概念
心理学教育
これは英語ページの自動翻訳です。母語話者による確認はまだ行われていません。
心理学教育 — 一学科としての心理学の教育:入門科目と方法論の系列、学部専攻、そして実践につながる臨床・カウンセリング訓練。本ベースの中でAIに関する文献量が最も多い分野であり、その文献の大半は心理学のカリキュラムそのものを研究していない。心理学の学生は高等教育において最も便宜的なサンプルである。彼らは動機づけやフィードバックに関する一般的な研究に回答者を供給する。より少数の研究は科目そのものを検討している:2年次科目におけるアセスメント設計、統計科目におけるAIチューター、そしてAIが道具であると同時に専門職上のリスクでもある臨床訓練。この区別が重要なのは、心理学の学生が生成AIをある仕方で使うという知見は、心理学を教えることについての知見ではないからである。
検討すべき問い
- 心理学の学生は高等教育で最も募集しやすいサンプルであるため、「学生とAI」に関する研究の大半は、実際には心理学の学生に関する研究である。参加者プールから得られた知見は、あなた自身の科目について何を教えてくれて、何を教えてくれないのか。
- 生成された問題バンクは、許容できる水準で信頼性が高くありながら、想起を超える力をほとんど測っていないことがある。学生が得る成績にとって重要なのは、点数が一貫していることか、それとも問題が学位の謳う能力を測っていることか。
- R-Tutorの研究は、統計科目の中で、答えるのではなく導くようモデルに促す。チューターが答えを出し惜しみするなら、答えてしまうチャットボットが教えていない何を教えているのか。
- カウンセラー訓練生は、同調的で情動的に平板、文化的に中立な模擬クライアントと練習した。この3つのうち、訓練生の初めての実面接で最も懸念されるのはどれか、またそれはなぜか。
- 臨床訓練は、道具が学習補助ではなく専門職上の主張になる場である:治療を推奨するシステムは、一人の人間について判断を下している。両者の境界をどこに引くか、そしてあなたのプログラムでは誰がそれを引くべきか。
はじめに
心理学はこの文献群の中で特異な位置を占める。心理学はAI研究に方法論と構成概念、そして回答者の大半を供給しており、同時に、その中核的技能——研究を設計する、統計を読む、証拠を判断する——が生成AIによって最も頻繁に近道されると非難される科目を教えている。この組み合わせにより、心理学教育はAI文献において最もよく記録された分野であると同時に、カリキュラムとしてはほとんど研究されていない分野の一つとなっている。
この両者を切り分けることこそ、この分野のAI問題の全体である。心理学を教えること自体について分かっていることは、研究量から想像されるよりも狭い:学部専攻におけるアセスメント設計、統計系列におけるAIチューター、AIが専門職上の問いとして現れる臨床・カウンセリング訓練、そして心理学の学生が何を知り何を信じているかについての調査証拠である。心理学の学生を、学生一般に関する問いの便宜的サンプルとして使う研究は、この分野についての証拠ではなく、その違いは毎回明示する価値がある。
なぜ心理学が文献を支配するのか
この量を説明する条件は3つある。心理学科は参加者プールを運営しているため、数百人の学部生を募集して調査に回答させるコストはほぼゼロである。教育・学習の学術研究がこの分野で確立しており、医学や法学が主にアクレディテーション(認定)経由で扱う科目レベルの仕事を、教員が発表する経路がある。そしてこの分野が研究する構成概念——動機づけ、自己効力感、フィードバック、批判的思考——は、AI文献が測定したい構成概念と同じであり、心理学は測定尺度を開発し妥当性を検証する自然な場となっている。
その結果生まれるのは、この分野が主題ではなく舞台設定となっている文献である。5大学の学部生991人(うち300人が心理学専攻)を対象とした調査は、学生一般がAIをどう使うかを教えてくれるが、心理学の学位が、ツールの使用を禁止する統計科目を必修とすべきかどうかは教えてくれない。どちらの問いも問う価値があるが、2つ目の問いこそがこの区別の意味するところである。
科目レベルの証拠
最も明確な科目研究はアセスメント設計である。RichmondとNichollsは、2年次の心理学科目「Media Assignment」でピア評価をChatGPTに置き換えた。この課題では学生が既発表の論文を一般向けのメディアリリースと動画に翻訳する。そして再設計の焦点は、ツールの使用が許されるかどうかではなく、課題が何を求めているかにある。
