Shuichiro Ogawa
English

Notes ・ updated 2026-08-18

初学者グループワークと共有AIエージェント：CSCL・AI支援協調学習の文献地図（2026）

初学者のグループワークに単一の共有AIエージェント（グループに1体の conversational agent / chatbot / pedagogical agent / robot / LLM ベースエージェント）を導入する際の設計とベストプラクティスについて、査読論文・総説・主要プレプリント 48件（初回収集40件＋同日の検証スイープ追補8件）を軽量スコーピングで収集・整理した統合要約。 各文献の完全な書誌は末尾「参照文献」を参照（DOI/URL つき）。出典台帳つきの内部コーパスは source/review/shared-ai-agent-groupwork/papers.md（サイト非公開）。 教育×AI の研究潮流全体は ai-education-learning-sciences-trends、AI への認知的依存の文献地図は ai-cognitive-offloading-learning、デザイン教育側のカリキュラム論は design-education-ai-adaptation を参照。 収集系統: source-researcher（profile: scholarly）→ paper-screening-agent。規約 .claude/rules/collection-protocol.md（捏造ゼロ・出典追跡）。2026-08-18 に検証スイープ（ERIC/DOAJ 直接探索、発話吸収の追試探索、プレプリント出版状況確認）を3体並行で実施し、8件を追補、「空白」節の判定を更新した。

調査メタ情報

  • 収集日: 2026-08-18（初回収集と検証スイープを同日実施） ／ 件数: 48（初回: 入力41・除外1・出力40。検証スイープ: 追補8。軽量スコーピング＝見落とし回避優先）
  • 媒体重心: Springer 系（ijCSCL、IJAIED、Educational Psychology Review、ETR&D）、Wiley（BJET、JCAL）、Computers & Education 系、arXiv、Frontiers、IJCAI/ICCE/AIED
  • 確度の注意: 未査読プレプリント 7件（sag34, sag35, sag37, sag41, sag44, sag45, sag46）は non-peer。sag26 と sag33 は査読出版版（AIED 2024 / AIED 2026 の LNCS 収録）を確認して格上げ済み。撤回・予測誌 0件

TL;DR

グループへの AI 導入研究は、LLM 以前に ACLS（adaptive collaborative learning support、グループの対話状態に応じて適応的に介入する支援）として約20年の蓄積があり、「いつ、誰に、何を言うか」という介入設計の知見（生産的対話の誘発、directed/undirected 介入の使い分け）がすでに存在する。 LLM 期（2022以降）の実証はこの系譜を引き継ぎつつ、二つの新しい像を加えた。 一つは、LLM＋教授方略の組み込みで適応的足場かけが実装しやすくなったこと。 もう一つは、共有チャットボットが学生間の相互作用を吸収してしまう（学生同士より学生対AIの発話が多くなる）という構造的リスクの実証である。 ただし検証スイープで得た後続研究は、この吸収が条件依存であることを示唆する（共有1体の構成はむしろ統合的な集団推論を促し、断片化は個人AI条件で生じたという実教室研究がある）。 ベストプラクティスの核は「AI を答えの供給源ではなくファシリテータとして設計し、グループの対話状態を検知して選択的に介入させ、学生間相互作用と AI 依存をモニタする」に集約されつつあるが、初学者向けの介入設計原則の提示と、教育文脈でフリーライド抑制を直接の介入目標にした実証はまだ薄い。

クラスタ別の要点

A. 基盤理論：協調は自然には起きない（8件）

  • 出発点は Dillenbourg の協調学習の定義（sag01）と、Kreijns らの警告（sag02）。「環境を与えれば相互作用は自然に起きる」という前提こそが CSCL の最大の落とし穴であり、この知見は「AI を置けば協調が良くなる」という現代の期待にそのまま刺さる。
  • 相互作用を生むための構造化が協調スクリプト（役割、順序、活動の指定）で、概念整理（sag03, sag04）とメタ分析（sag05）がある。メタ分析は、スクリプトが協調スキル獲得に有効で、内容学習には足場かけの種類が効くことを効果量で示した。共有AIの介入設計は、このスクリプト理論の計算機実装として読める。
  • group awareness（グループの認知・参加状態の可視化）研究（sag06, sag07, sag08）は、可視化ツール単体では不十分で「使い方（介入への接続）」が効果を左右することを示した。AI がグループ状態を検知して介入する設計の先行知見にあたる。

