EDUMINGによる遊び・コーディング・ものづくりで学ぶ — 学習用非典型デジタルゲーム活用の新手法 LEARNING BY GAMING, CODING AND MAKING WITH EDUMING: A new approach to utilising atypical digital games for learning

田中専務

拓海先生、最近うちの若手が「EDUMING」って論文を持ってきて、導入を勧めているんです。正直、ゲームで学ぶって話は聞いたことがありますが、うちの現場に本当に役立つんでしょうか。コスト対効果が心配でして。

AIメンター拓海

素晴らしい着眼点ですね、田中専務!まず端的に結論を言うと、EDUMINGは単なる『学習用ゲームを遊ぶ』アプローチを超え、現場での学習と開発を同時に促す仕組みです。要点は三つです。ユーザーがゲームを“使う”だけでなく“作る”ことで学ぶ、既存のゲーム体験を改変できるようIDE(統合開発環境)を組み込む、そして必要ならAI(例えばLarge Language Model(LLM)—大規模言語モデル)を補助に使える点です。大丈夫、一緒に整理していけるんですよ。

田中専務

なるほど、「作ることで学ぶ」と。で、具体的には現場の作業や技能にどう結びつくんですか。たとえばうちのラインで働く人にとって、どう投資が回収できるのか知りたい。

AIメンター拓海

良いご質問です。投資対効果の観点からは三点で説明できます。第一に、学習効果の増幅です。実際に手を動かしてゲームを改造することで知識定着が高まるため、研修時間あたりの効果が向上します。第二に、カスタマイズ可能性です。IDEを通じて現場の課題に合わせたシナリオや課題を低コストで作成できます。第三に、人材育成の内製化です。外部講師や高コストな研修を減らし、現場でのOJTに近い形で人を育てられます。要するに、単発の教育投資ではなく継続的な学びの仕組みを作る投資になりますよ。

田中専務

これって要するに「ゲームを使って現場で使える技能やアイデアを安く育てる仕組みを作る」ということですか? つまり教育を内製化して、現場で試して改善するって理解で合ってますか。

AIメンター拓海

まさにその通りですよ、田中専務!素晴らしい着眼点ですね!補足すると、EDUMINGの独自点はユーザーがソースコードを改変できる点にあります。ゲームは黒箱ではなく、IDE(Integrated Development Environment(IDE)—統合開発環境)を通じて「触れる」教材になります。だから現場のプロセスをゲーム内シナリオに落とし込み、試行錯誤を短周期で回せます。

田中専務

なるほど。とはいえ我々はITが得意じゃない。現場の人間にソースを直せと言っても無理があるのでは。運用面の不安が残ります。

AIメンター拓海

大丈夫、焦る必要はありません。ここでも三点で対応できます。まずはノンコーディングのテンプレートを用意して段階的に学ばせること。次に、一部のスタッフを『仕組み担当』として育て、ヘルプラインを社内に作ること。最後に、必要時にLLM(Large Language Model(LLM)—大規模言語モデル)を補助ツールとして使い、コード自動生成やタスク生成を試すことです。つまり段階的導入でリスクを下げられますよ。

田中専務

段階的導入ならやれそうです。もう一つ聞きたいのは評価方法です。効果が出ているかどうかをどう測ればよいでしょうか。数値で示したいのです。

AIメンター拓海

ここも三点で設計できます。まず定量的指標としてタスク完了時間やエラー率の変化を追うこと。次に定性的に学習者の受容度やモチベーションをアンケートで計測すること。そしてコスト面では研修時間削減分や外注コスト削減分を金額換算してROI(Return on Investment(ROI)—投資利益率)を計算します。短期と中期で見る指標を分ければ、経営判断しやすくなります。

田中専務

了解しました。ではまずは小さく始めて効果を数値で示し、社内に広げるという運びですね。最後にもう一度、要点を自分の言葉でまとめてもよろしいですか?

AIメンター拓海

ぜひお願いします。素晴らしい着眼点ですね!要点は三つに整理して構いませんよ。私も最後に一言補足しますから、一緒に確認しましょう。

田中専務

分かりました。では私の言葉でまとめます。EDUMINGは現場で使える学びを内製化する仕組みで、ゲームを改造しながら学ぶことで定着を高め、段階的導入と数値評価でリスクを抑えつつ投資対効果を示していくということですね。まずはテンプレートと仕組み担当を作って小さく試す、という理解で合っていますか。

AIメンター拓海

完璧ですよ田中専務!その理解で進めれば現場も動きやすいですし、社内合意も取りやすくなります。大丈夫、一緒にやれば必ずできますよ。

1. 概要と位置づけ

結論を先に言うと、本論文は「ゲームを消費するだけでなく、利用者自身がゲームを改変し、ものを作る過程で学ぶ」ことを教育設計として組み込む点で従来研究を大きく前進させた。特に重要なのは、学習を単なる受動的な体験から能動的な制作活動へと転換する点である。Papertのconstructionismという理論的基盤に立ち、学習者が手を動かして成果物を共有することが学習効果を高めるという視点を、デジタルゲームの文脈に実装した。EDUMINGという概念は、既存のゲームベース学習やゲーミフィケーション、シリアスゲームといった枠組みと重なる部分を持ちながらも、ユーザーによる開発・改変というレイヤーを明確に付加している。これにより、学習コンテンツが現場の具体課題に迅速に適応し得る点が最も大きな変化である。

