プログラミング教育論文解説

マルチロールAIエージェントによるプログラミング教育支援ツール：論文解説

2026-07-26 ✍️ ADVANCE 講師 ⏱️ 約10分で読めます

📌 この記事の結論

プログラミング教育において、チューター、評価者、コーチの3つの役割を持つAIエージェントシステムが、個別学習を強力にサポートし、学習効果を高めることが示されました。
このシステムは、学生の自律的な思考を阻害せず、学術的な誠実性を保ちながら、個別化されたフィードバックと学習計画を提供します。
実験結果では、学生の満足度が非常に高く、課題解決率の向上、学習時間の短縮、繰り返しのエラーの減少といった客観的な学習効果も確認されています。

1. AIエージェントが変えるプログラミング教育の未来

近年、大規模言語モデル（LLM）やAIエージェントの急速な発展は、プログラミング教育の現場に大きな変化をもたらしています。かつては先生やTA（ティーチングアシスタント）との長い相談が必要だったエラーの解説、コードのリファクタリング（改善）、練習問題の選定などが、今ではAIツールを使えば瞬時にできるようになりました。

この変化は、個別学習、即座のフィードバック、柔軟な学習ペース、形成的な評価といった、ユニークな学習機会を生み出します。例えば、ADVANCEで学ぶ子どもたちがUnityでC#を書いていてエラーが出た際に、AIがすぐにヒントをくれるようなイメージです。

しかし、一方で、学生が先生の指導なしにAIを安易に使うことで、「能力の錯覚」（正解のコードは得られても、アルゴリズムや設計原則の深い理解が形成されないこと）や、学術的誠実性の違反、評価の不透明性といったリスクも指摘されています。

本記事では、このような課題に対応するため、リヴィウ工科大学で行われた「マルチロールAIエージェントによるプログラミング教育支援ツール」に関する最新の研究論文を解説します。この論文では、「チューター」「評価者」「コーチ」という3つの異なる役割を持つAIエージェントシステムを設計し、その効果を検証しています。

2. 紹介する論文の概要

📄 論文情報

タイトル	TOOLS TO SUPPORT PROGRAMMING EDUCATION WITH THE HELP OF MULTI-ROLE AI AGENTS （マルチロールAIエージェントによるプログラミング教育支援ツール）
著者	LEHKYI MYKOLA, SHEVCHUK HANNA (Lviv Polytechnic National University)
掲載誌	Herald of Khmelnytskyi national university, Issue 1, 2026 (361) 217
研究対象	リヴィウ工科大学のプログラミングコースの学生112名
実験期間	2025年12月～2026年1月（論文の掲載日から推測）

研究の目的

この研究の目的は、大学のプログラミング教育において、マルチロールAIエージェントシステム（チューター、評価者、コーチ）の設計とパイロット結果を理論的に裏付け、分析することです。具体的には、このシステムが学習の質を高め、学術的な誠実性を維持しながら、教育的、アーキテクチャ的、評価的な側面でどのように機能するかを明らかにすることを目指しています。

研究の方法

研究は、以下の段階で行われました。

文献調査と要件定義: AI教育に関する学術文献や規制文書を分析し、システムの教育的、技術的、倫理的、経済的要件を明確にしました。特に、「教育的サポート密度（PSD）」という概念を導入し、AIのヒントや介入の度合いを制御する必要性を強調しています。
AIエージェントアーキテクチャの設計: 「ルーティング → ツール → 評価」という構造を持つマルチロールエージェントシステムを開発しました。チューター、評価者、コーチという3つの専門エージェントが、それぞれ異なる教育的役割を担います。
教育実験の実施: リヴィウ工科大学の学生112名を対象に、開発したシステムをプログラミングコースで試験的に導入しました。学生は、AIエージェントと対話し、課題に取り組みました。
データ収集と分析:
- テレメトリーデータ: システム利用状況や学習行動の記録。
- ルブリック（評価基準）に基づくコード評価結果: プログラミング課題に対するAI評価者によるスコア（正確性、C#イディオム、明瞭さ、堅牢性、効率性）。
- アンケート回答: エージェントの機能（説明の明瞭さ、評価の公平性、アドバイスの有用性など）に対する学生の主観的な認識と満足度。