B. ACLS：LLM 以前の適応的介入の系譜（9件）

  • Walker らの CTRL 枠組み（sag09）と Rummel らの展望（sag10）が、ACLS（グループの対話・活動状態をモデル化し適応的に支援する研究プログラム）を定式化した。固定スクリプトより適応的介入、という方向性はここで確立している。
  • 会話エージェント実装の系譜は Kumar らのペア学習支援（sag11）、Bazaar アーキテクチャ（sag12）、Tegos らの MentorChat 系（sag13, sag14, sag15）。エージェント介入が説明的推論の発話を増やし知識獲得を予測すること（sag14）、介入を特定の学習者に向ける（directed）か全員に開く（undirected）かで効果が変わること（sag15）まで実証されている。
  • 大学講義でのフィールド比較（sag18）、MOOC への拡張（PeerTalk、sag29）が、実クラスでの運用可能性を示す。

C. 役割類型と形態：tutor か facilitator か peer か（8件）

  • 系統的レビュー（sag40、2014–2025 の実証46件）は、AI エージェントの役割を認知的足場かけ、社会的促進、教授的オーケストレーションの系統で整理した。役割類型の現時点の地図として最も新しい。
  • 職業訓練校での設計研究（sag48）は、チャットボットを3人組の共有チューター兼チームメンバーとして開発した。著者自身が4回45分という短期試験を限界として明言しており、長期フィールド研究の不足（後述の空白）を当事者の声で裏づける。
  • 単一エージェントか複数エージェントか：Hayashi の実験（sag16, sag17）は役割を複数エージェントに分担させる効果を検証し、示唆の種類の分割が理解度に影響することを示した。複数ペルソナ活用の展望はポジションペーパー（sag41）もある。
  • 形態の選択肢として社会ロボット（sag27、高等教育の小グループ促進）とバーチャルロボット（sag28、K-12 のオンライン討論）がある。声のアクセントのような表層設計が信頼と役割認識を左右するという報告（sag35）は、擬人化設計が中立でないことを示す。

D. SSRL×AI：グループの自己調整を支援する（5件）

  • Järvelä らの HASRL モデル（sag30）が、SSRL（socially shared regulation of learning、グループが学習を共同で計画・モニタ・調整すること）を AI が支援する理論枠組みを示した。設計の具体化が Edwards らの設計研究（sag32）。
  • 学習者は AI を SSRL 支援の能動的エージェントとして知覚する（sag31）。一方、GenAI が使える条件では調整の構造自体が「社会的共有」から人間とAIのハイブリッド共調整へ移行するという実験報告（sag33、AIED 2026 収録）があり、共有AIの導入はグループの調整プロセスそのものを作り替えることを示唆する。
  • 実装は高校にも届いている。SSRL 支援チャットボット「RegTogether」（sag49）は高校生グループの共同調整を支援し、実験群がグループ課題遂行で統制群を上回ったと報告する（AI の共有形態と研究期間は [要一次検証]）。

E. LLM 期の共有エージェント実証（9件）

  • LLM＋RAG＋教授モデル（contingent teaching）を組み込んだ CollaBot（sag21）は、認知・メタ認知・社会的の3層で適応的足場かけを提供し、学習成果と自己効力感への効果を報告した。
  • 設計原則の導出も始まった。デザインベース研究で集団効力感に向けた4設計要素・10原則（sag22）。
  • 失敗知見が有益：プロンプトだけの素の LLM は複数話者の対話処理と教授方略の付与に限界がある（sag24）。その応答として、議論段階を検知し介入タイミングを判定する pedagogy-guided な枠組み（sag25、Community of Inquiry 理論ベース）が提案されている。
  • 生成AIによる文脈化された振り返りトリガー（sag26）、過度依存を生まない理論駆動の足場かけ設計（Copa、sag34、高校生33ペア）が、「答えを与えずに支援する」実装の例。スキャフォールドを LLM マルチエージェントで事前シミュレーションする方法論（sag37）も現れた。
  • グループ構成の変数化も始まった。事前知識の高低で均質/異質グループを作り ChatGPT との協働問題解決を比較した準実験（sag47、196名）は、低事前知識学習者では異質グループが有効という交互作用を示した。事前知識を明示的な変数にした共有AI研究の、本コーパスにおける最初の例である。

