AIを活用した形成的評価はEFL学習者の読解力・学習意欲・マインドフルネスを高めるか―クウェートの中学生を対象とした実験研究の批評
研究の背景と筆者について
本論文の筆者であるAsmaa Falah Theiyab Alazemiは、クウェート教育省に所属し、Mubarak Al-Kabeer地区の英語科に在籍する実践的な教育者です。現場の教師でありながら研究者としての視点を持つ筆者が、自らの教育現場で直面してきた課題、すなわち従来の教授法の限界をどう乗り越えるかという問いに正面から向き打ち込んだのが本研究といえます。論文は2024年にLanguage Testing in Asia誌に掲載されており、オープンアクセス形式で公開されています。
外国語としての英語（EFL）教育において、学習者の読解力をいかに向上させるかは、日本でも長年議論され続けているテーマです。単語を読む、文法を解析する、そうした「部品」の学習は進んでも、文章全体の意味を把握し、批判的に読む力がなかなか育たないというもどかしさは、現場の教師なら誰もが経験したことがあるでしょう。Alazemiはその問題意識を出発点に、人工知能（AI）を組み込んだ形成的評価（formative assessment、以下FA）が、読解力だけでなく、学習者の「楽しさ」「個人最高目標」「マインドフルネス」といった心理的・感情的側面にも及ぼす影響を実験的に検証しました。
研究の概要―何を、どうやって調べたのか
研究の舞台はクウェートの女子中学校（Hasnaa Bent Muaaweya International School for Girls）で、9年生の生徒80名が対象です。参加者はランダムに実験群（EG、40名）と統制群（CG、40名）に分けられました。実験群にはAIプラットフォーム「Nearpod」を用いたFA付きの読解授業が、統制群には従来の対面式FAによる授業がそれぞれ実施されました。どちらのグループも10本の読解テキストを学習し、授業前後に読解力テスト（TOEFLリーディングサブテスト）、外国語学習の楽しさを測るFLES尺度、個人最高目標（PBGs）を測るMartin（2006）の尺度、そしてLanger Mindfulness Scale（LMS）を用いた計4種類の測定が行われました。統計分析にはANCOVA（共分散分析）が使われ、事前テストの得点を共変量として統制した上で、両群の事後テスト得点が比較されています。
Nearpodとは何かを少し説明しておきましょう。これはスライドベースのインタラクティブな授業プラットフォームで、動画・クイズ・投票・オープンエンド質問などを組み込んだ授業を教師がオンラインで配信できるツールです。生徒はスマートフォンやタブレット、PCを通じてリアルタイムで参加し、教師は瞬時に全員の回答を確認・フィードバックできます。匿名で意見を書き込める「コラボレーションボード」機能も備えており、発言を躊躇しがちな生徒が積極的に参加できる仕組みになっています。
主な結果―実験群が4項目すべてで統制群を上回った
ANCOVAの結果は、4つの従属変数すべてにおいて実験群が統制群を有意に上回るという、かなり明確な結論を示しています。読解力の事後テストでは実験群の平均が17.75点、統制群が16.00点（有意水準p=.001）。楽しさの得点は実験群64.10点に対して統制群51.10点（p=.000）。個人最高目標は実験群58.70点対統制群49.05点（p=.000）。マインドフルネスは実験群62.35点対統制群49.35点（p=.000）という結果でした。いずれも統計的に有意な差が認められており、AIを活用したFAの効果が支持される形となっています。
特に目を引くのは、読解力の差が比較的小さいのに対し、楽しさやマインドフルネスの差が非常に大きいことです。これは何を意味するのでしょうか。AIによるインタラクティブな授業が、学習の「成果物」としての得点より、学習に向かう姿勢や感情面に強く作用することを示唆しているとも読めます。点数は少し上がる。でも、学びへの気持ちは大きく変わる。そういう話です。
理論的枠組みとの整合性
本研究の理論的背景には、Vygotsky（1978）の社会構成主義的学習理論（SCLT）と、その中心概念である「最近接発達領域（ZPD）」が据えられています。AIが教師や仲間に代わるスキャフォールディング（足場かけ）の役割を果たし、学習者が自力では届かないレベルに少しずつ引き上げてくれるという考え方です。これは理論としては説得力があります。
