みなさんこんにちは。修士3年の尾﨑です。

今回の記事では、学生の職業的な興味を評価するためのツールとして、教育用のゲームを活用した研究を紹介します。

著者: Gutierrez, R., Navarro, A. M., Villegas-Ch, W., & Mera-Navarrete, A.

タイトル: The Use of Interactive Narratives in Educational Games to Assess Vocational Interests: An Application of the RIASEC Test Integrated With OpenAI.

出版: IEEE Transactions on Learning Technologies.

出版年: 2025年

1.イントロダクション　なぜ「ゲーム」と「AI」を組み合わせるのか？

現代の教育現場において、学生が将来のキャリア選択のために自分自身の職業的な興味を特定できるように導くことは、不可欠な課題となっています。従来の評価方法の代表的なものとして「RIASECテスト」が挙げられます。これは、ホランドの職業理論に基づいており、6つのカテゴリーにわたって人々の興味を評価する非常に有用なツールです。一方で、伝統的なテスト形式は単調さが回答の真正性を損なわせてしまう可能性があります。また、これらの評価はしばしば学生の現実生活の文脈や関与メカニズムから切り離されていると認識されがちです。

そこで注目されているのが「教育ゲーム」の活用です。キャリア教育でのゲーム活用は、現実の文脈をシミュレートし、リスクのない環境で学生が興味や適性を特定することを助け、キャリア意思決定の強化や、職業探索をより身近で意味のあるものにできることが先行研究から実証されています。一方、パーソナライズや適応性を制限する静的で定義済みの決定経路では職業的回答の真正性を低下させる可能性があります。インタラクティブな物語は、没入感を深め、学習体験をパーソナライズします。

この論文の目的は、ゲームのアプローチを活用し、RIASECテストの質問をインタラクティブなシナリオに組み込むことで、自然な意思決定と形式的な評価を受けている感覚の軽減を実現するシリアスゲームを開発、評価することです。この論文の革新性はLLM (GPT-4 Turbo) を統合し、個別化されたゲームシナリオで学生の体験と職業評価の手法的信頼性の両方を向上させる点にあります。

2.研究の方法

ゲームの説明とシナリオ

シナリオは、RIASECテストの質問を物語に統合し、学生にとって没入感のある現実的な意思決定を行うキャラクターの冒険をたどるものです。各設問はテストの質問を反映しており、学生が評価されているという自覚によって回答を歪めることを防ぐ狙いがあります。

技術面では、Unityプラットフォームを使用し、OpenAI APIと統合することで、回答に応じたリアルタイムの動的なコンテンツ生成を実現しています。物語は複数のチャプターで構成され、多様なシナリオが導入されます。RIASECテストの質問は直接提示されるのではなく、物語上の決断として埋め込まれています。

例えば、窮地に陥ったキャラクターを助けるか任務を優先するかという選択は、社会的もしくは博愛的な興味どちらかを反映します。AIを用いたアルゴリズムは、学生の以前の選択や物語の流れに合わせて質問を動的に適応させ、パーソナライズされた体験を保証します。

アルゴリズムと技術

AIの活用について、シナリオ生成にはOpenAI APIを通じてアクセスする GPT-4 Turbo モデルを採用しています。AIでシナリオを生成する際の例として、OpenAIへのプロンプトは「プレイヤーは遠隔コロニーの探索ミッション中であり、デバイスの修理を求める人物に遭遇する。任務を続行するか、修理を支援するために留まるかを選択する物語を生成せよ。」というものが挙げられています。これに対するOpenAIの生成したシナリオは、「ライラが緊急性を帯びた目で見つめる。『一人では直せません、手伝ってくれますか?』。もし手伝えば、待ち合わせに遅れるリスクがある。続行すれば任務をより早く完了できるだろう。あなたはどうするか?」といったものでした。プレイヤーの進捗やRIASECテストの回答は、データベースに保存されます。

対象と手順

対象となったのは、職業的意思決定の重要な段階にありキャリア指導に明確な関心を持つ高3年生または大学1年生です。サンプルサイズは200名で、高校生100名と大学生100名に均等に分けられ、男女比も1対1に維持されました。実施期間は4週間で、週2回、各45~60分のセッションを計8回実施しました。

