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

学びのユニバーサルデザイン（Universal Design for Learning）

作成日 2026-10-11 · 更新日 2026-10-11

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。

学びのユニバーサルデザイン（UDL） — 個々の学習者に事後的に配慮を後付けするのではなく、関与・表現・行為・表出の柔軟な手段を当初から組み込むことで、最も幅広い学習者にとってアクセシブルで効果的な教授を設計する教育フレームワークです。

考えるべき問い

  • UDLの中核的主張は、学習者の多様性は例外ではなく規範である、したがって苦労する学習者向けに単一路径を修正するのではなく、当初から多くの経路に向けて設計すべきだ、というものです。あなたは「平均的な」学習者に向けて設計し、後から配慮を追加する傾向があるでしょうか。その既定のアプローチで失われるものは何でしょうか。
  • ある特定の形式（濃密なテキスト、講義、解法を示す単一の方法）が、あなたや教えた誰かを排除したときのことを考えてください。UDLの3原則——関与、表現、行為・表出——のどれが問題でしたか。柔軟な代替案はどのようなものだったでしょうか。
  • 生成的AIは、パーソナライズされた例、キャプション、要約、複数の評価形式を作り出せます——一見UDLにとって贈り物のようです。しかし、このページはAIが偏見を符号化し学習者の主体性を損ないうると警告しています。先読みを続ける前に、パーソナライズするために作られたツールが、どうすれば一部の学生にとって学習の経路を広げるのではなく狭めることになりうるでしょうか。
  • よくある誤解は、UDLが基準を下げたり全員に異なる成果を与えたりすることだというものです。学生が同じ学習成果に対してエッセイ、動画、図、コードを提出できる課題について考えてください。それは水準を下げることでしょうか、それとも同じ能力をより公平に評価する方法でしょうか。自分の見解を擁護してください。
  • UDLは「学習者を直す」を「デザインを直す」に変えます。あなたが経験したり設計したりした苛立たしい学習経験を一つ選んでください。障壁が学生の問題ではなくデザインの問題だとすれば、それを全員に対して取り除くためにデザインの何を変えるでしょうか。
  • このページは、単一のコミュニケーションスタイルを前提としたり、神経多様性のある表現にペナルティを課すAIに対して警告しています。AI支援ツールを使ったり設計したりするなら、「既定」のスタイルがどこで学習者を静かに排除しうるでしょうか——そしてそれを監査するには何が必要でしょうか。

はじめに

UDLは、学習者の多様性が例外ではなく規範であるという洞察の上に成り立っています。単一路径を設計して苦労する学習者に支援を追加するのではなく、UDLは当初から複数の経路を設計し、障壁が全員にとって取り除かれるようにします。それはインクルーシブ学習、AI教育における公平性、特別支援教育にとって中核的な視点です。

3つの原則

  • 関与の複数の手段 — 学びの「なぜ」。興味を喚起し維持する多様な方法、関連性への接続、自己調整学習の支援。
  • 表現の複数の手段 — 学びの「何を」。情報を多様な形式（テキスト、音声、視覚、インタラクティブ）で提示し、すべての学習者が知覚し理解できるようにします。
  • 行為・表出の複数の手段 — 学びの「どのように」。学習者が知っていることを示す多様な方法（書く、話す、作る、演じる）を提供します。

AI時代のUDL

生成的AIはUDLに新しい機会と新しいリスクをもたらします。AIは表現をパーソナライズし代替経路を提供することで、パーソナライズ学習とアクセシビリティを支援できます。しかし、偏見を符号化し、支配的なコミュニケーションスタイルを前提とし、学習者の主体性を損なえば関与の原則を損ないます。AIの悪用と学習への害と公平性に関する研究は、AIツールはインクルーシブな原則で設計されなければAI教育における公平性の格差を再生産すると示しています。したがってUDLは、AIの展開の仕方と、AIリテラシーと評価が学習者の多様性を横断して公正に設計される仕方の両方を導きます。

デザインによる公平性は、この姿勢を具体化する一つの方法です。Wenzel、Geiger、Liening（2026）は、ビジネスシミュレーションゲームにおけるAI会話エージェントのためのCAIS-GBLフレームワークを、学びのユニバーサルデザインと整合した明示的なデザインによる公平性アプローチに基づかせ、認知的・動機的・感情的・社会文化的な関与にまたがるメタ要求を導き出しています。彼らのデザイン原則と機能は、強み・課題・関心における個人の学習者の差異に対処することを目指しており——適応的でAI支援されたゲームベース学習のデザインへのUDL原則の具体的応用です。

