フィードバックは、もう一度試す機会があって学習になります

学習におけるフィードバックとは、受講者が出したアウトプットに対して、期待される考え方とどこが違っていたか、次はどう直すかを伝える情報です。テストの点数は、何問正解したかを示しますが、どの考え方でつまずいたのかまでは示しません。研修のあとに配る模範解答も、正しい答えは分かるものの、その受講者がどこで判断を誤ったかには触れていません。この二つがそろって、はじめてフィードバックと呼べるのです。

返し方の目安としてよく挙げられるのは、二点です。一つは返すまでの早さ、もう一つは示す内容の具体性です。答えた記憶が残っているうちに返すほど、受講者は自分の考えをたどり直せます。どの箇所がどう違うかまで示すほど、次に何を変えればよいかが分かります。研修設計の議論も、この二点をどう満たすかに向かいがちです。どちらも、講師が手を入れれば整えられる条件だからです。

フィードバックを読んだ受講者は、その場では納得します。書かれている理屈は分かりますし、次はこうすればよいという方針も受け取っています。ただ、納得することと、次に同じ状況で違う判断ができることは別です。読み終えた時点で残っているのは、直し方を知っているという状態にすぎません。理解のずれが直ったかどうかは、もう一度同じ論点に取り組んでみるまで、本人にも講師にも見えてこないのです。

フィードバックに含まれる「次はこうする」という指示は、実行する機会があってはじめて働きます。研修が終わったあとの実務で試すこともできますが、そこには講師の目が届かず、直せたかどうかを一緒に確かめてくれる相手もいないのが実情です。同じ論点に条件を変えてもう一度取り組む機会を研修の中に置けば、直した結果をその場で確かめられます。

資料を読み解いて論点を取り出し、条件を変えた課題の初稿を用意するところまでは、AIが引き受けられる範囲に入ってきました。講師は白紙から二組目を組み立てるのではなく、示された案を自社の業務に照らして直すところから始められます。同じ論点でも、想定する状況を入れ替えた案を並べて比べられます。作成の工数が下がると、二度目を前提にしたコースの組み方を選びやすくなるのです。

ただし、その条件が実務に即しているか、どこまで直せたら次へ進めてよいかを決めるのは、引き続き講師の仕事です。AIが変えるのは時間と労力のかけ方であって、専門的な判断の責任ではありません。二度目を置く分だけ、確認する対象はむしろ増えると言えます。