アセスメント生成が2つ目の流れである。BaudinはChatGPT-4に実験心理学の科目用に80問の多肢選択問題を作成させ、120人の学生に対して心理測定学的な手続きを一通り適用した:内部一貫性は許容水準、再テスト信頼性は中程度、11.25%の問題の識別力が低く、Bloomの分布は想起73.75%に対して分析・評価が8.75%であった。これらの問題は、学生が物事を名として挙げられることの信頼できる証拠であり、研究を設計できるかどうかについては沈黙していた。
統計が3つ目であり、最も証拠のしっかりした介入である。Préauらは、Tübingenの心理学部生向けの1学期にわたるRプログラミング科目の中で、専用設計の「R-Tutor」を導入した。事前登録された縦断的デザインであり、チューターには答えるのではなく導くようプロンプトが与えられていた。
臨床・カウンセリング訓練
臨床心理学は、AIが学習補助ではなく専門職上の問いとして入ってくる場である。ここの2つの研究はその線に沿って分かれる:一方は模擬クライアントが訓練生に何をするか、もう一方は訓練生同士がどの程度異なるかである。
Akkurt、Maurya、BrownはGPT-4oをカウンセラー訓練生の模擬クライアントとして用いた。9件の面接記録と4人のフォーカスグループは薄い証拠だが、パターンは具体的である:シミュレーターは遂行不安を下げ、自信を育てた一方で、クライアントはあまりに容易に同意し、情動的な機微を欠き、文化的に中立なままだった——カウンセリング訓練が練習するために存在する抵抗やアイデンティティの力学を、まさに取り除いてしまったのである。
Armagan-Bogatekinは286人の心理学学生と心理療法訓練生を6つの領域にわたってモデル化し、すべての領域で3〜4の潜在クラスを見出した。平均的な訓練生は存在しない:懐疑、学習不安、雇用不安、リスク懸念が別々のプロファイルを形成し、そのプロファイルはツールがフィードバック補助か治療推奨かによって異なる。
心理学の学生が知り、信じ、行っていること
学生側の証拠は文献の最大部分を占め、かつこの分野に最も特有でない部分である。
知識と判断: Richterらは150人の心理学学生に30のメンタルヘルスに関する記述を分類させ、4つのLLMによる各80回の実行結果と比較した。Reedらは531人の学部生に6つのヴィネットを用いて、AIリテラシーが応用的な倫理的判断を予測するかを検証した。
傾向: Hefter、Paaßen、Bertholdは、批判的な生成AI使用が、自己報告と客観テストの両方で測定された知識によって予測されることを見出した。残りは認識論的志向と知的価値観が担っていた。Huは、継続使用が信頼(Trust)と学業自己効力感によって媒介され、AI不安がその最初の経路を弱めることを見出した。Hawkinsらは、AI支援ライティングの模擬課題において、フィードバック・リテラシーがエッセイ成績の唯一有意な予測因子(β = 0.46)であることを見出した。
使用: Burkeらは5大学の学部生991人を調査し、大学生の使用率が81%であること、最も一般的な用途としてライティングに代わって学習が挙がることを見出した。一方で、AI使用を不正行為とみなす学生の30.2%がそれでも使用していた。
これらの研究はすべて、たまたま心理学の学生である学生についての研究である。それが研究の場としてのこの分野の強みであり、文献としての弱みである。
研究が借用する心理学
教育におけるAIの研究は、それよりもずっと以前に構築された少数の心理学理論の上で動いている。それらを名指すことは重要である。それぞれが、ツールが役に立つかどうかについて異なる予測をするからである。
認知的オフローディングは、努力を取り除くツールは学習もともに取り除くと言う。生産的失敗は、答えの前の苦労こそが指導の生じる場であると言う。スキャフォールディングは、支援は単に与えるのではなく、計画して与え、引き揚げなければならないと言う。ある研究はこれら3つすべてを引用しながら、そのどれをも満たさないツールを設計することができる。だからこそ理論は序論ではなく方法の節に属するのである。
ここで最も頻出する枠組みは個人認知系のものである:自己調整学習とメタ認知、自己効力感、動機づけについては自己決定理論、そしてフィードバックはそのリテラシーという変種を通じて。前節の研究はこのパターンの典型である:それぞれがこの系列から構成概念を1つ取り出し、それをメカニズムとして測定し、経路がどちら向きに走っているかを報告する。Akkurtは例外であり、より興味深い例である:訓練生が命題を習得するのではなく実践をリハーサルする、状況的なデザインである。
2つの限界を述べておく価値がある。理論は通常、枠組みとして輸入され、競合する理論と対照して検証されることは稀である。これはAI教育における理論開発が記録している弱みである。そして個人を分析単位とすることは争われている:社会文化的な説明や活動理論の説明は、分散認知とともに、学習を頭の中ではなくその場に位置づける。それはチャットボットが何をしているのかを変える。学習理論にはその地図が、認知心理学にはこれらの研究の大半が前提とする仕組みがある。
