intelligent-tutoring-dialogue-designer

インテリジェント・チュータリング対話デザイナー

このスキルでできること

AI によるチュータリングの対話ロジックを設計します。質問をするタイミング、ヒントを出すタイミング、解説するタイミング、自分の言葉で説明するよう促すタイミング、そしてあえて何も言わないタイミングを定めます。これはインテリジェント・チュータリングにおける最も難しい設計課題です。介入が多すぎると、生産的な試行錯誤を妨げ、依存を生みます。少なすぎると、生徒は行き詰まり、意欲を失います。VanLehn（2011）は、チュータリング（人間によるものでも AI によるものでも）の有効性は、ステップごとのやり取りの質に左右されることを示しました。各ステップで生徒の能動的な推論を促すシステムは、単に内容を提示して最終的な回答を評価するだけのシステムを大きく上回ります。Chi ら（2001）は、人間による効果的なチュータリングの要因を分析し、直感に反する結果を見いだしました。最も効果的なチューターは、最も多く説明するチューターではありませんでした。適切な質問をし、生徒が自分の言葉で説明する機会を作るチューターだったのです。出力には、対話アーキテクチャ全体（対話のフェーズと分岐ロジック）、対話の手法のライブラリ（チューターが言ったり行ったりできる具体的な内容）、判断ルール（生徒の応答に応じた各手法の使い分け）、そしてシステムの動作を示す実例が含まれます。AI は、一対一の対話を大規模に提供できる点で特に有用です。ただし、対話を意図的に設計しなければ、AI は最も効果の低いチュータリング戦略である講義形式に流れてしまいます。

エビデンスの基盤

VanLehn（2011）は、人間によるチュータリング、インテリジェント・チュータリング・システム、チュータリングなしの条件を比較する包括的なメタ分析を実施しました。重要なのは誰が教えるかではなく、どのように教えるかだと示しました。問題解決の各ステップでフィードバックと足場かけを行う「インナーループ」システムの効果量は 0.76 で、人間のチューター（0.79）にほぼ匹敵しました。一方、最終的な回答のみを評価する「アウターループ」システムの効果量は大幅に低く、0.31 でした。対話設計への示唆は明らかです。システムは、生徒の最終的な回答だけでなく、推論の過程に関わらなければなりません。Chi ら（2001）は、効果的な人間によるチュータリングの対話を詳しく分析し、意外な発見をしました。最も効果的なチューターは、最良の解説をするわけではありませんでした。その代わりに、「引き出してから説明する」というパターンを用いていました。まず生徒に説明を試みるよう促し、その後、生徒が示した内容をもとに話を進めるのです。この発見は、優れたチュータリングとは明快な説明をすることだという直感的な前提に真っ向から反します。その理由は、チューターが説明すると、生徒は受け身で聞くだけになるからです。一方、チューターが促し、生徒が説明を試みると、生徒は理解を能動的に構築します（Chi & Wylie, 2014 — ICAP フレームワーク）。Graesser ら（2005）は、最も広く研究されているインテリジェント・チュータリング・システムのひとつである AutoTutor を開発しました。このシステムは、「混合主導型対話」アプローチを採用しています。AutoTutor は質問をし、生徒の応答を評価し、フィードバックを与え、さらに詳しい説明を促すことで、講義ではなく会話のやり取りを続けます。彼らの研究では、5 つの主要な対話手法が特定されました。ポンプ（「もう少し詳しく教えてください」）、プロンプト（特定の情報を尋ねること）、ヒント（答えを明かさずに、答えの方向を示すこと）、アサーション（情報を提示すること）、訂正（誤りを直接指摘すること）です。Koedinger と Aleven（2007）は、「援助のジレンマ」という概念を提唱しました。これはチュータリング設計における根本的な緊張関係です。援助が多すぎると（すべてを説明したり、ヒントを早く出しすぎたりすると）、浅い学習につながります。生徒は課題を終えても、なぜそうなるのかを理解できません。援助が少なすぎると（決して介入せず、生徒を延々と苦労させると）、生徒は挫折して学習をやめてしまいます。最適なチュータリング戦略は、こうした両極端の中間を進み、生徒が前進するために必要な最小限の援助を提供します。

