動機づけを高めるために:全体授業からの脱却

現在の職場は以前も書いたように、少人数での授業を実施しています。しかしながら少人数のメリットを十分に活かせていなかったことや、普段の授業の学習者の意欲を観察していて、何か今までとは違う手段が必要だなと感じていました。

そこで、休憩がてらぼーっと考えていた時に、ふと以前読んだ自己決定理論の概要が頭をよぎりました。僕が読んだ文献の中では、自己決定理論の中で動機を高める要素の中に「関係性の欲求」ということが述べられていました。その時はただ単に読んだだけだったのですが、実際の授業を通して改めて自己決定理論に触れた時、この「関係性の欲求」に焦点を当てて授業を行うことから始めようと考えました。また、ちょうどそう考えた日に、これまた息抜きで「プロフェッショナル:仕事の流儀」の田尻悟郎先生の回を見ていまして、同じようなことを考えていらっしゃった(と僕は解釈しました)ので、それもあって関係性の欲求を中心とした内容で授業を考えてみようと思い立ちました。

しかしながら、関係性と言っても、教師と学習者の関係もあれば、学習者同士の関係性もあります。どちらを中心に考えて行こうかなと考えた結果、クラスの実態等も考慮して、まずは教師と学習者の関係を築けるような授業を構築しようという考えにいたりました。

その一方で、夏休みに動機づけについて勉強しましたが、動機の中には

統合的動機
道具的動機
外発的動機
内発的動機
達成動機
Willingness to Communicate
ideal L2 self

など多種多様なものがあることを知りました。僕は動機づけに関しては素人で、かつ授業に役立てるために勉強したので、それぞれの意義や問題点等は横においておき、この中のどの動機を中心に活性化させようかなと考えました。その結果、まずは「できた」という達成感を味合わせるために達成という要素を活性化させようという風に考えました。

「関係性」+「達成感」=全体授業からの脱却
「関係性(教師対学習者)」と「達成感」この二つを軸として考えた結果、生徒に課題を与え、それを教師の前でこなしていく「個別指導」をすることにしました。つまり、「今日の授業時間内ですること①新出単語の意味を教師の前で言う、②教科書の内容理解問題に取り組む、③音読、④暗唱」という具合に課題を明確にし、一つ一つ教師の前でさせます。そして「合格」した学習項目を学習者ごとに一つ一つチェックして行きます。この点は関係性を活性化させる目的で行っています。

もう一つ、「達成」を活性化させるために、明確な合格基準を設けるようにしました。例えば前述①の新出単語の意味を教師の前で言う活動は「一問はパス(わからない)できるけど、二問パスしたらやり直し」という基準を設けて取り組んでいます。また、③の音読についても「教師の前でスラスラ読める」では基準が曖昧なので、教師が一度生徒の気持ちになって読んでみて、タイムを計測し、そのタイムに何秒か上乗せした時間以内に読むように指示しています(例えば教科書p. ○○は30秒以内、など)。そうすることで、単に音読するだけでなく、明確に「30秒以内に読まなければいけない」ということになり、目標達成のために熱心に練習しています。教師のところに来て教師と「勝負」する時間以外は各自が練習する時間に当てます。

このスタイルを導入して気づいたこと:積極性、個々の学習者の把握、mixed levelへの対応
このような方法をとりはじめて2回ほどですが、気づいたことを書こうと思います。

まず、全体授業ではほとんど意欲を見せなかった学習者が基準を達成するために何度もチャレンジしたり、積極的に「これどんな意味?」などと聞きにくるようになりました。特に一番難しいと考えていたクラスでこのスタイルがてきめんで、あまりに集中して取り組んでいたのでこちらが驚きました。

次に、このスタイルをとって、こちらが一つ一つ合格した基準を学習者ごとにチェックすることで、個々の学習者が現在どの程度学習が進んでいるのかを明確になりました。Aくんは音読が終わって暗唱まで済んでいる。Bくんは音読はできたけれども、暗礁はまだ。Cくんは単語の意味を覚えることで苦労しているな、などです。これがチェックされたシートをみるだけで一目瞭然なので、個々の学習者にどのような支援をしていくべきか、ということを考える非常によい資料ができていることに気づきました。