3. 研究結果のポイント3つ

この研究では、マルチロールAIエージェントシステムが高い受容性と学習効果を示しました。特に注目すべきは、以下の3つのポイントです。

✅ ポイント1：3つのAIエージェントが連携し、質の高い個別学習を実現

このシステムは、以下の3つの専門AIエージェントが連携して動作します。

チューターエージェント: 理論の説明、ステップバイステップのガイド、エラー分析を行います。Scratchでブロックの組み合わせ方を説明したり、Pythonの新しい構文を教えたりするようなイメージです。学生は、「モジュール1を教えて」のようなリクエストをすることで、関連する理論、簡単なコード例、そして練習問題を一連の流れで学ぶことができます。これにより、すぐに新しい概念をコードで試す機会が与えられます。
評価者エージェント: コードの正しさを「正確性」「C#イディオム」「明瞭さ」「堅牢性」「効率性」という5つの明確な基準で評価します。例えば、UnityでC#を書いた際に、「変数の命名規則がC#の標準と異なっている（C#イディオム）」や「エラーハンドリングが不足している（堅牢性）」といった具体的なフィードバックを、0～3点のスコアと共に提供します。これは、ADVANCEで子どもたちがRoblox StudioでLuaを書く際に、先生がコードレビューでコメントをくれるのと同じように、なぜその点数になったのかの理由と改善策が具体的に示されるため、学生は納得して次に進めます。
コーチエージェント: 評価者のフィードバックを基に、学生の強み、改善すべき点、そしてパーソナライズされた学習計画を提案します。「次のステップとして、制御フロー（if文やループ）を学ぶべきです」といった具体的なアドバイスや、モチベーションを高めるメッセージを送ります。これは、ADVANCEでHTML/CSSを学んだ子が次にJavaScriptに進むためのロードマップを提示するようなものです。

✅ ポイント2：学生のAI活用に対する高い受容性と肯定的な認識

実験に参加した学生のアンケート結果は非常に肯定的でした。

システム全体の有用性: 70.6%の学生が「やや有用」または「非常に有用」と評価しました（平均3.90/5点）。
チューターの説明の明瞭さ: 88%以上の学生が「4」または「5」と高評価（平均4.22/5点）。
評価者の評価の公正さと明瞭さ: 87.4%の学生が「4」または「5」と高評価（平均4.29/5点）。
コーチのアドバイスの有用性: 91.9%の学生が「4」または「5」と高評価。
継続利用意向: 87.5%の学生が今後もこのシステムを利用したいと回答しました。

これらの結果は、学生がAIエージェントを学習の「仲間」として受け入れ、そのサポートが学習の助けになると強く感じていることを示しています。

✅ ポイント3：客観的な学習効果の向上と課題の特定

主観的な評価だけでなく、客観的な学習指標も改善が見られました。

課題解決率の向上: 学生がプログラミング課題を成功裏に解決する割合が増加しました。
課題完了時間の短縮: 同様の課題を完了するのにかかる時間が減少しました。
繰り返されるエラーの減少: 同じ種類のミスを繰り返す頻度が低下しました。これは、評価者とコーチからの具体的なフィードバックが、学生の深い理解と行動変容を促したことを示唆しています。

一方で、一部の学生がヒントに過度に依存する傾向があるという課題も明らかになりました。これは、「教育的サポート密度（PSD）」を慎重に調整し、AIの助けなしで取り組むべき課題のブロックを設けるなど、今後の改善点として挙げられています。

4. ADVANCEの現場から見た実感

堺市南区のプログラミングスクールADVANCEで実際にプログラミングを教えている講師としての意見は以下の三つです

🎮 現場で感じる3つの変化

子どもたちの「詰まり」を迅速に解消

ADVANCEでは、Scratchでゲームを作っている子が「どうしてブロックがうまくつながらないの？」と悩んだり、Roblox StudioでLuaコードを書いていて「この関数は何をするんだっけ？」と手が止まったりすることがよくあります。この論文のチューターエージェントのようなAIがいれば、講師が個別の質問に駆けつけるまでのタイムラグを減らし、子どもたちが自力で解決策を見つけるためのヒントを即座に提供できます。これは、子どもたちの学習意欲を維持する上で非常に重要です。