加えて、Sweller（1988）の認知負荷理論（Cognitive Load Theory）も引用されており、AIが外在的認知負荷を減らすことで、学習者が本質的な言語習得に集中できると論じられています。確かに、複雑な文章に向き合うとき、「どう答えればいいかわからない」「クラスで恥をかくかもしれない」という心理的プレッシャーが学習の妨げになることはよくあります。Nearpodのような匿名性を保てるツールはその点で有利に働くでしょう。
ただし、理論と実証の橋渡しがやや粗い部分も見受けられます。たとえば、どのメカニズムでZPDが機能したのかを直接測定したわけではなく、結果から理論的解釈を事後的に当てはめている側面が否定できません。この点は批判的に読む必要があります。
方法論上の強みと限界
本研究の方法論上の強みとして、まず事前テストによる等質性確認とANCOVAの使用が挙げられます。単純な事後比較ではなく、事前得点を統制変数として分析に取り込んでいる点は、内的妥当性を高める上で重要な配慮です。また、4種類の従属変数を同時に測定することで、AIの影響を多面的に捉えようとした点も評価できます。
一方、限界も少なくありません。まずサンプルサイズです。80名という人数は、著者自身も「アクセス可能な学生数の制約」として認めています。さらに全員が女子生徒であり、クウェートの一校のみというサンプルの偏りは、結果の一般化可能性を大きく制限します。日本の混合クラス、あるいは異なる文化的背景を持つ学習者群に同じ結果が得られるかどうかは、慎重に判断する必要があります。
次に、便宜的サンプリング（convenience sampling）の使用です。参加者がランダムに選ばれたわけではなく、利便性に基づいて選ばれた学校・クラスが対象になっています。これは実験の外的妥当性を弱める要因です。現場研究ではやむを得ない側面もありますが、解釈の際に十分注意が必要です。
さらに、介入期間に関する記述が曖昧です。本文中では「10本の読解テキストを教えた」と述べられていますが、何週間かけて行われたのか、各セッションの時間はどうだったのかが明示されていません。介入の「量」が不明では、効果の再現性を検討する上で困難が生じます。
使用した尺度について
本研究では複数の確立された尺度が使用されています。楽しさの測定には、Dewaele and MacIntyre（2014）が開発したFLES（Foreign Language Enjoyment Scale）が採用されており、21項目・5件法のリカート尺度です。この尺度は外国語学習の感情研究において広く用いられており、信頼性・妥当性についての先行研究も充実しています。本研究でのCronbach’s α係数は0.79と報告されており、許容範囲内といえます。
個人最高目標の測定にはMartin（2006）のPBGS（Personal Best Goal Scale）が、マインドフルネスにはPirson et al.（2012）のLanger Mindfulness Scale（LMS）が使われています。これらの尺度を組み合わせた研究は珍しく、一定の新規性が認められます。ただし、これらの尺度はもともと英語圏の文化的文脈で開発されたものであり、クウェートのEFL学習者への適用可能性については、より慎重な検討が求められるでしょう。
関連研究との対比
AIを活用したEFL教育に関する先行研究は、文法（Kim, 2019）、ライティング（Yan, 2023; Utami et al., 2023）、語彙（Hsu et al., 2023）、そして動機づけ（Ebadi & Amini, 2022）など、様々な側面に焦点を当ててきました。Lee et al.（2023）は、AIが生成した読解トピックが学習者の読書体験に与える影響を検証し、Wei（2023）はAI支援授業がL2動機づけと自己調整学習に及ぼす効果を示しました。
これらの研究との比較において、本研究の独自性は「形成的評価」というプロセスに着目した点にあります。多くの先行研究がAIツールの「使用」自体の効果を測定しているのに対し、本研究はNearpodという具体的なプラットフォームを通じたFAという「評価プロセス」の影響を追っています。評価と学習は切り離せないという認識が研究設計に反映されており、これは重要な視点です。
ただし、「FA」と「Nearpodを用いたインタラクティブ授業」の効果が混在している可能性は否定できません。実験群で改善が見られたのが、FAの継続的フィードバックによるものなのか、それとも単にNearpodのゲーム的・インタラクティブな要素による動機づけ効果なのか、現在の研究デザインでは切り分けが困難です。
