ワクワクする力の研究 ・ 内発的動機をめぐる科学から見えてくること

子どもが「なんで？」 と聞き続けるとき、 そこには大人が言葉にしにくい力が動いています。 ミエタネではこの力を ワクワクする力 と呼んできました。 この記事では、 同じ現象を科学がどう捉えてきたかを横断的に整理します。 心理学の古典から、 ふしぎなことに AI の研究領域まで、 内発的動機をめぐる関心は思いのほか広がっています。

内発的動機 ・ 半世紀の研究史

内発的動機 ( Intrinsic Motivation ) という言葉は、 1970 年代の心理学者 Edward Deci と Richard Ryan による自己決定理論 ( Self-Determination Theory ) の中で体系化されました。 彼らは、 人間が外からの報酬や罰がなくても活動そのものに没頭する瞬間を「内側から動いている状態」 と捉え、 そこに「自律性」 「有能感」 「関係性」 の 3 要素を見出しました。

この枠組みは、 教育心理学 ・ 発達心理学 ・ 組織行動論など多くの分野に応用されてきました。 子どもの「やりたい」 を、 単なる気まぐれや落ち着きのなさではなく、 学びの根源として捉え直す論拠の多くは、 この理論的系譜から来ています。

「自分から動く」 を AI に組み込もうとする試み

興味深いのは、 同じ問いが計算機科学側にも持ち込まれていることです。 強化学習 ( Reinforcement Learning ) という分野では、 エージェントが外的な報酬がない環境でも自ら学習する仕組みを「内発的動機」 という言葉で扱っています。

この論文は、 人間のデモンストレーションを起点に、 機械が自ら学習を継続する内発的な動機を組み込もうとする試みです。 子どもの学びと AI の学びは構造が異なりますが、 「外から与えられた報酬ではない、 内側から続く学習」 をどう設計するかという問いは、 両者で重なります。

研究者たちは、 内発的に動くシステムが、 外的報酬だけで動くシステムよりも、 結果として広い領域を探索 ・ 学習できることを実験で示してきました。 これは、 教育現場における「やらされた学びと、 自分から動いた学びでは、 中長期で残るものが違う」 という直感と、 構造的に響き合います。

「ワクワク」 を測ろうとする難しさ

研究の世界では、 内発的動機を測定する尺度がいくつも開発されてきました。 アンケートで答えてもらう自己報告式のもの、 タスク後の継続行動を観察するもの、 脳活動の変化を計測するもの。

ただ、 子どもの「ワクワク」 をそのまま数字に置き換えるのは、 大人にとっても難しい仕事です。 数字にした瞬間に、 内側から動いているものが「測られる対象」 に変わってしまう。 これは研究設計の難題として、 いまも続いています。

ミエタネが本文中に問いを置き、 読者自身の言葉で残してもらう形式を選んだ理由のひとつも、 ここにあります。 子どもの内側を測ろうとせず、 大人が「見える」 ように設計し直すこと。 数字を一度脇に置いたところに、 観察の余白が生まれます。

AI 時代に、 子どもの「やりたい」 をどう守るか

検索すれば答えがすぐ手に入る時代、 生成 AI が問いに対する返答を瞬時に返す時代。 子どもが自分で問いを立て、 自分で試行錯誤する時間は、 意識して守らなければ静かに削られていきます。

研究は、 内発的動機が育つには「自律性が尊重されること」 「ちょうど良い難しさで挑戦できること」 「結果より過程を見守られること」 が必要だと、 半世紀かけて示してきました。 大人ができるのは、 子どもの「やりたい」 をすぐ便利な道具に置き換えてあげることではなく、 試行錯誤の時間を環境ごと守ることです。

まとめ

内発的動機は、 心理学から AI 研究まで、 思いがけないほど広い領域で扱われてきました。 共通するのは、 「外から動かす」 のではなく「内側から動く」 状態をどう守り、 育てるかという問いです。

子どもの「やりたい」 「知りたい」 は、 大人が点数化したり、 将来の役立ち度で測ったりしなくても、 すでに価値ある現象です。 研究はそれを補強する材料を、 これからも増やしていくでしょう。 大人ができるのは、 研究の進展を待たずに、 目の前の小さな「ワクワク」 を急いで打ち切らずに見守ることです。