武蔵野個別指導塾の特徴

知的チュータリングシステム——人間の家庭教師に迫れるか

公開 2026.09.12更新 2026.09.13武蔵野個別指導塾の特徴

教育研究レビュー第27回「教育に技術を入れると何が起きるか——60年分の評価」武蔵野個別指導塾

機械が教えるという構想の、60年

教育に技術を導入すれば学習が改善するという主張は、新しいものではありません。1950年代の教授機械、1960年代のコンピュータ支援教育、1980年代の知的教授システム、2000年代の電子黒板とノートパソコン、2010年代の個別最適化。名称は変わりましたが、構造は繰り返されています。

そして、そのたびに大規模な評価が行われ、期待された効果量が確認されないという結果が報告されてきました。

ただし、この歴史を「技術は効かない」と要約するのは正確ではありません。効果が確認された条件も存在します。この記事では、何が効き、何が効かないのか、そしてなぜ効果が小さく出やすいのかを整理します。

1. 教授機械という出発点

一言でいうと
60年間、基本設計はほとんど変わっていません。即時フィードバック、細分化された単位、個人のペース。
——そしてフィードバック研究のとおり、即時フィードバックが常に最良とは限りません。反応の速さと、学習の深さは別の軸です。

Skinnerが提案した教授機械は、行動分析の原理を教育に適用したものでした。小さな単位に分割された内容を順に提示し、学習者が反応し、即座に正誤が返る。正答率が高くなるように単位を細かくする。

この設計の含意は明確でした。一斉授業では、一人ひとりの反応に即時に応答することができない。機械であれば、それが可能になる。

この構想は、現在の学習アプリケーションにもそのまま受け継がれています。即時フィードバック、細分化された単位、個人のペース。60年間、基本設計はほとんど変わっていません。

一方、連載のフィードバックの記事で扱ったとおり、即時フィードバックが常に最良とは限りません。正誤だけを返す形式は、手順の理解を促さない場合がある。また、想起の試行を省略させると、検索練習の効果が失われます。反応の速さと、学習の深さは別の軸です。

2. 知的教授システムの評価

一言でいうと
「効果がある」という主張は、常に「何と比べて」を伴わなければ意味を持ちません。
次の3節から6節で、その数字を具体的に見ます。

1980年代以降、学習者の状態を推定し、それに応じて課題を選ぶシステムが開発されました。知的教授システムと呼ばれます。

代表的なものは、数学の問題解決過程を細かく追跡し、どの手順でつまずいたかを推定して、対応するヒントを出す設計でした。

この領域は、教育技術のなかでは比較的良好な評価を得てきました。メタ分析では、従来の一斉授業と比較して、小さいながら一貫した正の効果が報告されています。

ただし、比較の相手によって結果は変わります。人間による個別指導と比較すると、劣るという報告が一般的です。一斉授業と比較すると優る。「効果がある」という主張は、常に何と比べてかを伴わなければ意味を持ちません。

効果が確認されやすい条件も整理されています。手順が明確で、正誤が機械的に判定でき、つまずきの類型が限られている領域——具体的には初等中等の数学やプログラミングの入門——で効果が出やすい。逆に、論述や探究のように評価基準が曖昧な領域では、システムの設計自体が困難です。

3. 数字で見る——ITSは何と比べて効くのか

一言でいうと
一斉授業と比べれば勝ちます（g = 0.42）。
1対1の人間の指導と比べると、差がありませんでした（g = −0.11） [a2]。
——そしてそもそも「人間の家庭教師は d = 2.0」という前提自体が、検証で否定されています [a1]。

2節では「比較の相手で結果が変わる」と書きました。ここからは、その数字を具体的に並べます。

2,188回引用されたレビューが否定したこと

2011年、『Educational Psychologist』に掲載されたレビューは、この分野で最も引用されている文献のひとつです（2,188引用）[a1]。

著者は、当時広く信じられていた効果量を整理しました。

指導の型	信じられていた効果量	検証の結果
解答ベースの計算機指導（CAI等）	d = 0.3	—
知的教授システム（ITS）	d = 1.0	d = 0.76
成人の人間の家庭教師	d = 2.0	d = 0.79

