AIによる対話型ティーチングはなぜ効果的なのか？――学びを支えるAIの3つの役割と学習設計の仕組み

 

AIとの対話を通じて新しい知識を学んだり、問題の解決策を探したりする人が増えています。知らない概念に出会ったらチャット画面を開いて質問すれば、数秒で説明が返ってきます。仕事上の具体的な問題であれば、背景を伝えるだけで、AIからいくつかの提案を得ることができます。

 

しかし、こうした一問一答で得られるのはあくまで情報であり、それだけで内容を本当に理解し、実際に活用できるようになるわけではありません。よくあるのは、AIの回答を読んだ直後は理解できたと思っていても、数日後に似た状況に直面すると、どう判断すればよいか迷ってしまうケースです。AIとのやり取りを通じて新しい情報を得ても、それだけでは実際に使える力として定着させることまではできません。

 

では、どのような条件が整えば、AIとの対話は単なる情報収集のための一問一答を超え、本当に学習を促すものになるのでしょうか？ 学術誌『Scientific Reports』に掲載されたランダム化比較試験（Kestin et al., 2025）は、その問いに対する一つの説明を提示しています。研究では、2つのグループの学生が同じコースを学習し、対照群は教師が指導する授業を受け、実験群は教授法に基づいて設計されたAIチュータリングシステムを使用しました。その結果、対照群でも、受講者が自ら考えながら学ぶアクティブラーニングの手法が採用されていたにもかかわらず、教授法の原則に基づいて設計されたAIチュータリングシステムの方が有意に高い学習効果を示し、学習にかかった時間も短くなりました。研究チームは、学習効果を左右する要因は、学習設計の緻密さにあると指摘しています。

 

対話型ティーチングが効果を生むかどうかは、その対話が科学的原理に基づいて設計されているかどうかにかかっています。では、単純なAIとの一問一答と、学習設計に基づくAIの対話型ティーチングでは、具体的に何が異なるのでしょうか？どのような対話設計が実際に学習を促すのでしょうか？

 

AIとの一問一答 VS AIによる対話型ティーチング

AIとの一問一答では、ユーザーが質問したことに対して、AIがその都度回答します。しかし、この形式の学習プロセスには、構造上3つの問題があります。

 

• 学習の方向性を適切にコントロールできない：

受講者が何を質問すればよいか分からなければ、そこで学習は止まってしまいます。また、自分が興味のある部分だけを質問し、本来重点的に学ぶべき内容を飛ばしてしまう可能性もあります。さらに、受講者自身が、そもそも質問の方向がズレていることに気づかないまま、AIに問いかけてしまうケースもあります。そのズレた方向に沿ってAIが回答すれば、受講者は自分が正しく理解できていると思い込んでしまいます。

• AIの応答にはばらつきがある：

同じ質問でも、AIの回答はその都度、重点の置き方や説明の詳しさ、挙げる例の適切さなどが異なることがあります。受講者に必要なのは、一人ひとりに合わせて、理解を段階的に深めていける一貫した学習パスです。しかし、AIがランダムに出力するだけでは、こうした学習パスを安定して提供することはできません。

• 受講者が自分の理解を一度もアウトプットしない可能性がある：

AIが多くの内容を説明しても、受講者が本当に理解しているのか、どの程度理解しているのかは分かりません。誤解が生じていたとしても、このプロセスではそれを把握できません。

 

単純なAIとの一問一答にも双方向のやり取りはありますが、それだけで効果的な学習が成立するわけではありません。

 

これに対して、対話型ティーチングでは、次の2つの仕組みによって、対話を効果的な学習につなげます。

 

• 対話の基盤となる学習設計：

学習設計では、学習目標と受講者像を明確にし、目標に至るまでの学習パスを設計するとともに、各重要ポイントで受講者の理解状態をどのように判断するかまであらかじめ定めます。AIの一つひとつの応答は、学習目標とその時点の受講者の状態に沿って方向づけられ、大規模言語モデル（LLM）が制約なく応答を生成するわけではありません。

• 受講者自身による思考と回答のアウトプット：

AIは、受講者に自分がどのように理解したかを言葉にするよう働きかけます。情報を受け取るだけで終わらず、自分の考えや回答をアウトプットすることで、受講者の認知的な関与と認知処理を促します。

 

この2つの仕組みのうち、学習設計は学習の方向性を適切に保ち、受講者自身が思考や回答をアウトプットすることで、学習そのものが成立します。どちらか一方が欠ければ、対話型ティーチングは単純な一問一答へ戻ってしまいます。

 

