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

自己主導学習

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。

自己主導学習(SDL) — 学習者が、自分自身の学習の欲求を診断し、目標を設定し、資源を特定し、方略を選んで実施し、成果を評価するために主導権と責任を取る過程であり、しばしば限られた外的構造のなかで行われます。AI時代において、SDLは、主要な成果(AIの使用は学習者が自分自身の学習を方向づける能力を支えるのか、それとも侵食するのか)であると同時に、弱点です。生成AIの便利さが、SDLが必要とする自律性と自己効力感そのものを損ないうるのです。

考えるための問い

  • 自己主導学習とは、限られた外的構造のなかで自分自身の欲求を診断し、目標を設定し、成果を評価することを意味します。読む前に。あなたは実際にどれだけ快く自分自身の学習を方向づけているでしょうか。そしてAIの道具が、あなたに気づかれずにそれをより苦手にしたことはあるでしょうか。
  • このページは、SDLを望ましい成果と弱点の両方として枠づけます。生成AIの便利さが、SDLが必要とする自律性と自己効力感そのものを侵食しうるのです。即座に答えを与えてくれる道具が、どうすれば後になって自分自身の学習を方向づけることをより難しくするでしょうか。
  • 生成AIの考えなき使用、すなわち批判的な評価を伴わずに出力を採用することは、SDLに直接的にも、自己効力感と動機づけを侵食することによっても害を及ぼすことが見出されました。AIの答えを評価せずに受け入れたときのことを思い出せますか。それはもしあれば、あなたに何の代償を強いましたか。
  • SDLと自己調整学習(SRL)は密接に関連していますが異なります。SRLは学習の瞬間ごとの調整に関わり、SDLは時間にわたる包括的な責任に関わります。「この課題を管理すること」と「自分自身の学習を方向づけること」の境界は、あなた自身の実践のどこに見えるでしょうか。
  • 考えなきAI使用による害は、ある学生には動機づけにより強く、別の学生には自己効力感により強く及びました。これらの心理的な資源の侵食が学習者の間で一様でないなら、AIの便利さによって最も多くを失うのは誰かについて、どのような公平性の懸念が生じるでしょうか。
  • 読む前に目標を設定してください。あなたが現在主に自分自身で追い求めている学習の目標を一つ挙げ、AIの道具があなたをそれへ近づける一つの方法と、それがあなたから静かに方向づけを奪っているかもしれない一つの方法を挙げてください。

はじめに

自己主導学習は、自己調整学習(SRL)と密接に関連していますが、それとは異なります。SRLが学習の瞬間ごとの認知的、動機づけの、行動的な調整(計画、モニタリング、統制、省察)を強調するのに対し、SDLは、しばしば非公式の、あるいは自ら選んだ文脈において、学習者が時間にわたって自分自身の学習の方向と管理について負う包括的な責任を強調します。SDLは成人の学習と生涯学習の基礎であり、予定された授業時間なしに自律性を持続させなければならない遠隔教育とオンライン教育における著名な理論です。SDLはまた、ますます実証的な研究に扱いやすいものとなっています。VERAにおいて822個のモデルを構築した315人のオンライン学習者のクリックストリームを分析したAn、Hammock、Goel (2025)は、自己方向づけの3つの行動的な兆候(観察、構築、探求)を特定し、学習者が手を動かす構築からより完全な仮説駆動の探求へと進む一方、観察はすべての段階にわたって持続することを見出しました。これは、構造化されていないオンラインの課題において学習者が行使する自律性の程度と種類が、その痕跡のデータだけから区別できることを示しています。

生成AIが自己主導学習を再構築する仕方

このナレッジベースの研究は、GenAIとSDLの関係の両面を記録しています。

  • AIはSDLを支えられる。 AIと生涯学習と生成AIと学習分析を用いた自己主導的な成長は、AIの道具が独立した探究を足場かけし、需要に応じた資源を提供し、学習の道筋を個人化して、学習者の自律性を強める仕方があることを示しています。生成AIの教育上の成果についてのメタ分析的な証拠と非公式の学習における対話的なAIは、AIが学習者が方向づける資源として用いられるときに肯定的な可能性を示唆しています。
  • 学習者は神託ではなく思考のパートナーを求めている。 インタビューを受けた成人の学習者は、AIが答えを供給するのではなく省察を促し検証すること、そして学習の道筋を規定するのではなく自分たちに統制を残すことを望んでいました(Kimら(2026))。
  • 考えなき使用はSDLを損なう。 Zhao & Gu (2026)は、生成AIの考えなき使用、すなわち批判的な評価を伴わずにAIの出力を採用することが、直接的にも自己効力感と動機づけの侵食を通じても、学部生のSDLに有意に害を及ぼすことを示しています(そのモデルはSDLの分散の75.3%を説明しました。TUGA β = −0.42)。動機づけに対する負の効果は男子学生でより強く、自己効力感に対するそれは女子学生でより強かったです。これは、このナレッジベースに記録されたより広い過度の依存のリスクにつながります。
  • 認知的オフローディングと委任。 成人教育学と認知的委任と生成AIとおしゃべりして学ぶことは、学習者が、SDLが必要とする努力を伴う処理を迂回する仕方で認知的仕事をAIに委任しうることを検討します。それは、そうでなければ自律性を支える道具の失敗モードです。生成AIを用いた批判的思考の足場かけとテスト駆動のAI支援を受けた学習は、より生産的な設計をモデル化しています。

実践におけるSDLとSRLの区別

SDLが学習者によって開始される方向づけを強調するため、それを守るための介入は、瞬間ごとの行動を調整するだけではなく、学習者の主体性と自己効力感を保つことに焦点を当てます。考えなきAI使用がSDLが依存する心理的な資源である動機づけと自己効力感を侵食するという証拠は、責任あるAIの使用を促すことが、単なる誠実性の問題ではなく発達的な問題であることを示唆しています。すなわち、学生が自分自身の学習を方向づける能力を守ることです。

研究に基づく学習のためのAI抽出の足場かけ

  • 研究に基づく学習のための足場かけとしてのAI抽出。 Anら(2026)は、研究論文を構造化され追跡可能なデータセットに変換し、STEMにおける学部生の論文の完成を支えるAIを動力とする情報抽出システムを設計しています。証拠と主張の関係の点検を可能にしながら低次のデータ処理の要求を減らす認識論的な足場かけとして位置づけられています。80件の文書にわたる20人の学生による混合研究法のパイロットにおいて、学生は対象となるパラメータの90%を超えて抽出し、自己報告された文献レビューの時間は約65%減少し、影響力のある変数を特定する彼らの能力は50%向上しました。これは、AIが認知的負荷を、日常的な要約ではなく高次の自己主導的な研究の推論へと再均衡化しうるという考えを支えています。

関連する概念

関連する記事

関連するリソース

  • Skills for Real Engineers
    Matt Pocock による小規模で合成可能なエージェントスキルのオープンソースコレクション。複数セッションにまたがる教育スキル、容赦ない問いかけスキル、エージェントが従える文書の書き方の指針を含みます。

メタデータ

レベルHigher Ed, Adult Learning
学習と教授生涯学習, 動機づけ, 自己効力感, 自己調整学習
技術と手法生成AI
教育におけるAIの基礎学習者の主体性
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。