大規模言語モデルに基づく教育用ペダゴジカル・エージェントに関するスコーピングレビュー

要旨: このスコーピングレビューは、教育現場における大規模言語モデル（LLM）ベースの教授用エージェントという新興分野を検討する。従来の教授用エージェントは広く研究されてきたが、LLMの統合は、自然言語理解、推論、適応における前例のない能力を備える変革的な進展である。PRISMA-ScRのガイドラインに従い、2022年11月から2025年1月までの期間に、5つの主要データベースから52件の研究を分析した。結果から、複数の科目領域にわたって、K-12、高等教育、ならびにインフォーマルな学習の文脈に対応する、多様なLLMベースのエージェントが明らかになった。これらのエージェントを特徴づける4つの主要な設計次元として、相互作用アプローチ（反応型 vs. 自発的＝プロアクティブ）、領域の範囲（領域特化型 vs. 汎用型）、役割の複雑さ（単一役割 vs. 複数役割）、システム統合（スタンドアロン vs. 統合型）を特定した。新たな動向として、自然な学習環境を模擬するマルチエージェントシステム、エージェント評価のための仮想学生シミュレーション、没入型技術との統合、学習分析との組み合わせが挙げられる。また、プライバシー、正確性、学生の自律性に関する重要な研究ギャップと倫理的考慮についても論じる。本レビューは、この急速に進展する分野において、今後の発展に向けた重要な領域を特定しつつ、研究者および実務家に対してLLMベースの教授用エージェントに関する包括的な理解を提供する。