評価と分析

評価には、物語に組み込まれたRIASECベースの質問と、独自に開発された12項目の事後満足度アンケートを使用しました。データ収集と分析においては、ゲーム実施前後のRIASECテストの回答を、分散分析(ANOVA) や相関分析を行いました。定性的分析として、より深い洞察を得るために高校生15名、大学生15名の計30名に対して個別インタビューを実施しました。

3.結果

・RIASECテスト回答の安定性: 級内相関係数を算出した結果、全ての次元で0.65を超え、ゲームを通じた評価が時間経過にかかわらず安定していることが示されました。

・回答の正確性: 従来のRIASECテストとの比較では、全ての次元で0.75以上の強い正の相関が認められ、伝統的な質問紙でのテストとの安定した関係性が示されました。

・事前・事後のRIASECテストの値比較: 分散分析の結果、現実的、研究的、社会的、企業家的、慣用的の6つのうち5つの次元において、ゲーム実施前後の回答に有意な差(p<0.05)が認められました。これは、ゲームの使用が学生の自己認識に明確な影響を与えたことを示唆しています。

・ゲーム体験の評価: 学生は全てのカテゴリーにおいて高い満足度を報告しました。「物語」の平均は4.5、「職業的インパクト」の平均は4.4でした。回帰分析の結果、物語の質と職業的インパクトが全体的な満足度を決定する主要因であることが判明しました。

・インタビュー: 「没入感がある」「自身の興味を新しい視点で考えられた」といった肯定的な意見が多く見られました。

・職業指導への影響と学業成績との相関: 科学(r=0.42)、社会(r=0.38)、数学(r=0.35)の科目で有意な正の相関が確認されました。これは、ゲームを通じて特定された職業的興味が、学生の実際の学業上の強みと一致していることを裏付けています。

4.ディスカッション：シリアスゲームがもたらす可能性

この研究の成果として、定量的調査からこのゲームのAIによる動的なシナリオ生成はリアルタイムの適応性をもたらし、学生の回答が彼らの興味を反映することを示されました。定性的調査からは、高い満足度レベルを裏付けるとともに、物語へのエンゲージメントとユーザビリティが主要な強みであることを浮き彫りにしました。また、ゲーム内の回答と学業成績の相関により、職業的興味と学業上の強みが一致していることが示されました。

また、この論文の革新的な点は、リアルタイムのシナリオ・パーソナライズにAIを使用し、回答の真正性を高め、没入型の体験を提供したことです。RIASECテストを物語構造の中に埋め込むことで、伝統的手法では不可能な方法で学生を惹きつけ、職業的興味に対するより明確な理解を促しました。

一方で研究の限界として、サンプルサイズや学生集団については制限があります。満足度調査は自己申告の性質を持ち、バイアスをもたらす可能性もあります。また手法的な検討として、RIASECテストをインタラクティブな物語形式に適応させましたが、この改変は妥当性に関する検討が必要です。伝統的なテストとの間で高い一貫性と強い相関が観察されたものの、項目の提示方法や文脈の変化は、学生の解釈や回答に影響を及ぼす可能性があります。適応された項目が様々な実施形態において元の心理測定的特性を保持しているかを確認する検証研究の必要があります。

選定理由と感想

【選定理由】

キャリア教育の研究において、パーソナライズについて注目したものを読みたかったため選びました。特に、ゲームやAIがどういう役割を果たせるか、という点に興味がありました。

【感想】

RIASECテストをもとに、ゲームをデザインしてプレイする中で診断をするという仕組みは非常に参考になりました。一方で、RIASECには段階やグラデーションの要素もあると考えられるので、ゲーム上の選択数回をもって診断できるのかという点について疑問があります。また、生成されたシナリオや選択肢は学習者ごとに異なることを考えると、その出力と学習成果について、ログやテキストデータからどのように関連があるのか、という点も興味深く感じます。また対象に関しては、高校生と大学生では捉え方や行動に違いがあるのか、という点も気になります。

キャリアの学習やゲームとAIをかけ合わせることには多様な可能性があると理解しました。今後はこの研究のような適応的なゲーム展開や、リフレクション後にAIチャットを用いたコーチングにつなげるなど、活用する余地が多いと思います。何を狙いに、どういったことが実現可能か、またその実装方法について学んでいきたいです。

文責：尾﨑康平