ベルリンの科学知能クラス・アテックスレンツ（SCIoI）研究チームは、人間型ロボットによる学習支援におけるフィードバックの最適タイミングに関する実証研究を学術誌Communications Psychologyで発表した。本研究は、AI教師の実装において支援の個別化が常に学習効果に直結しないことを実証し、教育ロボティクス設計の新基準を示すものだ。 研究では90名の大人学習者を対象に、ロボットが発するスワヒリ語の指示に従い室内の物品配置を行う課題を実施。ロボットは試行毎にフィードバックを提供し、5分間隔で感情状態をモニタリングした。比較対象としてエラー毎に一律提示、直前の成績と達成感に基づく適応型、特定エラーと学習履歴に特化した個別化型の3条件を設けた。 結果、個別化フィードバックは課題全体の習得率を向上させた一方で、エラー直後の認知負荷を増大させ、即時の修正を困難にする側面も確認された。これは詳細な指示が即時処理能力を超過するためと考えられる。また認知能力の高い参加者は追加支援の恩恵が薄く、逆に退屈感を報告した参加者は集中的な課題指示により注意力が回復した。 共同研究者らは、教育AIの設計において完全なパーソナライズを絶対目標と捉えるべきではないと指摘する。実際の学習場面では単に情報を増やすのではなく、学習者のその瞬間の認知・感情状態をリアルタイムで評価し、介入の強度とタイミングを動的に調整する機構が不可欠である。本研究成果は教室や職場における自律型アシスタントの開発指針を改め、過度な支援が却って学習プロセスを阻害する可能性を警告するとともに、文脈に応じた抑制的な介入こそが真の知能型支援であることを実証した。