Task-Induced Meaning Construction from AI-Generated Output: A Design Based on Concept Map Construction and Self-Reconstruction
Type: conference-paper
Abstract: 生成AIは学習者に対して説明文や解答を容易に提示するが，その出力は必ずしも学習者による意味構成を伴ったものとは限らず，結果として内容理解を経ない受容が生じる可能性がある．本研究では，生成AI利用における学習課題の設計方針として，学習者が出力内容の意味を再解釈せざるを得ない状況を作る「意味構成の必然化」を試みる．具体的には，生成AIが生成した説明文を対象として，（1）概念マップの構成と，（2）その再構成から成る二段階の学習課題を設計する．第一段階の構成は，説明内容に含まれる概念およびその関係を外的表象として整理する活動であり，学習者の理解内容を外化して可視化する役割を持つ．しかしながら，この段階だけでは，学習者が一度与えた関係づけをそのまま保持し，その妥当性や整合性を十分に吟味しないまま課題を終える可能性がある．そこで第二段階では，構成された概念マップをいったん部品化し，再度組み立て直す再構成課題を導入する．この再構成は単なる反復ではなく，外化された自己の理解を対象として捉え直し，概念間の関係の妥当性や全体構造の整合性をレビューする過程として位置づけられる．すなわち，再構成は，構成段階で形成された理解をそのまま受容するのではなく，それを検証・診断し，必要に応じて修正することを促す点で重要である．このように，本課題では構成によって意味を外化し，再構成によってその意味をレビューさせることで，生成AI出力に対する意味構成をより強く要求する学習活動になると期待できる．本研究では演習実験を通して，この二段階の課題が意味構成を促しうるかを検討する．その指標として，意味構成が行われた場合に生起すると考えられる疑問の生成・解消過程，および概念マップの修正過程を観測し，本課題が理解構造の再検討を促す学習活動として機能する可能性を検証する．
Authors: 平嶋, 宗, HIRASHIMA, Tsukasa, 建部, 晃太, Takebe, Kouta
Language: Japanese
Subfield: Education
Field: Social Sciences
Domain: Social Sciences
SDG: Quality education
Open Access status: green
OpenAlex ID: W7219293022