F. リスクと導入側の視点（8件）

  • ネットワーク分析（sag23）は、共有 GAI チャットボットのあるグループで学生同士より学生対チャットボットの相互作用が有意に多いことを示した。共有AIが協調の中心を奪い、学生間の対話を細らせるリスクの直接的実証である。
  • ただし検証スイープで得た後続研究は、この吸収が条件依存であることを示す。8年生の実教室研究（sag44）では、共有1体のAI条件が統合的な集団推論を促進し、相互作用の断片化はむしろ個人AI条件で生じた。役割比較の実験（sag43）では peer 型AIがグループの流れを阻害し、facilitator 型の影響は限定的だった。ランダム割付の対照実験（sag42）は、AIの迅速で画一的な応答が学生間ディスカッションを減らしうることを示した。吸収は「共有AIだから」起きるのではなく、役割（peer か facilitator か）、応答の速さと画一性、共有か個人配布かの構成で左右される。sag23 の厳密な追試（同一のネットワーク分析による相互作用頻度比較）は依然として存在しない。
  • 参加均衡の測定研究も現れた。ペルソナ操作の対照実験（sag45、92トライアド）は、支援的でも対立的でもAIチームメイト条件で参加均衡が維持されたと報告し、参加均衡と感情的風土を測る「inclusion analytics」枠組み（sag46）も提案された。ただしいずれも均衡を「測る」研究であり、均衡を「作り出す」ことを目標にした介入ではない。
  • スコーピングレビュー（sag38）は、GenAI×グループワークのリスクとして過度依存、フリーライド、貢献評価の困難を整理した。
  • 教師インタビュー（sag36）では、関与促進への期待と同時に、自律性、信頼、擬人化、教育的整合性への懸念が示された。導入設計は教師のオーケストレーションを含めて考える必要がある。

初学者グループへの導入設計の含意（ベストプラクティスの現在地）

台帳の知見を、導入設計の判断に対応づけて要約する。

  1. AI を置くだけでは協調は改善しない。相互作用は構造化しなければ生まれない（sag02）。役割と順序の指定（協調スクリプト、sag03, sag05）を先に設計し、AI 介入はその上に載せる。
  2. 常時介入ではなく、対話状態を検知した選択的介入。ACLS の枠組み（sag09, sag10）と LLM 期の介入タイミング判定（sag25）が一致して支持する。
  3. 介入の宛先を設計する。全員向けか特定学習者向けかで効果が変わる（sag15）。発言の少ない初学者を名指しで促す directed 介入は参加均衡の道具になりうる。
  4. 答えの供給源にせず、生産的対話の誘発装置にする。説明的推論を促す発話介入（sag13, sag14）、振り返りトリガー（sag26）、過度依存を避ける足場かけ設計（sag34）が実装例。
  5. 発話の AI 集中をモニタする。共有チャットボットは学生間相互作用を吸収しうる（sag23）。ただし吸収は条件依存で、共有1体の構成はむしろ統合的推論を促し、断片化は個人AI条件で生じたという反例がある（sag44）。peer 型より facilitator 型が安全側（sag43）で、即答的で画一的な応答設計は議論を減らしやすい（sag42）。group awareness の知見（sag06, sag07）を使い、学生同士の対話比率を可視化・維持する。
  6. グループの調整（SSRL）支援を明示的な設計目標に含める。計画・モニタ・振り返りの共同調整を促す設計（sag30, sag32）。ただし AI 導入は調整構造自体をハイブリッド化する（sag33）ことを前提に置く。
  7. 素の LLM プロンプトでは不十分。複数話者対話の処理と教授方略の実装が必要（sag24）。教授モデルの組み込み（sag21）か pedagogy-guided な介入制御（sag25）を用いる。
  8. 教師のオーケストレーションを設計に含める。設定可能性（sag29）、実クラスでの介入戦略比較(sag18)、教師の懸念（sag36）が、教師を代替せず補助する位置づけを支持する。
  9. リスク管理を評価設計に組み込む。過度依存、フリーライド、貢献評価の困難（sag38）は、個人の貢献を可視化する評価と併走させる。