入力スキーマ

教師は次の情報を提供する必要があります：

• 学習目標： 生徒が習得すべき内容です。例：「重い物体が軽い物体より速く落ちるわけではない理由を理解する（ニュートン物理学とアリストテレス物理学の違い）」／「ノンフィクションの文章から主な主張を特定し、それを裏付ける証拠と区別できる」／「1 未満の分数を掛けると、数は大きくなるのではなく小さくなることを理解する」
• 予想される困難： 生徒がつまずく箇所です。例：「生徒は、重い物ほど速いというアリストテレス的な直感を持っています。日常の経験（羽とボールを落とすこと）を『証明』として挙げます。空気抵抗と重力加速度を区別するのに苦労します」／「生徒は文章の話題と主張を混同します。主張ではなく事実を特定します。作者自身の考えと、作者が報告している内容を区別するのに苦労します」／「生徒は整数での『掛け算をすると大きくなる』というルールを当てはめ、½ × 6 = 3 となることに戸惑います」

任意（利用可能な場合、コンテキストエンジンによって挿入）：

• 生徒のレベル： 学年と習熟度
• 教科： カリキュラム上の教科
• 対話の長さ： 対話にかける時間
• 生徒モデル： 特定の生徒について把握している情報
• システムの機能： AI システムに可能なこと

プロンプト

You are an expert in tutoring dialogue design, with deep knowledge of VanLehn's (2011) meta-analysis of ITS effectiveness, Chi et al.'s (2001) research on effective tutoring dialogues, Graesser et al.'s (2005) AutoTutor research, Chi & Wylie's (2014) ICAP framework, and Koedinger & Aleven's (2007) assistance dilemma. You understand that the quality of tutoring depends not on what the tutor KNOWS but on what the tutor DOES — specifically, how the tutor manages the dialogue to maximise the student's active cognitive engagement.

CRITICAL PRINCIPLES:
- **Elicit before explain.** The most common mistake in tutoring (human and AI) is explaining too much, too early. The first move should almost always be a QUESTION, not an explanation. Even when the student is clearly wrong, the first move is "Can you explain your thinking?" — not "Actually, the correct answer is..." Chi et al. (2001) showed that tutoring effectiveness correlates with how much the STUDENT talks, not how much the tutor talks.
- **Navigate the assistance dilemma.** Koedinger & Aleven (2007): too much help → shallow learning; too little help → frustration. The dialogue should provide the MINIMUM assistance necessary for progress. Start with the lightest possible intervention (a question, a pause, a pump) and escalate ONLY when lighter moves fail.
- **Use mixed-initiative dialogue.** Graesser et al. (2005): effective tutoring is a CONVERSATION, not a lecture or a quiz. The tutor sometimes leads (asking questions) and sometimes follows (responding to student questions). The student should have genuine agency in the dialogue — they can ask questions, express confusion, change the topic, or disagree.
- **Silence is a move.** One of the most powerful tutoring moves is to say nothing. After asking a question, WAIT. Students need time to think. If the system responds instantly to every student action, it trains the student to be passive. Deliberate silence (with visible thinking time) creates productive struggle.
- **Design for misconceptions, not just errors.** An error is getting the answer wrong. A misconception is having a wrong mental model. The dialogue must distinguish between these: errors are corrected with feedback; misconceptions are addressed by creating cognitive conflict — presenting evidence that contradicts the student's mental model and prompting them to reconcile the conflict.

Your task is to design the dialogue logic for:

**Learning objective:** {{learning_objective}}
**Anticipated difficulties:** {{anticipated_difficulties}}

The following optional context may or may not be provided. Use whatever is available; ignore any fields marked "not provided."

**Student level:** {{student_level}} — if not provided, design for a general secondary school context.
**Subject area:** {{subject_area}} — if not provided, infer from the learning objective.
**Interaction length:** {{interaction_length}} — if not provided, design for a 10-15 minute interaction.
**Student model:** {{student_model}} — if not provided, assume a typical student who may hold the anticipated misconceptions.
**System capabilities:** {{system_capabilities}} — if not provided, design for a text-based AI system that can also display images and worked examples.

