研修効果測定の自己報告バイアス：「役立った」を成果と誤認しない

報告書の一行目は申し分ない。受講者の90%が「業務に役立った」と答え、87%が同僚へ勧めたいと回答した。人材育成担当者は、この数字を経営会議資料の「成果」欄に載せる。しかし同じ期間の顧客問合せの再処理率、資料の差し戻し、承認遅延、現場での支援要請は変わっていない。回答が虚偽だったのではない。異なるものを同じ成果と呼んだことが問題である。

研修効果測定とは、受講直後の経験、獲得した知識・技能、職場での行動、業務結果、そして研修が変化へ寄与した程度を分けて証拠を集めることである。「役立った」という回答は、経験と認識を示す。だが、その一文から知識が増えたか、行動が変わったか、品質や生産性が上がったか、その変化が研修によって生じたかまでは分からない。

結論は、自己報告アンケートを廃止することではない。質問が答えられる範囲を超えて結論を付けないことである。満足度は受講体験を改善する証拠であり、自信や適用意図は後続支援を設計する信号になる。成果を主張するには、その先の証拠が必要だ。本稿では証拠の強さを六段階に分け、どの意思決定にどこまで必要かを整理する。

90%の肯定回答が示すのは体験であって成果ではない

受講直後アンケートは安価で回収しやすい。講師の説明は明確だったか、事例は職務に合っていたか、システム利用に障害があったか、受講者はどのような適用障壁を予想しているかを早く把握できる。この情報がなければ、教材と運用の改善は難しい。問題は、設問と報告書の結論の間で起きる。

「仕事に役立ちそうだ」は将来予測である。「内容を理解した」は自己評価だ。「実際に使った」は記憶と解釈を経た行動報告である。「研修によって成果が上がった」は因果判断だ。四つの文では、回答者の確信だけで答えられる範囲が異なる。一つの5段階尺度にまとめて平均を出せば見た目は整うが、証拠の種類は混ざる。

自己報告には複数のバイアスが働く。受講直後の気分が全項目へ広がるハロー効果、組織が望む答えを選ぶ社会的望ましさ、過去行動を正確に思い出せない想起誤差、学習後に以前の自分の水準を異なる基準で見直すレスポンスシフト、適用機会がなかったのに能力不足と解釈する機会の混同などである。意図的な誇張がなくても起こる。

一方、自己報告にしか捉えにくいこともある。不安、自信、関連性の認識、上司支援、適用機会、助けを求めにくい理由は本人へ聞く必要がある。問題は主観性そのものではなく、主観的変数を客観的遂行の代替値にすることだ。「できると感じる」と「基準どおりにできた」を分ければ、両方の情報を使える。

1,118件を31件へ絞っても共通の測定法は残らなかった

Aidan O’Neillが2025年にSocial Sciences & Humanities Openで発表した系統的レビューは、2000年1月から2024年10月までの職場eラーニング転移研究を検討した。2024年11月にEBSCO、Scopus、Web of Scienceから1,118件を検索し、重複304件を除いた814件の抄録を選別した。抄録段階で642件を除外し、172件の本文を探索した。入手できなかった16件を除いて156件を適格性評価し、129件を除外、引用文献から4件を追加して最終31件を分析した。

Figure 1は検索・選別範囲を示す。最終31件は職場eラーニング転移に焦点を当てた文献群であり、すべての企業研修効果研究を代表する標本ではない。英語文献と入手可能な本文に限られた点も踏まえる必要がある。

レビューは転移を、学習内容と適用文脈の距離に応じて六次元に分類した。知識領域、物理的文脈、時間的文脈、機能的文脈、社会的文脈、モダリティである。同じ教材でも、翌週に同じシステムで使うことと、三か月後に別のチーム、顧客、ツールで応用することは異なる転移になる。

ところが31件のうち、六次元をすべて分類できる情報を示した研究は5件だけだった。不明確な分類は、物理的文脈20件、社会的文脈18件、モダリティ8件、時間的文脈7件、機能的文脈3件、知識領域2件である。何を転移と呼び、いつ、どこで、誰と適用したかが十分に報告されていない。同じ「転移率」でも、教材とほぼ同じ課題を測った研究と、異なる状況での判断を測った研究が混在し得る。

Figure 4は、転移の六次元を近転移、遠転移、不明確に分けた研究数を示す。物理的・社会的文脈では不明確な分類が特に多く、適用率を比べる前に課題、場所、時間、関係、モダリティを定義する必要がある。