著者の結論は明快です。「このレビューは、これらの信念を確認しなかった。むしろ、人間による個別指導の効果量ははるかに低く（d = 0.79）、さらに知的教授システムの効果量は 0.76 であり、したがってそれらは人間の個別指導とほぼ同じくらい効果的である」

一言でいうと（2つのことが同時に起きています）
① ITSは、期待されていたほど効かなかった（1.0 → 0.76）。
② しかし、人間の家庭教師も、期待されていたほど効かなかった（2.0 → 0.79）。
——「機械が人間に迫った」のではなく、「人間の側の数字が下がった」結果として並びました。

107の効果量による統合

2014年、『Journal of Educational Psychology』に掲載されたメタ分析（742引用）は、107の効果量・14,321人を統合しました [a2]。

ITSの比較対象	効果量 g
非ITSのコンピュータ教材	+0.57
教師主導の大人数一斉授業	+0.42
教科書・ワークブック	+0.35
少人数指導	+0.05（有意差なし）
1対1の人間による個別指導	−0.11（有意差なし）

そして重要な点——ITSが主たる指導手段であっても、教師主導の授業の補助であっても、授業に統合された構成要素であっても、宿題の補助であっても、いずれも有意で正の平均効果量が見出されました。

著者らは「ITSが学習にとって比較的効果的な道具であるという主張は、潜在的な出版バイアスの分析とも整合的である」と述べています。

プログラミング教育に絞った22の効果量（1,447人）の分析でも、教師主導の一斉授業と非ITSのコンピュータ教材の両方に対して、有意な優位が報告されています [a16]。

4. 測り方で、結果が変わる

一言でいうと
同じシステムでも、そのシステムに合わせて作ったテストで測ると効果が大きく出ます。
標準化されたテストで測ると、小さくなります [a3][a6]。
——製品の宣伝に載っている数字が、どちらで測られたものかを確認する必要があります。

2016年、『Review of Educational Research』に掲載されたメタ分析（590引用）は、50の統制評価を統合しました [a3]。

結果は「テスト得点を従来の水準より 0.66 標準偏差、つまり50パーセンタイルから75パーセンタイルへ引き上げた」——大きな値です。

ところが、著者らは同じ段落で但し書きを加えます。

「しかしながら、ある評価で見出された改善の大きさは、改善が地域で開発されたテストで測られたか標準化されたテストで測られたかに、大きく依存していた。これは、テストと指導目標の整合が、評価結果の決定的な要因であることを示唆する」

さらに、メタ分析の選定要件を満たさなかった2群についても報告しています。

従来型でない対照群を用いた6評価 → 効果は小さかった
ITSの実装に欠陥があった4評価 → 効果は小さかった

「評価結果は、対照処遇の性質と、プログラム実装の適切さにも影響される」

読解での実例

K-12の読解理解に絞った2019年のメタ分析（131引用）は、約10,000人・88の効果量を統合しました [a6]。

比較と測定	効果量
全体（標準化＋研究者作成の混合）	0.60（95%CI 0.36〜0.85）
従来型指導との比較・混合測定	0.86
従来型指導との比較・標準化テスト	0.26
人間による個別指導との比較（すべて標準化テスト）	0.20（0.02〜0.38）

一言でいうと（0.86 と 0.26）
同じ比較でも、測り方を変えるだけで効果量が3倍以上違いました。
——この差は、システムの性能ではなく、テストの作られ方から来ています。
なお、この分析では人間の個別指導と比べても ITS がわずかに上回りました（0.20）。3節の g = −0.11 とは方向が逆です。領域によって結果が違います。

30研究を統合した2025年のメタ分析（g = 0.86）も、「ITSは学習態度とテスト得点を有意に改善しうるが、知識獲得・学習者の動機づけ・遂行・問題解決技能への効果は、より決定的でない」と報告しています [a12]。

