。その結果、両者は同じ近所に住んでいながら、設計図が全く異なることが分かりました。
「エモーション」チーム（エンジニア）：
- やっていること： 彼らはカメラ技術者のような存在です。彼らの主な目的は、生徒の顔を瞬時に写真に撮ったり、声を聞いたりして、「この子は今、幸せか？ それとも悲しいのか？」と推測できる、より優れたセンサーやカメラを構築することです。
- 活動場所： 彼らは主に研究所や、一般的な被験者グループを対象に活動しています。彼らが重視するのは、カメラの「精度」です。
- 雰囲気： 「私たちの機械は、今この感情を検知できるか？」
「アフェクティブ」チーム（教育者）：
- やっていること： 彼らは教室のコーチのような存在です。彼らはカメラそのものよりも、その先にある「関係性」を重視します。生徒が学期を通じてどのように感じているか、学習に対してどのような価値を見出しているか、そして教師がいかにAIを活用して生徒の気分をサポートできるかを知りたいと考えています。
- 活動場所： 彼らは通常、大学やK-12（幼稚園から高校まで）といった、実際の教室で活動しています。彼らが重視するのは「体験」です。
- 雰囲気： 「このツールは、生徒の成長と心のサポートにどう役立つか？」
2. 4つの近隣地域（クラスター）
研究によって、この分野全体がマップ化され、4つの明確な「近隣地域（クラスター）」に分かれていることが判明しました。
- テック・ラボ（緑）： 顔や声を読み取るためのアルゴリズムをコーディングしている人々がいる場所。
- 教室（赤）： 教師たちが、これらのツールを実際の授業やカリキュラムにどう活用するかを考えている場所。
- 心理学ラボ（濃紺）： 研究者が、AIが不安や自信にどのような影響を与えるかを調べるために、厳格な実験を行っている場所。
- 特別ケア・ユニット（黄）： 自閉症の子供や特定の恐怖心を持つ子供など、特定のグループを助けるためにAIがテストされている場所。
3. 「生成AI（GenAI）」の爆発的普及
研究では、2023年から研究が爆発的に増加したことが注目されました。
- 2023年以前： AIは主に受動的な観察者でした。それはまるで、窓越しに生徒を監視し、表情から気分を推測しようとする警備員のようなものでした。
- 2023年以降（生成AIへのシフト）： ChatGPTのようなツールの登場により、AIは能動的なパートナーへと進化しました。もはや単に観察するだけでなく、対話ができるようになったのです。研究の焦点は、「どうやってこの感情を検知するか？」から、「生徒の気分を良くするために、どのように会話を進めるか？」へとシフトしました。それは、警備員が突然、生徒に対して親身な話し合いを始めたような変化です。
4. 「二重の知識生産」の発見
最も重要な発見は、「アフェクティブ」と「エモーション」という言葉の混同は、単なる間違いではなく、2つの異なる文化の表れであるということです。
- 論文の中に**「エモーション（感情）」という言葉を見つけた場合、それは研究者がテクノロジーの開発**（機械をより賢くすること）に焦点を当てていることを意味することが多いです。
- もし**「アフェクティブ（情動）」という言葉を見つけた場合、それは研究者が教育の実践**（教室をより良くすること）に焦点を当てていることを意味します。
著者らはこれを**「二重の知識生産モデル（Dual Knowledge Production Model）」**と呼んでいます。これは、一方のグループは車の「エンジン」を造っており、もう一方は乗客のための「ドライビング体験」を設計しているのだと気づくことに似ています。どちらも必要不可欠ですが、役割が異なるのです。
まとめ
この論文は、AIが教師に取って代わる準備ができているとか、明日からすべての教室でこれらのツールを使うべきだと主張しているわけではありません。そうではなく、単にその全体像を描き出しているのです。この分野が、4つの明確な領域を持つ複雑なエコシステムへと成熟したことを示しています。そして、「エモーション」の研究者と「アフェクティブ」の研究者は、同じ大きなプロジェクトに取り組んでいながら、目標の異なる2つの異なる部族であるということを明らかにしました。
研究は、この分野が前進するためには、これら2つの部族が「自分たちは同じである」と考えるのをやめ、協力し合う必要があると示唆しています。つまり、エンジニアがより優れたエンジンを造る一方で、教育者がより優れたドライビング体験を設計していくという連携が必要です。
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。