Graesserら（2004）が実際のチュータリング対話を対象に行った研究によると、優れた人間のチューターは、受講者から引き出したい内容と、よくある誤解やズレの両方をあらかじめ想定しています。チューターは、ヒントや追加の問いかけを通じて、受講者の回答を少しずつ期待する方向へ導いていきます。こうした対話が学習効果につながるのは、「受講者がどのような回答をし、どこで誤りやすいか」をあらかじめ想定した枠組みに基づいて、一つひとつのやり取りが進められるからです。受講者の理解にズレが生じた場合も、この枠組みに基づいて、AIは受講者の状態に応じた適切な方法で指導できます。

 

一方で、受講者が汎用大規模言語モデル（汎用LLM）と直接対話するだけでは、得られる学習効果には限界があります。汎用LLMは流暢な回答を生成できますが、特定の学習ポイントについて、「受講者がどのように答え、どこで誤りやすいか」をあらかじめ想定した枠組みを持っているわけではありません。この枠組みがなければ、どれほどスムーズに対話が進んでも、本質的には一問一答のままです。

 

なぜ対話が学習を促すのか

対話が学習において効果を発揮するのは、「対話」というインタラクションの形式そのものに特別な力があるからだけではありません。重要なのは、学習設計に基づく対話によって、学習効果につながる4つの仕組みが同時に働くことです。

 

1. 受講者の主体的なアウトプットを軸に学習を進める

 

対話では、受講者自身が必ず何らかの形で回答することになります。受講者は、一つひとつの回答を通じて、「学んだ内容を自分の言葉で整理する」ことと「学んだばかりの内容を記憶から取り出す」という2つの認知的な活動を行います。同じ内容をただ聞いたり見たりするよりも、自分の言葉で整理して説明する方が、記憶に残りやすく、内容をよりしっかり理解できます。また、情報を記憶から取り出す行為そのものが、どこまで覚えているかを確認すると同時に、記憶をさらに強化します。この2つの認知的な活動は、対話の各やり取りの中で自然に行われるため、別途テストの機会を設ける必要はありません。

 

2. AIが受講者の理解度を継続的に評価する

 

受講者の一つひとつの回答は、その時点でどこまで理解できているかを把握する手がかりになります。これにより、AIはあらかじめ想定した受講者像だけでなく、目の前の受講者の理解度に応じて、次にどのような指導を行うかを判断できます。受講者の回答から、概念を誤って理解していることが分かれば、AIは次のやり取りですぐに対応できます。フィードバックでは、最終的な答えが正しいか間違っているかを伝えるだけでなく、具体的にどの段階で理解にズレが生じたのかまで示すことができます。こうして、評価とフィードバックを同じ対話の中で行えるため、モジュール全体を学び終えるまで待って、まとめて評価する必要がありません。

 

3. 一つの対話のやり取りでは、一つの認知課題だけを扱う

 

人間のワーキングメモリには限りがあり、一度に処理できる新しい情報はごく限られています。対話は段階的に進み、一つの対話のやり取りで受講者が取り組むのは、一つの認知課題だけです。AIは一度の応答で、新しい概念の説明、問いかけ、演習の指示をすべて同時に提示することはありません。いくつかの学習ポイントを学んだ後には、AIが受講者に一度振り返りを促し、直前までに学んだ内容のつながりを自分の言葉で整理してもらいます。この途中のまとめによって、ワーキングメモリにある断片的な情報を、よりまとまりのある理解へと整理し、次の対話に取り組むための思考の余裕をつくります。

 

4. 思考の仕方が徐々に定着する

 

営業交渉を初めて学ぶ受講者が、対話演習の中で「この発言から考えると、顧客が本当に懸念していることは何か？」という問いを繰り返し投げかけられたとします。さまざまな顧客とのやり取りを想定した演習を重ねた後、実際の商談で新たな顧客の異議に直面したときにも、自ら立ち止まり、「相手が本当に懸念していることは何だろう」と考えられるようになっていきます。やがてAIから問いかけられなくても、自分からこのように考えられるようになり、次第に思考の習慣として定着していきます。

 

こうした思考の習慣が定着するためには、いくつかの条件があります。具体的には、練習する思考の仕方が十分に具体的であること、実際の業務で求められる判断と直接結びついていること、そして十分に多様な状況で練習することです。一般的な「クリティカルシンキング」を数回の対話だけで実際の業務に応用できるようにすることは困難ですが、特定の職務で求められる具体的な判断の仕方であれば、多様な状況で十分に練習することで、安定した思考習慣として定着させることができます。

AIの3つの役割は、対話の中でどのように分担されるのか

 

UMU AGLの対話型ティーチングでは、ここまで説明した学習の仕組みを、Teacher（ティーチャー）、Coach（コーチ）、Tutor（チューター）というAIの3つの役割が分担して実行します。それぞれが異なる指導機能を担い、ラーニングジャーニーの中で交互に登場します。

 