5. 反証——K-12の数学では、ほぼゼロだった

一言でいうと
小中高の数学に絞ると、効果量は g = 0.01〜0.09 でした [a4]。
広く使われている商用システムの検証も「従来の一斉授業と同程度で、それより良くはない」 [a7]。
——3節の g = 0.42 と、この数字は両方とも事実です。

2013年、1997年から2010年の26報告・34の独立標本を統合したメタ分析があります（221引用）[a4]。対象はK-12の数学です。

結論はこうでした。

「全体として、ITSはK-12の生徒の数学学習に負の効果を持たず、おそらく小さな正の効果を持つ。平均効果量は g = 0.01 から 0.09 の範囲である」

そして「ITSを宿題や人間による個別指導と比較した少数の研究に基づけば、ITSの有効性は小さいか中程度に見える」。

商用システムでの検証

米国で広く使われているITSの一つを対象に、2005年から2015年の15研究・24標本を統合したメタ分析があります [a7]。

「結果は、このシステムが従来の教室での指導と同程度に良いが、それより良くはないことを明らかにした」

調整変数の分析では、学校段階でも、実装の仕方（主たる指導か補助か）でも、測定方法（標準化テストか教員作成テストか）でも、効果量に有意差はありませんでした。

ただし一つだけ、著者らが「驚くべきことに」と書いた所見があります。

「効果量は、より長い期間より、より短い期間で使われたときのほうが大きかった」

一言でいうと（新奇性の効果）
使い始めの時期に効果が大きく、続けると縮む。
——これは12節で扱う新奇性の効果と整合します。そして、導入初年度の成果で製品を評価することの危うさも示しています。

実験室を出ると

2023年、実験室や研究用の特別な環境ではなく、実際の自然な学習文脈での「社会実験」だけを集めたメタ分析が行われました。14研究・3,496人です [a8]。

タイトルは「社会実験で検証された知的教授システム——魔法は消えたのか?」。

全体の効果は、小さな正（g = 0.36）
知識（中程度の効果）のほうが、技能（小さな効果）より良かった
言語知識の学習で、他の教科より効果が大きかった
初等教育で、そして1年未満の使用で、効果が大きかった

2025年、K-12に絞った系統的レビュー（28研究・4,597人）も、慎重な結論です [a9]。

「K-12教育における学習と遂行へのITSの効果は、全体としては正だが、非知的なチュータリングシステムと比較すると弱められることが見出された」

一言でいうと（「知的」の部分は効いているのか）
ITSは、ただのドリルアプリと比べると、差が小さくなります。
——学習者の状態を推定して課題を選ぶという「知的」な部分が、どれだけ寄与しているかは、まだはっきりしていません。

実際の教育現場での40研究を分析した2023年の系統的レビューも、「ITSの有効性について、複雑な状況が浮かび上がった」とし、「一部の研究では、実験設計とデータ分析の科学的厳密さが欠けていた」と指摘しています [a15]。同じ研究は「ITS研究が行われた国の分布に、『知的』な地域格差があった」とも報告しています。

6. 誰に効くか——低学力層で、効果が小さい

一言でいうと（この記事で最も重い所見です）
ITSは、一般の生徒には効きました。低学力の生徒には、それより効きませんでした [a4]。
著者らはこう書いています——「この所見は、コンピュータ化された学習が、異なる到達水準・適性を持つ生徒のあいだの学力格差に寄与しうるかという問題に、注意を向けさせる」。

5節のメタ分析は、2つの調整変数を報告していました [a4]。

ITSの効果は、1学年以上続いたときより、1学年未満のときのほうが大きかった
一般集団から抽出された生徒を助ける効果のほうが、低学力者を助ける効果より大きかった

ただし、逆の報告もあります。

2025年、米国のK-12に絞り18研究・77の効果量を統合したメタ分析は、全体でg = 0.271 を報告しました [a10]。そして——

効果量は、小学校と中学校で同程度だった
低学力の生徒についても、同程度だった
しかし、農村部の学校を含む研究では、効果量が低かった
最も重要な調整変数は——例題の提供、介入期間、介入条件、学習成果の型、即時測定だった

