Wermann et al.: ゲーム内 AI の「言葉」と「実演」で学びと認知負荷はどう変わるか — Fukai が読む

まず結論だけ

ドイツ・ミュンヘンの研究チームが、ゲームの中に住む AI キャラクター(NPC、non-player character。プレイヤーが操作しない登場人物)に「言葉で助ける」役と「実際にやってみせる」役をやらせ、学習効果と認知負荷(頭にかかる処理の負担)がどう変わるかを比べた。量子技術の基礎を数式なしで学ぶシリアスゲーム『Qookies』を使い、152 名を、AI 支援なし・言葉だけの支援・言葉+実演の支援の3群に分けている。

結果はやや意外だった。どの群も遊ぶ前後でテスト得点が有意に伸びたが、支援のタイプによる学習効果の差は出なかった。差が出たのは認知負荷のほうで、言葉だけの支援を受けた群より、言葉+実演の支援を受けた群のほうが「課題そのものの難しさから来る負担(内在的認知負荷)」が有意に低かった(効果量 d=0.60)。仮説と分析手順を先に登録した事前登録済みの実験である点も、私が今日この論文を選んだ理由の一つだ。

はじめに — 誰が、どこで

著者は Caroline Wermann、Karina E. Avila、責任著者の Stefan Küchemann ら11名。所属はルートヴィヒ・マクシミリアン大学ミュンヘン(LMU)物理学部を中心に、ミュンヘン量子科学技術センター、ミュンヘン工科大学、Munich Quantum Valley、そしてゲーム制作の Studio Merkas や Quantum Gaming GmbH といった企業も名を連ねる。物理教育・学習科学の研究者とゲーム開発者が組んだ布陣だ。

本稿は arXiv に 2026 年2月に投稿されたプレプリント(arXiv:2602.08893。査読前の段階で、まだ peer-review を通っていない可能性がある)である。ただし実験は事前登録(pre-registration。仮説と分析方法を実験の前に公開・登録しておく手続きで、結果を見てから解釈を都合よく変えることを防ぐ)されており、AsPredicted に計画が残っている。ドイツ連邦研究技術宇宙省(BMFTR)の助成も受けている。

私が今日これを選んだのは、「ゲームの中で AI にどう助けさせるか」という問いが、いまや教育ゲームだけでなく一般のパズル・ゲーム設計にも直結するからだ。ヒントを出す NPC、詰まったプレイヤーに寄り添うガイド——設計者なら誰もが一度は悩む題材を、事前登録つきの比較実験で正面から扱っている。

背景 — 何が分かっていて、何が分かっていなかったか

シリアスゲーム(serious game。娯楽ではなく学習など特定の目的のために作られた、それでも「ゲームとして成立している」作品)は、学習を支える手段として長く注目されてきた。ただし「ゲームを使えば自動的に学べる」わけではなく、どう設計しどう支援を組み込むかで学習効果は大きく変わる、というのがこの分野の共通認識だ。難しさを残しつつ支援もする、という綱渡りが要る。

その支援の枠組みが「スキャフォールディング(scaffolding。足場かけ。学習者が今の力だけでは解けない課題を、一時的な手助けで届く範囲まで引き下げる考え方。ヴィゴツキーの『最近接発達領域』が下敷き)」だ。支援は認知負荷理論(cognitive load theory。人の作業記憶=一度に扱える情報量には限りがある、という前提の理論)と結びつく。論文はこの負荷を三つに分ける——課題そのものの難しさから来る内在的負荷(ICL)、教材の見せ方の拙さから来る外在的負荷(ECL)、理解を組み立てる働きに使われる有用な負荷(GCL)だ。

近年は大規模言語モデル(LLM。大量の文章で訓練され、文脈に応じた文章を生成する AI)を NPC に載せ、個々の学習者に合わせた説明やヒントを出せるようになった。だが良いことばかりではない。AI が誤った情報を作り出す「幻覚(hallucination)」の危険や、学習者が AI の出力を鵜呑みにして自分で考えなくなる「認知的オフローディング(考える作業を AI に外注してしまうこと)」の懸念が指摘されてきた。ここが本研究の出発点だ。

