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

自己効力感

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。

自己効力感——学習者が課題を首尾よく遂行したり目標を達成したりする能力があるという信念。社会的認知理論（Bandura）に依拠する自己効力感は、動機づけ、努力、持続、そして学習の関与を形づくります。教育における AIにおいて、自己効力感は二つの仕方で重要です。AI ツールは学習者の自信と自律性を育てることができ（例えばフィードバックと足場かけを提供することで）、また学習者の AI 自己効力感——AI 技術を使う自信——は、AI 関連の知識がキャリアに即した備えにどう翻訳されるかを含め、彼らが AI とどれだけ効果的に関わるかに影響します。

検討すべき問い

  • 自己効力感はあなたの能力についての信念であり、実際の力量とは区別されます。何かが非常に得意でありながら自分を疑ったこと、あるいはできないことについて自信満々で間違っていたことはありませんか。信念と能力のその隔たりは、なぜ自己効力感が重要なのかについて、あなたに何を語りかけるでしょうか。
  • AI 自己効力感（AI を使って働く自信）は AI リテラシーとは別の構成概念であり、研究は、学習者が自信も持つときにのみリテラシーが備えへと翻訳されることを見出しています。もし誰かが AI について知ってはいても、それを使えるとは信じていないとしたら、その知識には何が起こるでしょうか——そしてそれは訓練にとって何を意味するでしょうか。
  • 研究は、理解を支えるために AI を使うことが、その成果との関連において学問的自己効力感によって完全に媒介されることを見出しました。一方、近道の利用は自己効力感から部分的に独立して、より悪い成果を予測しました。なぜ同じ道具が、ある使い方をしたときには自信を育て、別の使い方をしたときにはそれを育てられないのでしょうか。
  • このページは自己効力感を日常語の「confidence（自信）」から区別しています。読む前に、それらはどう違うのでしょうか。そしてなぜ研究者は、それらを同じものとして扱うのではなく、区別を貫くのでしょうか。
  • ロボティクスと身体化された学習は、課題を観察可能な結果に根ざすことで自信を育て、フィードバックは学習者の自己効力感を育てることができます。具体的な結果を見て初めて本当の自信を得た課題を一つ思い浮かべてください。それは、自己効力感を——単に報告するのではなく——育てる可能性が最も高い AI 学習体験とはどんなものかについて、何を物語っているでしょうか。
  • 教師の自己効力感は、AI の採用と統合に影響します。もし教師が自分は AI を効果的に使えないと信じていたら、どんなに多くの AI リテラシーもそれを解決しないでしょうか。教師の自信を育てるのは何でしょうか。そしてそれは、彼らにもっと情報を与えることとどう違うでしょうか。

はじめに

自己効力感は実際の力量とは区別されます。それは行動を駆り立てる、能力についての信念です。それは自分の能力についての日常的な自信の概念と密接に関係し、しばしば互換的に用いられます。自己効力感は動機づけ、自己調整学習、学習者体験と密接に結びついています。AI の文脈では、AI 自己効力感（AI を使って働く自信）は AI リテラシーとは別の構成概念であり、研究は、学習者が AI 関連の知識を実際に活性化し適用するかどうかにおいて、それが極めて重要な役割を果たすことを示しています。

ナレッジベースの研究における自己効力感の現れ方

  • GenAI と XR を併用したスタジオ制作で低下する： 27 人の学生による建築デザインスタジオで、GenAIとマルチユーザーの XR パイプラインを用いたチームは、通常の工程を続けたチームよりも、デザイン自己効力感の自信（β = −1.675, p = 0.021）と成果期待（β = −2.088, p = 0.002）において相対的に大きな事前—事後の低下を示しました。一方、彼らの発表の盲検パネル評価には有意差はありませんでした（Xiao et al., 2026）。ツールに富んだ環境は、作業そのものが同等と評価される場合でも、効力感の信念を低下させることがあります。