31件中23件が自己報告、客観測定は7件だけだった

最も重要な結果は転移の測定方法である。31件中23件が自己報告を用いた。内訳はアンケート17件、インタビュー5件、両方の併用1件だった。9件は第三者報告を加えて三角測量を試みた。客観的な測定を使った研究は7件だけで、研修後成果物の独立監査から、Wiki利用ページ数の自動集計まで方法は統一されていなかった。

しかし利便性は妥当性を保証しない。転移が社会的に望ましい行動なら、受講者には「使った」と答える動機がある。使う機会があったかと、うまく使えたかも区別しにくい。上司評価を足しても客観性が自動的に生まれるわけではない。上司は全遂行を見ておらず、受講者を知っているため期待効果や普段の評価が混ざる。

4段階の研修評価モデルへ言及した研究は8件だった。7件が行動変化に当たるレベル3を測り、顧客満足の改善というレベル4まで測った研究は1件である。上位レベルなら常に優れた研究というわけではないが、「有益だった」という反応と行動・事業成果が異なる証拠であることは明らかだ。

このレビューにも限界がある。eラーニングに限定され、研究設計と業界は不均質であり、共通尺度がないため効果量を統合したメタ分析ではない。したがって自己報告研究がすべて誤りとも、客観指標なら常に正しいとも言えない。責任ある解釈は、現状の転移研究が自己報告に大きく依存しており、複数の資料源と行動証拠を組み合わせる必要があるということだ。

反応から因果まで、証拠の階段は六段ある

研修効果測定で問うべきは「最上位の指標は何か」ではなく、「今回の意思決定にどの証拠が必要か」である。次の六段は、下段を捨てて上がる階段ではない。それぞれ別の問いへ答える証拠の組み合わせだ。

第一段は研修運営の質を改善する。第二段は学習目標の達成を確かめる。第三段は適用機会と障壁を探す。第四・第五段は職場変化の証拠を残す。第六段は研修以外の要因を減らし、または説明して投資判断の信頼性を上げる。

すべての研修に第六段が必要なわけではない。新システムの短い操作案内なら、遂行課題とエラーログで十分な場合がある。高額なリーダー育成を全社展開する、あるいは結果を報酬・昇進へ使うなら、比較設計と公平性確認が必要になる。証拠の強さは受講料ではなく、誤った意思決定のコストに合わせる。

賃金6.2%という結果指標でも因果効果とは言えない

自己報告より業務成果が上位の証拠だ、という説明にも注意が要る。結果指標を付けても因果は自動的に確保されない。2026年のOECD Employment Outlookは、2022〜2023年の国際成人力調査（PIAAC）を使い、教育・スキルと労働市場成果の関係を分析した。

25〜65歳の雇用者では、過去12か月にノンフォーマル学習へ参加した人の時給が、非参加者より参加OECD諸国平均で約6.2%高い関連を示した。分析は数的思考力、教育年数、年齢、性別、移民背景、親の教育、同居・子どもの有無、職歴、契約、企業特性、職業、産業、国などを統制している。ただしデータは一時点の横断調査で、同じ人の受講前後賃金を比較していない。学習意欲など観察されない要因と逆因果も完全には除けない。

報告書は内生性への懸念を減らすため、研修を希望したが予期しない障壁で参加できなかった人だけを比較対象とする頑健性分析も行った。方向と大きさはおおむね同様だった。それでも内生性がすべて解決したとはしていない。職業を統制すると、ノンフォーマル学習の推定賃金プレミアムは約2ポイント低下した。高賃金職の人ほど研修にも参加しやすい選択が一部含まれることを示す。

OECDは結論で、結果は非因果的な関連にとどまり、無作為割付などが研修収益の因果的証拠を広げるために必要だと明記した。客観的な賃金と多くの統制変数を使っても、研究設計の限界は越えられない。自社の売上や生産性が研修後に上がったという事実だけで、研修効果と断定してはならない。

数字の高さではなく比較基準が結果表の信頼を決める

研修ダッシュボードで最も抜けやすいのは基準値である。受講後の値だけでは、改善したかどうかさえ分からない。少なくとも同じ指標の受講前値が必要だ。ただし前後比較だけでも、季節性、製品構成、人員、施策、システム変更は分離できない。

