投稿

学習支援システム研究における評価段階の整理 ― 探索的・改良・適合化的・総括的の三段階モデル ―

1. はじめに 学習支援システムの研究では，新たな支援機構や学習活動をシステムとして設計・実装し，その教育的価値を検討することが重要な課題となる。しかし，この種の研究で行われる評価や実験は一様ではない。ある研究では，その仕組みが受け入れられるか，使えるか，授業に持ち込めるかといった成立可能性が問われる一方で，別の研究では，どのように改良すべきか，どの対象や授業条件に適合させるべきかが問われる。さらに，十分に成熟した段階では，システム全体として教育的価値があるか，継続利用や導入に値するかが問われる。 このように，学習支援システム研究における評価は，研究の進展段階に応じて異なる役割をもつと考えられる。しかし，こうした段階差そのものはこれまで個別には指摘されてきたものの，学習支援システム研究全体に即して，一つの見通しのよい枠組みとして整理されてきたとは必ずしも言い難い。そのため，設計・開発を主たる貢献とする研究に対して総括的な効果検証に近い基準が求められたり，逆に，導入判断が求められる段階の研究に対して探索的な成立可能性の確認だけで十分とみなされたりするなど，研究の位置づけと評価基準のずれが生じうる。 本稿は，学習支援システム研究における評価段階について，既に広く確立した単一の標準分類を提示するものではない。むしろ，これまで ITS 研究，design research，複雑介入研究などにおいて着実に指摘されてきた論点を踏まえ，それらを学習支援システム研究の実態に即して統合的に再整理することを目的とする。具体的には，本稿では，学習支援システム研究における評価を，探索的，改良・適合化的，総括的の三段階として整理し，各段階の意味と役割を明確化する。さらに，著者らの作問学習研究を例に，教室実践を伴う研究であっても探索的段階に位置づく場合があること，設計・開発研究と運用・導入評価とは関連しつつも一定の役割分担が可能であることを論じる。 2. 先行研究と問題の所在 2.1 学習支援システム研究における段階的評価 学習支援システム研究では，開発の進展に応じて，異なる役割をもつ評価が行われる。初期段階では，その仕組みが受け入れられるか，使えるか，活動として成立するかといった成立可能性が主な関心となる。中間段階では，どこを直すべきか，どの条件や要素がより適切か，どの対象や授業条件にどう合...
コメントを投稿
続きを読む

三項論証の構造的整理における形式的三角ロジックと言語的三角ロジック

 本研究の立場は，三角ロジックそのものを新たに提案することにあるのではない。むしろ，標準的な論理学において個別の推論規則や推論形式として扱われてきたものを，根拠・論拠・結論からなる三項論証の観点から再整理し，自然言語の議論理解と形式的推論理解を連動させる教育的・理論的枠組みとして組織化することにある。標準的な自然演繹では，含意についても，条件文を用いて結論を得る含意除去規則と，仮定の下で得られた結論から条件文そのものを立てる含意導入規則とが区別される。このことは，標準的な論理学において，演繹が単一の操作ではなく，複数の規則とその組合せとして記述されていることを示している。したがって，本研究の狙いは，こうした標準的区別を否定することではなく，それらを三項論証として構造的に再記述する視点を与えることにある。 この問題設定には，すでに複数の関連研究の流れがある。ここでいう「この問題設定」とは，推論規則の名称や列挙を中心に推論を捉えるのではなく，根拠・論拠・結論からなる論証の三項構造に着目して，推論形式を区別し記述しようとする立場を指す。Toulmin 型議論分析は，議論を claim・grounds・warrant という要素関係として捉える視点を与えている。また，AIF（Argument Interchange Format）は，argument and reasoning の linguistic・logical・formal なモデルを橋渡しする理論中立的な共通オントロジーとして提案されており，information node と scheme application node を基礎とするグラフ表現によって，推論・対立・選好などの関係を記述する枠組みを提供している。したがって，三項化と言語表現―形式表現の橋渡しという発想自体は既存研究にも見いだされる。ただし，AIF の主眼は議論情報の相互運用可能な表現基盤を与えることにあり，根拠・論拠・結論からなる三項論証を推論形式の基本単位として固定し，その三項のどれが所与でどれが導出対象であるかによって演繹や仮説的推論を区別的に記述することを直接の目的とはしていない。さらに，warrant を明示化することの困難さや重要性は argument mining の研究でも繰り返し指摘されており，論拠がしばしば暗黙であるこ...
コメントを投稿
続きを読む

