本稿では、2022年に学術誌 Sustainability に掲載されたJia, Sun, Ma, Looiによる論文 “Developing an AI-Based Learning System for L2 Learners’ Authentic and Ubiquitous Learning in English Language” を取り上げ、その内容と意義を批評的に考察します。英語教育にAIを組み込む試みは今や珍しくなくなりましたが、この研究が提案するアプローチは、既存のアプリとはひと味違う発想に基づいており、日本の英語教育現場にとっても示唆に富む内容を含んでいます。
研究者たちはどんな人たちか
筆頭著者のJia Fenglinは香港教育大学（The Education University of Hong Kong）の数学・情報技術学部に所属し、共著者のSun Danerも同大学で活躍する研究者です。Sunは本論文の責任著者であり、モバイル学習と科学・言語教育の融合を長年研究してきた実績があります。言語学の専門家としてMa Qingが加わり、さらにシンガポール南洋理工大学・国立教育院（NIE）のLooi Chee-Kitがチームを支えています。Looiはシームレス学習やモバイル学習の分野で国際的に知られた研究者であり、このチーム編成からも、本研究が教育工学・言語学・コンピュータ科学の交差点に位置していることがわかります。研究の背景にはCOVID-19パンデミックがあります。学校閉鎖が続く中、自宅でも、外出先でも、どこでも英語を学べる環境をどう整えるか、という切実な問いがこのシステムを生み出しました。
AIELLとはどんなシステムか
AIELL（AI-enabled English Language Learning）は、スマートフォンやタブレットから利用できるウェブベースの英語学習プラットフォームです。そのコア機能は二つあります。一つ目が「画像認識による語彙学習」、二つ目が「自動文法訂正による文作成練習」です。使い方はシンプルです。学習者がスマートフォンのカメラで身の回りの物を撮影してウェブサイトにアップロードすると、AIがその物体を認識し、英語の名前とカテゴリを返してくれます。たとえば猫の写真を撮れば「Egyptian_cat」と表示されます。次に、その語彙を使って英文を作ると、今度は文法チェック機能が働き、誤りがあれば即座に指摘されます。「I loves my Egyptian cat!」と打ち込むと、「”I”には三人称単数以外の動詞形を使う必要があります」というフィードバックが表示されるわけです。これは、まるで英語が得意な友人が常に隣にいるような体験です。学校の授業中に先生が一人ひとりの文法を丁寧に見てくれる時間はなかなか取れません。そこをAIが補う、という発想は非常に現実的です。
技術的な話をすると、画像認識にはKeras上で動作するVGGアルゴリズムが使われており、文法チェックにはPythonのLanguage Toolが利用されています。サーバー側はPyCharm FlaskとWSGIで構成され、フロントエンドとのやり取りにはAjax非同期通信が使われています。つまり、ページをリロードすることなく即座にフィードバックが得られる設計になっています。ローカルネットワーク環境で動作するため、教師がURLを発行すれば、生徒はスマートフォンやタブレットからすぐにアクセスできます。アプリのインストールが不要という点は、端末管理の煩わしさを考えると現場にとって大きなメリットでしょう。
「真正性」と「遍在性」という二つのキーワード
本論文が強調するのは、”authentic（真正）”と”ubiquitous（遍在的）”という二つの学習概念です。真正性とは、実際の生活場面に根ざした学習のことです。教科書の中の架空の場面ではなく、自分が日常的に目にするものを教材にするという考え方です。遍在性とは、場所や時間を選ばず学べるという意味です。教室の中だけでなく、公園でも、買い物先でも、学習が続けられる状態を指します。これは日本の英語教育でも長年の課題として語られてきた「学んだことを実生活で使えない」という問題と直結しています。文法や語彙を机の上で覚えても、実際の場面で使えなければ意味がない、という批判は根強くあります。AIELLのアプローチはその問題に正面から向き合っており、学習者が自分の周囲にある「本物の素材」を通じて英語に触れるよう設計されています。関連研究として論文中に紹介されているHasnineらが開発したIUEcosystemも、同様のコンセプトに基づく知的遍在学習環境であり、文脈に応じた画像生成とリアルタイム分析を組み合わせて語彙学習を支援した実績があります。AIELLはこうした先行研究の流れを引き継ぎつつ、文法学習機能を統合した点で独自性を持っています。