空白（未充足の論点。検証スイープで判定を更新）

  • 初学者特化の設計原則：検証スイープで、事前知識の高低を明示的な変数にした共有AI実験（sag47）が見つかり、初回の「事前知識をモデレータにした共有AI研究は見つかっていない」という認定は狭めて訂正する。ただし同研究はグループ構成の効果分析であり、初学者向けの介入設計原則（いつ、誰に、どう介入するか）を提示した研究は依然として見当たらない。
  • 発話均衡とフリーライド抑制の介入実証：教育文脈では、均衡を測定した対照実験（sag45）と測定枠組みの提案（sag46）までは現れたが、均衡やフリーライド抑制そのものを介入目標にした対照実験は依然として無い。隣接領域（一般成人の集団討議）では参加均衡を目標にした事前登録RCTが既にある（Alsobay ら 2025 は情報共有量の底上げに成功、Parisi ら 2026 は参加の公平性は改善しなかったと報告。いずれも教育文脈外のためコーパス外）。空白の主張は「教育領域における介入実証」に限定する。
  • LLM 期実証の成熟度：初回収集時にプレプリントだった6件のうち2件（sag26, sag33）は査読出版済み（AIED 2024 / AIED 2026）と確認して格上げした。撤回・重大な批判は6件とも見つかっていない。残る非査読は追補分を含め7件で、短期・小規模の実験が多い。学期規模のフィールド研究の不足は維持され、設計研究の著者自身が短期試験の限界を明言している（sag48）。
  • ACLS 古典と LLM 実装の接続：directed/undirected（sag15）や APT 介入（sag14）の知見が LLM ベース設計に体系的に移植されておらず、統合の余地が大きい。
  • カバレッジ限界：検証スイープで ERIC は API により直接探索し、Semantic Scholar でも sag23 の被引用28件を全件確認した（初回の限界を解消）。DOAJ は 403 で未達のままで、OA 誌限定の追加候補の有無は未確認。

未検証事項

  • sag48（Burkhard ら 2022, CELDA）：proceedings に DOI が存在しないことの最終確認が未了 [要一次検証]。
  • sag49（Kim, Jeong, Lim 2026）：AI の共有形態（1グループ1体か個別アクセスか）と研究期間 [要一次検証]。
  • sag43（Mukhopadhyay ら 2026, CHI）：参加者が学生か一般成人か [要一次検証]。
  • sag46（Choi & Nixon 2026）：対照群の有無、参加者数などの実験詳細 [要一次検証]。
  • コーパス外：Kim, J. ら 2026「Student-AI interaction patterns in collaborative problem solving using ordered network analysis」（Interactive Learning Environments, https://doi.org/10.1080/10494820.2026.2664072）は発話吸収の追試に直結する可能性が高いが、本文に到達できず内容未検証 [要一次検証]。
  • 解消済み：sag17 の LNCS 巻番号は検証スイープで 8474 と確定（DBLP で確認）。

