11 分で読了
1 views

ビジネス向け会計コンテキストにおけるMOOC継続学習意図の決定要因の探究

(Exploring the determinants on massive open online courses continuance learning intention in business toward accounting context)

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

拓海さん、最近若手からMOOCの導入を勧められて困っております。これ、本当にうちの現場に役に立つんでしょうか。投資対効果が一番気になります。

AIメンター拓海

素晴らしい着眼点ですね!大丈夫です、一緒に整理すれば見えてきますよ。先に結論を3点だけ伝えますと、1) 継続意図を支える要因が分かれば投資効率を高められる、2) 会計のような専門領域では設計がひと工夫必要、3) 実証データで効果を検証できるという点です。

田中専務

なるほど。で、継続意図って要するに何ですか。受講者が “また使いたい” と感じるかどうか、という意味でしょうか。

AIメンター拓海

その通りです!”Continuance learning intention(CI)=継続学習意図”は受講後に継続して学習しようとする意向のことです。身近な例で言えば、良い店はまた行きたくなりますよね。その”また行きたくなる理由”をMOOCに当てはめて分析していますよ、という話です。

田中専務

うちの会社は製造業で会計は必須です。会計のMOOCが他とどう違うのか、現場に取り入れる際にどこを見ればいいのか教えてください。

AIメンター拓海

会計は専門用語や実務パターンが多く、単なる基礎理論や技術系コースと異なります。要点は三つで、1) 専門用語や実務例のカスタマイズ、2) 自己効力感(self-efficacy=自己効力感)を高める学習支援、3) 課題とツールの整合性(task-technology fit=課題と技術の適合)です。これを押さえれば継続につながりやすいです。

田中専務

なるほど。クラウドのことやシステム投資が心配です。現場の社員はITに不安がある。導入に際して現場の反発を減らすコツはありますか。

AIメンター拓海

大丈夫、対処法がありますよ。まずは小さな成功体験を作ることです。一部門で短期のパイロットを回し、効果(時間短縮やミス減少)を見せる。次に操作を簡単にする、たとえば自社の業務に近いカスタム例を用意する。最後に評価指標を決めて経営がコミットする。要点を三つにまとめると、パイロット、カスタマイズ、経営のコミットです。

田中専務

これって要するに、”受講者が続けたくなる仕組みを作る”ことがコストに見合うかどうかを見極めるってことですかね?

AIメンター拓海

まさにその通りですよ。投資対効果を測るには”継続の鍵”が何かを知ることが重要で、そこを改善すれば同じ投資でも効果が変わります。簡単に言えば、適切な設計をすれば費用対効果は向上するのです。

田中専務

実際に効果を示したデータはありますか。社内説得に数字が必要なんです。

AIメンター拓海

この論文はアンケートと理論フレームワーク(Theory of Planned Behavior=計画的行動理論)を組み合わせて、どの要因が継続意図に効くかを分析しています。統計的に有意な要因を示しているため、社内説得材料としては有効です。要点は仮説設定、データ収集、統計検証の流れで構成されています。

田中専務

よく分かりました。では社内で説明するときは、要するに”会計MOOCで受講者が続けたくなる3つの要点を押さえればよい”と伝えればいいですか。そうすれば私も投資判断ができそうです。

AIメンター拓海

素晴らしいまとめです!その通り、要点を三つにして実証を小さく回す、そして評価指標で効果を示す。この順序で進めれば現場も経営も納得しやすくなりますよ。大丈夫、一緒にやれば必ずできますよ。

田中専務

分かりました。自分の言葉で言うと、今回の論文は”会計のMOOCにおいて、受講者が継続したくなる要因を明らかにし、それを使って小さく試して効果を示すことで導入リスクを減らす方法を示した”ということですね。ありがとうございます、拓海さん。

1. 概要と位置づけ

結論を先に述べると、この論文は会計分野に特化したMOOC(Massive Open Online Courses=大規模公開オンライン講座)の継続学習意図(Continuance learning intention=継続学習意図)に影響を与える要因を体系的に整理し、実証的に検証した点で既存研究を前進させた。特に会計という専門領域の特性を考慮し、学習者の自己効力感や課題と技術の適合性が継続に直結するという示唆を示した点が最大の貢献である。