評価研究のデザインと結果
システムの評価は三段階で行われました。まずフェーズIとしてデモンストレーションテスト、次にフェーズIIとしてオンラインのユーザビリティテスト、そしてフェーズIIIとして任意参加の半構造化インタビューです。参加者は20歳から28歳の学部・大学院生20名で、専攻はAIと教育工学、ICT、英語、中国語など多岐にわたりました。ユーザビリティテストにはNielsenのヒューリスティック評価法が採用されており、可視性、現実世界との整合性、ユーザー制御の自由度、一貫性、エラー防止、認識、柔軟性、美的デザイン、エラーの回復、ヘルプの10次元に加え、モバイル学習環境という11番目の次元が追加されました。全次元の平均スコアが3.0を超えたことで、システムの全体的な実現可能性とユーザビリティが確認されました。特に注目すべきはPearson相関分析の結果です。モバイル学習環境（MLE）と最も強い相関を示したのは「エラー防止（r=0.635）」「現実世界との整合性（r=0.599）」「一貫性（r=0.534）」の三つでした。これは、AIが誤りを適切に検出してフィードバックを与える機能と、システムが日常の言語使用に根ざしていることが、モバイル環境での学習効果に強く結びついていることを示唆しています。一方で、美的デザイン（r=−0.233）、エラー回復（r=−0.147）、ヘルプ（r=−0.164）はMLEと負の相関を示しました。これは一見奇妙に思えますが、シンプルなデザインであるがゆえに過剰な装飾や冗長なヘルプ機能が不要と判断されたという解釈も成り立ちます。もっとも、この点については追加の検討が必要でしょう。一貫性、認識、柔軟性、ヘルプの4次元でスコアが4.0を下回った点も正直に報告されており、研究の誠実さが伝わってきます。インタビューに参加した3名も概して好意的な評価を示しており、「AIテクノロジーを使って実生活に結びついた授業ができることを示してくれた」「低学年の学習者に適した設計だ」といったコメントが得られています。また、「モバイル学習の過程で自由に操作でき、自律性が高い」という声も印象的です。
日本の英語教育現場への示唆
日本の学校教育においても、「英語を実際に使う場面の不足」は長年の課題です。特に小学校や中学校の低学年段階では、英語への動機づけをいかに維持するかが重要なテーマとなっています。文部科学省が進める小学校英語の教科化以降、「コミュニケーションとしての英語」を意識した指導が求められるようになりましたが、一方で教師の指導力の差や授業時間の制約から、語彙・文法の定着が不十分なままになるケースも少なくありません。AIELLのようなシステムが示すのは、スマートフォン一台あれば、日常生活そのものが英語の教材になり得るという可能性です。特に「近所の公園で植物を撮影してその英語名を覚え、それを使って文を作り、文法フィードバックをもらう」という一連の流れは、従来の反復暗記型の学習とは質的に異なる体験を提供します。また、放課後や家庭学習の場面でも活用できるため、授業時数の制約を超えた学習継続が期待できます。さらに、この研究が対象としているのは「lower-grade learners（低学年・初習者）」です。日本で言えば小学校中・高学年から中学校段階の英語学習者がターゲットとなり得ます。こうした層が抱える「繰り返し暗記への飽き」「間違えることへの不安」という問題を、文脈に根ざした楽しい活動と即時フィードバックで緩和できるという観点は、現場の教師にとっても興味深い視点でしょう。
関連研究との対比から見えてくること
