練習の未来：教師が生成 UI で学習インタラクティブを作れるようにする

生成 UI と学習設計のガードレールを活用し、教師がテーマごと、生徒ごとにガイド付きのインタラクティブシミュレーションを生成できるようにする方法を探る。

クイックリンク

• 技術レポート
• 学習インタラクティブのライブラリ
• Google for Education パイロットプログラム デジタル教育ツールは、オンライン教材から動画ライブラリまで、世界中の生徒が情報を手に入れる方法を変えてきた。しかし、技術とアクセシビリティが目覚ましく進歩したにもかかわらず、デジタル学習はいまだに受け身の体験であることが多い。インタラクティブで引き込まれるマルチモーダルな練習は、生徒が自分で考え、解法を一歩ずつ導き出すよう促すものだが、学習への大きな可能性を秘めながら、ほとんど手が届かない。こうしたコンテンツは制作コストが高く、数も限られ、教師にはるかに多くの手間をかけることも多い。AI がこの隔たりを埋められるかを見てみたかった。今日は、インタラクティブ学習の境界を押し広げる最新の研究を共有する。新しい研究実験では、教育者がカスタマイズされたインタラクティブでガイド付きの教育シミュレーションを作成できるようにした。これらの学習インタラクティブは教師の指導目標とカリキュラムに沿っており、学習向けに最適化した生成 UI（GenUI）の新しい応用によって動的に生成される。信頼できるテスターの教師たちから最初の肯定的なフィードバックを得たあと、物理・化学・生物・数学などの STEM 分野をカバーする 30 以上の英語の学習インタラクティブを収めたサンプルライブラリも公開した。対象は主に中学校と高校だ。いずれも AI が生成し、教師がレビューした。Google Workspace for Education を使う学校は、Google for Education パイロットプログラムから登録してフィードバックを送り、学習インタラクティブの改善に協力できる。このパイロットは、より多くの学習インタラクティブを一般公開できるようにするための最初の一歩だ。 このライブラリは一般公開されており、生物、化学、コンピュータサイエンス、地球科学、数学、物理など複数のテーマの学習インタラクティブを収めている。

能動的学習の根拠

学習は観戦スポーツではない。教育理論の創始者 John Dewey が 1916 年に「生徒に何かをすることを与えよ」と主張したことから、影響力の大きい心理学者 Jean Piaget の先駆的研究が学習者がいかに知識を構成するかを明らかにしたことまで、生徒は能動的に関わることでよりよく学ぶということはずっと前から確立されている。現代の認知研究、たとえば ICAP フレームワークは、インタラクティブな行為が受動的な講義や読書よりも一貫して深いスキーマの構成と長期的な記憶の保持をもたらすことを示している。要するに、生徒は手を動かして学ぶ。生徒が自ら実験し、仮説を検証し、問題を解くとき、彼らが築くメンタルモデルはずっと完全なものになる。能動的学習は、私たちが研究で重点的に最適化している学習科学の重要な原則の一つだ。これは 2024 年に Google が発表した教育向けに微調整された生成 AI モデル群 LearnLM の基盤であり、2025 年の Learn Your Way 研究実験でも探求された。この実験は生成 AI で従来の教科書を再構想したものだ。これまでの研究を土台に、私たちは生成モデルの最新の進歩を活かしてコンテンツをさらに作り変え、教師がより能動的で引き込まれるデジタル学習コンテンツを作れるようにする方法を探ることにした。

生成 UI を教育に合わせる

そのために目を向けたのが生成 UIだ。AI モデルが UI をあらかじめコーディングしておくのではなく動的に構築する、活発な研究領域である。私たちは、素早いやり取りではなく、より深い教育の道のりに合わせて生成インターフェースを最適化する方法を探った。丁寧に導く指導設計と教育のガードレールによって、教師が自分たちのインタラクティブ環境を作れるようにしたいと考えた。_彼ら_のカリキュラムに沿い、_彼ら_の状況に応じた入力に適応するものだ。

