プログラム学習（または「プログラムされた指導」）は、学習者が効率よく目標を達成できるよう、心理学的・教育学的な知見に基づいて設計された一連の指導法と教材・機器の総称です。この方法は、個人差に応じた学習の進行（自己ペース）、教材の論理的・検証された配列、小さな学習単位と頻回の確認（即時フィードバック）を特徴とし、学習効果の向上を目指します。

仕組み（基本原理）

  • 小さなステップ（分割）：学習内容は理解しやすい単位に分けられ、各ステップごとに学習者が取り組む。
  • 能動的応答：学習者は各ステップで回答や操作などの能動的行動を行い、ただ受け身で読むだけではない。
  • 即時フィードバック：回答の直後に正誤や解説が示されるため、誤りをすぐに修正できる。
  • 自己ペース：学習者が自分の速度で進められるため、理解が浅ければゆっくり、得意なら速く進められる。
  • 循環的評価と補強：理解が不十分な箇所は再学習や補強問題で確実に習得するまで続ける。

プログラムのタイプ

  • 線形（リニア）方式：教材があらかじめ決められた順序で提示され、学習者は順に進む。設計が単純で導入が容易。
  • 分岐（ブランチング）方式：学習者の回答に応じて次に提示される内容が変わる。習熟度に応じた個別化が進みやすい。

歴史的背景と主要人物

プログラム学習の考え方は古くからあり、エドワード・L・ソーンダイク（Edward L. Thorndike）が1912年に書いた文章には、次のような観察があります。「もし、機械的な工夫による奇跡的な方法で、1ページ目で指示されたことを行った人だけに2ページ目が見えるように本を配置することができれば、現在個人的な指導を必要としている多くのことが印刷によって管理できるようになるだろう」。しかし実際に初めての教育機械を開発したのは1926年のシドニー・L・プレッシーでした。

その後、行動主義（オペラント条件づけ）の影響を受けて、1950年代以降にB.F.スキナーらが「ティーチングマシン」やプログラム学習の理論化を行い、教材（プログラムテキスト）や機械装置を用いた実践が広まりました。ノーマン・クラウダー（Norman Crowder）らは分岐方式のプログラムを提案し、より複雑な個別化が可能になりました。

代表的な実装例

  • 紙のプログラム教材（印刷されたプログラムテキスト）— 各ステップで問いと回答・解説を提示する形式。
  • 教育機械（ティーチングマシン）— 機械的に問題を提示し、学習者がボタンなどで応答すると次の問題や解答が示される装置。
  • コンピュータベースの指導（CBI、eラーニング）— 即時フィードバックや成績管理、分岐の柔軟性が高く、現代では最も一般的な形。
  • インテリジェント・チュータリング・システム（ITS）— 学習者モデルを使って個別最適化を行う高度な応用。

長所

  • 個別化と自己ペース学習により、習熟の差を埋めやすい。
  • 即時フィードバックで誤答を早期に修正でき、学習効率が上がる。
  • 学習結果が数値化・記録されやすく、評価や改善が行いやすい。
  • 反復学習やマスタリー（習得）型の学習設計に適している。

短所・批判点

  • 過度に行動主義的で、深い理解や創造的思考、問題発見能力の育成を必ずしも保証しないという批判がある。
  • 教材設計の質が学習成果を大きく左右するため、設計コストや専門知識が必要。
  • 機械的・反復的になりやすく、学習者のモチベーション維持が課題となる場合がある。

現代での応用と発展

コンピュータとネットワークの普及により、プログラム学習の基礎原理はeラーニング、MOOC、適応学習システム、インテリジェント・チュータリング・システムなどへ受け継がれ、さらに発展しています。学習分析（Learning Analytics）やAIを使った適応化により、学習者の行動データをもとに個別の次ステップや復習タイミングを自動で提案する仕組みが現実のものになりつつあります。

設計上の注意点（実務向け）

  • 学習単位の大きさは学習目標と対象者に合わせて適切に設定する（大きすぎても小さすぎても効果が落ちる）。
  • フィードバックは単なる正誤表示にとどめず、学習者が次に何をすべきか分かる支援を含めること。
  • 分岐や補強のルールは透明にし、学習者が自己評価しやすい工夫をすること。
  • 定量的なデータ（正答率・経過時間など）と定性的な評価（理解の深さ）を組み合わせて効果検証を行う。

まとめ

プログラム学習は、個別化・即時フィードバック・小さな単位での学習という強みを持ち、20世紀初頭の構想から教育機械、プログラムテキスト、そして現代のコンピュータベース指導へと発展してきた実践的な教育手法です。一方で、教材設計の質や学習者の高次スキル育成への配慮が不可欠であり、現代ではAIや学習分析を組み合わせた新しい形で再評価・応用されています。