2021 Fiscal Year Annual Research Report

日本における移民的背景のある児童生徒の学力形成に関する研究

Research Project

Project/Area Number	21J23428
Allocation Type	Single-year Grants
Research Institution	Kyoto University
Principal Investigator	中原慧京都大学, 文学研究科, 特別研究員(DC1)
Project Period (FY)	2021-04-28 – 2024-03-31
Keywords	移民的背景の子ども / 学力格差 / 移民世代
Outline of Annual Research Achievements	本研究は、移民的背景のある児童生徒の学力の形成について、学校や家庭における実践に着目し、その形成過程を明らかにすることを主題としている。特に、移民的背景のある児童生徒と「日本人」児童生徒の間の学力格差が生じる要因の分析を主たる目的としている。本研究においては、本研究が対象とする移民的背景のある児童生徒の教育に関連する分析において蓄積が少ない計量的な手法を用いることで、実証的な実態の把握を試みる。本年度においては、移民的背景のある児童と「日本人」児童の間の学力格差について、小学校段階における実態把握を行った。また、その結果、小学校においても移民的背景の有無によって学力格差が生じていることが確認され、その背景にある規定要因の把握が必要であることが示された。加えて、本年度では、家庭における保護者の教育的な関与についての分析も行った。保護者による教育的な関与が重要であることは、移民的背景のある児童生徒の問題に限らずに主張されており、また、移民的背景のある児童生徒の学習における困難の一つとして言及されているものである。本年度においては、学力と教育的な関与の関連性の把握の前提として、移民的背景のある児童生徒のいる家庭において保護者の関与が異なるのか、についての分析を行った。また、7月より外国出身者も登校する学校でのボランティア活動を開始し、実際にどのような過程で移民的背景のある人々が学習していくのかを観察している。また、計量的な分析にも着手しており、結果として、移民世代間での学力格差の大きさと、親の出生地の組み合わせ間での学力差の相対的な小ささが示された。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 移民的背景の有無による学力格差の程度を計量的に把握する点では、順調に進んでいる。本年度は、TIMSSという国際的な教育到達度に関する調査の個票データを用い、研究を行った。特に、先行研究では、比較的分析が少ない、移民世代と親の出生地の組み合わせの効果の比較較量を行うなど、実態的に学力を把握する試みを続けている。言い換えると、移民的背景のある子どもの間での多様性を捉える試みを行った。 2021年度では、学習時間ではなく、就学児の認知的能力や親の関与など、学習時間以外の要素の影響を検討することに多くの時間を割いた。結果として、学習時間に関しては、2022年度以降に集中的に検討することになるが、学習時間の多寡が与える影響が、就学児の認知的能力などと比べてどの程度大きいかなど、より実証的な分析を進める上での、土台を2021年度は形成することができた。また、学会報告を1件行い、また、論文投稿も2件行った。この点は、研究計画よりも順調に行えている。
Strategy for Future Research Activity	今後は、学習時間と学力の関係、学習時間を規定するものなど、学習時間を中心に置いた分析を進めていく。一方で、2021年度の成果である、就学児の認知的能力と学力の関係などは、学会報告や論文投稿などの形で研究成果を報告していく。学習時間の分析では、第一に、学習時間の長短において、移民世代などの移民的背景の有無による格差が生じているのかを確認する。次いで、移民的背景の有無による学力格差をどの程度学習時間が媒介しているのかについても検討する。移民的背景のある子どもが学習することが難しい環境にあることは繰り返し指摘されてきた。一方で、実際に量的な側面から彼らがどの程度学習しているのかを把握する研究は極めて限定的である。本研究の目的である学習時間の媒介効果を検討することで、家庭で学習することが難しいことが、彼らの学力的な水準の低さの要因か否かを検討する。2点目を検討する場合には、データの特性を踏まえ、マルチレベルモデル分析など、適切な手法を選択していく。