3つ目ですが、この方法により、学習者がある程度自分のペースで勉強できるということです。これは予期していなかったことなのですが、とてもよい副産物でした。一斉授業オンリーだと、学習者の理解状況はある程度加味しつつも、「進まなければいけない」という事情もあり、板挟みになることが多かったのですが、この授業スタイルをとることで、各自が自分のペースで勉強できるため、習熟度が高い学習者、低い学習者の両方のニーズをうまく満たすことができる可能性を秘めていると言えます。実際にはmixed levelに対応できるような段階まで自分のスタイルが洗練されていませんが、この先課題の目標を二段階に設定するなど工夫することで十分対応可能な気がします。

まだ2,3回しか授業をしていないので何とも言えないですが、少なくとも上記のような利点が見られており、授業をしている身としてはホッとしています。一人一人の学習者と話すこともできるので、ある程度関係を作る時間もあり、これからどんどん関係を深めていけるとよいと思っています。また、明確な基準を明確に設定し「できそうで、一発で簡単にはできないであろう基準」を心がけることで、学習者は「あと少しでできるかも」という期待から彼らなりに練習し、できたときには「よっしゃ!」という声が聞こえるようになってきています。達成感の部分も少しは刺激できているかなと思います。

ただし、いいことづくめというわけではありません。授業の後半になると集中力がきれてくる学習者がいたり、クラスが騒がしくなったり(いい意味でも悪い意味でも)するなど、考慮するべきことはまだまだたくさんあります。その点を一つ一つ記録し、どのように解決していくかを考慮していこうと思います。

ブログ移転に伴い

長らく使用していたtaku.free-club.netから独自ドメインを取得し、サーバーも移転しました。以後はこちらの方でブログの運営をしていきたいと思います。

リンクを貼ってくださっている方、お手数ですが、

http://www.takuro-fujita.com

にリンクの方の貼り替えをお願いいたします。

ブログ移転に伴い、以下の点を更新しました。

■ wordpressを最新版にアップデート

■ 以前のブログの全投稿・ページ・コメントを移行

■ テーマをインストール&CSSを若干修正

■ リンクしていたブログの中でリンク切れのものを削除

■ リンクの整理

■ サイドバーの整理

■ 研究業績欄の行間を整理

■ Fujita (2011) ARELE論文のリンクを追加(研究業績)

■ Fujita (2006) MA dissertationのfulltextを追加(研究業績)

■ 藤田(2011)「英語教育」の情報を追加(研究業績)

Rで一元配置分散分析(対応あり)

Rで繰り返しありの分散分析を行う方法。備忘録

======================================================

参加者  プリテスト  ポストテスト1  ポストテスト2

参加者1    80     70          60
参加者2    30     40          50
参加者3    45     60           73
参加者4    77      89         20
参加者5    60     55          43

======================================================

仮にエクセルで上記のようなデータを作成したとします。エクセルでデータを整理した後にどのようにRで処理をしていくかをまとめます。

① エクセルのデータをcsv形式で保存(仮にdata.csvとします)(注意1参照)
② Rの作業ディレクトリに①を保存(注意2参照)
③ Rを開く

Rを開いた後は以下の手順でANOVAを実行します。

① csvデータをRに読み込む
② 各項目(プリテスト, ポストテスト1, ポストテスト2)のデータを取り出す。
③ 参加者のデータを取り出す
④ テスト結果をまとめる
⑤ 参加者データをまとめる
⑥ ANOVAを実行
⑦ 必要があれば多重比較を行う

では打ち込んでいきましょう。

#①文字列「データ」にcsvデータを読み込む

データ<-read.csv(“data.csv”,header=TRUE)

#[確認]データと打ち込むと以下のような出力が得られるはずです。

データ

参加者  プリテスト  ポストテスト1  ポストテスト2

参加者1    80     70          60
参加者2    30     40          50
参加者3    45     60           73
参加者4    77      89         20
参加者5    60     55          43