質の高いフィードバックで自律的な成長を促す

プログラミング学習において、「なぜこのコードは動かないのか」「もっと良い書き方はないのか」を理解することは、単に正解を出すことよりも大切です。論文の評価者エージェントが提供するような、ルブリックに基づく詳細なフィードバックは、子どもたちが自分の書いたUnityのC#コードやHTML/CSSに対して、具体的な改善点や良い点を客観的に認識する手助けとなります。これにより、先生からのフィードバックを待たずに、自分で考え、修正する力が育まれます。

学習のモチベーションを維持し、次の一歩を明確に

プログラミングは時に難しく、挫折しやすいものです。論文のコーチエージェントのように、過去の学習履歴や達成度に基づいてパーソナライズされた「次のステップ」を提案し、ポジティブな励ましを与えることは、子どもたちのモチベーション維持に大きく貢献します。「次はこんな面白いゲームを作ってみよう！」「このSQLのクエリを覚えると、もっとデータの分析ができるようになるよ！」といった具体的な目標が示されることで、学習の停滞を防ぎ、継続的な成長をサポートできるでしょう。

AIエージェントの導入は、講師の負担を減らしつつ、より多くの子どもたちに質の高い個別指導を提供する可能性を秘めているとADVANCEでは考えています。重要なのは、AIが「先生の代わり」ではなく、「先生の良きパートナー」として、子どもたちの学習を豊かにするツールとなることです。

5. 保護者の方へ：家庭でできること

AIエージェントがプログラミング学習を強力にサポートしてくれる時代ですが、家庭での保護者の方の関わりも、子どもたちの成長に不可欠です。この論文の知見を踏まえ、ご家庭でできることを3つのポイントにまとめました。

🏠

子どもの興味を尊重し、学習環境を整える

子どもがScratchでキャラクターを動かしたり、Roblox Studioで世界を作ったりすることに興味を示したら、それを全力で応援してあげましょう。AIエージェントは自律学習を助けますが、最初の好奇心を育むのは家庭の温かい環境です。プログラミングに限らず、「何かを作る」「問題を解決する」楽しさを体験できる機会を提供してください。

📅

学びのプロセスを「会話」でサポートする

AIは技術的なフィードバックをくれますが、子どもとの感情的な繋がりは人間ならではのものです。「どんなゲームを作っているの？」「どこが難しかった？」と具体的に問いかけ、子どもの思考プロセスや感情に寄り添う会話を心がけましょう。もしAIが提供したヒントやコーチングの内容について子どもが話してきたら、「なるほど、AIはこう言ってたんだね。それについてどう思った？」とさらに深く掘り下げてみてください。

👏

成果だけでなく、努力と挑戦を褒める

AIの評価は客観的ですが、完璧なコードを書くことだけが目標ではありません。子どもが難しいPythonの課題に粘り強く取り組んだり、JavaScriptで初めてインタラクティブな要素を実装できたりした時には、その努力や挑戦自体を具体的に褒めてあげましょう。失敗を恐れずに試行錯誤する姿勢は、将来AIと協働しながら複雑な問題に取り組む上で非常に重要な能力となります。

🎮 ADVANCEで一緒にプログラミングを始めませんか？

堺市南区のプログラミングスクールADVANCEでは、Scratchからはじめて、Roblox、Unity(C#)まで段階的に学べます。

研究で効果が実証されたプログラミング教育を、ゲーム制作を通じて楽しく体験できます。

🕹️ ▶ ぼうけんをはじめる無料体験会に申し込む！ 🎮

6. 参考文献

Lehkyi, M., & Shevchuk, H. (2026). TOOLS TO SUPPORT PROGRAMMING EDUCATION WITH THE HELP OF MULTI-ROLE AI AGENTS. Herald of Khmelnytskyi national university, 1(361), 217-226. https://doi.org/10.31891/2307-5732-2026-361-30
European Commission. AI Act enters into force. https://commission.europa.eu/news-and-media/news/ai-act-enters-force-2024-08-01_en (accessed 10 September 2025).
UNESCO. Guidance for generative AI in education and research. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research (accessed 22 September 2025).
Yurchak, I., Khich, A., & Oksentiuk, V. (2024). Understanding large language models: The future of artificial intelligence. Computer-Aided Design Systems: Theory and Practice, 6(2), 51–60.
Yurchak, I. Yu., Kychuk, O. O., Oksentiuk, V. M., & Khich, A. O. (2024). Prompting techniques for improving the use of large language models. Bulletin of Lviv Polytechnic National University, 270–287.

メニュー