生徒の反応を忠実に再現するAI マイクロソフトが指導役の訓練手法を発表

米マイクロソフトの研究部門であるMicrosoft Researchなどの研究チームは、AIを用いた学習指導システム（AIチューター）の評価と改善を目的とした生徒シミュレーター「StudentSim」を発表した。実際の学習者にテストする前の研究開発段階において、AI指導役が提示した解説やヒントに対して生徒がどのように反応し、理解を深めるかを高精度に再現する。成果をまとめた論文やトレーニングコード、評価プロトコルは一般に公開されている。

AI指導システムの品質を高めるには、指導を受けた生徒が誤りを正せたか、ヒントが適切だったかといったフィードバックが欠かせない。しかし、実際の学習者を対象とした被験者実験は時間とコストがかかり、開発サイクルの迅速な反復には適用しづらい課題があった。また、単に既存の大規模言語モデルに「算数が苦手な小学生」と演じさせる従来の手法では、外見の口調は模倣できても裏側の知識や推論能力が高すぎてしまい、AI指導役の効果を過大評価させる誤ったフィードバックにつながる問題が指摘されていた。

StudentSimは、個人の特定につながらない公開された学習履歴データのみを用いて訓練される。データ不足と過学習を防ぐため、第1段階で多数の生徒のデータから共通の解答形式や典型的な誤答、助言後の修正パターンを学習し、第2段階で個別の生徒の記録に特化させる2段階の訓練手法を採用した。評価軸には、教育学における「最近接発達領域（ZPD）」に着想を得て、生徒本来の解答傾向と一致しているかを示す「行動忠実度」と、助言を読んで回答を更新できるかを示す「指導応答性」の2つを設定している。

検証は、チェス、第二言語としての英語ライティング、数学の3領域で実施された。チェス領域の評価において、StudentSimは行動忠実度0.5150、指導応答性0.9067を記録した。これに対し、大規模言語モデル「GPT-5.4」は行動忠実度0.2316、指導応答性0.7186にとどまり、人間の指し手予測モデルである「Maia2」は行動忠実度0.4535を達成したものの自然言語の指導を受け付ける仕組みを持たず、指導応答性は0.2721であった。

さらに研究チームは、StudentSimが生成するフィードバックを用いてAI指導役を強化学習で訓練する検証を行った。チェスエンジン「Stockfish」を指標として手の改善度を評価したところ、StudentSimを報酬源としたAI指導役は90.5%の正解率を達成した。強化学習を行わないベースラインの75.7%や、GPT-5.4を報酬源とした場合の71.6%を上回り、チェスの専門家によるブラインド評価でも指導の質や個別最適化の面で最も高い評価を得た。

研究チームは、StudentSimは生身の学習者を排除するものではなく、実証実験へ進む前の開発初期に指導戦略を洗練させるためのツールだと説明している。今後は、より長期的な学習の追跡や対象教科の拡大、模擬フィードバックと現実の学習成果との関連づけなどに取り組む方針を示している。