#②文字列「プリテスト」にcsv上のプリテストのデータを読み込む

プリテスト<-データ$プリテスト

#②文字列「ポストテスト1」にcsv上のポストテスト1のデータを読み込む

ポストテスト1<-データ$ポストテスト1

#②文字列「ポストテスト2」にcsv上のポストテスト2のデータを読み込む

ポストテスト2<-データ$ポストテスト2

#③文字列「参加者」にcsv上の参加者を読み込む

参加者<-データ$参加者

#②と③が終わったらデータが入っているか確認してみましょう。

#④テストデータを一つにまとめます。

テストデータ<-c(プリテスト,ポストテスト1,ポストテスト2)
種類<-factor(c(rep(“プリテスト”,5),rep(“ポストテスト1”,5),rep(“ポストテスト2”,5)))

#⑤参加者データをまとめます。

参加者データ<-factor(rep(参加者,3))

#rep(“プリテスト”,5)の5はプリテストのデータの数が5個ありますから、5になります(参加者1〜参加者5までのデータの個数ですから、5になりますね)。100個あれば100になります。また、参加者データの中のrep(参加者,3)の3は項目数を指すと思ってもらって多分差し支えないです。項目は「プリテスト」「ポストテスト1」「ポストテスト2」の3つがありますから、3になります。これに仮に「ポストテスト3」が加わればrep(参加者,4)になります。

#⑥繰り返しありのANOVAを実行

summary(aov(テストデータ~種類+参加者データ))

#以下のような結果が返されます。

Df  Sum Sq  Mean Sq   F value   Pr(>F)

種類      2  481.6   240.80    0.6055   0.5690
参加者データ  4  1521.1     380.27    0.9561   0.4806
Residuals      8  3181.7    397.72

#⑦有意差が見られた場合、多重比較を実行します。仮にt-test with bonferroniを実行するときは

pairwise.t.test(テストデータ,種類,p.adjust.method=”bonferroni”,paired=TRUE)

でデータが得られます。(このデータでは有意差は見られないのでt検定は行いません)

注意①
Rでは、参加者の中に同じ参加者がいると同じ被験者とみなしてしまう傾向があるようです。以下の表を見てください。

======================================================

参加者  プリテスト  ポストテスト1  ポストテスト2

太郎   80     70          60
次郎    30     40          50
花子    45     60           73
太郎   77      89         20
一郎   60     55          43

======================================================

仮に一人目の太郎さんと四人目の太郎さんは違う人だと仮定します。被験者数は5になりますね。しかし、上の⑤の参加者をまとめる段階でそのまま上の手順でデータをまとめてしまうと、一人目の太郎さんと四人目の太郎さんを同じ太郎さんと認識してしまい、被験者数が4と認識されてしまいます。

このような間違いを防ぐためには、あらかじめ被験者の名前を変更しておく必要があります。無難な方法は

======================================================

参加者  プリテスト  ポストテスト1  ポストテスト2

参加者1    80     70          60
参加者2    30     40          50
参加者3    45     60           73
参加者4    77      89         20
参加者5    60     55          43

======================================================

のように、参加者1、参加者2….としておくとデータの重複は起こらないので大丈夫だと思います。

注意②
Macのエクセルでcsvデータを使用した場合、そのままRに読み込むと、

<94>팱<8e><31>に不正なマルチバイト文字があります

のようなエラーが返されます。そのため、こちらにあるような手法でcsvデータのエンコードを修正する必要があります。

上記の方法はANOVAを行う一つの手順に過ぎません。他にもRを使って様々な方法で分散分析を行うことができると思います。また、以上の内容は、以下の参考文献を参考にしましたが、手順の正当性、正確性については責任を持てませんので、自己責任で使用をお願いします。「こんな手順で分散分析ができるのか」くらいの参考程度にとどめておいてください。

参考文献

山田剛史・杉澤武俊・村井潤一郎(2008)『Rによるやさしい統計学』東京:オーム社