参照文献

書誌はすべて 2026-08-18 に Crossref / OpenAlex / arXiv / 出版社ページで到達・確認済み。

  1. Dillenbourg, P. 1999. What Do You Mean by Collaborative Learning? In Collaborative-learning: Cognitive and Computational Approaches (pp.1–19). Elsevier. https://tecfa.unige.ch/tecfa/teaching/aei/papiers/Dillenbourg.pdf
  2. Kreijns, K., Kirschner, P. A., & Jochems, W. 2003. Identifying the pitfalls for social interaction in computer-supported collaborative learning environments. Computers in Human Behavior, 19(3), 335–353. https://doi.org/10.1016/s0747-5632(02)00057-2
  3. Kollar, I., Fischer, F., & Hesse, F. W. 2006. Collaboration Scripts – A Conceptual Analysis. Educational Psychology Review, 18(2), 159–185. https://doi.org/10.1007/s10648-006-9007-2
  4. Kobbe, L., Weinberger, A., Dillenbourg, P., et al. 2007. Specifying computer-supported collaboration scripts. International Journal of Computer-Supported Collaborative Learning, 2(2–3). https://doi.org/10.1007/s11412-007-9014-4
  5. Vogel, F., Wecker, C., Kollar, I., & Fischer, F. 2017. Socio-Cognitive Scaffolding with Computer-Supported Collaboration Scripts: a Meta-Analysis. Educational Psychology Review, 29(3), 477–511. https://doi.org/10.1007/s10648-016-9361-7
  6. Janssen, J., & Bodemer, D. 2013. Coordinated Computer-Supported Collaborative Learning: Awareness and Awareness Tools. Educational Psychologist, 48(1), 40–55. https://doi.org/10.1080/00461520.2012.749153
  7. Janssen, J., Erkens, G., & Kirschner, P. A. 2011. Group awareness tools: It’s what you do with it that matters. Computers in Human Behavior, 27(3), 1046–1058. https://doi.org/10.1016/j.chb.2010.06.002
  8. Chen, D., Zhang, Y., & Lin, Y. 2022. Group Awareness and Group Awareness Tools in Computer-Supported Collaborative Learning: A Literature Review. ISET 2022, 18–22. https://doi.org/10.1109/iset55194.2022.00013
  9. Walker, E., Rummel, N., & Koedinger, K. R. 2009. CTRL: A research framework for providing adaptive collaborative learning support. User Modeling and User-Adapted Interaction, 19(5), 387–431. https://doi.org/10.1007/s11257-009-9069-1
  10. Rummel, N., Walker, E., & Aleven, V. 2016. Different Futures of Adaptive Collaborative Learning Support. International Journal of Artificial Intelligence in Education, 26(2), 784–795. https://doi.org/10.1007/s40593-016-0102-3
  11. Kumar, R., Rosé, C. P., Wang, Y.-C., Joshi, M., & Robinson, A. L. 2007. Tutorial Dialogue as Adaptive Collaborative Learning Support. AIED 2007 (IOS Press), 383–390. http://www.cs.cmu.edu/~maheshj/pubs/kumar+rose+wang+joshi+robinson.aied2007.pdf
  12. Adamson, D., Dyke, G., Jang, H., & Rosé, C. P. 2014. Towards an Agile Approach to Adapting Dynamic Collaboration Support to Student Needs. International Journal of Artificial Intelligence in Education, 24(1), 92–124. https://doi.org/10.1007/s40593-013-0012-6
  13. Tegos, S., Demetriadis, S., & Tsiatsos, T. 2014. A Configurable Conversational Agent to Trigger Students’ Productive Dialogue: A Pilot Study in the CALL Domain. International Journal of Artificial Intelligence in Education, 24(1), 62–91. https://doi.org/10.1007/s40593-013-0007-3
  14. Tegos, S., Demetriadis, S., & Karakostas, A. 2015. Promoting academically productive talk with conversational agent interventions in collaborative learning settings. Computers & Education, 87, 309–325. https://doi.org/10.1016/j.compedu.2015.07.014
  15. Tegos, S., Demetriadis, S., Papadopoulos, P. M., & Weinberger, A. 2016. Conversational agents for academically productive talk: a comparison of directed and undirected agent interventions. International Journal of Computer-Supported Collaborative Learning, 11(4), 417–440. https://doi.org/10.1007/s11412-016-9246-2