一言でいうと（「例題の提供」が出てきました）
効果を左右していた要因の第一が「解き方を示した例題を提供すること」でした。
——認知負荷と例題効果の記事で見た原則が、ここでも出てきます。
「知的」な適応より、ずっと古典的な設計原則のほうが効いているのかもしれません。

大学生では、結果が違う

大学生を対象にした2013年のメタ分析（319引用）は、35報告・39研究・22種類のITSを統合しました [a5]。

全体として、ITSは大学生の学業学習に中程度の正の効果を持った（g = .32 〜 .37）
ITSは人間による個別指導より効果が低かったが、それ以外のすべての指導方法・学習活動を上回った——従来の教室指導、印刷教材やコンピュータ教材の読解、CAI、実験や宿題、無処置統制
効果は、ITSの種類・教科領域・関与の仕方や程度によって有意に異ならなかった
そして——より初期の研究での有効性のほうが、より最近の研究より有意に大きかった

最後の点は、この分野を読むうえで重要です。技術が進歩しているのに、効果量は下がっています。理由として考えられるのは、対照群の側の環境が改善していること、そして初期研究の設計が緩かったことです。

なお、K-12数学へのAI全般（ITSと適応学習システムを含む）を統合した2024年のメタ分析はg = 0.343 を報告し、「AIが知的教授システムや適応学習システムとして機能したときに、より大きな影響を示した」としています [a11]。

7. 端末を配れば何が起きるか

一言でいうと
端末は配られ、使用量は増え、そして学力指標には差が出ませんでした。
——技術の導入は、それ自体では学習の設計を変えません。

2000年代後半、低所得国の児童に安価なノートパソコンを配布する大規模な取り組みが行われました。この施策は、無作為化を含む形で評価されています。

ペルーで実施された大規模な評価では、次の結果が報告されました。端末の使用量は増えた。認知能力を測る一部の指標に小さな改善が見られた。しかし、数学と読解の成績には差がなかった。

ウルグアイやその他の地域での評価でも、学力指標への効果は確認されにくいという結果が積み重ねられています。

説明として提出されているのは、次のような点です。端末が配られても、教育内容と授業の方法が変わらなければ、学習は変わらない。教員への訓練が伴わなければ、端末は既存の授業に付加されるだけで、置き換えにはならない。家庭での使用時間の多くが、学習以外の用途に向かう。

この所見は、より一般的な形で繰り返されてきました。技術の導入は、それ自体では学習の設計を変えない。

8. 家庭への導入の効果

一言でいうと
アクセスを増やすことと、学習を増やすことは別です。
目的を定めず配ると、使用時間の多くは娯楽に向かいます。アクセスは必要条件ではあっても、十分条件ではありません。

家庭にコンピュータや通信環境を導入した場合の効果も、検証されています。

いくつかの無作為化研究では、家庭への端末配布が学力に与える効果は確認されないか、負の効果が報告される場合もありました。使用時間の多くが娯楽に向かい、学習時間を置き換えたという解釈が提出されています。

一方、明確な学習目的をもって設計された利用——特定の教材を、一定の頻度で、監督のもとで使う——では、正の効果が報告されています。

この対比は、実務的な含意を持ちます。手段へのアクセスを増やすことと、学習を増やすことは別です。アクセスは必要条件ではあっても、十分条件ではない。

9. 「個別最適化」という語の曖昧さ

一言でいうと（4つに分けて聞く）
進度の個別化・難度の個別化には根拠があります。
方法の個別化——提示形式を学習者の好みに合わせる——には、根拠がありません（学習スタイル神話）。
——「個別最適化」を掲げる製品が、否定された主張の再包装である場合があります。

近年広く使われる個別最適化という語は、複数の異なるものを指しています。

進度の個別化——同じ内容を、各自のペースで進める。難度の個別化——到達度に応じて課題の難度を変える。内容の個別化——学習する内容そのものを変える。方法の個別化——提示の形式を学習者の特性に合わせる。

このうち、進度と難度の個別化については、効果が報告されています。連載の能力別編成の記事で扱ったとおり、到達度に合わせた内容を提供することの価値は、実証されています。

