みなさん、こんにちは。博士課程の田中です。この記事では、先日の英語文献ゼミで読んだ論文を紹介します。
論文タイトル:Metacognitive Awareness and EFL Learners’ Writing Performance in ChatGPT-Assisted Writing Context(ChatGPTを活用した英語ライティングにおけるEFL学習者のメタ認知的意識とライティングの成績)
著者:Mark Feng Teng, Xiaolei Shen
掲載誌:International Journal of Applied Linguistics(2026年)
1. イントロダクション
近年、ChatGPTをはじめとする生成AIは、英語ライティング学習を支援するツールとして注目されています。生成AIは、文法修正や語彙の提案、即時フィードバックなどを提供できますが、学習者には、必要な支援を判断し、AIからの提案を適切に活用することが求められます。
そこで重要になるのがメタ認知です。メタ認知は、自分自身の認知活動を理解し、学習過程を意識的に管理・調整することに関わります。本研究では、メタ認知的意識のうち、計画(Planning)、モニタリング(Monitoring)、評価(Evaluating)の3つの方略に着目し、ChatGPTを活用したライティング成績との関連を検討しています。
2. 先行研究
理論的枠組み
著者らは、Bandura(1991)の社会的認知理論とZimmerman(2002)の自己調整学習(SRL)理論を理論的基盤としています。
ZimmermanのSRLモデルでは、学習は「予見・遂行・自己省察」の3段階からなる循環的な過程として捉えられます。ライティングでは、執筆前の目標設定や計画、執筆中の進捗確認、執筆後の自己評価などが該当します。
著者らは、ChatGPTを学習環境の一部として捉え、AIからの提案をどのように活用するかという判断にも、学習者自身の自己調整が関わると考えています。
ChatGPT支援下のライティング
ChatGPTは、文法修正、語彙の提案、文章の推敲、自動評価などを通じてライティングを支援できます。一方、AIの出力には不正確な情報や適切ではない提案が含まれる可能性があります。そのため、著者らは、ChatGPTを学習者の判断に代わるものではなく、主体的に活用する補助的な資源として位置づけています。
メタ認知的意識
Schraw and Dennison(1994)は、メタ認知的意識を「認知に関する知識」と「認知の調整」に区別しています。本研究では、特に認知の調整に関連する以下の3方略を検討しています。
計画: 執筆前に目標を設定し、文章構成や学習方法を考えること。
モニタリング: 執筆中に進捗や文章の質を確認すること。
評価: 完成した文章や使用した方略の有効性を判断すること。
先行研究では、メタ認知的意識の高い学習者ほどChatGPTを批判的・主体的に活用する傾向が報告されています。
研究の位置づけと研究課題
これまでの研究では、ChatGPTによる文章修正や学習者の認識・態度が主に検討されてきました。一方、個々のメタ認知方略がライティング成績とどのように関連するのかについては、十分に明らかにされていません。
そこで、著者らは次の研究課題を設定しました。
研究課題:ChatGPTの使用時、計画・モニタリング・評価を含むメタ認知方略は、学習者間のライティング成績のばらつきをどの程度説明できるか。
3. 研究方法
参加者
マカオの大学で英語ライティングの授業を履修する大学2年生30名が参加しました。英語習熟度はCEFR A2~B1程度でした。
測定方法
メタ認知方略の測定には、Teng(2020)のMetacognitive Writing Strategies Questionnaire(MWSQ)が使用されました。計画6項目、モニタリング9項目、評価10項目の計25項目で構成され、5件法で回答する質問紙です。
ライティング成績は、内容、表現、構成、句読点・表記、綴りの5観点から、合計25点満点で評価されました。
研究の手順
15週間の授業終了後、参加者は30分間のAI支援ライティング課題に取り組みました。ChatGPTへのアクセスにはPoeが使用されました。また、中国語版MWSQへの回答が実施されました。
ただし、ChatGPTの具体的な使用方法や利用回数、AI使用前後の詳しい測定手順については、十分に説明されていません。
分析方法