  16. Hayashi, Y. 2019. Multiple pedagogical conversational agents to support learner-learner collaborative learning: Effects of splitting suggestion types. Cognitive Systems Research, 54, 246–257. https://doi.org/10.1016/j.cogsys.2018.04.005
  17. Hayashi, Y. 2014. Togetherness: Multiple Pedagogical Conversational Agents as Companions in Collaborative Learning. ITS 2014, LNCS 8474, 114–123. https://doi.org/10.1007/978-3-319-07221-0_14
  18. Michos, K., Asensio-Pérez, J. I., Dimitriadis, Y., et al. 2020. Design of Conversational Agents for CSCL: Comparing Two Types of Agent Intervention Strategies in a University Classroom. EC-TEL 2020, LNCS. https://doi.org/10.1007/978-3-030-57717-9_16
  19. Araujo, A. de, Papadopoulos, P. M., McKenney, S., & de Jong, T. 2024. A learning analytics-based collaborative conversational agent to foster productive dialogue in inquiry learning. Journal of Computer Assisted Learning, 40(6). https://doi.org/10.1111/jcal.13007
  20. Araujo, A. de, Papadopoulos, P. M., McKenney, S., & de Jong, T. 2025. Investigating the Impact of a Collaborative Conversational Agent on Dialogue Productivity and Knowledge Acquisition. International Journal of Artificial Intelligence in Education, 35(4), 2254–2280. https://doi.org/10.1007/s40593-025-00469-7
  21. Hu, W., Gong, R., Wu, S., & Li, Y. 2025. A conversational agent based on contingent teaching model to support collaborative learning activities. Educational Technology Research and Development, 73(5). https://doi.org/10.1007/s11423-025-10526-6
  22. Kim, M., & Lim, C. 2025. AI chatbot design principles to enhance the collective efficacy in collaborative learning. Asia Pacific Education Review, 26(4). https://doi.org/10.1007/s12564-025-10080-z
  23. Feng, S. 2025. Group interaction patterns in generative AI-supported collaborative problem solving: Network analysis of the interactions among students and a GAI chatbot. British Journal of Educational Technology, 56(5), 2125–2145. https://doi.org/10.1111/bjet.13611
  24. An, S., Li, Y., Yang, Y., Ma, Y., Cheng, G., & Xu, G. 2024. Developing an LLM-Empowered Agent to Enhance Student Collaborative Learning Through Group Discussion. ICCE 2024. https://doi.org/10.58459/icce.2024.4953
  25. Yang, Q., Yang, Y., An, S., Hao, T., & Xu, G. 2025. LLM-based Collaborative Agents with Pedagogy-guided Interaction Modeling for Timely Instructive Feedback Generation in Task-oriented Group Discussions. IJCAI 2025, 9972–9980. https://doi.org/10.24963/ijcai.2025/1108
  26. Naik, A., Yin, J. R., Kamath, A., et al. 2024. Generating Situated Reflection Triggers about Alternative Solution Paths: A Case Study of Generative AI for Computer-Supported Collaborative Learning. AIED 2024, LNCS 14829, 46–59. https://doi.org/10.1007/978-3-031-64302-6_4
  27. Rosenberg-Kima, R. B., Koren, Y., & Gordon, G. 2020. Robot-Supported Collaborative Learning (RSCL): Social Robots as Teaching Assistants for Higher Education Small Group Facilitation. Frontiers in Robotics and AI, 6, 148. https://doi.org/10.3389/frobt.2019.00148
  28. Mizrahi, E., Danzig, N., & Gordon, G. 2022. vRobotator: A Virtual Robot Facilitator of Small Group Discussions for K-12. Proceedings of the ACM on Human-Computer Interaction, 6(CSCW2), 1–22. https://doi.org/10.1145/3555573
  29. Tegos, S., Mavridis, A., & Demetriadis, S. 2021. Agent-Supported Peer Collaboration in MOOCs. Frontiers in Artificial Intelligence, 4, 710856. https://doi.org/10.3389/frai.2021.710856
  30. Järvelä, S., Nguyen, A., & Hadwin, A. 2023. Human and artificial intelligence collaboration for socially shared regulation in learning. British Journal of Educational Technology, 54(5), 1057–1076. https://doi.org/10.1111/bjet.13325
  31. Kim, J., Detrick, R., Yu, S., Song, Y., Bol, L., & Li, N. 2025. Socially shared regulation of learning and artificial intelligence: Opportunities to support socially shared regulation. Education and Information Technologies, 30(9), 11483–11521. https://doi.org/10.1007/s10639-024-13187-9