一方、方法の個別化については、支持されていません。学習者の好む提示形式に合わせるという発想は、連載の学習スタイルの記事で扱ったとおり、検証に耐えていません。「個別最適化」を掲げる製品が、実際には学習スタイル説の再パッケージである場合があります。

また、内容の個別化には別の論点が伴います。何を学ぶかを到達度に応じて変えると、到達目標そのものが分岐します。これは技術の問題ではなく、教育課程の設計の問題です。

10. 比較の基準としての個別指導

一言でいうと
「2シグマ」は、後年の検証で大きく縮みました。3節のとおり、人間の個別指導の効果量は d = 0.79 です [a1]。
——それでも個別指導が一斉授業より効果的である方向自体は、繰り返し確認されています。

教育技術の効果を評価するとき、比較の相手として繰り返し参照されるのが、人による個別指導です。

1980年代にBloomが提示した主張は広く知られています。個別指導を受けた学習者の成績が、一斉授業を受けた学習者の平均より大きく上回ったという報告で、その差の大きさから二シグマ問題と呼ばれました。

この数値には批判があります。元になった研究は小規模で、対象も限定的でした。測定に用いられた課題が指導内容に近く、差が大きく出やすい設計だったという指摘もあります。後年のメタ分析では、効果量はこれより小さく推定されています。

それでも、個別指導が一斉授業より効果的であるという方向自体は、繰り返し確認されています。近年の大規模なメタ分析でも、構造化された個別指導の効果は、教育介入のなかでは大きい部類に入ると報告されています。

効果が出やすい条件も整理されています。頻度が高く、指導者が一貫しており、学校の時間内に組み込まれ、内容が教育課程と接続している場合に効果が大きい。逆に、頻度が低く、指導者が入れ替わり、内容が授業と切り離されている場合は効果が小さい。

この整理は、技術の評価にとっても基準になります。技術が目指すべきなのは、個別指導が持つどの要素を、どこまで代替できるかという問いです。即時の応答と反復の管理は代替しやすい。学習者の状態を読み取り、説明の仕方を変え、関係を通じて関与を保つ部分は、現時点では代替されていません。

直接対決の、最新の結果

ITSと人間を、同じ条件で直接比べた研究があります。

2025年、生物の学習について9週間の効果検証が行われました。比較したのは3条件です——熟達した人間の家庭教師をモデル化したITS、その領域の専門家だが指導の専門家ではない人間、指導なし。いずれも通常授業への上乗せです [a13]。

	直後テスト	1〜2週間後の遅延テスト
ITS	d = .71	d = .36
人間の指導者	d = .66	d = .39

著者らは、これらの値がメタ分析的な効果量の99パーセンタイルに入ると述べています。そして、ITSと人間のあいだに実質的な差はありませんでした。

一言でいうと（ただし、遅延テストで半減しています）
どちらも直後は .7 前後、1〜2週間後には .4 弱まで落ちました。
——これはITSの問題でも人間の問題でもなく、上乗せ型の補習に共通する減衰です。
分散学習の記事で見たとおり、間隔をおいた再検査で残るかどうかが本番です。

それでも「置き換え」は支持されていない

医療分野では、より厳密な比較が行われています。AI支援のチュータリングと熟達した指導者による指導を比較した2026年の系統的レビュー・メタ分析です。4研究（RCT 3本を含む）・268人が統合されました [a14]。

専門家評定の技能得点で、小さいが統計的に有意な改善（平均差 0.20、95%CI 0.01〜0.39）。異質性はゼロ
しかし、AI群は課題外在的な認知負荷が有意に高かった（平均差 0.23、p = 0.01）
もう一つの指標では、有意差がなかった

著者らの結論です。

「0.20 という小さな優位は臨床的な意義が不確かであり、一般的に公表されている意味ある変化の基準値を下回る。そして、バイアスのリスクが高い単一の研究に牽引された、確実性の低い証拠に基づいている。AIチュータリングは、より高い課題外在的な認知負荷を課した。これらの所見は、人間の指導者をAIで置き換えることを支持しない。むしろ証拠は、ハイブリッドモデルを支持する——ただしそれ自体も、厳密な実証的検証を要する」

