研究の背景と著者について
インドネシア・スラバヤ国立大学（State University of Surabaya）の教育テクノロジー学部に所属するKhusnul Khotimah、Rusijono、Andi Marianoの3名による本論文は、2024年にInternational Journal of Interactive Mobile Technologies（iJIM）第18巻第5号に掲載されました。同大学の教育テクノロジー学部は、教育現場の専門家育成を使命とする機関であり、著者らはその実践的な文脈の中でこの研究を設計しています。論文のタイトルは “Enhancing Metacognitive and Creativity Skills through AI-Driven Meta-Learning Strategies” であり、AIを活用したメタ学習戦略が学習者のメタ認知能力と創造性をどの程度向上させるかを定量的に検証したものです。
日本の英語教育に携わる方々にとっては、「メタ認知」という言葉は近年の学習指導要領改訂や大学入試改革の議論の中でもしばしば登場するようになりました。しかし、それを実際の授業でどう育てるか、どんな手法が効果的なのかという問いに対する実証的な答えはまだ十分とは言えません。その意味で、本研究は日本の教育現場にとっても参照価値のある一本です。
「学び方を学ぶ」とはどういうことか
まず、本研究の中心概念である「メタ学習（meta-learning）」と「メタ認知（metacognition）」について整理しておく必要があります。この二つは名前が似ているだけあって混同されがちですが、著者らはその関係性を論じています。
メタ学習とは、ひと言で言えば「学び方を学ぶ」プロセスです。ある特定の知識を習得するのではなく、どうすれば効率よく学べるか、自分に合った学習方略は何かを理解し、それを状況に応じて柔軟に使いこなす能力のことを指します。機械学習の分野では、少ないデータで新しいタスクに適応できるモデルを設計する技術として注目されていますが、教育の文脈では人間の学習過程そのものを最適化しようという試みです。一方のメタ認知は、1979年にJohn Flavellが提唱した概念で、「自分の思考について考えること」、すなわち自分の認知プロセスを観察し、制御し、評価する能力を意味します。著者らはこの二概念を対立として捉えるのではなく、メタ学習がメタ認知を高める上位的な枠組みとして機能すると位置付けています。これは理論的に整合性のある立場であり、本研究の根幹をなす視点です。
研究の設計と方法―シンプルさの功罪
研究の方法論について見てみましょう。本研究は42名の教育テクノロジー専攻の学部生を対象に、「メッセージデザイン（Message Design）」という科目の授業内でメタ学習アプローチを導入し、介入前後にテストを実施する「一群事前事後テスト計画（one-group pretest-posttest design）」を採用しています。統計的分析には、対応のあるサンプルのt検定（paired sample t-test）と正規化ゲインスコア（N-Gain score）が用いられ、データの正規性はコルモゴロフ・スミルノフ検定によって確認されています。
結果は印象的です。t検定では有意確率が0.000と非常に小さく、事前テストと事後テストの間に統計的に有意な差が認められました。またN-Gainスコアの平均は0.7823で「高」カテゴリに分類され、有効性のパーセンテージは78.23%と「効果的」の範疇に入ります。数字だけ見れば、メタ学習アプローチは確かに機能している、という結論が導かれます。
しかし、ここで一歩立ち止まって考えてみる必要があります。研究デザイン上の最も大きな問題点は、比較対象となる統制群（control group）が存在しないことです。一群事前事後計画は手軽に実施できる反面、観察された改善がメタ学習アプローチによるものなのか、それとも単に時間の経過や授業そのものへの慣れによるものなのかを区別できません。著者ら自身も結論部でこの限界を率直に認めており、「将来の研究には統制群を含めるべきだ」と述べています。この自己批判的な姿勢は評価できますが、読者としてはその言葉を念頭に置きながら結果を解釈することが求められます。
評価ルーブリックの設計―何を「メタ認知」として測るか
本研究で用いられた評価ツールも注目に値します。メタ認知を測定するためのルーブリックは、「自己認識（Self-Awareness）」「自己制御（Self-Regulation）」「認知方略の活用（Use of Cognitive Strategies）」「メタ認知的省察（Metacognitive Reflection）」の4つの側面から構成され、それぞれ4段階で評価されます。
例えば「自己認識」のレベル1は「認知プロセスへの気づきがほとんどない」状態であり、レベル4は「自分の認知プロセスを明確に言語化できる」状態です。この設計は、学習者の内省的思考の深さを段階的に捉えようとする点で工夫されています。日本の英語教育で「ポートフォリオ評価」や「振り返り活動」が取り入れられることが増えていますが、そうした実践をどのように評価するかという問いに対して、このルーブリックは一つのモデルを示しています。内容妥当性（content validity）の確認は専門家判定によって行われており、信頼性の担保にも一定の配慮がなされていると言えるでしょう。ただし、評価者間信頼性（inter-rater reliability）についての記述がなく、この点は方法論的な弱点として指摘せざるを得ません。
AIの役割―「AI活用」の具体性が問われる
本論文のタイトルには「AI-Driven」という言葉が含まれており、読者はAIが授業においてどのような形で機能したのかに関心を持つはずです。しかし残念ながら、論文本文ではAIツールがどのように活用されたのかについての具体的な記述がほとんど見当たりません。抄録には「人工知能（AI）の助けを借りて認知機能を制御する能力を高める」という記述がありますが、実際にどのツールをどのような形で授業に組み込んだのかが明示されていないのです。
