9 分で読了
0 views

シリアスゲーム利用における持続性の心理的決定要因の研究

(Study of Psychological Determinants of Persistence in the Use of a Serious Game)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、お時間ありがとうございます。部下に『シリアスゲームを教育に使える』と言われておりまして、具体的に何が良くなるのか分からず戸惑っています。要するに効果が出るかどうか、投資に値しますか?

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、一緒に整理していきましょう。今回読む論文は、シリアスゲームの利用継続(persistence)に関する心理的要因を調べた研究で、教育現場での導入判断に直接役立ちますよ。要点はあとで三つにまとめますね。

田中専務

現場では『面白ければ続ける』という話ですが、面白さ以外に何が関係しますか。現場の作業負担が増えるなら困ります。ROIの観点で知りたいのです。

AIメンター拓海

素晴らしい着眼点ですね!この論文は『面白さ(interest)』だけでなく『自己効力感(self-efficacy)』や『所属感(sense of belonging)』、そして『フロー(flow)』のような心理的状態が継続に影響すると指摘しています。導入負担を下げる工夫があればROIは改善できるんです。

田中専務

ここで言う自己効力感というのは、要するに『あの人ならできると感じるかどうか』ということでしょうか。つまり職場で『自分でも出来そうだ』と思わせる設計が重要ということでしょうか?

AIメンター拓海

素晴らしい着眼点ですね!その通りです。自己効力感(self-efficacy+自己効力感)は、小さな成功体験や、明確なフィードバック、仲間の励ましで高まります。要点を三つにすると、(1)達成感を設計する、(2)明確な進捗表示を入れる、(3)クラスルームの協調環境を作る、です。これが継続につながるんですよ。

田中専務

フローという言葉も聞きますが、具体的に何がフローを生むのですか。現場は忙しく、集中する時間を確保しにくいのが実情です。

AIメンター拓海

素晴らしい着眼点ですね!フロー(flow+フロー体験)は、挑戦度とスキルが均衡したときに起こります。現場向けには短時間で完結するチャンク(小分け)学習や、難易度の調整機能を導入すれば忙しい従業員でも体験可能です。大丈夫、一緒にやれば必ずできますよ。

田中専務

評価方法についても教えてください。どうやって『続けるかどうか』を測ったのですか。もし効果が薄ければ早く見切りをつけたいんです。

AIメンター拓海

素晴らしい着眼点ですね!研究では事前アンケートと事後の心理尺度を用いて、所属感や自己効力感、興味、フローの項目を測り、実際の継続利用データと相関を見ています。現場では同様に短期指標と行動ログを組み合わせれば早期判断が可能です。

田中専務

なるほど。これって要するに、良い設計で継続を促し、短期指標とログでROIを早めに判定するということですね?導入前にやるべき準備は何でしょうか。

AIメンター拓海

素晴らしい着眼点ですね!準備としては三点です。第一に目標と評価指標を決めること、第二に初期の小規模トライアル設計でフィードバックを得ること、第三に教員や現場リーダーの支援体制を整えることです。これでリスクを低く始められるんです。

田中専務

分かりました。では今の言葉をそのまま使わせていただきます。今日は大変参考になりました。


1. 概要と位置づけ

結論を先に述べると、本研究はシリアスゲーム(serious game+教育目的のゲーム)を学習現場に導入する際、単なる面白さだけでなく、自己効力感(self-efficacy+自己効力感)、所属感(sense of belonging+所属感)、フロー(flow+フロー体験)などの心理的要因が利用の持続性(persistence+継続性)を左右することを示した点で重要である。要するに、設計次第で学習の定着と継続が変わるという示唆を与える。

本研究は教育工学と学習心理学の接点に位置し、学習成果だけでなく継続行動という行動指標を評価対象とした点が特徴である。従来は達成度や知識獲得に焦点が当たりがちだったが、本研究はプレイヤーの心理状態と使用行動の関係に踏み込んで分析している。

現場の意思決定者にとっての価値は明快である。投資対効果(ROI)の短期的判断を可能にする指標設計と、設計改善の方向性を心理指標から導ける点である。これは単なる導入賛否の議論を、測定可能な施策に変える。

本研究の対象となった環境はMecageniusという工学教育用のシステムであり、in situかつin vivoの実験設計を採っている。つまり実際の授業状況での使用を前提に分析したため、現場適用性が高い結果が得られている。

以上から、経営や教育の現場で意思決定をする場合、本研究は『何を測れば良いか』と『どの設計が継続につながるか』を示す実務に直結する研究であると位置づけられる。

2. 先行研究との差別化ポイント

先行研究ではシリアスゲームの効果検証として知識獲得や技能向上を主に扱ってきたが、本研究が差別化したのは利用の持続性に関する心理的決定要因を統合的に扱った点である。従来の評価指標に行動ログや心理尺度を組み合わせることで、単発的な効果と継続行動の結びつきを明確にした。

また、自己効力感やフローといった心理概念を実際の教育現場で測定し、利用行動と相関させた点で実証的な貢献がある。理論的な議論に留まらず、実測データを使って仮説検証を行ったことで、現場への応用が見えやすくなっている。

さらに教室の気候(classroom climate+学級風土)との相互作用を考慮した点も重要である。個人の心理だけでなく集団環境が継続性に影響を与える可能性を示し、導入時の組織的配慮を示唆している。