Return your output in this exact format:

## Tutoring Dialogue Design: [Learning Objective]

**Learning objective:** [What the student should master]
**Anticipated difficulties:** [Where students struggle]
**Interaction model:** [How the dialogue is structured]

### Dialogue Architecture

[The overall structure of the interaction — phases, transitions, and branching logic. Include a visual flow if helpful.]

**Phase 1: [Name]** — [Purpose and key moves]
**Phase 2: [Name]** — [Purpose and key moves]
**Phase 3: [Name]** — [Purpose and key moves]

### Dialogue Move Library

[The specific moves available to the tutor at each point, with examples of each]

| Move Type | When to Use | Example |
|---|---|---|
| [Move] | [Condition] | [Exact text] |

### Decision Rules

[The rules that govern which move to use, based on student responses. Format as IF-THEN rules.]

### Example Dialogue

[A complete, realistic dialogue showing the system in action with a student who holds the anticipated misconception. Show BOTH effective and challenging moments — including what happens when the student is confused, resistant, or wrong.]

**Tutor:** [What the system says]
**Student:** [A realistic student response]
**Tutor:** [Response, with annotation explaining WHY this move was chosen]
...

### Design Rationale

[Why the dialogue is structured this way — what research principles it follows and what alternatives were considered.]

**Self-check before returning output:** Verify that (a) the dialogue elicits before explaining, (b) the assistance dilemma is navigated (minimum necessary help), (c) silence is used as a deliberate move, (d) misconceptions are addressed through cognitive conflict not just correction, and (e) the student talks more than the tutor.

出力例

シナリオ： 学習目標：「重い物体が軽い物体より速く落ちるわけではない理由を理解する — 重力加速度（すべての物体で同じ）と空気抵抗（物体によって異なる）の違い」／予想される困難：「生徒は、重い物ほど速いというアリストテレス的な直感を強く持っています。日常の経験（羽とボールを落とすこと）を『証明』として挙げます。空気抵抗と重力加速度の概念を切り分けるのに苦労します。正しい答えを教えられた後でさえ、多くの生徒は数週間以内に誤解に戻ってしまいます」／生徒のレベル：「第9学年、習熟度に幅のある理科クラス」／教科：「物理 — 力と運動」

---

個別指導の対話設計：重力加速度と空気抵抗

学習目標： 重い物体が軽い物体より速く落ちるわけではない理由を理解する（重力加速度は同じだが、空気抵抗は異なる） 予想される困難： アリストテレス的な直感が強い（重い物ほど速い）、日常の経験を証明として挙げる、空気抵抗と重力を混同する 対話モデル： 3 つの段階を通じた教師と生徒の共同主導型対話 — 誤解を引き出し、認知的な葛藤を生み出し、正しいモデルを構築する

対話の構成

フェーズ 1：引き出す（3～4 分） — 訂正を加えずに、生徒がすでに持っている考えを明らかにします。目標は、生徒に自分のメンタルモデルを明確に説明させ、予測を確定させることです。これは不可欠です。（a）明らかになっていない誤解には対処できないこと、（b）明確な予測を立てることで、その予測が否定されたときに有意義な認知的葛藤が生じる条件が整うためです。

フェーズ 2：葛藤を生み出す（4～5 分） — 生徒の予測と矛盾するシナリオを提示します。予測が間違っていた理由を説明してはいけません。矛盾について生徒に説明を求めます。このフェーズが対話の核心です。生徒は、「予測は間違っていたのに、正しいと確信していた。なぜだろう？」という真の認知的葛藤を経験する必要があります。教師の役割は、葛藤を保ち（あまり早く解消せず）、重要な区別（重力と空気抵抗）に生徒を導くことです。

フェーズ 3：構築する（4～5 分） — 生徒が正しいメンタルモデルを構築できるよう支援します。自己説明を促すプロンプトを使い、重力加速度（すべての物体で同じ）と空気抵抗（質量ではなく、形状や表面積によって決まる）の違いを生徒が説明できるようにします。最後に応用問題を出し、モデルを本当に理解しているのか、単に暗記しているだけなのかを確認します。

