第一章：TBLTの学術的起源と理論基石

1.1 従来のPPPモデルの致命的欠陥と言語想起障害

過去数十年の英語教育において、「提示－練習－産出（Presentation-Practice-Production, PPP）」モデルが指導法の主流を占めてきました。PPPモデルは行動主義心理学と構造主義言語学を基盤とし、言語習得を線形で予測可能なプロセスと捉えています：教師が特定の文法規則を説明し（Presentation）、生徒が反復練習を行い（Practice）、限定されたシチュエーションで文を作って発話します（Production）。

しかし、現代の認知言語学および第二言語習得（SLA）の実証研究は、PPPモデルに以下のような構造的欠陥があることを明らかにしました：

  • 宣言的知識（Declarative Knowledge）の固着：規則を「知っている」状態にとどまり、実際の会話で即座に引き出せる「手続き的知識（Procedural Knowledge）」へと転換されません。
  • 不活性知識の障害（Inert Knowledge Problem）：文脈や感情の結びつきなしに孤立して記憶された文法規則は、突発的な対面会話で神経シナプスが発火せず、頭から引き出せなくなります。
  • 言語想起障害（Language Retrieval Deficit）：実際の会話において、ワーキングメモリ（作業記憶）は200〜500ミリ秒という極小の時間で意味の理解、戦略の策定、調音器官への運動指令を同時に処理しなければなりません。「現在完了形の用法」を頭で意識しながら発話することは認知過負荷（Cognitive Overload）を引き起こし、沈黙や吃音の原因となります。

1.2 プラブー（Prabhu, 1987）のバンガロール実験と歴史的洞察

PPPモデルの限界を打破するため、インドの応用言語学者N. S. プラブーは1979年から1984年にかけて伝説的な「バンガロール実験（Bangalore Project）」を主導しました。プラブーの洞察は「強度のコミュニケーション指導法」の礎を築きました：

「学習者の注意が言語の『形式（Form）』ではなく『意味（Meaning）』に集中している時、言語習得は最も効率的に進行する。」（Prabhu, 1987）

この実験では、生徒たちに単語リストの暗記や明示的な文法解説は一切行われませんでした。その代わり、列車の運行表を読み解いて最適な乗換ルートを計画したり、地図から避難経路を割り出したりといった、現実的な課題の解決が課されました。その結果、問題解決に認知資源を集中させた生徒たちは、従来のドリル学習クラスよりも正確で構造的に複雑な中間言語（Interlanguage）を自発的に発達させることが実証されたのです。

1.3 「真正のタスク（Authentic Task）」とは何か？3大学者の定義基準

その後、デビッド・ヌーナン（David Nunan）、ロッド・エリス（Rod Ellis）、ピーター・スキーハン（Peter Skehan）らの泰斗がタスク型教授法を体系化し、単なる練習ドリルと「真正のタスク」を厳格に区別しました：

提唱学者 / 文献 真正のタスク（Authentic Task）の定義 タスクか否かを判定する4大基準
David Nunan
(2004)		 学習者が意味を表現するために文法知識を動員し、目標言語を理解・操作・産出・対話する教室活動。 1. 非言語的な達成目標（Outcome）がある。
2. 状況や対話に現実的な妥当性がある。
3. 始まり・展開・結末の明確な構造を持つ。
Rod Ellis
(2003)		 学習者が言語使用者として機能し、情報格差（Information Gap）を埋めるために言語的・非言語的リソースを活用する活動計画。 1. 意味が最優先（Meaning is primary）。
2. コミュニケーションの隙間（Gap）が存在する。
3. 自身の内部リソースから発話を紡ぎ出す。
4. 明確な非言語的成果物を伴う。
Peter Skehan
(1998)		 意味が重視され、解決すべきコミュニケーション上の課題があり、成果によって達成度が評価される現実世界と直結した活動。 1. 意味が主導的地位を占める。
2. 解決すべき障害が存在する。
3. 現実世界の活動と直接比較可能である。
4. 課題の達成度（Task Completion）で評価される。

第二章：認知心理学メカニズム：Robinson「認知仮説」と認知負荷

2.1 ピーター・ロビンソンの「認知仮説」と三元構成要素モデル

TBLTの認知理論において、ピーター・ロビンソン（Peter Robinson）の「認知仮説（Cognition Hypothesis）」は最も高い説明力を持ちます。ロビンソンはタスクの変数を以下の3次元に分類しました：