従来研究との差は方法論にも表れる。実験は実際の授業単位で実施され、事前アンケートと事後の心理尺度、さらに利用ログを組み合わせることで因果に近い示唆を導いている点が先行研究を上回る。

3. 中核となる技術的要素

技術的には特別なAIアルゴリズムを使っているわけではないが、重要なのは測定設計である。具体的にはMHCIM(Motivational and Homeostatic Classroom Interaction Modelのような指標群)由来の尺度をベースに、所属感や自己効力感、興味、フローを定量化している点が中核である。

システム的な仕組みとしては、学習プラットフォーム上で段階的な課題提示と即時フィードバックを行い、小さな成功体験を設計する機能が継続性を高める。課題の難易度調整や進捗表示などUX(User Experience+利用者体験)の工夫が学習心理に連動している。

加えて、教室内の協調的な活動や対話を促す設計が含まれており、これが所属感を醸成する要素となる。技術要素は単体の機能ではなく、心理尺度と組み合わせた設計こそが核心である。

したがって本研究の技術的貢献は、デジタル教育ツールの設計指針を心理学的根拠に基づき具体化した点にある。単なる機能追加ではなく、測定と設計を一体化するフレームワークを示している。

4. 有効性の検証方法と成果

検証は学生115名を対象とした探索的研究として行われ、事前アンケート(ante)と事後評価、行動ログを組み合わせて分析した。心理尺度は既存の信頼性ある測定項目を流用し、学習行動との相関を中心に評価している。

主要な成果は、自己効力感や所属感、興味、フローが利用の持続性と有意に関連していることが見えた点である。特に心理的なウェルビーイング(well-being+幸福感)が学習ダイナミクスの触媒として機能することが示唆された。

また教室気候との相互作用が示唆され、個人の心理だけを高めても組織的支援がなければ継続は限定的であるという示唆が得られた。つまり導入には個別のデザインと組織的配慮の両方が必要である。

実務的な解釈としては、短期トライアルで得られる心理指標とログを評価指標に組み込み、迅速な設計改善を繰り返すことでROIの早期判断が可能である点が強調される。

5. 研究を巡る議論と課題

本研究は探索的であるため、因果関係の確定や外的妥当性(external validity+一般化可能性)には限界がある。対象が特定の教育環境である点、サンプルサイズの制約があり、異なる業種や年齢層への一般化には慎重さが必要である。

また心理尺度の文化間差や測定の安定性に関する課題も残る。組織文化や教育文化が異なれば所属感や自己効力感の表出が変わるため、導入前のローカライズが重要である。

技術面では、行動ログの取得やプライバシー対応、現場での運用負荷をどう低減するかが実務上の課題である。導入初期におけるサポート体制が不十分だと効果が出にくい。

これらの課題に対しては、段階的トライアルと継続的な評価設計、そして現場リーダーの巻き込みをセットにすることでクリアできる可能性が高いと考えられる。

6. 今後の調査・学習の方向性

今後は異業種・異年齢層での検証や、ランダム化比較試験(randomized controlled trial+ランダム化比較試験)のような因果推論を強化する研究が求められる。これにより現場での意思決定の信頼性が高まる。

また長期的な追跡調査により、初期の心理的効果が中長期の学習成果や職務パフォーマンスにどのようにつながるかを明らかにする必要がある。組織全体での導入効果を測る指標の整備も重要だ。

実践的には、導入ガイドラインや短期トライアルのテンプレート、教員や現場リーダー向けの支援マニュアルを整備することで、導入のハードルを下げられるだろう。これが普及の鍵となる。

最後に現場に役立つ英語キーワードを示す。検索に使える語句として、serious game, motivation, persistence, self-efficacy, flow, learning environment を挙げておく。

会議で使えるフレーズ集

「短期トライアルで心理的指標と行動ログを測定し、設計改善の速さで投資対効果を評価しましょう。」

「導入時は自己効力感と所属感を高める設計を優先し、現場リーダーの支援体制を同時に整備します。」

「まず小規模で進め、得られたデータをもとにフェーズ毎に判断することでリスクを限定します。」


参考文献:

J. Heutte et al., “Etude des déterminants psychologiques de la persistance dans l’usage d’un serious game,” arXiv preprint arXiv:1502.01818v1, 2014.

論文研究シリーズ
前の記事
複数分類器システムにおける教師なし融合重み学習
(Unsupervised Fusion Weight Learning in Multiple Classifier Systems)
次の記事
地球へ向かうコロナ質量放出の遠隔およびインサイツ測定に基づく宇宙天気情報サービス
(A Space weather information service based upon remote and in-situ measurements of coronal mass ejections heading for Earth)
関連記事
Deep Reinforcement Learning with Spiking Q-learning
(スパイキングQ学習を用いた深層強化学習)
シャッフルするべきか否か:DP-SGDの監査
(To Shuffle or not to Shuffle: Auditing DP-SGD with Shuffling)
非負値行列因子分解による次元削減の概観
(Nonnegative Matrix Factorization in Dimensionality Reduction: A Survey)
多ショット・ジャイルブレイキングの緩和
(Mitigating Many-Shot Jailbreaking)
医療時系列データにおける動的特徴取得を条件付き相互情報量最大化で実現する方法
(Towards Dynamic Feature Acquisition on Medical Time Series by Maximizing Conditional Mutual Information)
ヒトとマウスの単一細胞RNA-seqデータの統一表現学習
(Mix-Geneformer: Unified Representation Learning for Human and Mouse scRNA-seq Data)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む