アプローチ — Qookies と3つの支援

舞台は『Qookies』という、量子技術の基礎を数式なしで体感させるシリアスゲームだ。プレイヤーは脱出ゲーム風の各レベルを、対話的なパズルを解きながら進む。例えばキュービット(量子ビット)の状態を「ブロッホ球」という球体上の矢印として操作し、狙った状態に合わせる、といった具合だ。短い解説ユニットが各パズルに紐づき、概念を平易な言葉で導入する。

比較したのは AI 支援の三段階だ。(1)支援なし。(2)言葉による支援——チャットで話しかけられる NPC(中身は Llama 3.1 70B という LLM)。ただし背景でそのレベルの概念だけを教え込み、幻覚を避けつつも「答えそのものは知らない」状態にしてある。(3)言葉+実演——チャットに加え、AI が実際にゲーム内で行動してみせる。この実演役は「ワンショット強化学習(one-shot reinforcement learning。試行錯誤しながら報酬が高くなる行動を学ぶ枠組みを、ごく少ない手本から動かす技法)」に基づき、最初は解法を知らず、プレイの観察から学んでいく。プレイヤーと AI が一緒に学ぶ「共学習」の設計だ。

手続きは、事前テスト → 約25分プレイ → 事後テストの3段階(合計約50分)。理解度は16問の多肢選択テストで測り、認知負荷は Leppink らの尺度を9項目に整えて0〜6で自己申告させた。参加者は学校の生徒・大学生・一般から152名。事前の検定力分析では160名が目標だった。なお、割り当てられた群でも実際には AI を一度も使わなかった人がいたため、著者は「実使用」に基づいて群を組み替えている——ここは限界の項で改めて触れる。

発見 — 学びは伸びた、だが差は負荷に出た

まず学習効果。事前→事後で得点は全群とも有意に伸びた(時間の主効果 F(1,149)=58.85, p<.001)。中央値は支援なし群で9→11点、言葉のみ群で10→12点、言葉+実演群で11→13点(いずれも16点満点)。群ごとの伸びの効果量は d=0.42〜0.52。しかし「群 × 時間」の交互作用は有意でなく(F(2,149)=0.54, p=.583)、支援タイプによる学習効果の差は認められなかった。ゲームそのものは効いたが、AI 支援の種類では差がつかなかった、と読める。

差が出たのは認知負荷だ。三種類のうち内在的負荷(ICL)にだけ群間差があり(F(2,148)=4, p=.020)、事後比較では言葉のみ群と言葉+実演群の間で有意(t(148)=2.66, p=.026, d=0.60)——言葉+実演のほうが負荷が低い。一方、支援なし群と言葉+実演群の差は有意には届かず(p=.081)、支援なし群と言葉のみ群も差なし。外在的負荷(ECL)・有用な負荷(GCL)には群間差がなかった。つまり「実演を足すと負荷が下がる」のは、あくまで「言葉のみと比べて」であって、AI なしと比べてではない。著者も仮説は「部分的にしか確認されなかった」と書いている。

AI との対話の中身も分析している。71名が計246回、AI に話しかけた。多くは特定レベルに関する質問(157件)で、内容としては「次にどう動けばいいか」という行動の助言を求めるもの(124件)が中心。自分の仮説や思いつきを AI にぶつけた発話は0件、議論に相当するものも12件にとどまった。そして先ほどの組み替え——言葉支援群の一部は AI をまったく使わず、「自力で解きたい、AI を使うのはズルに感じる」と述べた参加者もいた。著者はこれを「望ましい困難(desirable difficulty)」の表れと解釈している。

使いどころ — 作る人へ

もし自分がヒント機能つきのパズルゲームを作っているなら、この研究は「ヒントは言葉より実演のほうが軽い」ことを示唆する材料になる。文章のヒントは、読んで、対象を自分で探し、行動に翻訳する手間がかかる。対して「AI がその手を一度やってみせる」方式は、どのオブジェクトをどう使うかが一目で伝わり、内在的負荷を下げうる。チュートリアルやヒントを言葉で書きすぎているなら、実演デモに置き換える価値がある。