  • AI 自己効力感とキャリアの備え： AI の備えに関する研究は、AI 自己効力感が AI リテラシーと AI の備えの関係を調整することを示しています。すなわち、リテラシーは学習者が AI を使う自信を持つときにのみ備えへと翻訳され、また自己効力感はキャリアの適応性を直接予測します。

  • 自信が常に効くレバーであるとは限らない。 502 人の大学教員を対象とした横断的 SEM は、技術的自己効力感を AI のウェルビーイングの小さな予測変数（β = 0.082）として見出した一方、AI リテラシーが支配的でした（β = 0.713）。これは、自信が AI の成果を制限するという主張の範囲を限定します。ウェルビーイングについては、知識が自信を上回りました（Liu et al. (2026)）。

  • 技能は依存を可能にしうるが、効力感はそれを緩衝する。 478 人のイスラエルの学部生の間で、AI リテラシーの技能次元は AI への依存と正に関連し（AI を使う・理解する β = 0.404）、一方で AI 自己効力感は負に関連しました（β = −0.132）。したがって、道具の技能のみを育てるリテラシー訓練は依存を増大させることがあります（Maizel et al. (2026)）。

  • リテラシーと自信の間の要としての信頼： Hu (2026)は、すでに ChatGPT を使っている 450 人の大学生を調査し、二つの並行する相関ではなく連鎖した順序構造を見出しました。AI リテラシーは道具への信頼に関連し（beta = 0.50）、信頼は学問的自己効力感に関連し（0.48）、自己効力感は継続的な利用に関連しました。連続的な間接効果は有意で（0.07, 95% CI [0.04, 0.10]）、AI 不安はリテラシーから信頼への関連を弱めました（交互作用 beta = -0.25。単純傾きは不安の範囲にわたって 0.76 から 0.25 に低下）。したがって、同じ知識は、より不安な学生の間ではより少ない自信と、より少ない利用しか買いませんでした。自信は、したがって出発点ではなく連鎖の中の下流の環なのです。

AI 支援の実践が意欲と関連する経路である不安の経路は、自信とともに弱まるのではなく逆転しえます。条件付き間接関連は、話すことの自己効力感が低いときの 0.142 から平均時の 0.044、高いときの −0.054 へと低下し、この効果は小さな上側の裾に集中していました（Wang & Li (2026)）。