  1. タスク複雑度（Task Complexity）：タスク自体に内在する認知的負荷であり、教材設計者が制御可能な要素。
  2. タスク条件（Task Conditions）：一方向対話か双方向対話か、参加者の力関係などの相互作用条件。
  3. タスク難易度（Task Difficulty）：学習者個人のワーキングメモリ容量、言語適性、不安感に依存する主観的難しさ。

タスク複雑度において、ロビンソンは特に以下の2つの方向性を区別しました：

  • 資源誘導次元（Resource-directing Dimensions）：因果的推論の要求を高めたり（[+ Reasoning Demands]）、目の前にない時空の描写を求めたり（[- Here-and-Now]）する設定。この次元に沿って複雑度を引き上げると、学習者の注意は従属節、仮定法、完了形といった高度な文法構造へ必然的に誘導され、言語出力の複雑さ（Complexity）と正確さ（Accuracy）が同時に向上します。
  • 資源分散次元（Resource-dispersing Dimensions）：準備時間を排除したり（[- Planning Time]）、複数のタスクを並行させたり（[+ Dual Task]）する設定。これはワーキングメモリを圧迫して流暢さを一時的に低下させますが、現実世界の突発的な会話ストレスを忠実に再現し、発話の手続き化を促進します。
理論モデル 注意資源に対する前提 複雑さ（Complexity）、正確さ（Accuracy）、流暢さ（Fluency）への予測
Robinson 認知仮説
(Cognition Hypothesis)		 人間の注意資源は多元的で動的に拡張可能である（Multiple Resource Pools）。資源誘導次元の負荷増加は高度な文法を刺激する。 資源誘導次元を高めた場合：
1. Complexity 向上（高度な構文を駆動）。
2. Accuracy 向上（認知的モニタリング強化）。
3. Fluency 低下（思考の深化に伴う発話遅延）。
Skehan トレードオフ仮説
(Trade-off Hypothesis)		 人間の注意資源は単一で容量に限界がある（Limited Single Capacity）。形式と意味は常に競合関係にある。 極度の高負荷下において：
1. 言語形式と流暢さはトレードオフになる。
2. 形式の内部でも Complexity と Accuracy が奪い合いを起こす。

2.2 レベルトの発話生成モデルとワーキングメモリからの神経抽出

オランダの心理言語学者ウィレム・レベルト（Willem Levelt, 1989）のモデルによれば、口頭発話は以下の3つの器官が連動して行われます：

  1. 概念化器（Conceptualizer）：何を言いたいか意図を形成し、前言語的メッセージを生成する。
  2. 形式化器（Formulator）：心的辞書から適切な単語（補題 Lemma）を取り出し、文法と音韻をコード化する。
  3. 調音器（Articulator）：運動神経信号を発話器官の筋肉群に送り、物理的な音声として出力する。

制約のない自由なフリートークでは、学習者は使い慣れた中学レベルの平易な表現（"I like it", "It is good"など）に逃げてしまい、形式化器の回路が鍛えられません。明確なゴール、情景の制約、時間的プレッシャーを伴うタスクに取り組んで初めて、脳は高度な語彙の塊（チャンク）をミリ秒単位で呼び出す神経回路を形成できるのです。

第三章：Willis の3段階フレームワークと GugoPro の実装コードマッピング

英国の応用言語学者ジェーン・ウィリス（Jane Willis, 1996）が提唱したTBLTの3段階フレームワークを、GugoProの実装アーキテクチャと対照させます：

3.1 タスク前段階（Pre-task Phase）：スキーマの起動と認知的負担の軽減

指導目的：学習者の背景知識（スキーマ）を呼び覚まし、未知の話題に対する情意フィルター（Affective Filter, Krashen 1985）を低下させ、タスクの境界条件を明確にします。