日本の英語教育現場への示唆
日本では近年、GIGAスクール構想により一人一台端末が整備され、EdTechツールの活用が急速に広まりつつあります。しかし現場では、「使い方がわからない」「授業の中でどう組み込むか」「評価にどう活かすか」という戸惑いも根強く残っています。そうした状況において、本研究はひとつの参考点を提供しています。
特に注目すべきは、FAの「即時フィードバック」機能です。日本の英語授業では、テストは学期末や定期試験に集中しがちで、学習者が自分の理解度をリアルタイムで把握しにくい構造があります。Nearpodのようなツールを使えば、授業中に生徒一人ひとりの理解状況を可視化し、すぐに修正的フィードバックを返すことができます。これは教師にとっても大きな助けになるはずです。
また、楽しさとマインドフルネスの向上という結果は、日本の教育文脈で特に意義深いかもしれません。日本の英語学習者は、授業中に発言することへの抵抗感や失敗への恐れが強い傾向があることが多くの研究で指摘されています（たとえば外国語不安の研究は日本でも盛んです）。匿名での回答が可能なNearpodのコラボレーションボードのような機能は、そうした心理的障壁を下げる可能性があります。「間違いを恐れずに参加できる」という体験の積み重ねが、学習への前向きな態度を育てるという本研究の示唆は、日本の現場にも十分に響くものでしょう。
一方で、日本の文脈への適用を考えると、いくつかの課題も浮かび上がります。まず、本研究の対象はクウェートのイスラム文化圏の女子生徒であり、言語的・文化的背景が異なります。また、日本の学習指導要領や評価制度との整合性も考慮する必要があります。大学入学共通テストに代表される標準化試験への対応を求められる現場では、継続的なFA中心の授業設計を取り入れることへの制約も少なくありません。それでもなお、小・中学校段階や高校の日常授業レベルでの部分的な導入は十分に検討に値します。
倫理的配慮とデータ管理
本研究は倫理的配慮についても言及しており、参加者への書面によるインフォームドコンセントの取得、データの匿名化、安全なデータ保管などが報告されています。AIシステムの意思決定プロセスの透明性やアカウンタビリティについても触れられており、昨今のAI倫理への関心の高まりに応えた記述といえます。ただし、これらの記述は比較的簡潔であり、実際にどのようなプロトコルに基づいていたのかの詳細は読み取れません。
総合的評価と今後の展望
本研究は、AIを活用したFAが読解力・楽しさ・個人最高目標・マインドフルネスという多次元にわたる学習成果に肯定的な影響を与えることを示した先駆的な試みとして評価できます。特に、認知面（読解力）だけでなく感情・動機面を同時に測定しようとした点、そして日常的な授業実践に根ざした現場研究であるという点は、実践的意義の高い研究姿勢を示しています。
しかし同時に、サンプルの偏り、介入の詳細の不透明さ、理論と実証のつながりの曖昧さ、そしてFAとNearpodのインタラクティブ機能の効果の混在という方法論上の課題も見過ごせません。著者自身も論文末尾でこれらの限界を認識しており、縦断的研究や質的研究、異なる熟達度・年齢層への適用、さらには様々なAIフィードバック形式（会話型エージェント対自動文章フィードバックなど）の比較研究を今後の課題として挙げています。これらは的確な指摘です。
AIを教室に持ち込むことは、それだけで何かが劇的に変わるわけではありません。重要なのは、それをどう設計し、どう評価に組み込み、どう生徒との対話に活かすかというプロセスです。本研究はその入り口を示してくれる論文として、日本の英語教育関係者にとっても読む価値があるといえるでしょう。
Alazemi, A. F. T. (2024). Formative assessment in artificial integrated instruction: Delving into the effects on reading comprehension progress, online academic enjoyment, personal best goals, and academic mindfulness. Language Testing in Asia, 14, Article 44. https://doi.org/10.1186/s40468-024-00319-8
