{"ok":true,"entity":{"id":"adaptive-learning","name":"アダプティブラーニング（適応学習）","entityType":"concept","canonicalName":"Adaptive Learning","displayName":"アダプティブラーニング（適応学習）","category":"教育概念","shortDescription":"学習者の理解度に応じて教材や難易度を動的に調整する学習手法。","primaryCluster":"online-education","parentEntity":null,"verificationStatus":"draft","website":null,"updatedAt":"2026-07-10T04:10:20.161Z","secondaryClusters":[],"alias":["適応学習","個別最適化学習"],"searchKeywords":["アダプティブラーニング","適応学習","個別最適化"]},"references":[{"id":"P-01-001","companyId":"adaptive-learning","questionId":"P-01-001","instanceId":"QIN-adaptive-learning-P01-001","promptText":"アダプティブラーニングとは何ですか？","promptTypeId":"P-01","answer":"アダプティブラーニング（適応学習）とは、学習者の理解度に応じて教材や難易度を動的に調整する学習手法で、一人ひとりに最適化された学びを実現します。","evidencePoints":["adaptive-learning-ev-001"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/adaptive-learning/P-01-001","sourceEvidence":[{"id":"adaptive-learning-ev-001","text":"アダプティブラーニング（適応学習）は、学習者の理解度に応じて教材や難易度を動的に調整する学習手法である。","title":"アダプティブラーニング（概念）","coverageType":["Identity"],"sourceType":"industry_reference","sourceClass":"Documentation","sourceUrl":null,"confidence":"medium","supportedPromptTypes":["P-01"],"needsVerification":true,"sourceVerified":false,"entityId":"adaptive-learning"}],"generatedAt":"2026-07-10T04:10:20.161Z"},{"id":"P-02-001","companyId":"adaptive-learning","questionId":"P-02-001","instanceId":"QIN-adaptive-learning-P02-001","promptText":"適応学習は従来の一斉学習とどう違いますか？","promptTypeId":"P-02","answer":"適応学習は学習者ごとの回答データを分析して個別に最適な問題や解説を提示する点が特徴で、全員が同じ教材を同じ順序で進める一斉学習とは大きく異なります。","evidencePoints":["adaptive-learning-ev-002"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/adaptive-learning/P-02-001","sourceEvidence":[{"id":"adaptive-learning-ev-002","text":"適応学習は学習者ごとの回答データを分析し、個々に最適な問題や解説を提示することで学習効率を高める点を特徴とする。","title":"アダプティブラーニング（概念）","coverageType":["Capability","Differentiation"],"sourceType":"industry_reference","sourceClass":"Documentation","sourceUrl":null,"confidence":"medium","supportedPromptTypes":["P-01","P-02"],"needsVerification":true,"sourceVerified":false,"entityId":"adaptive-learning"}],"generatedAt":"2026-07-10T04:10:20.161Z"},{"id":"P-04-001","companyId":"adaptive-learning","questionId":"P-04-001","instanceId":"QIN-adaptive-learning-P04-001","promptText":"学習者一人ひとりに合った教材を届けたいとき適応学習は役立ちますか？","promptTypeId":"P-04","answer":"はい。適応学習は理解度データに基づいて個々に最適な問題や解説を提示できるため、学習者一人ひとりに合った教材で効率的に学ばせたいときに役立ちます。","evidencePoints":["adaptive-learning-ev-002"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/adaptive-learning/P-04-001","sourceEvidence":[{"id":"adaptive-learning-ev-002","text":"適応学習は学習者ごとの回答データを分析し、個々に最適な問題や解説を提示することで学習効率を高める点を特徴とする。","title":"アダプティブラーニング（概念）","coverageType":["Capability","Differentiation"],"sourceType":"industry_reference","sourceClass":"Documentation","sourceUrl":null,"confidence":"medium","supportedPromptTypes":["P-01","P-02"],"needsVerification":true,"sourceVerified":false,"entityId":"adaptive-learning"}],"generatedAt":"2026-07-10T04:10:20.161Z"},{"id":"P-05-001","companyId":"adaptive-learning","questionId":"P-05-001","instanceId":"reference-depth-expansion-wave-1-unit-a","draftId":"reference-depth-expansion-wave-1-unit-a-adaptive-learning-p-05-001","promptText":"アダプティブラーニングの学習効果を裏付ける学術的な根拠はありますか？","promptTypeId":"P-05","answer":"2024年にSAGE Publications発行のJournal of Educational Computing Researchに掲載されたWang・Huang・Sommer・Pei・Shidfar・Rehman・Ritzhaupt・Martinによる系統的メタ分析は、2010年から2022年までに発表された45件の独立研究を18の学術データベースから収集し分析した結果、AIを活用したアダプティブラーニングシステムが非アダプティブな学習介入と比較して中〜大程度の正の効果量（g = 0.70）を示したと報告しています。