AIEdナレッジベースAIEd KB
このページの内容

このページを英語で読む

概念

自己決定理論

作成日 2026-10-10 · 更新日 2026-10-10

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。

自己決定理論(SDT) — 人間の動機づけについての心理学の理論であり、内発的な動機づけとウェルビーイング（Well-Being）は、3つの基本的な心理的な欲求、すなわち自律性、有能感、関係性が満たされることに依存するとします。教育におけるAIにおいて、SDTは、学習者と教師の動機づけを損なうのではなく支えるAIの道具と専門職能開発を設計するための枠組みを提供します。

考えるための問い

  • この理論は、動機づけはあなたがどれだけ持っているかだけでなく、3つの欲求(自律性、有能感、関係性)の上に築かれ環境によって形づくられる質であると主張します。あなたを消耗させた学習の経験を思い出してください。その3つの欲求のうちどれが侵害され、何がそれを回復したでしょうか。
  • 1年間の研究は、時間を通じて安定していた3つの動機づけのプロファイル(無関与、発展中、自己決定的)を見出し、自己決定的なプロファイルに到達した学生が最大のAIリテラシーの向上を示しました。読む前に。動機づけは学生が持ち込むものなのでしょうか、それともよく設計された環境が育てられるものなのでしょうか。「発達的であり固定的ではない」とは何を意味するでしょうか。
  • もしAIの道具があらゆる課題を努力を要せず「使いやすい」ものにするなら、それはどの心理的な欲求を満たしている可能性があり、そしてどの欲求を静かに損なっている可能性があるでしょうか。短期の関与を高める道具が、どうすれば長期の動機づけを損ないうるでしょうか。
  • 教師のための欲求を支える専門職能開発は、彼らのAIリテラシーを高め、持続的な関与を支えました。これは、AIそのものがすることと同じくらい、私たちがAIについて教育者を訓練する仕方が重要であることを示唆するでしょうか。あなた個人にとって「自律性を支える」AIの訓練はどのようなものでしょうか。
  • ある研究は、ChatGPTが言語学習において自律性、関係性、有能感を支えうることを見出しました。しかし同じ道具が別の学習者にとってはそれらの欲求を損ないうるでしょうか。理論が成り立つためには、それをどう使うかについて何が真でなければならないでしょうか。
  • さらに読み進む前に、AIの道具を使うことで自分自身の有能感、自律性、あるいはつながりの感覚が影響を受けたと感じた方法を一つ挙げ、そしてそれを探すよう促されなければその変化に気づいていただろうかと省察してください。

はじめに

SDTは、教育におけるAIの研究において、学習者向けと教師向けの両方のAIシステムの理論的なレンズとしてますます用いられています。この理論の中心的な主張、すなわち動機づけは学習者が持つ単なる量ではなく社会的・技術的な環境によって形づくられる質であるという主張は、AIの道具が関与、粘り強さ、そして学習の成果にどう影響するかについての問いに直接の関連を持ちます。このナレッジベースの記事は、SDTを3つの主要な文脈にわたって適用しています。教師の専門職能開発、AIが媒介する学習への関与、そして感情的な計算です。

主要な研究のテーマ

SDTに基づく教師の専門職能開発は、この理論の欲求を支える原理を、教育者をAIに備えることに適用します。**Chiuら**は382人の中等学校の教師を研究し、SDTに根ざした欲求を支える専門職能開発が、教師のAIリテラシーを高め、オンラインの専門職能学習共同体における持続的な行動的な関与を育てることを見出しました。質的な分析は、自律性、有能感、関係性を支える9つの設計戦略を特定し、孤立した専門職能開発と専門職能学習共同体との間の溝を埋めました。

AIが媒介する学習への関与におけるSDTは、生成AIの道具が学生の動機づけをどう形づくるかを検討します。Isaevaらは、SDTを認識論的なネットワーク分析と組み合わせて、学術的な学習における学生の生成AIへの関与を研究しました。Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programmingは、AIの利用可能性が学生の動機づけと粘り強さにどう影響するかを探究し、動機づけの侵食についての過度の依存の懸念につなげます。Liangら(2026)は、1年間のAIカリキュラムにおける2,086人の中等学校の学生の潜在転移分析によってSDTをAI学習に拡張し、時間を通じて安定していた**3つの動機づけのプロファイル(無関与、発展中、自己決定的)**を特定し、ほとんどの学生がより高いプロファイルを維持あるいは前進させたことを示しました。決定的に、自己決定的なプロファイルに到達した、あるいはそこに留まった学生は、最大のAIリテラシーの向上を示しました。これは、自律性、有能感、関係性を満たすことがより良いAI学習の成果を予測し、動機づけが学習者の発達的(固定的ではない)な性質であるという直接的な縦断的な証拠です。

対照的な教室の結果は、3つの欲求が一緒に動くのではないことを示します。2,464人の下級中等の学生の間で、ChatGPTが支える有能感に基づく学習は、自律性の支援と有能感の満足を高めた一方、低質な動機づけのプロファイルのより大きな割合を生み出し、関係性の満足はAIによらない有能感に基づく学習よりも弱いものでした(Schweder, Hagenauer & Raufelder (2026))。