2. 先行研究との差別化ポイント

従来のゲームベースラーニング(game-based learning)やゲーミフィケーション(gamification)は、学習者に対してゲーム要素を提示して動機づけを高める点で有効であるが、コンテンツ自体は固定的でユーザーは消費者にとどまることが多かった。本論文はその点を明確に問い直し、コンテンツの可変性と利用者による改変を前提にすることで差別化している。具体的には、統合開発環境(Integrated Development Environment(IDE)—統合開発環境)をゲームに組み込むことで、ソースコードレベルでの改変を可能にし、学習と開発の境界を曖昧にする。さらに、AIツール、とりわけLarge Language Model(LLM)を補助的に活用できる点も本研究の特徴であり、タスク生成やコード補助を通じて開発の学習コストを下げる工夫が示されている。従来研究は学習の動機づけや適応設計に寄与したが、本研究は「学習の主体がコンテンツを作る側に回る」実践的な制度設計を提案した。

3. 中核となる技術的要素

本研究の中核は三つの技術要素である。第一に、IDEを使ってユーザーがゲームのソースを修正し得る設計である。これにより学習者は試行錯誤を通じてプログラム的思考やドメイン知識を獲得する。第二に、学習を促進するためのゲームデザイン要素の統合であり、適応的な難度調整やフィードバックが学習効果を支える。第三に、AI支援の活用である。ここではLarge Language Model(LLM)を用いたタスクの自動生成やコード補助が想定され、開発時間やコストの削減、再現性のある課題作成に寄与する。これらをモバイル環境に適合させる設計も重視されており、現場での採用障壁を低く保つ工夫が見られる。技術的な複雑さは存在するが、本論文は段階的な導入を前提に設計指針を示している点が実務的である。

4. 有効性の検証方法と成果

検証は探索的なユーザースタディを通じて行われ、対象は学習ゲームのユーザビリティ、受容性、動機づけの変化であった。具体的には、PCLQ(Professor Chip’s Learning Quest)という2Dアリーナシューターを用い、参加者の事前経験、タスク遂行指標、アンケートによる主観評価を組み合わせて評価した。結果として、ゲームを改変しながら学ぶグループは受動的に遊ぶのみのグループに比べて定着や自己効力感の向上が確認され、システムの受容性も高かった。定量的には反復回数とタスク達成時間の改善、定性的には学習への主体性の増加が観察された。論文は探索的段階の成果に留めつつも、概念実証としての妥当性を示している。

5. 研究を巡る議論と課題

本研究には有望性と同時に現実的な課題もある。第一に、現場導入の際の技術的負担である。IDEを扱うことや一部でコード改変を行う文化を組織内に醸成するには教育設計と時間が必要である。第二に、評価の一般化である。探索的なスタディは有効性を示したが、業種や年齢層による差異、長期的な効果を証明するための大規模実証が不足している。第三に、AI支援の倫理面と品質保証である。LLM等の自動生成物を教育現場で使う際には、誤りや偏りをどう検出し対処するかが課題となる。これらの課題は解決可能であり、段階的導入と組織内の役割分担、厳格な評価設計を通じて緩和できる点が議論されている。

6. 今後の調査・学習の方向性

今後は実務的な展開を意識した研究が求められる。まずは産業現場でのパイロット導入により、業務特化型シナリオの有効性を評価すべきである。次に、評価指標の標準化と長期追跡を行い、コスト対効果を経営指標に結びつける研究が必要である。そして、AI支援ツールの品質保証手法と、人材育成のためのカリキュラム設計に関する実証研究が望まれる。検索に使える英語キーワードとしては、EDUMING, constructionism, GameMaker Studio 2, digital learning games, adaptive learning, IDE in education, Large Language Modelなどが有効である。これらを組み合わせることで、本論文のアイデアを自社の学習設計に落とし込み、段階的に実証する道筋が描ける。

会議で使えるフレーズ集

EDUMING導入提案の場面では次のように言えば議論が前に進む。「本提案は学習の内製化と現場課題の迅速な反映を目的としており、初期はテンプレートベースで段階導入します」「効果測定はタスク完了時間、エラー率、研修時間の削減で定量化し、ROIで投資効果を示します」「技術的サポートは社内の仕組み担当と外部の短期支援で補い、リスクを最小化します」これらを会議で提示すれば、投資対効果と運用の不安を同時に説明できる。

S. Pietrusky, “LEARNING BY GAMING, CODING AND MAKING WITH EDUMING: A new approach to utilising atypical digital games for learning,” arXiv preprint arXiv:2504.13878v2, 2025.

AIBRプレミアム

関連する記事

AI Business Review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