なお、この分野のメタレビューを整理した2016年の論考も、「ステップベースのITSは平均的な人間の家庭教師とほぼ同等の効果を持ち、そのどちらも熟達した人間の家庭教師ほどではないが、指導なしで内容だけを提供するよりは確実に良い」と整理しています [a17]。

11. 費用対効果で見ると何が変わるか

一言でいうと
効果量が同じなら、安いほうが勝ちます。反復の自動化は、一度作れば追加費用がほぼかかりません。
——ただし端末費・通信・保守・教員訓練・機会費用を計上すると、見かけ上安い施策が高くつくことがあります。

効果量だけを比べると、多くの教育技術は分が悪く見えます。しかし、連載の教育経済学の記事で扱ったとおり、実務的な判断には費用が入ります。

同じ効果量でも、費用が10分の1であれば、同じ予算で10倍の対象に届きます。逆に、効果量が2倍でも費用が5倍なら、総量では劣ります。

この観点から見ると、技術の評価は変わります。反復練習の自動化は、効果量は小さいものの、一度作れば追加費用がほぼかからない。個別指導は効果量が大きいものの、人件費が対象人数に比例します。

ただし、費用の計上には注意が要ります。端末の購入費だけでなく、通信環境、保守、教員の訓練、使用時間の機会費用が加わります。これらを計上すると、見かけ上安価な施策が実際には高くつく場合があります。

また、費用対効果の比較は、効果が測定された指標に限定されます。測られていない副作用——使用時間が他の活動を置き換える、依存的な使用が生じる——は計上されていません。

12. なぜ効果が小さく出るのか

一言でいうと
効果が小さく出る理由の多くは、システムの性能ではなく評価設計に由来します。
置き換えか追加か／実装のばらつき／新奇性／対照群の変化／測定範囲。
——4節・5節で見た「測り方」「期間」の所見は、いずれもここに対応します。

教育技術の評価で効果が小さく出やすい理由は、いくつかの構造に由来します。

置き換えなのか追加なのか。技術が既存の授業を置き換えるなら、比較は技術と従来法の比較になります。追加されるだけなら、時間の増加分の効果が混ざります。多くの評価で、この区別が曖昧です。

実装のばらつき。同じシステムでも、使用頻度、教員の習熟、環境によって実態が大きく異なります。平均効果は、実装のばらつきを含んだ値になります。

新奇性の効果。導入直後は、注目と期待によって成績が上がることがあります。期間が長くなると差が縮まる。

対照群の変化。技術が普及すると、対照群も類似の環境を持ちます。比較の相手が動くため、効果は縮小します。

測定されている学力の範囲。標準化されたテストで測れる範囲は限られています。効果が別の側面に出ている可能性を、この設計では捉えられません。

13. 効果が確認されている使い方

一言でいうと
機械が得意な処理に限定した設計のほうが、結果が良い。
正確な反復、間隔の管理、記録と集計。人の判断を置き換えようとした設計より、分業した設計のほうが良い結果が出ています。

否定的な結果が多い領域ですが、比較的良好な結果が報告されている使い方もあります。

反復練習の自動化。基礎的な計算や語彙の習得で、即時判定と間隔を空けた再出題を機械が管理する形式。連載の分散学習と検索練習の記事で扱った原則を、機械が実行しやすい領域です。人が管理するより正確に間隔を制御できます。

到達度の把握。誰がどこでつまずいているかを、細かい粒度で可視化する。指導の判断材料として使う。これは学習そのものではなく、指導の情報基盤としての利用です。

アクセスの拡大。地理的・経済的な制約で受けられなかった指導を届ける。効果の比較対象が「指導なし」である場合、効果は大きくなります。

個別指導の補完。人による指導と組み合わせ、機械が反復と診断を担い、人が説明と動機づけを担う形式。単独よりも良好な結果が報告されています。

共通するのは、機械が得意な処理——正確な反復、間隔の管理、記録と集計——に限定して使っている点です。人の判断を置き換えようとした設計より、分業した設計のほうが結果が良い。