配置のテストが要点を鋭くします。498人の医学部の学部生の間で、GAIの使用は欲求の満足と弱くしか結びついておらず(β = 0.155)、高い関与にとって不要であることが証明されました。一方、有能感の欲求の満足が最も強い配置における核心的な条件でした(Heら(2026))。

学習の気風からAIの使用への二重の経路。 ShenとArunrugstichai (2026)は、SDTを行動的な関与のHookモデルと統合し、GenAIの使用がなぜ建設的な支援から強迫的な依存までにわたるのかを説明します。異なる高校の背景と現在の文脈(中国とタイム)を持つ508人の大学生からの横断的な調査データにおいて、高校の圧力対自律性の支援の回想的な報告は、学生が大学へと進んだ2つの経路のうちどちらをたどったかを差別的に予測しました。建設的で自律的なGenAIの使用へ向かう経路と、強迫的な依存へ向かう経路です。その結果は、文脈を横断する多群分析を通じて一貫していました。このモデルは、SDTの動機づけの過程をAIが支える学習の知覚された質につなげ、自律性の支援を、学生を生産的なAI使用ではなく依存的な使用へと舵取りする梃子として枠づけます。

  • 言語学習におけるChatGPTとSDTの欲求: Annamalaiら(2026)は、25人のマレーシアの大学生を対象にSDTのレンズを用い、ChatGPTが英語の言語学習において自律性、関係性、有能感を支えることを見出しました。文法、ライティング、会話の課題を高めながら、教育者がより高次な訓練に集中できるようにします。

教師自身のAIが媒介する実践に適用されたSDT。 Claassenら(2026)は、教師が学習分析と生成AIを学習の設計にどう統合するかについて、SDTを解釈的なレンズとして用いました。教師の基本的な欲求(自律性、有能感、関係性)を支えることが、彼らの設計の仕事が要求する創造的な問題解決を育てることを見出しました。彼らのENA分析において、GenAIの使用は、学生の自己決定的なあり方のための設計(たとえば学生とともに評価のルーブリックを共創すること)と結びついており、SDTを学習者から、欲求を支えるAIが媒介する環境を構築する教育者へと拡張しています。

教師自身にとって、AIとの協働は両面に働きます。468人の大学の教師を対象とした3波の研究は、それが心理的な利用可能性を通じて仕事への関与を高める一方、仕事からの疎外を通じてそれを下げることを見出し、デジタル的な能力が最初の経路を強め第二の経路を弱めました(Sunら(2026))。

共主体性の枠組みは、AIが媒介する教育におけるSDTの射程を境界づけます。それは、自律性、有能感、関係性が生じる状況を変える一方で、権力の公平性、データの所有、そして説明責任には手をつけないままです。そのため著者らは、人間の認識論的な説明責任を理論の外の交渉不可能な条件として据えます(Poudyal (2026))。

子どものGenAI使用についての枠組みとしての自律性の支援。 Fan、Li、Zhang (2026)は、責任ある使用の問いを制限から欲求の支援へと移します。重要な区別は、子どもを囲む大人たちが自律性を支援するのかそれを統制するのかであり、SDTの用語で依存的な認知的オフローディングと自律的なものを区別します。依存的なオフローディングは学習者の主体性を移転させ内発的な動機づけを下げ、自律的なオフローディングは、学習者が認識論的な統制を保持する間、足場かけます。このレビューの2つの特徴はSDTの適用に直接関連します。それは、自律性の支援は放任ではないと主張し、現在の指針が仮定している家庭と学校の連携を未検証の仮説として扱い、家族のみ、学校のみ、連携、そして通常の実践の指針を対比する要因計画の試験だけが区別しうる、相加的、相乗的、補償的な版を定式化しています。

関連する概念とのつながり

SDTは、その上位の構築物として動機づけに、感情を認識するAIの設計として感情計算と感情的チューリングに、そして学習者がAIが媒介する環境をどう経験するかについて学生の経験に直接つながります。この理論の自律性の強調は自己調整学習につながり、その有能感の次元はSelf-Efficacy and Favorability Shape Learning from Tutoring Systems and Paper Practiceと教師の AI リテラシーにつながります。SDTは、欲求を支える設計が教育者をAIを使うことに備えさせる移転可能な原理であるため、職場学習と教育開発に特に関連があります。

関連する概念

関連する記事

メタデータ

対象読者Learners
学習と教授動機づけ, 自己決定理論
技術と手法感情計算
教育におけるAIの基礎教育におけるAI, 教師の AI リテラシー
SourceHistoryEditChat

このページを埋め込む

下のコードをコピーして、学習管理システムや他のウェブサイトにこのページを埋め込みましょう。埋め込み版ではページの内容のみが表示され、サイトのヘッダー・ナビゲーション・フッターは非表示になります。