AI×言語学習の研究領域では、近年、自動作文評価システムやAIチャットボットを用いた会話練習、インテリジェントチュータリングシステムなどが盛んに開発・研究されています。Shazly（2021）はAIチャットボットをEFL学習者のスピーキング練習に活用し、言語産出の向上と対話促進に有効であることを示しました。Hwang（2019）は物体認識と音声認識を組み合わせた協調的英語学習システムを開発し、スピーキングの正確性と動機づけの向上を報告しています。これらの研究と比べると、AIELLの特徴は語彙習得と文法習得を一つのプラットフォームに統合した点、そして何より「学習者自身が教材を生成する」という参加型の設計にあります。学習者が自分で撮った写真が教材になる、というのは一見些細なことのようですが、心理的なオーナーシップ（自分ごと感）を高める上で重要な要素です。教育心理学的に言えば、自己決定理論が示す「自律性の支援」に直結しています。ただし、他のシステムと比べて音声入力・出力機能が欠如している点、またリーディング・ライティング以外の技能への対応が限定的である点は、今後の拡張が期待される課題です。
批判的な視点から見た課題と限界
本研究には率直に言っていくつかの限界もあります。まず、参加者が20名という小規模サンプルであること、かつ20代の大学生・大学院生が中心であり、本来のターゲットである「低学年学習者」ではないという点が挙げられます。研究者自身もこれを限界として認めており、今後のフィールドテストと参加者の拡大を課題として挙げています。次に、システムの使用が英語学習の成果（語彙習得量や文法の正確性など）にどの程度貢献したかを測る学習効果研究が行われていない点です。本論文はあくまでシステム開発とユーザビリティ評価の報告であり、学習効果の検証は今後の研究課題とされています。この点は実践研究として続報が望まれます。また、VGGアルゴリズムによる物体認識の精度についても、論文内で詳しく触れられているとは言えません。「Egyptian_cat」という例が示されていますが、より曖昧な対象や背景の複雑な場面での認識精度はどうなのか、という疑問が残ります。現場の教師が実際に使う際、誤認識が多ければ学習者の混乱や不信感につながる可能性があります。さらに、ローカルネットワーク環境での運用を前提としているため、学校のネットワーク整備状況によって導入のハードルが変わる点も実用面での課題です。日本の学校現場では端末整備が進んでいますが、ネットワークの安定性や管理体制には地域差があります。
それでもこの研究が持つ価値
課題を列挙しましたが、それでもこの研究が持つ意義は小さくありません。AIを教育に取り込む際に最も陥りやすいのは、「技術のための技術」になってしまうことです。高度なシステムを開発しても、学習者が使いこなせなければ意味がなく、ましてや教室の文脈と切り離されたドリル練習を高度なUIで包んだだけでは本質的な変化をもたらしません。AIELLが試みているのは、学習者の日常生活と英語学習のあいだに橋をかけることです。撮影・認識・文作成・文法確認というサイクルは、シンプルながら認知的に整合した設計であり、意味のある文脈の中で語彙と文法を同時に練習できます。Nielsen評価を丁寧に適用してユーザビリティを多面的に検証し、さらに相関分析と対比検定を組み合わせた分析は、システム開発研究としての方法論的な丁寧さを示しています。混合研究法（デモテスト・ユーザビリティ調査・インタビュー）を採用することで、数値データだけでは見えにくい学習者の体験や感情的反応も拾い上げようとした姿勢は評価できます。そして何より、この研究は「英語教育はもっと外に出ていい」というメッセージを静かに、しかし力強く発しています。教室の四つの壁に縛られた英語学習から、学習者が世界を歩きながら英語と出会う体験へ。その実現に向けた一歩として、AIELLは確かな手応えを示しています。日本の英語教育研究者・実践者にとっても、その方向性は決して遠い話ではないはずです。
Jia, F., Sun, D., Ma, Q., & Looi, C.-K. (2022). Developing an AI-based learning system for L2 learners’ authentic and ubiquitous learning in English language. Sustainability, 14(23), 15527. https://doi.org/10.3390/su142315527