対話の進め方ライブラリ

対話の進め方	使用するタイミング	例
予測を求める	フェーズ 1 — 誤解を明らかにするため	「ボウリングの球とテニスボールを同じ高さから同時に落としたら、どちらが先に地面に着くでしょうか？どう予測しますか？」
確信度を尋ねる	予測の後 — 確信を強めるため	「どのくらい自信がありますか？そう考える理由も説明できますか？」
掘り下げる	生徒が短い答えをしたとき	「もう少し詳しく教えてください。」／「そう思う理由は何ですか？」
矛盾を生じさせるシナリオ	フェーズ 2 — 認知的不協和を生じさせるため	「では、2つの物体が空気のない部屋、つまり真空の中にあると想像してみましょう。同じ予測ですか？」
沈黙	質問の後 — 考える時間を与えるため	［返答する前に 5～8 秒待ちます。テキストベースのシステムの場合は、「...」または「ゆっくり考えてください。」と表示します。］
話題を戻す	生徒が話題からそれたとき	「それは興味深いですね。では、話を戻しましょう。今は、真空によって結果が変わったのはなぜかに注目したいです。」
ソクラテス式の質問	フェーズ 2／3 — 推論を導くため	「では、重力がどちらも同じように引っ張るのだとしたら、片方がもう片方よりゆっくり落ちる原因になり得るのは、何だけでしょうか？」
自分の言葉で説明を促す	フェーズ 3 — 理解を深めるため	「羽毛が空気中ではゆっくり落ち、真空中では速く落ちるのはなぜか、自分の言葉で説明してください。」
最小限の訂正	生徒が事実誤認をしたとき	「実は、重力はすべての物体を同じ加速度（9.8 m/s²）で加速させます。でも、空気についてのあなたの疑問はとても重要です。その考えを続けてみましょう。」
応用を問う質問	フェーズ 3 の終わり — 理解を確かめるため	「パラシュートを背負った人と、パラシュートなしのスカイダイバーが同じ飛行機から飛び降ります。これまで話し合ったことを使って、何が起きるのか、そしてその理由を説明してください。」

判断ルール

IF 生徒が「重い物ほど速く落ちる」と高い確信を持って予測する： → THEN 真空の思考実験を使ってフェーズ 2 に進みます。誤解が存在し、生徒もその考えに固執しているため、認知的葛藤を生じさせるのに最適です。

IF 生徒が「重い物ほど速く落ちる」と予測するものの、自信がなさそうな場合： → THEN 確信度を尋ねます。「興味深いですね。理由を説明できますか？」と尋ねることで、予測への確信を強め、より有意義な葛藤につなげます。

IF 生徒がすぐに正解を答える： → THEN 理解を確認する質問をします。「そのとおりです。でも、重い物ほど速く落ちると考える人は多いです。なぜそう考えるのか、また、人々がそう考える理由は何なのかを説明できますか？」と尋ねます。生徒が本当に理解しているのか、単に事実を暗記しただけなのかを確認します。

IF 生徒が真空のシナリオに正しく答える： → THEN 自分の言葉で説明するよう促します。「つまり、真空中では同じ速さで落ちるということですね。それは、特に重力について何を示していますか？」と尋ね、フェーズ 3 に進みます。

IF 生徒は真空のシナリオに答えるものの、混乱している： → THEN ソクラテス式の質問をします。「真空中では同じ速さで落ちるけれど、空気中では速さが異なると言いましたね。その2つの状況では何が違いますか？」と尋ね、空気抵抗に気づくよう導きます。

IF 生徒が 10 秒以上黙っている： → THEN 質問をより簡単な形で尋ねます。「別の言い方をしてみますね。真空には空気がありません。部屋には空気があります。空気は落下する物体にどのような影響を与えますか？」

IF 生徒が質問をする： → THEN 簡潔に答えてから、主な問いに話を戻します。講義してはいけません。「いい質問ですね。そうです。地表付近では重力はどこでも同じです。それを踏まえると、羽毛がボールとは違った落ち方をするのはなぜでしょうか？」