論文が「スキャフォールディング」や「批判的思考」と言うとき、どの理論の版を意味しているのかを問うこと。その語は理論ごとに異なる仕事をしている。
心理学の教員への示唆
- AIに何を許すかを決める前に、学位が何のためのものかを決める。 心理学の卒業生は、証拠を評価し、研究を設計し、統計を解釈する必要がある。それらが成果だとすれば、アセスメントの問いは、どの課題がなおその証拠を提供できるかである。
- 統計科目をテストケースとして使う。 この科目は分野内で最も強い介入証拠(R-Tutor)を持ち、AIをチューターではなく計算機として使いたいという誘惑が最も明確である。
- 生成された問題バンクは、信頼性の水準ではなくBloomの水準で監査する。 Baudinのバンクは信頼性が高く、その大半は想起であった。
- 臨床訓練では、ツールとその境界を一緒に教える。 訓練生のプロファイルは異なり、治療推奨ツールは、いかなる能力訓練も答えてくれない専門職アイデンティティの問いを提起する。
- 参加者プールのサンプルから自分の科目へ一般化しない。 一般的な知見が記述するのは学生であり、あなたの科目は設計上の決定である。
よくある誤解
- 「心理学の学生は学生一般を代表している。」 彼らは便宜的であって代表的ではなく、彼らを用いる研究は通常そのことを明言している。
- 「心理学教育におけるAIは主に臨床ツールに関するものである。」 研究の最大の割合はライティング、フィードバック、学習習慣に関わるものであり、臨床ツールは小さく新しく、別個の流れである。
- 「信頼性の高い生成問題は使える問題である。」 高次の成果を網羅しない信頼性は、間違ったものをよく測るテストを生み出す。
- 「訓練生はAIに賛成か反対かのどちらかである。」 潜在クラスの証拠は、領域ごとに4つ以上のプロファイルがあり、ツールによって異なることを示している。
関連する概念
関連する記事
- Using generative AI to promote psychological, feedback, and artificial intelligence literacies in undergraduate psychology
- Assessing the psychometric properties of AI-generated multiple-choice exams in a psychology subject
- Student Adoption of an AI Tutor for Statistical Programming: A Longitudinal Study
- Learning Through Simulation: Counselor Trainees' Interactions with ChatGPT as a Client
- Heterogeneity in AI attitudes, anxiety, and acceptance among psychology students and psychotherapy trainees: a domain-specific latent class analysis
- Mental Health Literacy Across Psychology Students and Large Language Models
- AI literacy and scenario-based ethical judgment about generative AI among undergraduate students
- GenAI knowledge, epistemic orientation, and intellectual values predict undergraduate students' critical GenAI use
- Psychological predictors of continued ChatGPT use among university students: the roles of AI literacy, trust, and academic self-efficacy
- Summarise, elaborate, try again: exploring the effect of feedback literacy on AI-enhanced essay writing
- The Proliferation of AI among College Students: A Replication and 2-Year Follow-Up