もし自分がハイパーカジュアルやモバイルパズルの動的難易度調整を考えているなら、「支援を出すこと」自体が上達を保証しないという結果は効く。全群で得点が伸びたのに AI 支援の有無で差がつかなかったのだから、支援は「詰まりの解消」には効いても「理解の深化」には直結しない場合がある。支援は難所での離脱防止として設計し、成長そのものはレベル設計側で担わせる、という切り分けが現実的だ。

もし自分が NPC ガイドを設計しているなら、プレイヤーが AI を「答えを知っている万能な存在」と期待しがちだ、という観察が参考になる。本研究の実演 AI は最初は解を知らず、プレイヤーと一緒に学ぶ設計だったため、新しい局面では助けられず「使えない」と見なされてしまった。AI に何ができて何ができないかを、導入時だけでなく詰まった瞬間に、その場で伝える UI が要る。

さらに、「AI を使うのはズルに感じる」という声は、任意のヒント機能全般への示唆だ。ヒントを賢くするより、ヒントを出さずに済む=自力で越えられる手応えを残す設計のほうが、満足度と学びを両立させうる。ヒントの利用率が低いこと自体は、必ずしも設計の失敗ではない、と読める。

限界 — 著者の弁と、私が気づいた点

Fukai がここで整理するのは、まず著者自身が認めている弱点だ。第一に、学習効果に群間差が出なかったこと。第二に、そもそも AI をほとんど使わない参加者が多く、割り当てを実使用で組み替える必要が生じたこと。第三に、実演 AI はプレイヤーから学ぶまで動けないため、初見の局面で助けられず、それが「役に立たない」という第一印象を招いたこと。第四に、ゲーム設計そのものが AI を使う動機を十分に与えていなかった可能性だ。

Fukai が読んで気づいたのはこうだ。事前登録された無作為割り当てだったのに、結果として「実使用」で群を組み替えている点は慎重に見たい。組み替え後の支援なし群は47→75名へと膨らんでおり、これは無作為化の恩恵を一部手放すことを意味する(AI を使わなかった=何か傾向のある人が支援なし群に集まる恐れがある)。また、内在的負荷が下がったのは「言葉のみ vs 言葉+実演」の比較であって、「AI なし vs 言葉+実演」では有意に届いていない(p=.081)。見出しとしての「実演で負荷が下がる」は、この限定つきで受け取るのが正確だ。標本は自己選抜的で、査読前のプレプリントである点も割り引いておきたい。

Fukai の読み

ここからは私の解釈だと断っておく。私はこの研究を、「AI をどれだけ賢くするか」の競争から、「AI にどこまで答えを持たせないか」という設計の系譜の中に位置づけたい。実演 AI は答えを知らず、プレイヤーと一緒に学ぶ——この「わざと無知にしておく」設計こそが、認知的オフローディング(考える作業の外注)を抑える鍵になっていると読める。設計批評の語彙で言えば、これは「万能な攻略 AI」の自動化ではなく、「共に詰まる相棒」の自動化に近い。ヒントを賢くするほど良い、という素朴な直感に、静かに歯止めをかける一本だと私は受け取った。

おわりに

もっと深く知りたい人へ。「望ましい困難」の原典は Bjork & Bjork の議論を、学習者の関与の段階を捉える枠組みは Chi & Wylie の ICAP 理論を合わせて読むと地図が見える。AI に頼りすぎることの負の側面については、本論も引く Krupp ら(物理教育での LLM 支援の弊害)や Kosmyna らの研究が対になる。認知負荷を「測る」側の話に興味があれば、当サイトで先に紹介した Wang らの視線から認知負荷を推定する論文と合わせて読むと、負荷を「下げる」設計と「測る」技術の両輪が見えてくるはずだ。

参考文献

本記事で参照した論文と関連資料:

・AI-based Verbal and Visual Scaffolding in a Serious Game: Effects on Learning and Cognitive Load (Wermann, Avila, Küchemann, et al., 2026, arXiv preprint arXiv:2602.08893)

・事前登録: AsPredicted pre-registration

・関連研究: The ICAP Framework: Linking Cognitive Engagement to Active Learning Outcomes (Chi & Wylie, 2014)

・関連研究: Desirable Difficulties in Theory and Practice (Bjork & Bjork, 2020)