指導設計

まず、よいインタラクティブ学習体験とはどのようなものかを突き止めようとした。既存の学習科学を参考に、いくつかの重要な指導原則を定義した。これは LearnLM の開発を支えた原則と一致する：

• カリキュラムと、教師が承認した学習目標に沿う（たとえば地球科学では、雲量の違いが局所的な気温にどう影響するかを比べ、風速と風向が気象パターンにどう影響するかを予測する）。
• 能動的で探究に基づく学習を促す。これが効果を発揮するには動機とガイダンスの両方が必要だ。
• 各シミュレーションが事実として正確であることを保証する。 これらの原則は、私たちのゲーム化した学習設計に表れている。動機を引き出すために、各学習インタラクティブには難易度が上がっていく一連のチャレンジを用意し、学習目標に基づいて構成する（たとえば先ほどの地球科学の例では、最初のレベルは気温に焦点を当て、その後、急激な温暖化と嵐に関するより難しいチャレンジへ進む）。あわせて、足場かけとなるヒント、説明、フィードバックの一式（たとえば学習者を関連する公式へ導いたり、特定の用語を説明したりする）を用意し、各学習者が各レベルをクリアするのに必要な支援を提供する。私たちが定義した生成の要件は次のとおりだ：

1. 学習目標を明確に述べる： 設計上、主導権は教育者にあり、焦点を当てたいテーマを提示する。そこから私たちが正確で一貫した学習目標のセットを生成する。目標は修正可能で、カリキュラムの目的に合わせて調整できる。教師が承認する必要があり、学習インタラクティブを生成する土台となる。
2. 構造化されたゲームレベル： ゲーム化学習の要素に基づき、複雑なテーマをそれぞれいくつかのレベルに分け、各レベルに学習目標に沿った明確な目的を持たせる。生徒は難易度が上がっていく一連のチャレンジを通してテーマを探究する（下の図の上部にあるレベルの進み方を参照）。これは能動的な実験を促し、意図的な練習と調整されたチャレンジを組み合わせることで学習者の動機を保ち、生徒が次第に複雑になる概念に習熟していくにつれて、高まっていく有能感を育てる。
3. AI が生成する足場かけ： 学習者が各レベルを効果的に進められるよう、足場かけとなる指導の一式を生成する。以下に示すとおり、生徒の既存の知識を呼び覚ます導入、関連する公式や理論を収めたツールボックス、多層的なヒント、特定の回答がなぜ有効か無効かを振り返るカスタムフィードバック、そして生徒が自分で探究したあとに理解を定着させるための完全な解答が含まれる。これらはすべて教師と生徒とともに試し、繰り返し改良した。答えを直接明かすのではなく、リアルタイムで状況を踏まえた指導を提供することで、批判的思考を促し、生徒が自分で解決策を見つけられるようにする。 学習インタラクティブの画面にはヒント、フィードバック、ツールボックスがあり、生徒が各レベルを進むのを助ける。

教育用ガードレールを備えた反復生成

品質を確保するため、生成プロセスには自己修正ループを組み込んでいる。すなわち、一連の教育用ガードレールに駆動される反復プロセスである。最終的な学習インタラクティブを生成するまでの時間は長くなるが、積極的な強化ループによって品質基準への適合度がより厳密になる。基準は教育面（たとえば、レベルが学習目標を正確にカバーし、難易度が段階的に上がっているか）、機構面（たとえば、ボタンは正しく動くか、そのレベルは解けるか）、視覚面（たとえば、気を散らす冗長な要素が画面にないか）にわたる。自己修正ループの内部には、agentic な自動評価プロセスもある（たとえば、可解性評価では Chrome インスタンスを起動し、ユーザーのようにシミュレーションを操作する）。狙いは特定の解法が機能するかの検証だけでなく、ノブを極端な値まで回すといった敵対的な操作も試すことにある。生成結果が必須基準をすべて満たすまで、自己修正ループは繰り返し実行される。