  • 学問的自己効力感のプロファイルと誰が AI に手を伸ばすか： Suriá-Martínez et al. (2026)は、スペインの運動障害を持つ 102 人の大学生の学問的自己効力感について潜在プロファイル分析を行い、三つのプロファイル（低 29.4%、中 41.2%、高 29.4%）を見出しました。報告された AI 利用はプロファイル水準に応じて段階的に上昇し（平均 2.41, 3.56, 4.68; F(2, 99) = 27.84, p < .001, eta squared = .36）、Excellence（計画づくりと目標設定の次元）が AI 利用と最も強く関連していました（beta = .47）。著者らはこれを公平性の問題として読みます。自信が利用の度合いと連動するならば、自己効力感の低い学生は、アクセスの障壁を減らしうる AI 支援に最も手を伸ばさない可能性があるため、学問的自己効力感への支援は包摂の枠組みの中に属するのです。
  • AI の利用様態と自己効力感： Stamatoulis et al. (2026)は、GenAIを使って理解を支えること（評価的な統合）が、成果との関連において学問的自己効力感によって完全に媒介されることを見出しました——理解を向いた AI 利用は自信を育てます。一方、近道の利用（検証の乏しい受容）は、自己効力感から部分的に独立してより悪い成果を予測しました。自己効力感はしたがって、生産的な AI 利用が助けになる経路であると同時に、近道の利用が育てられない要因でもあるのです。
  • 帰属が効力感が成長するかどうかを形づくる。 成功を AI に帰するのではなく自分の努力に帰すことは自己効力感の成長を制限し、近道の様態を強めます。したがって、複雑な活動を、学生が進歩を自分の方略に帰するような段階に配列することが、道具そのものよりも重要です（Øby, 2026）。
  • ロボティクスと実践的な学習： REMindのロボット媒介のロールプレイは、いじめ介入における子どもの自己効力感を育てました。ロボティクスと身体化された学習は一般に、課題を観察可能な結果に根ざすことで自信を育てます。
  • 子どもにおける創造的自己効力感： Niu et al. (2026)は、6 歳から 15 歳の子どもに対する生成的 AI に関する 22 の一次研究の体系的な範囲定めレビューにおいて、創造的自己効力感の伸びが発散的思考と物語の創造性とともに集積することを報告しています。それは主に、アイデアと成果物の間の障壁を下げるテキストから画像へのツールを通じてです。彼らは効力感を主張することまではしていません。デザインは異質で、レビューは批判的評価を行わず、コーパスは障害、低接続性、十分なサービスを受けていない学習者についてはほぼ沈黙しているためです。創造的な自信は、この分野が確認した成果ではなく、上昇したと報告される成果なのです。
  • 教師の自己効力感： 教師の AI 力量研究は、専門職能開発がどのように AI を使う教師の自信を育てるか——それが採用と統合に影響する——を検討します。Ismael, Luo & Li (2026)は、AI 支援の e-メンタリングモデルが教育実習中の EFL 見習い教師の自己効力感と感情的知性を高めるという準実験的な証拠を加えます。実験群は統制群よりも両方の尺度で実質的に大きな伸びを示し、自己効力感のすべての下位領域にわたって伸びが見られました——そして著者らはそれを AI だけではなく、構造化された省察のサイクルの中で媒介されたメンタリングに帰しています。
  • フィードバックと自信： AI フィードバックと個別指導は、実行可能で支援的なフィードバックを提供することで学習者の自己効力感を育てることができます。
  • AI 問題解決における力強さ（empowerment）： Zhu and Kong (2026)は、AI を使った問題解決における学生の力強さが、知覚されたプロジェクトベース学習と AI リテラシーコースへの満足度の関係を媒介することを見出しました。1,027 人の学生を対象とした彼らの SEM 分析では、PBL は学生が AI を使って問題解決することを力強くする条件を育み、それが次にコース満足度を駆り立てました——これは、AI を用いた学生の自信と能力を育てることが、効果的な AI リテラシー教育の主要なメカニズムであることの証拠です。

自己効力感は動機づけ、自己調整学習、学習者体験、AI リテラシー、行為主体性、教育的ロボティクスと結びついています。自己効力感を育てることは、AI が関与と学習を支える主要なメカニズムです。自己効力感はほぼ完全に自己報告によって測定されるため、観察された行動との関連には通常の注意が払われるべきです。