  32. Edwards, J., Nguyen, A., Lämsä, J., et al. 2025. Human–AI collaboration: Designing artificial agents to facilitate socially shared regulation among learners. British Journal of Educational Technology, 56(2), 712–733. https://doi.org/10.1111/bjet.13534
  33. Zhang, Y., Meng, X., Feng, S., & Lin, J. 2026. Human-AI Collaboration Reconfigures Group Regulation from Socially Shared to Hybrid Co-Regulation. AIED 2026, LNCS 16585, 318–326. https://doi.org/10.1007/978-3-032-29770-9_35
  34. Cohn, C., Rayala, S., Guo, S., et al. 2026. A Theory-Guided LLM Pedagogical Agent for STEM+C Scaffolding Without Over-Reliance. arXiv:2605.30539（未査読）. https://arxiv.org/abs/2605.30539
  35. Ravi, P., Stevens, C., Hurt, B., et al. 2026. Exploring How Agent Voice Accents Shape Human-AI Collaboration in K-12 Group Learning. arXiv:2606.12805（未査読）. https://arxiv.org/abs/2606.12805
  36. Ravi, P., Stevens, C., Azevedo, B. F., et al. 2026. Exploring Teachers’ Perspectives on Using Conversational AI Agents for Group Collaboration. AIED 2026, LNCS. https://doi.org/10.1007/978-3-032-29763-1_43
  37. Wu, H., Zhang, L., & Lu, C. 2026. A Simulation-Based Method for Testing Collaborative Learning Scaffolds Using LLM-Based Multi-Agent Systems. arXiv:2604.11161（未査読）. https://arxiv.org/abs/2604.11161
  38. Wei, Y., & Perkins, M. 2026. Generative AI and student collaboration: a scoping review of group work processes, outcomes, and risks. International Journal for Educational Integrity, 22(1). https://doi.org/10.1007/s40979-026-00217-x
  39. Ba, S., Shi, X., Wu, S., & Lu, G. 2026. Artificial Intelligence Agents in Computer-Supported Collaborative Learning: A Systematic Literature Review. Computers and Education: Artificial Intelligence, 10, 100579. https://doi.org/10.1016/j.caeai.2026.100579
  40. Cox, S. R. 2023. The Use of Multiple Conversational Agent Interlocutors in Learning. Inter.HAI’23 workshop（未査読）. https://arxiv.org/abs/2312.16534
  41. Han, R. 2026. Comparing AI chatbots and web-based synchronous collaborative writing tools, leveraging group cohesion, motivation, and performance. Acta Psychologica, 268, 107355. https://doi.org/10.1016/j.actpsy.2026.107355
  42. Mukhopadhyay, A., Salubre, K., Javed, H., Mehrotra, S., & Akash, K. 2026. Exploring The Impact of Proactive Generative AI Agent Roles In Time-Sensitive Collaborative Problem-Solving Tasks. CHI ‘26. https://doi.org/10.1145/3772318.3791592
  43. Zha, S., Liu, W., Qin, F., et al. 2026. How GenAI Mentor Configurations Shape Early Collaborative Dynamics. arXiv:2603.12600（未査読）. https://arxiv.org/abs/2603.12600
  44. Yan, L., Jin, Y., Zhao, L., Martinez-Maldonado, R., et al. 2025. Agentic AI as Undercover Teammates: Argumentative Knowledge Construction in Hybrid Human-AI Collaborative Learning. arXiv:2512.08933（未査読）. https://arxiv.org/abs/2512.08933
  45. Choi, J., & Nixon, N. 2026. Measuring Inclusion in Interaction: Inclusion Analytics for Human-AI Collaborative Learning. arXiv:2602.09269（未査読）. https://arxiv.org/abs/2602.09269
  46. Shulgina, G., Getman, A., Gulenkov, I., & Costley, J. 2025. Collaboration with AI: How group composition affects solution quality in problem solving. Innovations in Education and Teaching International. https://doi.org/10.1080/14703297.2025.2539779
  47. Burkhard, M., Seufert, S., Cetto, M., & Handschuh, S. 2022. Educational Chatbots for Collaborative Learning: Results of a Design Experiment in a Middle School. CELDA 2022. https://eric.ed.gov/?id=ED626892
  48. Kim, M., Jeong, S., & Lim, C. 2026. Leveraging an AI Chatbot to Support Socially Shared Regulation in Collaborative Project-Based Learning. Asia Pacific Education Review. https://doi.org/10.1007/s12564-026-10114-0

← Notes 一覧 ・ ホーム