論理とレトリックを区別する方法とその必要性

私たちは日常の会話や議論のなかで、「論理的に話す」という言葉をよく用いる。しかし実際には、それが本当に論理によるものなのか、それとも印象づけや共感の喚起といったレトリックによるものなのかは、必ずしも丁寧に区別されていない。むしろ、強く納得させられたときに、それをそのまま「論理的だった」と受け取ってしまうことも少なくない。だが、論理とレトリックは重なり合う部分をもちながらも、本質的には異なる役割を担っている。この違いを見分けることは、他者の議論を正確に理解するためだけでなく、自分自身の考え方を吟味するためにも重要である。 まず、論理とは、主張がどのような前提に支えられ、どのような筋道を通って結論に至っているかを明らかにするものである。そこでは、何を認めればどの結論が導かれるのかが示され、どこに疑問や反論を向ければよいかも見えやすくなる。つまり、論理の価値は、議論を検証可能にするところにある。これに対して、レトリックは、相手に強い印象を与えたり、受け入れやすい気分を生み出したりするための表現の技法である。比喩、強調、対比、印象的な言い回し、感情への訴えなどはその代表である。レトリックは、人に伝えるうえで不可欠な働きをもつが、それ自体が論理的な正しさを保証するわけではない。 では、両者はどのように区別できるのだろうか。第一の方法は、その発話から前提と結論を取り出してみることである。何を根拠に、何を主張しているのかが明確に言い表せるなら、その発話には論理的骨格があると言える。反対に、聞いたときにはもっともらしく感じても、いざ「結局、何を前提に何を言っているのか」と問い直すと、筋道がはっきりしない場合、それはレトリックの比重が高い可能性がある。 第二の方法は、表現の強さを取り去ってみることである。たとえば、比喩や感情的な語句、勢いのある断定を外したときにも、なお主張の説得力が保たれるなら、その中心には論理があると考えやすい。逆に、語気や印象的な言い回しを除いた途端に説得力が急に弱まるなら、その効果は論理よりもレトリックに支えられていたことになる。 第三の方法は、反論可能性を見ることである。論理的な議論は、どこを批判すればその議論が揺らぐかが見える。つまり、批判の入口が開かれている。これに対して、レトリックが前面に出た発話は、相手に反論しにくい空気を作ることがある。反論...
コメントを投稿
続きを読む

論理的に話すとは

 「論理的に話す」と聞くと、相手を言い負かすことを思い浮かべる人は少なくないかもしれない。議論というものが、しばしば勝ち負けの場として受け取られているからである。しかし、本来、論理的に話すことの価値は、相手を封じることそのものにはない。むしろそれは、自分の主張がどのような前提に支えられ、どのような筋道を通って結論に至っているのかを明らかにし、その妥当性や不備を他者とともに確かめられるようにするところにある。 ここで区別しておきたいのが、レトリックと論理である。レトリックは、相手に強く印象づけたり、納得したくなる気分を生み出したりするための語りの技法である。それは必ずしも悪いものではなく、伝わりやすく話すためには不可欠でもある。だが、レトリックの中心が「どう響かせるか」にあるのに対して、論理の中心は「何を前提として、どのように結論に至るか」を明示することにある。言い換えれば、レトリックは説得の技法であり、論理は検証の形式である。前者は相手を動かすことに長けており、後者は主張を点検可能にすることに価値がある。 この違いを踏まえると、「論理的に話すことは相手を論破するためだ」という理解は、ややずれていることが分かる。もし目的が単に相手を打ち負かすことだけであるなら、むしろ論証の構造をあまり明らかにしないほうが有利な場合すらある。前提を曖昧にし、論点を少しずらし、言葉に含みを持たせておけば、批判を受けたときにも柔軟に逃げやすいからである。その意味では、相手を圧倒することだけを狙うなら、論理よりもレトリックのほうが役に立つ場面もあるだろう。 しかし、論理的に話すということは、そのような防御のしやすさを手放すことでもある。自分の議論の筋道を明らかにするということは、相手に理解してもらいやすくするだけでなく、どこに弱点があるのかも見えるようにするということだからである。だからこそ、論理的に話すことは、単なる論破の技術ではない。それは、自分の考えを他者と共有できるかたちに整え、反論や修正の可能性に開く営みである。論理とは、相手を黙らせるための武器というよりも、互いの主張を検証可能にし、必要なら見直すための土台なのである。 そう考えると、レトリックと論理はどちらか一方だけでよいものではない。伝わるためにはレトリックが必要であり、確かめ合うためには論理が必要である。ただ...
コメントを投稿
続きを読む