相関分析と線形混合効果モデル(Linear Mixed-Effects Model)を使用し、メタ認知方略とライティング成績の関連を分析しました。また、方略間の交互作用についても検討しています。
4. 結果
記述統計・相関分析
AI使用後の各方略の平均値は、計画が4.02、モニタリングが3.83、評価が4.01であり、いずれも比較的高い値を示しました。また、ライティング成績は25点満点で平均18.77点でした。
相関分析では、計画(r = .916)、モニタリング(r = .857)、評価(r = .511)のすべてがライティング成績と有意な正の相関を示しました(いずれもp < .001)。特に、計画とモニタリングで強い関連が認められました(図1参照)。
線形混合効果モデル
線形混合効果モデルによる分析では、計画とモニタリングはライティング成績と有意な正の関連を示しました。
一方、評価方略については、他の変数を考慮した場合、有意な関連が認められませんでした(p = .963)。
つまり、3つのメタ認知方略すべてが単純相関では成績と関連していたものの、複数の要因を考慮すると、評価方略の独立した予測効果は確認されませんでした(表2参照)。
最終モデル
評価方略を除外し、計画とモニタリングに焦点を当てた最終モデルを検討しました。その結果、計画とモニタリングはそれぞれ有意な正の関連を示した一方、両方略の交互作用には有意な負の係数が認められました(推定係数 = −0.07、p = .003)(表3参照)。
これは、一方の方略の水準が高いほど、もう一方の方略と成績との正の関係が弱まることを意味します。
著者らは、事前の計画への集中が、執筆中のモニタリングや注意配分に影響する可能性を指摘しています。ただし、この交互作用は評価を含む当初のモデルでは有意ではなかったため、結果の解釈には注意が必要です。
5. 考察
主に3つの点について考察しています。
計画とモニタリングがライティング成績と正の関連を示したことです。事前に目標を設定し、執筆中に自分の文章や進捗を確認することが、ChatGPTを活用したライティングにおいて重要であると述べています。
評価方略が有意な予測効果を示さなかったことです。著者らは、AIの出力の正確性を判断する難しさや、生成された文章を受動的に利用する可能性などを挙げています。ただし、これらは本研究で直接検証された要因ではありません。
計画とモニタリングの負の交互作用です。著者らは、複数の方略を同時に意識することで、認知的負荷や注意配分の問題が生じる可能性を指摘しています。この結果から、学習の段階や目的に応じて、適切な方略を選択・調整することの重要性が示唆されます。
6. 結論
この研究では、ChatGPTを活用した英語ライティングにおいて、計画とモニタリングが成績と有意な正の関連を示した一方、評価方略には独立した有意な予測効果が認められませんでした。また、計画とモニタリングの間には負の交互作用が確認されました。
生成AIを活用する際には、学習者が自ら目標を設定し、学習過程を確認し、AIの提案を批判的に評価できるよう支援することが重要であると述べられています。
ただし、参加者が30名と少なく、非実験的な研究であることから、結果の一般化や因果関係の解釈には限界があるとされています。
感想・今後の研究への示唆
自身の研究ではSRLを理論的枠組みとしていますが、メタ認知はSRLと密接に関わる重要な要素であるため、本論文を選定しました。特に、ZimmermanのSRLモデルにおける予見・遂行・自己省察の各段階は、本研究が扱う計画・モニタリング・評価と密接に関連しています。そのため、生成AIを活用したライティング学習において、メタ認知的意識が学習成果とどのように関わるのか、また、質問紙からどのように測定するか、という点に特に関心を持ちました。
本研究ではメタ認知方略を質問紙によって測定しているものの、学習者が実際にChatGPTをどのように活用したのかについては十分に明らかにされていません。メタ認知的意識が高い(低い)学習者はChatGPTを活用しながらどのような学習行動を行っているのかを検証する意義があると考えます。また、「評価」に関する方略が成績と有意な関連を示さなかった背景についての検証・考察も今後必要であると考えます。
今後は自己報告型の質問紙に加え、学習ログやライティングの修正の過程を分析することで、メタ認知的意識とSRL意識、学習行動、成果との関係を検証したいと考えています。こうした知見を踏まえ、学習者が自らの理解状況や課題を認識し、必要なAI支援を活用しながら学習を調整できるような支援の設計につなげて参ります。