背景としてMOOCは高等教育で広く導入されており、初期導入の関心は高かったが、継続利用を前提としたデザインに関する研究は相対的に少なかった。本研究はTheory of Planned Behavior(TPB=計画的行動理論)などの理論を土台に、教育設計と学習者特性の両面を統合している。教育実務側にとって重要なのは、単にコンテンツを提供するだけでは継続は期待できない点だ。

本論文では会計の特殊性、すなわち専門用語の多さや実務的な演習の必要性を強調しているため、他分野のMOOCの知見をそのまま流用することの危険性も示している。これは導入時の期待値を現実的に設定する上で有益である。経営層はここを踏まえて、投資判断を専門性と設計戦略に結びつけるべきである。

要するに、研究は”設計(instructional design)と学習者の信念・能力の相互作用が継続意図を生む”という実務に直結する命題を立て、会計領域でそれを検証した点で価値がある。導入判断をする際には、実証に基づく指標で期待効果を示すことが説得力につながる。

最後に位置づけとして本研究は、MOOC運用の実務改善を目的とする経営判断に直接結びつく応用研究の一例である。学術的な寄与だけでなく、実際の導入プロセスを改善するための示唆を提供している点で、経営層にとって無視できない成果だ。

2. 先行研究との差別化ポイント

本研究が差別化する第一の点は対象領域の限定である。多くの先行研究は技術系や一般教養向けのMOOCを対象にしているが、本論文は会計というプロフェッショナル領域に焦点を当てている。会計は専門語彙と実務演習が重要であり、この点を無視した設計では継続は望めないという具体的な主張を行っている。

第二の差別化は要因の統合的扱いである。先行研究はしばしば個別要因、たとえば満足度や有用性(perceived usefulness=認知的有用性)に注目するが、本研究は自己効力感、課題と技術の適合(task-technology fit)、パーソナライズ設計など複数の変数を同時にモデル化し、その相互関係を検証している。これにより単独要因の寄与だけでなく複合効果が見える化された。

第三の差別化は実証手法の堅牢性である。理論モデルに基づく仮説設定からアンケートによるデータ収集、統計的検証に至るプロセスが明確に示されており、実務者が結果を指標化して導入判断に使えるよう配慮されている。先行研究に見られる記述的な示唆を越えて、定量的な根拠を提示している点が強みだ。

以上により、本研究は単なる学術的議論を超えて、会計MOOCの導入設計に対する実務的なチェックリストと評価指標を与えている。導入検討時に何を優先すべきかが明確になっている点で、先行研究より有益である。

3. 中核となる技術的要素

技術的要素と言うと大げさに聞こえるが、本稿で言う技術は主に教育設計と学習支援の仕組みを指す。具体的には、パーソナライズされた教材、演習問題の自動化、フィードバックループの設計が中核である。これらは受講者の自己効力感を高め、継続率に寄与する。

まずパーソナライズ設計(personalized design=個別化設計)は、受講者の経験や仕事の文脈に応じた例題や課題を提示する手法だ。会計では企業実務に即した仕訳例や報告書作成演習を用意することが特に効果的である。これにより学習の直接的有用性が体感される。

次にtask-technology fit(課題と技術の適合)である。技術(プラットフォームやツール)が提示する学習手段と実際の学習課題が合致しているかどうかが重要だ。例えば、実務演習に適した演習環境と単なる動画視聴中心の環境では、習得効果と継続意図に大きな差が生じる。

最後に自己効力感(self-efficacy=自己効力感)を支える仕組みとして、小さな成功体験を積ませる導線設計と、適切なフィードバックが挙げられる。これらを組み合わせることで、単発の学習ではなく継続的な学習習慣を促進できるのだ。

4. 有効性の検証方法と成果

検証方法は理論に基づく仮説設定から始まり、学習者アンケートによるデータ収集と統計分析で有効性を検証するという標準的な手順を踏んでいる。特にTPBを利用した行動意図のモデル化により、どの変数が継続意図に直接・間接的に影響するかを明らかにしている。

成果として、自己効力感やtask-technology fit、カスタマイズ設計が継続意図に有意に関連することが示された。これにより単なる満足度改善だけでは不十分であり、学習の成果実感や課題とのマッチングが重要であるという結論が導かれている。