GugoPro のコードレベル実装：

  • 教材エンジンと端末内テキスト抽出（initMaterialEngine / extractPdfText）：ブラウザの pdf.js を活用し、ユーザーが読み込ませた英文契約書、仕様書、面接求人票からテキストを抽出して localStorage に保持（最大5万文字）。外部サーバーには送信されません。
  • 動的な System Prompt 注入（buildStudyContext）：対話送信時、読み込んだ教材の冒頭18,000文字を Gemini のシステムプロンプトへ動的にカプセル化し、AIに厳格な文脈を背負わせます。
GugoPro タスク前設定画面：PDF教材マウント ＆ CEFRパラメータ設定コンソール
📘 読み込み完了教材：Software_Procurement_Agreement_Draft.pdf (14,820 文字) ブラウザ内 LocalStorage 暗号保存
C1 上級 (Advanced Negotiation)
教材／生詞対話練習 (Conversation)
"米国エンタープライズソフトウェア企業の調達・法務責任者を演じてください。違約金条項（15%）と支払条件（Net 30）を厳格に死守し、こちらから具体的な商業的見返りが提示されない限り、減額交渉を毅然と拒否してください。"
画面解析 1：実際の契約書PDFを読み込ませ、C1レベルと具体的なロールプレイ指示を設定することで、AIのシステムプロンプトに18,000文字の高度な文脈制約が与えられ、一般的なAI特有の曖昧な返答を排除します。

3.2 タスク実施段階（Task Cycle Phase）：意味の交渉とプッシュト・アウトプット

指導目的：現実的なコミュニケーション圧の下で「意味の交渉（Negotiation of Meaning, Long 1996）」と「プッシュト・アウトプット（Pushed Output, Swain 1995）」を行い、不完全な言語形式を乗り越えて精密な発話を試みさせます。

GugoPro のコードレベル実装：

  • 2言語カプセル入力ドック（#gugo-dual-stt-pronunciation-js）：
    • 左側 🇺🇸 学習言語マイク（#btn-mic）：GugoStartDualSpeech('learning') を呼び出し、目標言語での即時発話を強制。同時に Levenshtein 編集距離と LCS アルゴリズムによる 0〜100点の発音明瞭度スコアを算出します。
    • 右側 🇯🇵 母語セーフティバルブ（#btn-mic-my）：GugoStartDualSpeech('mother') を呼び出し。高圧的な交渉で言葉に詰まった際、日本語で「こういう意図をビジネス英語でどう伝える？」とAIに質問でき、減点なしでワーキングメモリのフリーズを回避できます（ヴィゴツキーのZPD支架）。
GugoPro タスク実施画面：2言語STT攻防 ＆ 発音評価フィードバック
A 15% cap on liquidated damages is our non-negotiable policy. If we lower it to 5% and grant Net 60 terms, what offsetting commercial value can you offer to justify this financial exposure?
15%の違約金上限は譲れない方針です。仮にこれを5%へ引き下げNet 60を認める場合、このリスクを相殺するどのような商業的価値をご提示いただけますか？
We can agree to a two-year contract commitment with a guaranteed annual spend of $200,000, provided that the 5% liability cap is reflected in the draft.
🎙️ 音声認識：We can agree to a two-year contract commitment with a guaranteed annual spend...
🎯 発音スコア: 94 (優秀) 再挑戦
🇺🇸
発話終了後、沈黙6秒で自動送信；話しかけると録音を継続…
🇯🇵
画面解析 2：左側の 🇺🇸 マイクでプレッシャーに晒されながら自力発話し、言葉に詰まった際は右側の 🇯🇵 マイクから日本語で相談。AI から模範構文を受け取った直後に英語で言い直すことで、会話を止めることなく安全に負荷を解除できます。

3.3 言語フォーカス段階（Language Focus Phase）：形態への注目（FonF）と定着

指導目的：タスク完了後に言語形式へ意図的に焦点を当て（Focus on Form, FonF, Long 1991）、自己の不完全な発話とネイティブの自然な規範との落差に気づかせ（Noticing the Gap, Schmidt 1990）、誤用が中間言語として定着するのを防ぎます。

GugoPro のコードレベル実装：

  • AI による構造化フィードバック：返答メッセージ内に 【💡 より自然な表現 / コロケーションの急所】 を自動提示。
  • Token 語彙エンジン（#gugo-token-span-engine-js）：ブラウザの Intl.Segmenter を用いてAIの返答を単語トークン（vocab-token）へ自動分解。気になる単語をタップするだけでポップオーバー辞書が開き、意味や音声を確認して「＋単語帳に追加」できます。
  • 単語帳と連携した強制文脈造句（#modal-study-plan）：学習モードを「単語復習・テスト」へ切り替えると、AIが登録された生詞を自動抽出し、全く新しいビジネス文脈で出題。能動的な引き出し訓練を強制します。
GugoPro 言語フォーカス：Token Span 単語ポップオーバー辞書画面
"Regarding Clause 8, a 15% cap on liquidated damages is commercially prohibitive for us; we request capping it at 5%."
prohibitive Google 辞書
形. （費用や条件が高すぎて）手が出ない、受け入れ難い
画面解析 3：対話を振り返る際、分からなかった高度な語彙（例：prohibitive）をタップするだけで、外部辞書を開くことなく意味を確認し、ワンタップでSRS単語帳に登録して文脈復習の準備が整います。