最後に、判断の順序について述べておきます。教育技術の導入は、しばしば手段から始まります。ある製品や端末が先にあり、それをどう使うかが後から検討される。

この順序では、評価が難しくなります。解こうとしている問題が特定されていないため、何が改善すれば成功なのかが定まらないからです。

実証に耐える順序は逆です。まず、どの学習上の問題を解きたいのかを特定する。次に、その問題に対して効果が確認されている介入を探す。その介入を実行する手段として技術が適しているかを判断する。技術は手段の候補の一つであって、出発点ではありません。

この順序を踏むと、多くの場合、技術以外の選択肢が先に見つかります。連載の教育経済学の記事で扱ったとおり、費用あたりの効果が高い介入には、技術を要さないものが多く含まれます。

14. 証拠の限界

一言でいうと
この領域は、主張の規模と証拠の強さの乖離が特に大きい。
技術は速く変わり、評価は遅い。そして評価の多くが開発者によって実施されています。

留保を述べます。

第一に、技術は速く変わり、評価は遅い。評価が終わる頃には、対象となった製品が使われなくなっていることがあります。過去の評価をそのまま現在の製品に当てはめることはできません。

第二に、評価の多くが製品の開発者によって実施されています。利益相反のある評価は、効果量が大きく出やすいことが複数の領域で報告されています。

第三に、効果量の比較が難しい。対照群の設定、期間、測定指標が研究ごとに異なり、統合した数値の解釈には注意が要ります。

第四に、この領域は主張の規模と証拠の強さの乖離が特に大きい。導入の判断が、実証ではなく期待に基づいて行われることが多い分野です。

15. この記事で言えないこと

「ITSは効かない」とは言えません。107効果量のメタ分析で、一斉授業に対して g = 0.42 です [a2]。
「ITSは人間の指導に匹敵する」とも言い切れません。領域によって結果が逆になります [a2][a6]。
K-12の数学では g = 0.01〜0.09 でした [a4]。大学生では g = .32〜.37 [a5]。どちらも事実です。
効果量は、測定に使うテストの作られ方に大きく依存します [a3][a6]。
低学力層への効果については、報告が割れています [a4][a10]。
「知的」な適応の部分が、どれだけ寄与しているかは不明です——非知的なシステムと比べると差が縮みます [a9]。
効果量は、新しい研究ほど小さくなっています [a5]。
この分野の研究には、地域的な偏りがあります [a15]。日本のデータはほとんどありません。
生成AIを使ったシステムの評価は、まだ始まったばかりです [a18]。
16節の運用は当塾の実務判断です。

当塾の立場

先に、この記事が当塾にとって不都合な部分を書きます。

当塾は個別指導塾です。——そして3節のとおり、ITSと1対1の人間による個別指導のあいだに、有意差はありませんでした（g = −0.11） [a2]。

さらに、人間の家庭教師の効果量は、信じられていた d = 2.0 ではなくd = 0.79 でした [a1]。

つまり——当塾が提供しているものは、機械で置き換えられる可能性が実証的に示されています。しかも費用は桁違いに機械のほうが安い（11節）。この事実を隠して「人が教えることの価値」を語りません。

この記事の内容は、塾に来なくても実行できます

家庭でできることを書きます。費用はほとんどかかりません。

反復と間隔の管理は、機械に任せる——13節のとおり、機械が最も得意な領域です。無料・低額のアプリで十分です
効果の数字を見るときは、何と比べたかを確認する——「従来法比」なのか「指導なし比」なのかで、意味がまったく違います
どのテストで測ったかを確認する——そのシステム用に作られたテストなら、効果量は3倍以上大きく出ます
導入初年度の成果を、そのまま信じない——短期のほうが効果が大きく出ます
「個別最適化」という語を見たら、進度・難度・内容・方法のどれかを聞く——方法の個別化には根拠がありません（9節）