  • 道具と学習の間の要としての AIGC 自己効力感。 Liang et al. (2026)は、AI 生成コンテンツの知覚されたアフォーダンスが AIGC 自己効力感を高め（beta = 0.583）、それが次に学習動機づけ（間接効果 0.329）と自己調整学習（0.145）への経路を媒介し、アフォーダンスから自己効力感から動機づけから自己調整への連続的な経路も有意である（0.173）ことを見出しました。この発見を有用ならしめている対比は、AI 評価フィードバックの質は満足度を強く予測したにもかかわらず自己効力感を予測しなかった（beta = 0.131, n.s.）ことです——道具との自信は、それから良い出力を受け取ることではなく、それを方向づけることによって育てられるのです。
  • 学期を通じた RCT に処置効果はなし——自信は授業の時間とともに上昇： Thoeni and Fryer (2026)の、マーケティング原理コースの 454 人の学部生を対象とした無作為割り当てフィールド実験では、自己効力感はすべての学生について学期を通じて上昇しました（時間効果 β = 0.099, p = 0.0009, Cohen's ƒ2 = 0.025）。一方、群効果（p = 0.1162）も群 × 時間の交互作用（p = 0.5306, d = 0.023）も有意ではありませんでした。したがって RAG チャットボットは何も加えませんでした。AI 支援コースにおける自信の伸びは、道具ではなく授業の進行を追いうることがあります——これは、この分野がほぼ完全に自己報告で測定する構成概念にとっての帰属リスクです。
  • 自信は行動と逆に動きうる。 競技プログラミングでは、競技をやめた学生は現役の仲間よりもより高い理論上の自信を報告しながら、はるかに弱い復習と仲間内の習慣を示しました（p < .001）。したがって、自己効力感の信号だけでは早期警戒システムを誤らせます（Ruhan et al. (2026)）。
  • 自信は、その背後にある能力が低下する中で上昇しうる。 大学生の間で、生成的 AI の頻繁な利用は知覚された自信と効率性を高め*、そして*同じ学習者において技術的依存を増大させました。したがって、AI 支援の作業中に取られた自己効力感の得点は、根底にある技能が失われつつある瞬間に高く読まれうるのです（Yan et al., 2025）。
  • AI 利用は自信と連動したが、自信は出席を予測しなかった。 291 人のポルトガルの学生を対象とした PLS-SEM 調査では、一般的な AI 利用は独立学習の自己効力感と正に関連していました（β = 0.266, f² = 0.106）。この構成概念は、Bandura の四つの源泉——熟達経験、代理経験、言語的説得、感情状態——の二次の形成的合成変数としてモデル化されました。自己効力感は次に欠席を予測しませんでした（β = −0.068, p = 0.276）。一方、AI 利用は別個に高い欠席と関連していました（β = 0.148, f² = 0.029）。AI 利用 → 自己効力感の経路は、女性よりも男性の間で有意に強く（β = 0.449 対 0.159; Δβ = −0.289, p = 0.013）、部分的測定不変性の下にありました（Franco et al. (2026)）。
  • 自己効力感は成果だけでなく様式の選好とも交互作用する。 均衡配置された被験者内研究（97 人の 9 年生。グラフの解釈と作成について内容を対応させた個別指導ベースと紙ベースの練習）は、個別指導ベースの練習が全体として紙を上回ったこと（t(62.30) = 2.38, p = .020）、そして——直観に反して——低い基線の自己効力感が両方の様式においてより大きな伸びを予測したこと（t(98.40) = −2.14, p = .035）を見出しました。興味深い構造は、有意な三方向の自己効力感 × 好意度 × 様式の交互作用です（t(99.84) = −2.58, p = .011）。自己効力感の低い学生の間では、個別指導への好意は特に個別指導の練習においてより大きな伸びを予測します。個別指導の練習が動機づけの点で自己強化的であるという仮定についての戒めとなる帰無結果は、ITS の練習が紙に対して訓練後の自己効力感を有意に改善しなかったことです——それは短期間の介入（約 40 分の授業 2 回）に帰されます。実際上の信号は、基線の自己効力感と技術への好意は、様式の割り当てにとって安価で実行可能な入力であるということです。個別指導の練習は、好意を作り出すのではなく既存の好意を利用するのです。（Self-efficacy and favorability shape learning from tutoring systems and paper practice）
  • 自由形式のAI設計課題は、既存の自信によって学生を選り分ける。 Zangari et al. (2026)は、345人の学生がそれぞれピアに教えるための会話型エージェントを構築したコースにおいて、遂行上の自尊心が外向性と相関し(r = 0.262, p < 0.001)、女子学生が男子の仲間よりも有意に低い自尊心を報告したこと(Kruskal-Wallis H(2) = 9.87, p < .005)を見出しました。著者らが導く設計上の推論は、自由形式で会話的な創造的課題は、すでに自信のある者を利するため、「自由形式の設計課題には、あらゆる性格の型にわたって遂行上の自尊心を公正に涵養するのに足る足場かけを含めるべきである」というものです——これは、足場かけが意図的でなければ、学生が作った成果物の課題が自信の格差を狭めるのではなく広げうるという戒めです。

つながる概念

つながる記事

関連するFAQ

メタデータ

対象読者Learners
学習と教授動機づけ, 自己効力感, 自己調整学習
評価と測定評価
教育におけるAIの基礎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。