AIはこの文献の中で、UDLの道具としてではなくUDLへの障礙としても現れます。Sidhu、Atif、Newland（2026）のオンタリオ州のある大学の69名の教授を対象とした混合研究法調査では、4つの主要テーマの一つは、生成的AIがアクセシブルなコースデザインの進歩を逆行させているというものです。タイトルの引用「AIは私が使っていた選択肢を減らしている」は彼らの面接からのもので、インクルーシブな役割を果たしてきた持ち帰り課題型・執筆中心の課題こそが、AIが今や完結にこなせるものだからです。彼らの教員レベルの知見は、なぜその後退がもともと薄い基盤の上に落ちるのかを示しています。回答者の90%は自分たちがアクセシブルな学習環境を作っていると考え、87%はアクセシビリティを積極的に考慮していると述べた一方、大学がそれを十分に資源提供していると考えたのは半数未満（46%）で、およそ5人に1人はOCR対応PDFや色非依存リンクほど基本的な技法を聞いたことがありませんでした。需要は供給を上回っています——オンタリオ州の大学の在学生数は2013年から2022年にかけて17%増加したのに対し、アクセシビリティサービスの登録者数は126%増加した——したがってこの研究が示すのは、UDL支援はAIが取り除いた評価の選択肢を補償するために資源化されなければならないということです。

接続

UDLはインクルーシブ学習、AI教育における公平性、特別支援教育、学習デザイン、文化的に関連する教授法と接続します。評価においては、真正の評価の表象的公正性の重視と、特定のコミュニケーションスタイルにペナルティを課すツールへの歯止めとしてのAI悪用の削減と交差します。UDLは高等教育の障害の文脈で最も頻繁に喚起されるフレームワークであるため（そこでは「特別支援教育」はK-12の用語です）、大学の障害ある学習者研究にリンクする正しいページであることが多いです。

教員とインストラクショナルデザイナーへの示唆と例

UDLは「学習者を直す」を「デザインを直す」に変えます。AIとともに働く教員とデザイナーにとって、3つの原則は具体的な行動に翻訳されます。

関与——動機づけを喚起し維持する複数の方法を提供する。

  • 学習者がどう関わるかを選べるようにする：問題基盤型、ゲーム基盤型、議論、自己ペースの選択肢。
  • AIを使って関連性を顕在化させる——パーソナライズされた例、現実世界との接続、話題の選択——単一の汎用課題ではなく。
  • 例： あるコースはAIを使って学習者の関心（ビジネス、健康、芸術）に結びついた多様な具体例を生成し、学生が自分を動機づける文脈を選べるようにしています。

表現——情報を複数の形式で提示する。

  • 同じ内容をテキスト、音声、動画、インタラクティブとして提供する——AIはキャプション、文字起こし、要約、異なる読解レベルでの代替説明を自動生成できます。
  • 例： 教員がAIアシスタントを使って濃密な読解資料の平易な要約と音声版を作り、学習者が自分の入口を選べるようにしています。アクセシビリティ（キャプション、代替テキスト）と組み合わせて、すべての形式が使えるものにしてください。

行為・表出——学習者が知っていることを多様な方法で示せるようにする。

  • 同じ学習成果に沿った評価成果物の選択（エッセイ、発表、動画、図、コード）を提供する。
  • 例： あるプロジェクトは、書面レポート、AI支援の動画解説、ライブ実演としての提出を認めています——各モードをスキャフォールディングが支援します。評価デザインにおいて、これは真正の評価の表象的公正性と並行します。

AIリテラシーと主体性に向けてデザインする。

  • 学生にAIをいつどう使うかを教え、学習者（ツールではなく）に説明責任を負わせ続けるチェックポイントを組み込む——AIリテラシーとAI悪用の削減を参照。
  • 例： UDLに整合した課題は、学生がAIを使って下書きすることを認めつつ、自身の貢献についてのメタ認知的振り返りを要求し、関与と主体性の原則を保っています。

AIを使って障壁を取り除き、追加しない。

  • 成績差を埋めるためにAIを展開する（例：一時停止を入れたAI分割動画はADHDの学習者を助けました）、アクセシブルな形式のコストを下げるために。

  • 単一のコミュニケーションスタイルを前提としたり神経多様性のある表現にペナルティを課すAIに対して警戒する——アクセシビリティ、AI教育における公平性、神経多様性と接続してください。

  • 診断ではなく機能的な障壁を標的にする。 Rempelら（2026）は、神経多様性のある学生のための支援技術の40研究のコーパスが、配慮と診断を条件とするツールを中心に組織化されていることを見出し、学生が実際に直面する横断的な障壁に向けて設計することがツールを説得的にユニバーサルにするものだと論じています。

関連概念

関連記事

関連するFAQ

メタデータ

レベルSpecial Education
対象読者Learners
公平性、倫理、責任ある利用公平性, インクルーシブ学習
教育におけるAIの基礎学習デザイン
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。