IF 生徒が「分かりません」または「行き詰まりました」と言う： → THEN 説明してはいけません。足場を用意します。「段階を追って考えてみましょう。まず、真空中ではどちらの物体も同じ速さで落ちます。このことに同意しますか？」と尋ね、生徒がすでに知っていることから組み立てていきます。

対話の例

チューター： ちょっと想像してみてください。学校の屋上に立ち、片手にボウリングの球、もう片方の手にテニスボールを持っています。同じ高さから、まったく同時に2つを落とします。どちらが先に地面に着くでしょう？

生徒： 当然、ボウリングの球です。重いですから。

チューター： かなり自信があるようですね。重い方が速く落ちると思うのはなぜか、説明できますか？ [確信度の確認 — 生徒に自分の考えを言葉にしてもらい、立場を明確にしてもらいます]

生徒： 重いから、でしょうか？重さがある分、重力に強く引っ張られるんです。だから、より速く加速します。

チューター： なるほど、つまり「質量が大きい → 重力による引力が強い → 速く落ちる」という推論ですね。こう書いてみます。「重い物体はより強い重力を受けるので、より速く加速し、先に地面に着く」。これはあなたの考えを正確にまとめていますか？ [明確な立場表明 — 生徒の予測を記録し、矛盾を提示する準備をします]

生徒： はい、そう思います。

チューター： よろしい。では、同じ実験の別の状況を想像してください。同じボウリングの球、同じテニスボール、同じ高さです。ただし今度は、部屋の空気がすべて抜かれています。完全な真空です。あなたと2つのボール以外、何もありません。2つを落とすと、どうなるでしょう？ [矛盾を生む状況 — 真空という条件を導入します]

生徒： ……それでも落ちる速さは違うと思います。ボウリングの球の方が重いですから。

チューター： … [沈黙 — 6秒間。生徒が自分の予測について考える時間を取ります。]

チューター： 驚くかもしれませんが、この実験は実際に何度も行われています。真空では、ボウリングの球とテニスボールはまったく同時に地面に着きます。毎回です。これについてどう思いますか？ [反証となる証拠を提示し、説明はしません]

生徒： えっ、本当ですか？おかしいですよ。ボウリングの球の方がずっと重いのに。

チューター： そうなるはずがないと感じるのはわかります。でも、実際にそうなります。では質問です。あなたは2つが異なる速さで落ちると予測しましたが、真空ではそうなりません。予測のどこが間違っていたのでしょう？ [ソクラテス式の質問 — 自分の間違いを自分で分析してもらいます]

生徒： ええと……重さが違っても、真空では重力が同じように働くのかもしれません。

チューター： それはとても興味深いですね。その考えをもう少し続けてみましょう。真空では同じように重力に引かれるのだとしたら、普通の空気中ではなぜ異なる速さで落ちるのでしょう？ [考えを促し、方向づける — 生徒は重要な洞察に近づいています。空気抵抗に目を向けてもらいます]

生徒： あっ……空気のせいですか？空気が軽い方をより遅くする、ということでしょうか？

チューター： もう少し詳しく説明してください。空気が一方をより遅くするのはなぜでしょう？ [考えを促す — 説明に飛びつかず、生徒の思考への関与を保ちます]

生徒： テニスボールの方が軽いので、空気抵抗の影響をより受けるからでしょうか？空気を押し分けて進むのが難しい、という感じで。

チューター： とても重要なことに気づきましたね。理解を確認させてください。自分の言葉で説明してください。羽根は空気中ではゆっくり落ちるのに、真空ではハンマーと同じ速さで落ちるのはなぜでしょう？

[自己説明のプロンプト — 生徒が一貫したモデルを構築できているか確認します]

生徒： 真空では空気抵抗がないので、重力だけが関係し、重力はすべての物体を同じように加速させるからです。でも空気中では、羽根は重さに対して空気抵抗がずっと大きいので、落ちるのが遅くなります。ハンマーは空気の影響をほとんど受けません。

チューター： とてもすばらしい説明です。重要な違いを見つけましたね。重力による加速度はすべての物体で同じですが、空気抵抗は形状、表面積、質量によって異なります。では、新しい状況で理解を確かめましょう。パラシュートを使う人と、パラシュートを使わないスカイダイバーが、同じ飛行機から同時に飛び降ります。ここまでの話を使って、何が起きるか予測し、その理由を説明してください。 [転移問題 — モデルを別の状況にも適用できるか確認します]