第四章：実践ブループリント：高難度ビジネス交渉 vs 空港税関トラブル

実践ケース A：グローバルソフトウェア導入の契約条項交渉

ビジネス交渉 · CEFR C1 レベル
🎯 任務目標：契約書草案の損害賠償額の予定上限（Liquidated Damages Cap）を総額の15%から5%へ引き下げ、支払条件をNet 30からNet 60へ延長させる。
📄 読み込み教材：Software_Procurement_Agreement_Draft.pdf（第8条「責任の制限」および第4条「支払条件」）。
⚙️ AI System Prompt 設定：米国Fortune 500ソフトウェアベンダーの法務・調達責任者を演じる。キャッシュフロー保護を最優先し、具体的な商業的譲歩が提示されない限り減額を頑なに拒絶する。
Round 1：条項修正の要求と AI による冷淡な拒絶
学習者の発話（稚拙な直訳英語）：
"Hello. About Clause 8, the 15% liquidated damages is too expensive for us. We cannot accept this. Can you reduce to 5%? Also, Net 30 is too fast, our company process needs Net 60."
AI 調達責任者（プレッシャーの印加）：
"I understand your concern regarding Clause 8, but a 15% cap on liquidated damages is standard across all our enterprise agreements to mitigate operational risk. Furthermore, Net 30 is mandated by our cash flow policy. If we were to lower the cap to 5% and extend payment to Net 60, what offsetting commercial value can you offer to justify this increased financial risk for us?"
💡 形態へのフォーカス（FonF）添削：
• 盲点の分析：契約責任の上限に対して too expensive（値段が高い）は不適切；too fast はビジネスとして稚拙です。
• 洗練された表現："Regarding Clause 8, a 15% cap on liquidated damages is commercially prohibitive for us. We request capping it at 5%. Additionally, due to our internal accounts payable workflows, we kindly request extending payment terms from Net 30 to Net 60."
Round 2：曖昧な口約束と AI による具体的条件の要求
学習者の発話（法的な拘束力を欠く約束）：
"If you give us 5% and Net 60, we will promise if next year we expand, we will buy more licenses from you. This is very good for your future revenue."
AI 調達責任者（確実なコミットメントを要求）：
"Non-binding promises of future expansion do not satisfy our risk committee. We need concrete commitments. If you are willing to sign a multi-year master services agreement for a minimum 3-year term today, I can present a proposal for a 5% damages cap and Net 60 terms to our legal board. Can you commit to a 3-year deal right now?"
💡 形態へのフォーカス（FonF）添削：
• 盲点の分析：promise if next year we expand は口約束に過ぎません。契約交渉では最低購入保証（Commitment）構文を用います。
• 洗練された表現："In exchange for adjusting the liability cap to 5% and modifying payment terms to Net 60, we would be open to exploring a minimum purchase commitment for the upcoming fiscal year."
Round 3：洗練された妥協案の提示とタスク達成
学習者の発話（格調高いビジネス契約構文）：
"We can agree to a 2-year contract commitment with a guaranteed annual spend of $200,000, provided that the 5% cap on liquidated damages and Net 60 terms are explicitly reflected in the final execution draft."
AI 調達責任者（条件を承認し合意成立）：
"That is a constructive compromise. A 2-year contract with a $200,000 guaranteed annual spend provides the commercial predictability we require. I will instruct our legal team to draft an addendum reflecting a 5% liquidated damages cap and Net 60 payment terms for your final review. We look forward to executing the agreement."
🎯 交渉成果の分析：前提条件を導く接続詞 provided that... を正確に使いこなし、相手のリスクを解消する対価を提示することで、自社の要求を完全に勝ち取りました！