学習インタラクティブの作成プロセスに組み込まれた各種検証段階を示すフロー図。

AI が生成し、教師がレビューする

研究全体を通じた中核的な指針の一つは、技術は教育者とその目標に奉仕すべきだという考え方だ。教師はどの教室でも中心であり、どの AI 駆動シミュレーションが生徒を引きつけるか、それをいつ、どうやってカリキュラムに組み込むべきかを最もよく知っている。リソースライブラリに公開され、現在利用可能になっているすべての学習インタラクティブは教師のレビューと承認を経ており、ケプラーの惑星運動の法則、データ可視化、放物運動といった学校カリキュラムのトピックをカバーしている。さらに英国の STEM 教師グループが一連の学習インタラクティブを評価した。その結果、総合評価は良好または優秀に達し、なかでも物理と化学がシミュレーション制作に最も適していた。詳細と結果の全体は技術レポートで確認できる。

専門教師による 40 件の STEM 学習インタラクティブの教育基準平均スコア。

また、米国の教師 12 名を対象に予備調査を実施した。各教師がそれぞれ異なるカスタムインタラクティブを 3 つ依頼し、いずれも担当クラスの具体的なニーズに合わせて生成された。フィードバックは非常に前向きで、インタラクティブの品質に対する教師の評価は 10 点満点で平均 8 点だった。教師たちは特に、動的生成が長年の教室課題を解決すると指摘した。既製の静的シミュレーションでは個別最適化ができないという課題だ。ある高校科学教師の言葉を借りれば、「授業中に[任意のカリキュラムトピック]を入力して[シミュレーションを]生成できたら最高だ……これまでどんなシミュレーションも個別最適化できなかった。もらったものがそのままだったから」。教育者たちはまた、生成された設計要素が自分の指導目標とよく一致しているとも述べた。「指導目標や学習目標にぴったり合うものを実際に作れるからこそ、これはわくわくする」（中学校科学教師）。組み込みの生徒向け足場かけも評価し、段階的なヒントと模範解答が、生徒を個別に指導するときに自分が与えるような一歩ずつの導きを再現しており、レベルの進行も実際の評価問題や練習問題とうまく対応していると指摘した。

教師と進める次のステップ

コンテンツライブラリを拡充するにつれ、改善すべき点はまだ多く残っており、教室の教師と協力しながら進めていく。Google for Education と連携し、世界各地の学校や教室で学習インタラクティブを試験導入する。学校はGoogle for Education Pilot Program を通じて今後のパイロットに申し込むことができ、教師が任意のカスタム STEM 概念についてシミュレーションを依頼し、カリキュラムや学習目標、学年に合わせてカスタマイズできる。新しく生成された学習インタラクティブは、依頼した教師に送られレビューを受ける。教師が検証し承認して初めて、新しい学習インタラクティブはライブラリに加わり一般に公開される。さらに、教室で学習インタラクティブを使ったときの学習効果と生徒のエンゲージメントを評価するため、UX 調査とフィールド調査を実施する。学習のために生成技術を最適化することで、学習演習がより能動的で効果的になり、あらゆる瞬間に合わせて調整される未来に一歩近づく。この継続研究に協力してくれた教師たちに感謝し、世界中の学習者に恩恵をもたらす学習インタラクティブを作り上げていくことを楽しみにしている。

謝辞

この取り組みに貢献したすべての人に感謝する：Alex Moy、Alisa Kovshov、Anisha Choudhury、Anna Iurchenko、Ayça Cakmakli、Ayelet Shasha Evron、Brit Mennuti、Diana Akrong、Femi Olanubi、Ian Li、Ido Lerer、Julia Wilkowski、Lidan Hackmon、Michal Gordon、Nir Kerem、Preeti Singh、Rena Levitt、Rotem Yulzary、Sarah Smith、Shlomi Ben Shimon、Sophie Allweis、Tracey Lee-Joe、Tzvika Stein、Yaniv Carmel、Yishay Mor、Yuri Lev。マネジメントとして支援してくれた Niv Efron、Avinatan Hassidim、Maureen Heymans、Amy Keeling、Katherine Chou、Ronit Levavi Morad、Yossi Matias、Chris Phillips、Ben Gomes に特に感謝する。