例えば、ある研修で、管理者が「部下に効果的なフィードバックを行う方法」を学んでいるとします。現在の学習目標は、部下にフィードバックするとき、部下そのものを評価するのではなく、具体的な行動を説明するという重要な原則を習得することです。

 

 

Teacher（ティーチャー）は受講者一人ひとりに合わせて指導を行い、必要に応じて新しい概念やフレームワーク、事実情報を提示します。一度のやり取りでは、一つの認知課題だけを扱い、多くの情報を同時に提示することはありません。ティーチャーが講義を行うタイミングも、受講者のその時点の状態に応じて決まります。早すぎると、受講者がまだ新しい知識の必要性を感じておらず、十分に受け入れられません。逆に遅すぎると、誤った方向に理解を組み立て始めている可能性があります。

 

Coach（コーチ）は問いかけを通じて気づきを促し、受講者の思考を導きます。追加の問いかけやヒント、反例などを通じて、受講者が一人ではたどり着きにくいところまで考えを深められるよう促します。答えそのものは直接提示せず、受講者が行き詰まった場合には、問題を分解して取り組みやすくします。質の高い回答ができた場合には、どこが良かったのかを具体的に伝え、効果的な思考の進め方への理解を強めます。受講者の能力が高まるにつれて、コーチによる支援は徐々に減り、具体的なヒントを示す段階から、思考の方向性だけを示す段階へと移っていきます。

 

Tutor（チューター）は受講者一人ひとりの学習を支援し、演習後にフィードバックを行います。また、受講者が疑問を感じたり、理解につまずいたりしたときには必要な説明を行い、演習後のフィードバックでは具体的なプロセスにまで踏み込みます。例えば、どの点が期待する水準に達しているのか、どの程度できているのかに加え、どこにズレがあり、そのズレが思考プロセスのどの段階で生じたのか、どのように修正すればよいのかまで具体的に示します。

 

AIの3つの役割は、一連の学習の中で交互に登場します。コーチの問いかけによって、受講者が十分に理解できていない点が明らかになり、必要なタイミングでティーチャーが新しい内容を提示します。その後、コーチが新たに学んだ内容を踏まえて、もう一度考えるよう促し、最後にチューターが受講者のアウトプットを詳しく評価します。では、一連の学習プロセスの中で、この3つの役割はどのような流れで連携し、対話を進めるのでしょうか？

対話型ティーチングを構成する3つの重要フェーズ

 

UMU AGLでは、一つの学習ポイントについて学ぶプロセスを、「活性化」「構築」「確認」の3つのフェーズに分けています。

 

 

活性化フェーズの目的は、受講者のこれまでの経験と、これから学ぶ学習ポイントを結びつけることです。例えば、先ほどの「部下へのフィードバック」を学ぶ研修では、コーチはまず具体的なマネジメントの場面を提示し、受講者に普段ならどのように対応するかを答えてもらいます。その回答には、受講者が普段どのような考え方や対応をしているかが表れ、それがその後の指導の出発点となります。

 

活性化フェーズは比較的短く、通常は1〜2回のやり取りで完了します。このフェーズの価値は、受講者が自分自身の実際の経験や判断をもとに学習を始められることにあります。その後の学習は、受講者の回答を通じて把握した理解度をもとに進めるため、一律に同じ内容を提示するのではなく、一人ひとりの理解に合わせて進めることができます。

 

構築フェーズの目的は、受講者の現在の理解度を土台に、新たな理解を段階的に築いていくことです。このフェーズには、「一度のやり取りにつき、理解を一段階ずつ深める」という重要な原則があります。受講者にある程度の基礎があれば、コーチが問いかけを通じて、自分で結論を導き出せるよう支援します。基礎が十分でなければ、まずティーチャーが分かりやすく内容を説明し、その後コーチが理解度を確かめる質問を投げかけ、本当に理解できているかを見極めます。構築フェーズを進むスピードは受講者によって異なりますが、一度のやり取りで理解を進める幅は、その時点の受講者が無理なく理解できる範囲に抑えます。

 

確認フェーズでは、受講者に学んだ内容全体を自分の言葉で説明してもらいます。コーチは、これまで段階的に練習してきた内容をつなぎ合わせ、一連の流れとして演習するよう促します。これは習熟度を評価するうえで重要な手がかりとなり、学んだ内容を全体としてどこまで理解し、一貫して説明できるかを確認できます。その後、チューターが演習結果について具体的なフィードバックを行い、どの点が期待する水準に達しているのか、どこにまだ改善が必要なのかを示します。

 