これは本論文における最も大きな欠落の一つです。昨今、ChatGPTをはじめとする生成AIツールが教育現場でも急速に普及しつつあり、日本でもその活用事例に注目が集まっています。だからこそ、「AIをどう使ったか」という部分の透明性は論文の再現可能性と実用性に直結します。他の研究者が同じ実践を試みようとしたとき、具体的な手順がわからなければ追試ができません。この点はぜひ今後の研究で補完されることが望まれます。
関連研究との対比―先行研究の参照はどこまで十分か
論文の考察部では、Flavellのメタ認知理論、Bigsのメタ学習の役割に関する研究、VanschorenのAutoMLにおけるメタ学習サーベイなど、幅広い文献が引用されています。機械学習における「メタ学習」と教育心理学における「メタ学習」という、もともとは文脈の異なる二つの概念を接続しようとする試みは知的に興味深いものがあります。
ただ、最近の英語教育や外国語学習におけるメタ認知研究との明示的な対話は見られません。例えば、Andrew CohenやAnna Chamotらによる言語学習方略の研究、あるいはLarry Vandergriftらによるリスニングにおけるメタ認知的アプローチに関する研究は、英語教育分野ではよく知られています。本研究の知見がそれらとどう関係するのかについての言及があれば、英語教育研究者にとっての接点がより明確になったでしょう。英語教育を専門とする読者にとって、このギャップは少し物足りなさを感じさせます。
「創造性」の扱い―測定されているのか、論じられているだけか
論文タイトルには「Creativity Skills」という言葉が含まれていますが、創造性がどのように測定・評価されたのかについての詳細な記述は論文内に見当たりません。メタ認知評価ルーブリックの中に創造性的な要素が含まれているとも読めますが、「創造性」として独立した評価軸が設定されているわけではなさそうです。
創造性の測定は本来非常に難しい課題です。発散的思考を測るTorrance Tests of Creative Thinking（TTCT）のような標準化されたツールが存在する一方、教育実践の文脈での創造性をルーブリックで捉えようとする試みもあります。本研究では「創造性」がタイトルに掲げられているにもかかわらず、その測定方法についての説明が薄いことは、論文の整合性という観点から見て改善の余地があります。読者は「創造性が本当に測定・向上されたのか、それとも理論的に論じられただけなのか」という疑問を抱きやすいでしょう。
日本の英語教育への示唆―自律学習者の育成という課題
さて、この研究が日本の英語教育現場にもたらす示唆は何でしょうか。日本の英語教育では長らく、教師が教えて生徒が覚えるという知識伝達型の授業が中心でした。しかし近年の学習指導要領では「主体的・対話的で深い学び」が強調されており、学習者の自律性を高めることが重要な課題となっています。本研究が示す「メタ学習」の考え方は、この方向性と完全に一致しています。
具体的に言えば、授業中に英語を使う練習をするだけでなく、「自分はどのように英語を学んでいるか」「どの方略が自分には効果的か」「今日の学習目標に対して自分はどこまで到達したか」を学習者自身に考えさせる活動を組み込むことが、メタ認知の育成につながります。例えば、授業後に短い振り返りジャーナルを書かせたり、テスト前に自分の弱点を分析させたりするといった活動は、特別な設備がなくても今日から実践できるメタ学習的アプローチです。
また、AIを活用したフィードバックシステムの可能性についても本研究は示唆を与えています。日本でも英語ライティングへのAIフィードバックツールや、スピーキング評価AIの実用化が進んでいます。そうしたツールを単に「答え合わせ」のために使うのではなく、学習者が自分の学習プロセスを振り返るための素材として活用することで、メタ認知の育成に貢献できる可能性があります。
サンプルサイズと一般化可能性について
42名という対象者数について触れておく必要があります。統計的検定の観点からはこの規模でも有意な結果を得ることは可能ですが、一般化可能性は限定的です。インドネシアの特定大学の特定専攻の学生を対象とした研究の結果を、そのまま他の文化的・教育的文脈、例えば日本の中高生や大学の英語授業に当てはめることには慎重さが必要です。とはいえ、メタ認知や自律学習の重要性という根本的な考え方は普遍的であり、そこから引き出せる実践的示唆は文脈を超えて参考になります。
総合評価―実践的貢献と方法論的課題のバランス
本論文は、メタ学習というやや抽象的な概念を、具体的な大学の授業実践に落とし込もうとした意欲的な研究です。評価ルーブリックの設計、統計分析の選択、理論的背景の整理など、全体的な構成は読みやすく、実践者にとって参考になる部分が多くあります。
一方で、統制群の不在、AIの活用方法の曖昧さ、創造性測定の不明確さという三点は、論文の学術的厳密性という観点から見て残された課題です。これらは著者ら自身も部分的に認識しており、今後の研究への展望も示されています。一本の論文としての完成度という点では改善の余地があるものの、「メタ学習とメタ認知の連携」という問いを教育実践の場に持ち込んだ点には、確かな先駆的意義があります。
教育の現場でなんとなく「うまく学べていない」と感じている学習者、あるいは「どう教えれば学習者の自律性が伸びるか」と悩んでいる教師にとって、「学び方そのものを教える」というメタ学習の考え方は、一つの突破口になりえます。本研究はその可能性を数字で示した、有益な出発点として評価できます。今後、より厳密な研究デザインのもとで追試が重ねられることで、この分野の知見はさらに豊かなものになっていくでしょう。
Khotimah, K., Rusijono, & Mariono, A. (2024). Enhancing metacognitive and creativity skills through AI-driven meta-learning strategies. International Journal of Interactive Mobile Technologies, 18(5), 18–31. https://doi.org/10.3991/ijim.v18i05.47705