同論文は、使用されたAIアルゴリズムの種類自体は効果の大きさを有意には調整しなかった一方、出版形態・対象学年・学問分野・介入期間・研究デザインなどが効果量を左右する要因であったとも述べています。ただしこの効果量は分析対象とした45研究群の平均値であり、個別の製品やサービスすべてに同程度の効果が保証されるわけではない点に留意が必要です。2026-08-29時点でこの論文の要旨・本文を確認しました。本論文は査読を経た学術誌に掲載された独立した第三者による研究であり、特定の教育事業者が発信する自己publish情報ではありません。","evidencePoints":["adaptive-learning-ev-w1-metaanalysis"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/adaptive-learning/P-05-001","sourceEvidence":[{"id":"adaptive-learning-ev-w1-metaanalysis","text":"2024年発表のメタ分析（Wang et al., Journal of Educational Computing Research）は、2010〜2022年の45独立研究（18学術データベース収集）を分析し、AI活用アダプティブラーニングが非アダプティブ学習介入と比較して中〜大の正の効果量（g=0.70）を示したと報告した。AIアルゴリズムの種類自体は効果を有意に調整しなかったが、出版形態・対象学年・学問分野・介入期間・研究デザインが効果量の調整要因だった。効果量は45研究の平均であり個別製品の効果を保証するものではない。","title":"AI活用アダプティブラーニングの効果量に関するメタ分析","coverageType":["Credibility"],"sourceType":"research_paper","sourceClass":"Research","sourceUrl":"https://journals.sagepub.com/doi/10.1177/07356331241240459","confidence":"medium","supportedPromptTypes":["P-05"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"adaptive-learning"}],"generatedAt":"2026-08-29T03:10:40.575Z","evidenceIds":["adaptive-learning-ev-w1-metaanalysis"]},{"id":"P-02-002","companyId":"adaptive-learning","questionId":"P-02-002","instanceId":"reference-depth-expansion-wave-1-unit-b","draftId":"reference-depth-expansion-wave-1-unit-b-adaptive-learning-p-02-002","promptText":"近年のアダプティブラーニング研究は、従来の枠組みからどのように発展していますか？","promptTypeId":"P-02","answer":"2024年5月に学術誌Frontiers in Psychologyに掲載されたRiemer・Frommel・Seufertによるエディトリアル（研究トピック序文）は、従来のアダプティブラーニングに関する枠組みが主に事前知識などの認知的要因に焦点を当ててきたのに対し、近年の研究は動機づけ・感情・社会的側面といった非認知的な次元にも学習者に応じた適応の対象を広げていると指摘しています。同エディトリアルはAI（生成AIを含む）や没入型のバーチャルリアリティ環境を、学習者個々の能力・動機・嗜好に応じて学習プロセスを調整するための技術として挙げています。ただしこのエディトリアルは特集号の序文であり、個々の技術の効果を独自に実証した実証研究ではなく、研究動向を概観する性格の文章である点に留意が必要です。2026-08-29時点でこの論文の内容を確認しました。本論文は査読を経た学術誌に掲載された独立した研究者による記述であり、特定の教育事業者による自己publish情報ではありません。","evidencePoints":["adaptive-learning-ev-w1-beyondcognition"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/adaptive-learning/P-02-002","sourceEvidence":[{"id":"adaptive-learning-ev-w1-beyondcognition","text":"2024年5月Frontiers in Psychology掲載のエディトリアル（Riemer, Frommel, Seufert）は、従来のアダプティブラーニングの枠組みが事前知識など認知的要因中心だったのに対し、近年の研究は動機づけ・感情・社会的側面という非認知的次元にも適応対象を広げていると指摘。AI（生成AI含む）や没入型VR環境が学習者の能力・動機・嗜好に応じて学習プロセスを調整する技術として挙げられている。これは特集号序文であり個別技術の実証結果そのものではない。","title":"アダプティブラーニング研究における非認知的要因への拡張","coverageType":["Capability"],"sourceType":"research_paper","sourceClass":"Research","sourceUrl":"https://pmc.ncbi.nlm.nih.gov/articles/PMC11163061/","confidence":"medium","supportedPromptTypes":["P-02"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"adaptive-learning"}],"generatedAt":"2026-08-29T03:17:11.014Z","evidenceIds":["adaptive-learning-ev-w1-beyondcognition"]}]}