これを読んで、塾に通わずにアプリだけで進める方がいるなら、それでいいと考えています。自分で回せる家庭が月謝を払う必要はありません。

それでも塾に通いたい方へ

塾に通いたい、通わせたいという方には、武蔵野個別指導塾を勧めます。理由を3つ書きます。

機械に任せられる部分を、月謝の対象にしないこと。13節のとおり、反復練習の間隔管理は機械のほうが正確です。講師の時間を反復の丸つけに使うのは、保護者のお金の使い方として不適切です。当塾は、そこを機械と宿題に渡します。
ITSと競合しない部分に、講師の時間を割くこと。10節のとおり、現時点で代替されていないのは「学習者の状態を読み取り、説明の仕方を変え、関係を通じて関与を保つ」部分です。ただし、これも将来代替される可能性があります。当塾はそう見ています。
「AI搭載」を売り文句にしないこと。5節のとおり、ITSは非知的なシステムと比べると差が縮みます [a9]。「AIが一人ひとりに最適化します」という説明の、どこが検証済みでどこが未検証かを、当塾は区別して話します。

塾を検討する際は、次のように聞いてみてください。

アプリや教材システムで代替できる部分は、どこですか
その分は、月謝から引かれていますか
講師の時間は、具体的に何に使われますか

当塾がお答えできるようにしておくのが、こちらの仕事だと考えています。

まとめ

教育に技術を導入する構想は60年繰り返されてきました。そのたびに、期待された効果量は確認されませんでした。端末を配布した大規模な無作為化研究では、使用は増えても学力指標に差が出ないという結果が報告されています。

理由は単純です。技術の導入は、それ自体では学習の設計を変えません。教育内容と授業の方法が変わらなければ、端末は既存の授業に付加されるだけになります。

一方、効果が確認されている使い方もあります。反復練習の間隔管理、到達度の細かい把握、指導へのアクセスの拡大、そして人による指導との分業。いずれも、機械が得意な処理に限定した設計です。

そして、「個別最適化」という語には注意が要ります。進度と難度の個別化には根拠がありますが、提示方法を学習者の好みに合わせるという発想は、検証に耐えていません。新しい語で提示されている中身が、すでに否定された主張であることがあります。

ITSは一斉授業に勝つ（g = 0.42）が、1対1の人間による個別指導とは有意差がない（g = −0.11）[a2]。
そして「人間の家庭教師は d = 2.0」という前提自体が否定された。実測は d = 0.79[a1]。
効果量は測定に使うテストの作られ方に大きく依存する——同じ比較で 0.86 と 0.26 [a6]。
反証。K-12の数学に絞ると g = 0.01〜0.09[a4]。商用システムは「従来の教室指導と同程度で、それより良くはない」[a7]。
実際の教育現場だけを集めると g = 0.36。そして非知的なシステムと比べると差が縮む[a8][a9]。
効果量は、新しい研究ほど小さくなっている[a5]。
そして——低学力層への効果は一般集団より小さいという報告がある[a4]。

主な参照研究

Skinner, B. F. (1958). Teaching machines.
VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems.
Kulik, J. A., & Fletcher, J. D. (2016). Effectiveness of intelligent tutoring systems: A meta-analytic review.
Cristia, J., Ibarrarán, P., Cueto, S., Santiago, A., & Severín, E. (2017). Technology and child development: Evidence from the One Laptop per Child program.
Malamud, O., & Pop-Eleches, C. (2011). Home computer use and the development of human capital.
Vigdor, J. L., Ladd, H. F., & Martinez, E. (2014). Scaling the digital divide: Home computer technology and student achievement.
Escueta, M., Quan, V., Nickow, A. J., & Oreopoulos, P. (2017). Education technology: An evidence-based review.
Bloom, B. S. (1984). The 2 sigma problem: The search for methods of group instruction as effective as one-to-one tutoring.
Nickow, A., Oreopoulos, P., & Quan, V. (2020). The impressive effects of tutoring on preK-12 learning: A systematic review and meta-analysis.
Banerjee, A. V., Cole, S., Duflo, E., & Linden, L. (2007). Remedying education: Evidence from two randomized experiments in India.