皆さん、こんにちは！山田研究室修士2年の樋口尚宏です。
ICTの普及に伴い、教育工学の分野ではテスト成績や学習ログなどの「データ」を授業改善に活かすデータ駆動型意思決定（Data Driven Decision Making, DDDM）に焦点を当てた研究が盛んになっています。しかし現場では、「データはあっても授業スタイルが根本的に変わらない」といった課題が山積しています。なぜ膨大で詳細なデータはあるのに授業が変わらないのでしょうか？
今回は、この限界を乗り越えるヒントとして、教師がデータと向き合う際の「心理的プロセス」に光を当てた論文をご紹介します。私の研究テーマである「教師の授業改善支援」の評価設計にも大きな示唆をくれた一本です。
論文情報
・タイトル： Metrics Matter: How Properties and Perceptions of Data Shape Teachers’ Instructional Responses（指標こそが重要：データの特性と教師の認識が指導上の反応をどのように形作るか）
・著者： Caitlin C. Farrell & Julie A. Marsh
・掲載誌： Educational Administration Quarterly, 52(3), 423-462.
・出版年： 2016年
・DOI： https://doi.org/10.1177/0013161X16638429
1. 導入・背景：合理的モデルへの過信と現場の現実
近年の教育政策では、学校の指導者がリーダーシップを発揮し、教師が学習データを分析・活用して授業を改善することを強力に求めています。このアプローチの根底には、「データは客観的で中立的な事実であり、データが提供されれば教師は自然と最適な指導法へとたどり着く」という、直線的で合理的な考え方があります。
しかし、実際の教室を調査した先行研究では、データがどれだけ豊富に提供されても、それが授業の根本的な質的変革（生徒がどのように知識にアクセスするか、教師がどう伝えるかといった指導方法の変更）に直結しないことが明らかになっています。
2. 理論的枠組み：客観的なデータと主観的な解釈を繋ぐ「センスメイキング理論」
本研究が理論的枠組みとして採用した「センスメイキング（sensemaking）理論」とは、不確実な状況や新しい情報に直面した際に、個人やグループがそれに「意味を与える」認知的・社会的プロセスを指します。
センスメイキング理論によれば、データは教師に無条件に受け入れられる「客観的事実」ではありません。教師は、データを見る際、白紙の状態で向き合うわけではなく、自分自身が持つ「指導法や生徒に対するこれまでの知識、教育信念、価値観」というレンズを通してデータを見ます。そのため、特定のデータには強く注目する一方で、都合の悪いデータや理解できないデータは無視する、といった能動的な解釈が行われます。
つまり、データを見た教師が「自分の授業のどの部分に課題があるのか」「どうやって指導法を変えるべきか」という具体的な意味づけ（センスメイキング）をどう行うかによって、後続の意思決定が決定づけられます。これが、指導方法の根本的な変更（Change in delivery）に繋がるのか、それとも「もう一度同じ方法で教え直す」といった表層的な反復に終わるのかの分かれ道になるのです。
3. 調査・分析手法：建前を排する「オブジェクト・プローブ」と1年間の縦断調査
本研究は、米国のある州に位置する3つの学区から、低所得世帯が多く学力基準を達成していない「高ニーズ」な中学校5校を対象に、1学年度にわたる詳細なケーススタディを実施しました。収集されたデータは非常に多角的で、以下の通りです：
・学区のリーダーシップ層へのインタビュー（13回）
・校長、指導コーチ、およびケーススタディ対象教師へのインタビュー（73回）
・対象外の教員24名を集めたフォーカスグループ（6回）
・教師同士の専門的学習コミュニティ（PLC: Professional Learning Community）ミーティングの観察（20回）
・ウェブベースで毎月回収された活動ログ
インタビューにおいて、教師の「建前」や記憶の曖昧さを排除し、本音のデータ活用実態を捉えるため、本研究では「オブジェクト・プローブ（Object Probes）」という質的インタビュー手法が採用されました。 オブジェクト・プローブとは、インタビューの場に「実際のデータの現物（生徒のエッセイ、添削された成果物、小テスト結果、分析ツールで出力されたクラス別成績グラフ、座席表など）」を教師自身に持参してもらい、それを目の前に置きながら「このデータをどう解釈し、授業で何を具体的に変えたか」を追体験的に語らせる手法です。また、単に「テストデータ」と聞いて特定の州一斉テストだけを連想しないように、様々なデータの種類をリストアップした「データタイプカード」を提示して、視野を広げてもらいました。
こうして集まった膨大な定性データ（発話ログなど）は、定性分析ソフト（NVivo）を用いて詳細にコーディングされました。分析チームは、「どのデータソースを使ったか」と「それに対してどのような指導上の反応をとったか」が明確にセットになっている具体的な事例を「データ活用のインスタンス（事例）」として255件抽出しました。これらをクロス集計によって定量化することで、どのデータがどのような行動を誘発しやすいかというパターンを科学的に分析しました。