比較の強さは段階的に上げられる。

1. 事前–事後比較：同じ人・チームの変化を見る。初期水準の差は抑えられるが、時間とともに起きた別の変化を除けない。
2. 類似比較群：まだ受講していない似たチームと比べる。役割、難度、顧客、管理職の違いを確認する。
3. 段階導入：全チームが受講するが開始時期を分ける。先行群と待機群の変化を比較できる。
4. 無作為割付：可能な範囲で受講順序や支援方法を無作為に分ける。因果推論は強まるが、実行・倫理・標本条件を確認する。
5. プロセス追跡：数値とともに、どの行動・統制が実際に変わったかを事例、面談、ログで確かめる。

無作為割付ができないからといって測定を諦める必要はない。何と比較し、何を統制できなかったかを透明に記すだけでも、事後値一つより強い。「研修後に12%改善した」と「研修によって12%改善した」を区別する言語ルールを報告書へ入れる。

開始前に主張・行動・証拠・判定線をつなぐ

測定とは終了アンケートを作ることではなく、設計時に効果主張を分解することである。「相談能力が向上する」という文だけでは、何が変わるべきか決められない。各主張へ観察行動、データ源、比較、判定線を付ける。

判定線には改善幅だけでなく解釈条件を含める。適用機会は十分だったか、予定どおり受講したか、同時に別システムが変わったか、欠測が特定集団へ偏ったかを確認する。結果が悪いからといって教材問題へ直結させず、機会、上司支援、仕事設計も診断する。

一指標へすべてを任せない。知識テストは基準理解を、ログは行動発生を、成果物は品質を、面談は障壁とメカニズムを示す。異なるデータが同じ方向なら結論は強くなる。食い違えば次の問いが生まれる。知識は上がったが行動が変わらないなら、適用機会と権限を見る。行動は変わったが成果が変わらないなら、行動品質と外部条件を見る。

終了日一回ではなく四つの時点で別の問いを置く

受講直後にすべての効果を問うのは時間順序を無視している。知識はすぐ確認できるが、転移と事業成果は適用機会の後にしか観察できない。期間は研修ごとに異なるが、四時点の役割は分けられる。

30日、60日、90日を一律に当てはめない。日常的なシステム操作なら数日でログが出るが、四半期の評価面談スキルは適用機会が遅い。測定日は暦ではなく、最初の顧客対応、承認、1on1、設備点検などの業務イベントへ合わせる。

追跡から脱落した人も分析する。終了アンケート回答者は満足した人に偏り、後続調査まで残る人は上司支援や適用機会が多い可能性がある。回答者と非回答者の部署、職位、雇用形態、基準値を比較し、高い回答率そのものを効果と誤認しない。

上司評価も一つの視点であり客観的な正解ではない

自己報告バイアスを避けるため、上司アンケートを付けることが多い。観察者が増える利点はあるが、上司評定にも限界がある。リモート・交替勤務では行動を直接見ていないことがあり、受講者だと知れば期待が評定へ混ざる。普段の高評価者へ良い点を付けるハロー効果や、チーム別の基準差も起きる。

「向上しましたか」ではなく、具体的行動の頻度と品質を尋ねる。受講前後で同じルーブリックを使い、見ていない項目には「判断不能」を認める。本人と上司の回答が違う場合、平均で消さない。適用機会、観察可能性、期待基準の差を確認する。

可能なら上司からも受講情報を隠し、成果物を独立評定する。提案書、コードレビュー、応対記録、品質票から氏名と受講状況を外し、同じルーブリックを当てる。評定者間一致を見て差の大きい基準を修正する。正解が一つでない複合業務では、点数だけでなく判断理由も残す。

人事評価を研修効果測定へそのまま流用することにも注意が要る。人事評価には報酬・昇進目的が入り、分布は人事方針にも左右される。同じ能力名でも測定文脈は異なる。目的とアクセス権を分け、個人の不利益に使う場合は事前通知、妥当性確認、異議申立てを設ける。

学習ログが増えても行動の意味は自動的に分からない

LMSと業務システムをつなげば客観データになる、と考えやすい。再生時間、クリック、再視聴、検索、テスト試行は実際の記録だが、多くは学習活動の痕跡である。職場で基準を正しく適用した証拠ではない。再生時間が長い理由が集中、放置、接続障害のどれかは分からない。

行動ログは効果主張に近い業務イベントを選ぶ。CRMで顧客課題の定義が記録されたか、品質システムで独立確認が期限内に行われたか、コードレビューで危険な変更を捉えたかを見る。ログに残らない重要判断は標本観察と成果物評定で補う。