部品からの構造再構成を通した学習 －マルチモーダル統合と部品・構造・体験の共有化－

  [1]    溝口理一郎，知の科学 オントロジー工学の理論と実践，オーム社， 2012 ． [2]    平嶋宗，”特集「学習支援環境のシステマティックなデザイン : 学習の工学を目指して」 にあたって ” ，人工知能 , 25(2), pp.237-239,2010. [3]    平嶋宗 ,” ディープアクティブラーニングを指向した課題設計法としてのオープン情報構造アプローチ：外在タスク・メタ問題・仮説検証的試行錯誤，第 32 回人工知能学会全国大会論文集， 4H2OS9b01,2018. [4]    T. Hirashima, K. Yamasaki, H. Fukuda, and H. Funaoi, “Framework of kit-build concept map for automatic diagnosis and its preliminary use”, Research and Practice in Technology Enhanced Learning, vol. 10, pp. 1-21, 2015. [5]      平嶋宗，“キットビルド概念マップの理論と活用 : 形成的評価・批判的思考・共同作業・ FD の観点から”，教育システム情報学会中国支部第 20 回回研究会， pp.1-8, 2021. [6]    T.Hirashima, “ Formative Assessment and Meaningful Learning with Concept Mapping through Recomposition”, INFORMATION AND TECHNOLOGY IN EDUCATION AND LEARNING, Vol. 4, No. 1,pp.1-14, 2024 [7]    北村拓也 , 長谷浩也 , 前田一誠 , 林雄介 , 平嶋宗，“論理構造の組み立て演習環境の設計開発と実験的評価”， 人工知能学会論文誌 , 32(6), C-H14 ， 2018 ． [8]    平嶋宗，“言語...
コメントを投稿
続きを読む

生成 AI 出力に対する意味構成の必然化の試み －概念マップの構成と再構成による二段階の学習課題－

  [1]    Kasneci, E., et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and individual differences, 103, 102274. [2]    Albayati, H. (2024). Investigating undergraduate students' perceptions and awareness of using ChatGPT as a regular assistance tool: A user acceptance perspective study. Computers and Education: Artificial Intelligence, 6, 100203. [3]    Mollick, E., & Mollick, L. (2023). Assigning AI: Seven approaches for students, with prompts. arXiv preprint arXiv:2306.10052. [4]    OECD (2021). AI and the Future of Skills: Volume 1 – Capabilities and Assessments. OECD Publishing. [5]    Kalantzis, M., & Cope, B. (2025). Literacy in the Age of AI. Reading Research Quarterly, 60(1), 7–33. [6]    Novak, J. D., & Gowin, D. B. (1984). Learning How to Learn. Cambridge University Press. [7]    渡邉弘大 , 平嶋宗 (2025). 生成 AI 時代のリテラシーとし...
コメントを投稿
続きを読む

外的表象の提供による思考レベルの学習設計 －再構成課題の生産的パズル化－

  [1]    平嶋宗 , ”ディープアクティブラーニングを指向した課題設計法としてのオープン情報構造アプローチ 外在タスク・メタ問題・仮説検証的試行錯誤 " 人工知能学会全国大会 , 4H2OS9b01, 1-4, 2025. [2]    平嶋宗，“生成 AI 時代のリテラシー育成を指向する再構成学習 : 「外的表象の再構成」 を通した 「内的表象の構成」 としての学習”，教育システム情報学会中国支部研究発表会講演論文集 , 24, 24-29,2025 [3]    Hirashima, T., Watanabe, K., “Recomposition Based Learning for Promoting Structural Understanding -From Reconstruction of External Representations to Recomposition of Internal Representations", Proc. of ICCE 2025, 482-487, 2025. [4]    平嶋宗 , 構造再構成学習法の理論的基盤 : 部品・構造間の意味的差分と理解を方向づける文脈としての構造 , 人工知能学会研究会資料 先進的学習科学と工学研究会 103 回 , 99-104, 2025. [5]    Chi, M. T., & Wylie, R., “The ICAP framework: Linking cognitive engagement to active learning outcomes”, Educational psychologist, 49(4), 219-243, 2014. [6]    Kapur, M., “Productive failure”. Cognition and instruction, 26(3), 379-424, 2008. [7]    平嶋宗 , 堀口知也，”「誤りからの学習」 を指向した誤り可視化の試み” , 教育システム情報学会誌 , 21(3), 178-186...
コメントを投稿
続きを読む