4. 結果と議論：データの種類によって異なる教師の反応
本研究では、データに対する教師の具体的なアクション（指導上の反応）を従属変数とし、以下の5つのパターンに分類・分析しています。
１．指導方法の変更（Change in delivery）： 生徒がコンテンツにアクセスする方法や、教師の情報の提示方法を根本的に再構成すること（例：新しい指導ストラテジーの導入など）
２．再指導・再テスト（Reteach, retest）： 同じ指導スタイルのまま、理解度の低かった基準や単元をもう一度教え直すこと。
３．小集団化（Small groups）： 学力レベルやニーズに応じて生徒をペアやグループに分けること。
４．生徒による自己分析（Student analysis）： 生徒自身にテスト結果を振り返らせ、次の目標を設定させること。
５．教室外でのサポート（Out of the classroom support）： 授業時間外に個別指導や補習などの追加支援を行うこと。
全体の分析では、指導法を根本的に見直す「指導方法の変更」はわずか16%に留まり、大半は「再指導（53%）」や「小集団化（20%）」などの表層的な対応でした。しかし、この反応の割合は、教師が向き合った「データの種類（特性）」によって劇的に異なっていました。
(1) 州テスト（州一斉の標準化テスト）
年度初めに前年度の結果が手に入るため、生徒のクラス分けや小グループ編成（42%）には機能したものの、データが古く現在の授業との関連が薄いため、授業改善には結びつきませんでした。
(2) 学区ベンチマークテスト（外部作成のテスト）
「再指導」が56%を占め、授業変更は10%でした。テストと授業の乖離から教師の不信感が強く、結果として以下のような「防衛的なセンスメイキング」に終始しました。
【防衛的センスメイキングとは？】 テストの悪い結果に対し、教師が「授業のやり方に問題がある」と自省するのを避け、自己の指導スタイルを守るために心理的な自己防衛を働かせる解釈プロセス。「テスト問題の文言が悪い」と責任を外部に帰属させたり、「点数の低かった単元だけ機械的に教え直す」といった表層的な対処に留める心理的傾向を指します。
(3) 共通学年評価（同僚と共同作成したテスト）
「再指導」が64%と高い反応でした。自分たちが作成したため信頼性は高いものの、今度は「作成者」としての意識が強くなりすぎて、「授業方法の改善」よりも「テスト問題の文言修正」といったテスト自体の改善にPLCの議論が集中してしまう傾向が見られました。
(4) 教室内評価・生徒の成果物（日々の小テストやエッセイ等）
「指導方法の変更」の割合が最も高く（約30%）、授業改善を強く促していました。 教師自身が設計したタイムリーな指標であり、直前の指導との関連が強いためです。特にエッセイなどの定性的な「ソフトデータ」は、生徒の思考プロセスやつまずきを可視化するため、教師が「自分の教え方に起因する誤解」を直視し、指導方法を根本から見直す強力な触媒となりました。
5. 結論と研究の限界
本研究は、データ駆動型意思決定（DDDM）において、「客観的なデータがあれば機械的に指導が改善する」という合理的モデルを明確に否定しました。 授業の実質的な改善を促すのは、データの量や客観性ではなく、教師が「自分の授業を見直そう」と思えるような、データの「適時性」、教師が自ら関与しているという「主体性」、そして生徒の思考プロセスが見える「フォーマット（質的ソフトデータ）」といった特性と、それを信頼する教師の「主観的認識」が深く関わり合うセンスメイキングのプロセスであると主張されています。 標準化された数値データは学校や学区の説明責任や分類には役立ちますが、目の前の生徒の学びを変えるのは、日常の授業内で生成される形成的かつソフトなデータでした。
研究の限界： 本研究の主な限界として、教師が「授業を変更した」と報告した内容はインタビュー等による「自己申告データ」に依存している点が挙げられます。オブジェクト・プローブによって具体性は高めたものの、実際に教室内で指導方法がどのように実行されたかという直接のミクロな観察データは不足しています。
6. この論文を選んだ理由と私の研究への活かし方
現在私は、教師が授業を振り返り改善に役立てるシステム（TiTela）を開発しています。本論文は、その「評価手法」と「システムの設計思想」に大きな自信と裏付けをくれました。
まず評価手法として、本論文のオブジェクト・プローブの知見を活かし、アンケート（自己申告）だけでなく「システム内の操作ログや記述内容などの客観的な行動ログ（混合研究法）」を組み合わせて分析します。これにより、本論文の限界であった「自己申告データへの依存」を克服し、実践の変容プロセスの科学的な検証を計画しています。
また、設計思想としても、TiTelaは外部の「説明責任」から切り離された、自己の「授業改善」のための安全な形成的データを扱います。これにより教師を防衛的バイアスから解放し、深い内省（センスメイキング）を促すことができると考えています。
私もこの論文の主張と同様に、データが授業を変えるのではなく、データを通じた「意味づけ」こそが授業を変えると考えています。先生方が主体的に授業改善に取り組めるシステム開発に向けて、さらに研究を深めていきます！
文責：樋口尚宏