設計上の根拠

この対話は、概念変化に関する研究に基づき、意図的に3段階の構成を採用しています。

1. 訂正する前に引き出す。 チューターは最初の段階で、生徒のアリストテレス的な信念を表面化させ、その信念を生徒自身が明言するよう促します。これは直感に反する方法です。多くの教師は、すぐに「実際には、物体は同じ速さで落下します」と言うでしょう。しかし、Chi ら（2001）は、誤概念を直接訂正しても、ほとんど効果がないことを示しました。生徒は、自分の予測と現実との食い違いを実感する必要があります。

2. 訂正ではなく、認知的葛藤を促す。 第2段階では、生徒の予測に反する事実（真空中では同じ速さで落下すること）を提示し、その食い違いを説明するよう生徒に問いかけます。チューターは説明しません。予測と証拠を調整するという認知的な作業は、生徒自身が行う必要があります。これは、ICAP フレームワークにおいて最も高いエンゲージメントを生む対話パターンです（Chi & Wylie、2014）。

3. 生徒が説明を導き出す。 第3段階までに、生徒は自分自身の推論を通じて、正しい説明（「違いを生むのは重力ではなく空気抵抗である」）にたどり着いています。チューターによる自己説明の促しは、この理解を確認し、転移に関する質問は、その理解が一般化できるかを検証します。対話全体を通じて、生徒はチューターより多く話します。

4. 支援は最小限にする。 チューターは各段階で、できる限り控えめな働きかけを用います。ヒントや説明より先に、沈黙、促し、質問を使います。チューターが直接断言するのは、真空中では物体が同じ速さで落下するという事実だけです。それ以外の内容はすべて、質問を通じて生徒から引き出します。

---

既知の制限事項

1. このスキルが設計するのは、対話のロジックであり、対話の実装ではありません。 決定ルールと働きかけのライブラリを実際に動作する AI システムにするには、このスキルの出力範囲をはるかに超えるエンジニアリング（状態追跡、自然言語理解、応答生成）が必要です。この設計は設計図であり、すぐに導入できるシステムではありません。

2. この対話は、一度に扱う誤概念が1つであることを前提としています。 実際の生徒は、相互に関係する複数の誤概念を同時に抱えていることがよくあります。質量と重量を混同し、さらに空気抵抗も理解していない生徒は、上記の単一の誤概念を扱う対話よりも複雑な指導上の課題をもたらします。複数の誤概念を扱う対話の設計は、まだ研究の最前線にあり、解決済みの問題ではありません。

3. 現在の AI システムでは、主導権が交互に移る対話は困難です。 上記の対話では、AI が生徒の応答を理解し、誤概念を検出して、リアルタイムで適切な働きかけを選択できることを前提としています。現在の LLM は多くの場合、これを近似できますが、AutoTutor のような専用の ITS システムが備える、信頼性の高い状態追跡や誤概念検出の機能はありません。現在のシステムに導入するには、対話を簡略化する必要があるかもしれません。

4. エビデンスの基盤は、主に STEM 分野から得られています。 VanLehn（2011）、Graesser ら（2005）、Koedinger と Aleven（2007）は、主に数学と科学の分野で研究を行いました。対話の原則は他の分野にも応用できます（「説明する前に引き出す」というパターンは人文科学でも機能します）が、誤概念や葛藤の具体的なパターンは異なる場合があります。作文や歴史分析の指導対話は、根底にある原則は同じでも、物理学の指導対話とは異なります。

5. テキストベースの AI とのやり取りでは、沈黙を実現するのが困難です。 この対話では、意図的な沈黙を指導上の働きかけとして指定していますが、テキストベースのインターフェースでは、沈黙とシステム障害を区別できないことがあります。チャットボットで「生産的な沈黙」を実現するには、明示的な設計が必要です。たとえば、タイマーを表示する、「ゆっくり考えてください」というメッセージを表示する、または次のプロンプトを意図的に遅らせるといった方法があります。