ジンジャーアップがプラチナスポンサーをつとめるLIGP（ラーニングイノベーショングランプリ）2027の年の表彰式が7月14日(火)に有楽町の東京国際フォーラムで行われました。
2026年は全45件の応募があり、年々増加の一途をたどっています。今年もダブル受賞する研究テーマがあり、フレッシュな顔ぶれの研究機関もありました。➡2026年の応募作品一覧
本年も受賞者の皆さまの公開プレゼンテーションの後、表彰式が行われました。
最優秀ラーニングイノベーション賞
最優秀ラーニングイノベーション賞（ジンジャーアップ賞）
「エンジニアの感覚知識」を距離を超えて伝承: E-learning by Doing
北陸先端科学技術大学院大学・ものつくり大学 長谷川&武雄 Lab➡➡➡詳細はこちら
プレゼンは荒川龍聖さん。
ベテランエンジニアの退職期と若手人材の獲得難が重なり、技能継承は待ったなしの状態です。
熟練者が初学者に手本を見せて学ぶ方法が一般的ですが、手の力加減や素材の硬さの感じ方等、見るだけでは伝わらない部分があります。
熟練者の感覚を効果的に学べ、力や振動も直接伝達する「E-learning by Doing」を開発し、感覚を効果的に体感することで、初学者と熟練者の間隔の差を縮める画期的なデバイスです。
また、安価で持ち運べる部分も非常に魅力的です。
弊社代表の井手より、北陸先端科学技術大学院大学・ものつくり大学 長谷川&武雄 Labに賞状と副賞が贈られました。
なお、「エンジニアの感覚知識」を距離を超えて伝承: E-learning by Doing は、特別賞：サイコム フロンティアテクノロジー賞（提供：MBK Wellness株式会社）とダブルでの受賞となりました。
おめでとうございます！
各賞のご紹介
耿 学旺さんによるプレゼンです。
ラポールとは信頼関係を意味し、養護教諭と児童とのコミュニケーションには不可欠な要素です。
学生同士のロールプレイでは難しかった「距離感や視線などの非言語コミュニケーション」や「多様な性格の児童への対応」を、VR空間でAIの児童を相手にリアルに体験・訓練できるシステムです。
AIの児童の性格が「反抗的」「内向的」「活発的」とあり、それぞれでラポール形成の方法が異なります。
大変ユニークに感じるとともに、自分はこんな性格だった、友人にこんなタイプの子がいたと思い当たるふしがあります。これは画期的ではないでしょうか？
志貴健太さん・さんお二人によるプレゼンです。
こちらも画期的！
集中している時って、どんどん理解がインプットされていく感覚がありますよね。
逆に、集中力が途切れた時は理解が追いつかなくなります。
脳波から推定した集中度に応じて、音声の再生速度をリアルタイムに変化させる学習支援システム、これまでにありませんでした。効率的な学習が期待されますね！
奨励賞（1）
AIに作らせる学習から、AIを方向づける学習へ：バイブコーディングにおける創造的意図形成の可視化と適応的学習支援システム
関西外国語大学 卯木研究室バイブコーディングチーム➡➡➡詳細はこちら
関西外国語大学 卯木研究室バイブコーディングチームは欠席のため、代理で指導教員の卯木教授が受け取りました。
バイブコーディングとは、AIに指示を出し対話しながらコードを開発してゆく手法です。
少し前までは専門技術を持ったエンジニアが手作業でコードを作成して開発をしていました。
今は非エンジニアでもノーコード・ローコードで開発をすることができますね！
小学校中～高学年を対象の「子どもがAIにどれくらい上手に指示を出し、AIの回答をどう生かして会話を深めているかを『見える化』する」仕組みを開発しました。
子どもたちの「AIを使いこなす力（思考力やプロンプト作成力）」のレベルがひと目で分かるようになります。
これによって、先生は完成物だけでは見えない児童の思考過程を把握し、必要なタイミングで問い返しや支援ができるようになります。
濵田さとみさんによるプレゼンです。
これまで先生たちが中心だった「学習データの活用」を、中学生自身が行うワークショップを実施し、生徒が自分でデータを活かす方法の良さや難しさを探った研究です。
主観（中学生自身）と客観（先生）のギャップを探ることで、これからの学びの改善の気づきを得ることを目指しました。
ワークショップ後のアンケートで中学生たちの半数は「わかったつもり」が正確に自身の学びをより深く考察する結果となりました。自ら深く気づけるということは重要ですよね。
特別賞：株式会社イーラーニングEduAI賞（提供：株式会社イーラーニング）
概念マップとルーブリックを統合した対話型学習支援モデルに関する研究
公立千歳科学技術大学大学院 小松川研究室 アドバイジングシステムチーム➡➡➡詳細はこちら
山本鳳雅さんによるプレゼンです。
授業ごとの「知識マップ」を入れ替えることで、どんな内容でも同じ基準でAI（LLM）が生徒と対話し、理解度の評価とアドバイスを行う学習支援モデルを開発した研究です。
※LLMとは大規模大規模言語モデルで、人間のように自然な文章の理解や生成を行うAI技術の中核です。
受賞された皆さま、おめでとうございます！
いかがでしたか？
やはり難しそうに感じる研究テーマが多いですが、普段見過ごしてしまう「なぜ？」に若手研究者は細かく着目しています。
その後はお楽しみの立食パーティーです。
すっかり打ち解けた雰囲気になり、研究者同士の交流も広がったようです。
新たな学習・教育環境が広がりますように！
学びは元気と喜びをつくる！両国のジンジャーアップです。
弊社とコンタクトしたい場合、まずはお問合わせフォームからお気軽にどうぞ。
また、このブログの感想やご質問も頂けましたら幸いです。
最後までお読みいただきありがとうございました。