この3つのフェーズは学習プロセスの中で繰り返され、受講者が実際に習得するまで続きます。これは、対話型ティーチングと、あらかじめ決められた順序で進む従来型コースとの最も重要な違いの一つです。従来型の教材は、あらかじめ用意された内容を一通り提示すれば終了します。一方、対話型ティーチングでは、受講者の実際のパフォーマンスに応じて、必要な内容を重点的に補強するかどうかを判断できます。

知識タイプが違えば、対話の設計も変わる

 

一つの学習ポイントについて対話型ティーチングを設計する際、コーチがどこまで関与するか、ティーチャーがどの程度の内容を提示するか、チューターがどのレベルまで踏み込んでフィードバックするかは、知識タイプによって異なります。

 

 

知識は、事実型、概念型、プロセス型、戦略型の4つのタイプに分けることができます。知識タイプによって学習目標が異なるため、対話の設計方法も変わります。

 

• 事実型知識では、正確に記憶し、必要なときに素早く取り出せることが学習目標となります。そのため、ティーチャーによる内容提示を中心に、時間を置いて行う確認テストを組み合わせます。
• 概念型知識では、受講者自身が情報を整理し、統合する必要があります。そのため、コーチによる問いかけと、受講者自身による自己説明が主な指導方法となります。
• プロセス型知識では、複数の方法を組み合わせることが必要になります。まずティーチャーが標準的な手順と例を提示し、その後コーチとチューターが連携して、手順を補完する演習や誤りの修正を行います。
• 戦略型知識では、状況に応じて柔軟に判断することが求められます。対話を通じて、受講者が直前に行った判断に応じて次の指導を動的に調整しながら、チューターが思考プロセスそのものにまで踏み込んで具体的なフィードバックを行います。

 

 

UMU AGLは、知識タイプに応じて、学習活動の組み合わせを自動的に選択します。すでに習得している内容はスキップし、理解が不十分な内容は重点的に扱います。受講者ごとに異なる学習パスをたどりながら、全員が習得基準に到達します。

 

AGLの対話型ティーチングを今すぐ体験し、インタラクティブなラーニングジャーニーを始めましょう

対話型ティーチングの価値は、対話そのものだけではありません。より重要なのは、対話を終えた後に、受講者に何が残るかです。

 

受講者が初めてマネジメントに関する複雑な判断に直面するときには、コーチが問いかけを重ねながら問題を分解して考えられるよう支援し、行き詰まったときにはチューターが説明やフィードバックを行います。こうした練習を十分な回数、さまざまな状況で重ねることで、受講者自身で問題を分解し、判断できるようになります。また、受講者とAIの協働のあり方も変わっていきます。最初はAIに一つひとつ導いてもらう必要がありますが、次第にAIの支援を受けながら、より複雑な状況にも自ら対応できるようになります。

 

このように、受講者自身の能力を継続的に高めていくプロセスは、単純なAIとの一問一答とは本質的に異なります。一問一答では情報を得ることはできますが、ユーザー自身の情報の受け取り方や処理の仕方まで変わるわけではありません。一度質問して答えを得ても、AIに頼る状態は変わらず、次に似た問題に直面すれば、またAIに質問する必要があります。一方、対話型ティーチングでは、一つひとつのやり取りを通じて、受講者自身の判断力を高めていきます。受講者の能力が高まれば、次の学習では、AIもその高まった能力を前提に、さらに踏み込んだ指導を行うことができます。

 

企業研修において、この違いは、研修効果を測るための別の評価軸を示しています。研修の価値は、受講者のコース内でのパフォーマンスそのものではなく、コースを学び終えた後、受講者の行動が変わったかどうかにあります。対話の中で繰り返し練習する思考の仕方が、実際の業務で求められる判断と直接結びついていれば、研修効果をコースでの学習から実際の業務まで一貫して捉えられるようになります。

 

AGLの対話型ティーチングにおけるAIの3つの役割、3つのフェーズ、そして知識タイプと学習パスの組み合わせは、すべて一つの目標を実現するために設計されています。それは、一つひとつの対話型ティーチングを質の高い、効果のあるものにし、受講者が一つひとつ考え、回答するたびに、能力の向上やさまざまな状況での応用につながるようにすることです。

 

AGLを企業の研修シーンでどのように活用できるかを詳しく知りたい方は、こちらから詳細をご覧ください。AGLが貴社の研修にどのような変化をもたらすのかをご確認ください。貴社に適したプランは、AGLのプランと料金からお選びいただけます。

 

 

---

参考文献

 

Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15(1), Article 17458. https://doi.org/10.1038/s41598-025-97652-6

 

Graesser, A. C., Lu, S., Jackson, G. T., Mitchell, H. H., Ventura, M., Olney, A., & Louwerse, M. M. (2004). AutoTutor: A tutor with dialogue in natural language. Behavior Research Methods, Instruments, & Computers, 36(2), 180–192. https://doi.org/10.3758/BF03195563