「支え（クラッチ）」か「天井（リミット）」か？世代の異なるLLMがEFL学習者の英文ライティングに与える影響

Abstract

大規模言語モデル（LLM）の急速な進化は、学生の文章作成を強化するための強力なツールをもたらしました。本研究は、LLMが、二次教育段階の英語を外国語（EFL）とする学習者のライティング課題を支援するうえで、どの程度有効であり、またどこに限界があるのかを探究します。既存研究が出力の質に焦点を当てているのに対し、本研究では、LLMの発達的な変化と、それがEFL学習者に与える影響を検討し、より賢いモデルが本当に足場（scaffold）として機能するのか、それとも単なる補償的な“松葉杖”にすぎないのかを評価します。そのために、ChatGPTの公開前後で、LLMに支援された学習者の作文を分析します。分析には、専門家による質的スコアリングと、定量的指標（読みやすさテスト、ピアソンの相関係数、MTLDなど）の両方を用います。本研究の結果、先進的なLLMは、習熟度の低い学習者の評価スコアと語彙の多様性を高めることを示しましたが、それが学習者の真の能力を見えにくくしている可能性があります。重要なのは、LLMによる支援の増加が、人間の専門家による評価とは負の相関を示したことです。これは、深いまとまり（coherence）を伴わない表面的な流暢さを示唆しています。AI支援による実践を真の学習へと変えるには、教授法を、出力の質に焦点を当てることから、学習プロセスを検証することへと転換しなければなりません。教育者は、学習者の最近接発達領域（Zone of Proximal Development）において、AI機能を適合させるべきであり、とりわけ、理念（ideational）の足場づくりとテキスト産出を区別するようにする必要があります。