哲学と設計¶

なぜ別のツールが必要なのか？¶

ChatGPT や Claude などの AI チャットは素晴らしい教師になれます。しかし、それらには根本的な問題が一つあります。構造がないのです。

会話は面白く始まりますが、次第に繰り返しになります。同じ質問を再びするとき、AI はあなたが昨日どこで詰まったかを知りません。あなたは確かに何かを学んでいますが、何を、どれくらい、どれほど確実に学んでいるかは不明です。

Adaptive Learner は別のアプローチを取ります。 AI とのチャットの上に学習構造を構築します。

6 つの学習メソッド¶

6 つの学習メソッドに基づいて学習セッションを組み立てます。それぞれが独自の教育的役割を持っています。

メソッド	一言で言うと	最適な場面
演繹的	ルール → 例	明確な構造があるトピック
帰納的	例 → ルール	パターン認識と発見
誤り活用型	わざと間違える → 理解	誤りのパターンがあるトピック
対話型	自由な会話	高ストレス状況、強化
文脈的	模擬シナリオ	応用目標、実践準備
AI アダプティブ	自動的なミックス	初心者、探索的学習

どのメソッドがあなたに最適かは、12 の質問からなるアセスメントで決まります。アセスメントはレーダーチャートとしての学習プロフィールを生成します。これはあなたを一つのカテゴリに当てはめるものではなく、 6 つのメソッド全体にわたる強みのプロフィールを示します。

7 ステップサイクル¶

すべての学習セッションは同じ 7 ステップのリズムに従います。

1. 入力     →  AI が新しい素材を提示
2. 試行     →  あなたが最初の課題を解く
3. 誤り     →  間違いが明らかになる（またはスキップ）
4. フィードバック  →  AI が原則を説明
5. 適応     →  あなたが新しい課題でアプローチを調整
6. 繰り返し  →  さらなるバリエーションで流暢さを構築
7. 統合     →  新しい学習を既存の知識と結び付ける

デュアルプロンプト評価器が並行して動作しています。あなたのすべての回答の後、二番目の AI インスタンスが理解度（信頼度 0〜100%）を評価し、次のステップに進む準備ができているか、サイクルを繰り返す必要があるかを判断します。

git への類比¶

Adaptive Learner の進捗追跡は、git のコード管理に着想を得ています。

すべての完了したセッションはコミットです。実際の理解度（understanding: 0.85）、ストレス（stress: 0.2）、誤り率、使用したメソッドを記録します。
学習ログは線形履歴です。何をいつ学んだかがハッシュで記録されます。
メソッド切り替えはブランチ切り替えのようなものです。前のアプローチの完全な履歴を保持したまま方向を変えます。

これはメタファーです。実際に git を実行する必要はありません。ただし、データ構造は同じ規律に従っています。 すべてが監査可能で、すべてがバージョン管理されています。

設計上の選択¶

なぜ 6 つのメソッドか？ 教育学的な研究に基づいています（Asterios Raptis 著「Von Theorie zur Praxis」）。6 つのメソッドは学習理論のほとんどの主要なアプローチをカバーしています。

なぜ AI チャットを使うのか？ AI の強みを使います。無限の忍耐、常に利用可能、あなたのペースに適応。AI の弱みを構造で補います。メソッド、ステップ、評価、追跡がその構造です。

なぜゲーミフィケーションがあるのか？ 外発的な動機付けとしてではなく、鏡として。 XP とバッジはあなたの実際の進捗を反映します。あなたがレベルアップするのは、ゲームをプレイしたからではなく、実際により多くのことを学んだからです。

なぜオープンソースか？ 学習ツールは透明性があるべきです。あなたは AI が何を見るのかを知る必要があります。すべてのプロンプト、すべてのロジック、すべてのトラッキング — すべてがコードにあります。