また検証は単一の理論に依存せず複合モデルを用いているため、実務への応用可能性が高い点が評価できる。経営的にはこれらの要因をKPIに落とし込むことで、導入効果を定量的に追えるようになる。

ただしサンプルや対象範囲の限定などの制約もあり、普遍的な結論を即断することは避けるべきだ。とはいえ小規模なパイロットで同様の指標を測定し、結果が再現されれば導入の判断材料として十分に有益である。

5. 研究を巡る議論と課題

本研究は会計MOOCの継続性に関する重要な示唆を提供する一方で、いくつかの議論点と課題が残る。まず一つはサンプルの多様性であり、異なる文化圏や企業規模で同様の結果が得られるかは検証が必要だ。導入を進める際には自社の人材構成を踏まえた再評価が求められる。

第二に、長期的な学習継続を支える制度設計の検討が不足している点だ。短期のアンケートで効果が確認されても、業務負荷や評価制度が追随しなければ継続は維持されない。経営は学習に対する評価やインセンティブを併せて設計する必要がある。

第三に、技術的な実装面での課題である。プラットフォーム選定やデータ保護、操作性の簡便化など実務的な障壁が残る。特に社内にITリテラシーに差がある場合、導入計画に教育支援や操作ガイドを組み込むことが重要である。

これらの課題を踏まえ、研究成果をそのまま鵜呑みにするのではなく、自社の状況に合わせた翻訳(translation)と実装が必要である。学術的な示唆を具体的な施策に落とす作業が、導入成功の鍵となる。

6. 今後の調査・学習の方向性

今後の調査は二方向に進めるべきである。第一に外的妥当性の強化として、多様な産業・企業規模・文化での再検証を行い、普遍的な設計パターンを抽出すること。第二に長期追跡研究によって、導入後の持続性と業務上の実効を評価することが必要である。

また実務的には、パイロット→評価→スケールのサイクルを小さく回し、学習効果と業務改善の両面で定量的な成果を積み上げる実践研究が求められる。経営層は短期の結果と長期的な制度設計の両方を見据えて投資判断を下すべきだ。

最後に研究と実務をつなぐための共通指標の整備が重要である。学習継続率だけでなく、実務パフォーマンスの改善指標を組み合わせることで、教育投資の真のリターンを示すことができるだろう。

検索に使える英語キーワード

MOOC, continuance learning intention, continuance intention, task-technology fit, self-efficacy, accounting education, Theory of Planned Behavior

会議で使えるフレーズ集

「この研究は会計MOOCの継続意図に関して、自己効力感と課題と技術の適合が重要だと示しています。小さなパイロットでKPIを測ってからスケールしたいと考えています。」

「単にコンテンツを導入するだけでは継続は得られません。業務に直結する例題の導入と評価制度の整備が必要です。」

「我々の導入戦略は、パイロット、カスタマイズ、経営コミットの三段階で進める提案です。まずは効果を数字で示しましょう。」

Shang D. et al., “Exploring the determinants on massive open online courses continuance learning intention in business toward accounting context,” arXiv preprint arXiv:2411.16700v1, 2024.

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
衛星観測からの拡散モデルを用いたレーダー反射率合成
(DiffSR: Learning Radar Reflectivity Synthesis via Diffusion Model from Satellite Observations)
次の記事
光学リモートセンシング画像における顕著対象検出のための統合ドメイン認知ネットワーク
(United Domain Cognition Network for Salient Object Detection in Optical Remote Sensing Images)
関連記事
閾値再和集合とトップクォーク生成の総断面積
(Threshold Resummation and the Total Cross Section for Top Quark Production)
ステレオ再構築のための深層距離の半教師あり学習
(Semi-supervised learning of deep metrics for stereo reconstruction)
大規模構造の空間分布に関する研究:パリティ違反の教師なし探索
(On the spatial distribution of the Large-Scale structure: An Unsupervised search for Parity Violation)
トランスフォーマーによる言語処理の革新
(Attention Is All You Need)
注意機構のみで十分
(Attention Is All You Need)
リアルタイムネットワーク侵入検知を変える決定トランスフォーマー
(Real-time Network Intrusion Detection via Decision Transformers)
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