AIで自由記述を分類しても自己報告の限界は消えない。大量の文を速く分類するだけで、適用の事実を検証するわけではない。肯定語を成果と誤認したり、部署ごとの言い回しを不利に評価したりする可能性がある。分類基準、標本検査、誤り率、異議申立て経路を残し、原文へのアクセスを絞る。

日本企業では自己申告・OJT・人事評価の目的を分ける

日本企業では、研修後レポート、自己申告書、OJT記録、人事評価が同じ「成長」の証拠として扱われやすい。だが目的は異なる。研修後レポートは内省を促し、OJT記録は指導と遂行を残し、人事評価は処遇判断へ使われる。同じデータを無条件に統合すると、受講者は学習上の失敗や支援需要を書かなくなる。

研修開始前に、L&D、現場管理職、データ担当、人事・労務で評価契約を結ぶ。効果主張、基準値、適用機会、資料源、閲覧権限、個人情報、分析単位、判断日、結果利用者を定める。人材育成部門は研修設計と受講状況を、現場は業務指標と適用機会を、データ担当は抽出品質を、人事・労務は利用範囲を担う。

稟議・経営会議資料の言葉もそろえる。反応なら「満足した」、学習なら「テストで改善した」、行動なら「観察された」、成果なら「同時に変化した」、比較設計があれば「研修の寄与を推定した」と書く。低い段階の証拠でも、資料源と限界を明示すれば意思決定に使える。

評価結果は教材と業務の変更へ戻す。知識テストの誤答が続けば説明と演習を変え、適用機会がなければ上司と業務配分を変え、システム障壁がログに出ればツールと手順を直す。報告書が予算確保だけに使われるなら、精密な測定も組織学習にはならない。

低い段階の証拠で十分な意思決定もある

すべての研修へ対照群と長期追跡を求めれば、測定費用が研修価値を超える。短い案内文を改善するなら反応と理解度で足りることがある。必須安全手順の熟練確認ならシミュレーションと現場監査が必要だ。大規模プログラムの拡大・中止や処遇を決めるなら、比較設計と業務成果が必要になる。

測定計画は三つの問いに絞れる。何を決めるのか。誤った判断のコストはいくらか。その判断を変える最小限の証拠は何か。答えが決まれば、すべてのデータを集める必要はない。

自己報告もこの原則の中で役割を持つ。アクセシビリティ、事例の関連性、自信、上司支援、適用障壁を診断するには直接的な資料である。ただし、知識テスト、行動ログ、成果物、業務指標、比較群が答える問いまで引き受けない。証拠を競わせず役割を分ける。

「役立った」の次の文を用意すると成果が見える

肯定回答は、研修が受講者にとってどのような体験だったかを教える。それ自体に運用上の意味がある。しかし成果と呼ぶには、何を学び、どの業務行動が変わり、どの結果が同時に動き、他の説明より研修の寄与がどれだけ妥当かを一段ずつ確かめなければならない。

優れた研修効果測定の報告書は、「受講者の90%が役立ったと答えた」から始めてもよい。ただし、そこで終わらない。「どの基準を学び、どこで行動を観察し、どの業務結果がどれだけ変わり、何と比較し、まだ排除できない説明は何か」まで続ける。その文の連なりが証拠の階段になったとき、満足度は捨てられるのではなく正しい位置へ戻る。

あわせて読みたい記事

• 研修転移測定のツール：満足度の次に何をどう測るか
• AI時代の能力評価、知識テストより実務成果を見る
• 学習分析の説明可能性：納得できないスコアはコーチングにならない

出典

1. Aidan O’Neill, Transfer of workplace e-learning: A systematic literature review, Social Sciences & Humanities Open 11, 101407, 2025. https://doi.org/10.1016/j.ssaho.2025.101407
2. OECD, OECD Employment Outlook 2026: Geographic Disparities in Jobs and Incomes, OECD Publishing, 2026-07-07. https://doi.org/10.1787/7e710f54-en

第一の資料は、職場eラーニング転移研究の測定法を分類した系統的レビューであり、効果量を統合したメタ分析ではない。第二の資料はPIAAC 2022〜2023横断データによる賃金関連分析で、研修の因果効果を推定した実験ではない。本稿の六段階の証拠、比較強度、主張–行動–証拠表、測定時点は、二資料を日本企業の人材育成意思決定へ応用した実務上の再構成である。