実践ケース B：ロンドン・ヒースロー空港での手荷物開披検査

海外渡航トラブル · CEFR B2/C1 レベル
🎯 任務目標：未申告の工業用試作品および処方薬について厳格な税関職員に事情を説明し、押収や高額な過料を回避して無事に入国許可を得る。
📄 読み込み教材：Customs_Declaration_Form_and_Doctor_Prescription.txt（税関申告書、医師の診断書、処方箋の控え）。
⚙️ AI System Prompt 設定：ロンドン・ヒースロー空港ターミナル5の英国国境警備隊（UK Border Force）シニアオフィサーを演じる。厳格で猜疑心が強く、法規に基づき厳密に尋問する。
Round 1：抜き打ち検査での停止と初期尋問
学習者の発話（感情的で文法が崩れた英語）：
"Officer, why you open my bag? This medicine is for my sick, I have doctor paper. And these electronic things are just small gifts, not for sell."
税関職員（権威的な警告）：
"Step back behind the line, please. The X-ray clearly shows several unlabelled medicine bottles and six brand-new, sealed medical electronic devices. Unlabelled medication is subject to immediate confiscation, and carrying multiple commercial prototypes without a red-channel customs declaration is an offense. Hand over your doctor's certificate immediately, and explain why these devices were not declared."
💡 形態へのフォーカス（FonF）添削：
• 盲点の分析：for my sick は文法崩壊；doctor paper ではなく medical prescription / certificate；not for sell ではなく not intended for resale です。
• 洗練された表現："Officer, I have valid medical prescriptions for these medications. The electronic units are non-commercial prototypes intended strictly for demonstration purposes, not for resale."
Round 2：書類の不備を指摘され仮差押えの危機
学習者の発話（焦って自己防衛する英語）：
"Sorry, I don't know I need to walk red line. Here is my doctor paper. The prescription name is same with my passport. The electronics are for my business meeting tomorrow, I bring back to Taiwan next week!"
税関職員（手続きを強制執行）：
"Ignorance of customs regulations is not a valid defense. I am inspecting your prescription... The patient name matches, but the dosage listed does not match the quantity in these bottles. As for these commercial prototypes, since you are attending a business meeting, they are legally classified as commercial samples. Unless you can provide an ATA Carnet or pay a temporary import deposit right now, these items will be detained."
💡 形態へのフォーカス（FonF）添削：
• 盲点の分析：walk red line（直訳）ではなく declare at the Red Channel；same with ではなく matches を使います。
• 洗練された表現："I apologize for failing to declare these at the Red Channel. Here is my official prescription, which corresponds to my passport details. The prototypes are temporary business samples that will be re-exported when I depart next week."
Round 3：預託金の支払いと補足証明による無事通過
学習者の発話（法規を理解した沈着な対応）：
"I understand your position, Officer. Here is the letter from my attending physician explaining the adjusted dosage. For the commercial prototypes, I am willing to pay the refundable temporary import deposit immediately and present the official invitation letter from our UK client."
税関職員（入国手続き完了）：
"Right. The physician's letter confirms the dosage modification, so the medication is cleared. Regarding the prototypes, I will process the temporary import deposit under Form C88. Once you pay the deposit at the payment counter and retain the receipt, you can take the samples. You will receive a full refund upon presenting the receipt and the items at customs when you depart. Follow me to the processing desk."
🎯 税関対応の成果：相手の立場を尊重しつつ、返還可能な一時輸入預託金（Temporary Import Deposit）の支払いを申し出ることで、物品の没収と処罰を完全に回避しました！

第五章：タスク複雑度（TCI）の数理モデル

GugoPro の学習タスクにおける認知的難易度を定量化するため、以下のタスク複雑度指数（Task Complexity Index, TCI）数理モデルを構築しました：

$$TCI = w_c \cdot C + w_g \cdot G + w_t \cdot P_t + w_r \cdot R$$
数式 1：タスク複雑度指数（TCI）加権統合方程式（値域：$TCI \in [0, 1]$、かつ $\sum w = 1$）

各変数の定義と計算ロジックは以下の通りです：

  1. 状況的制約度（Constraints Index, $C$）： $$C = \frac{1}{K} \sum_{k=1}^K c_k, \quad c_k \in [0, 1]$$ 契約条項、法規、交渉の妥協限界など、遵守すべき前提条件の多さを定量化。
  2. 情報格差度（Information Gap Index, $G$）： $$G = 1 - \frac{I_{\text{shared}}}{I_{\text{total}}}$$ 対話者の双方が持つ情報の非対称性の割合。格差が大きいほど意味の交渉が活発になります。
  3. 時間的緊迫度（Time Pressure Index, $P_t$）：GugoPro の沈黙待ち秒数（$t_{\text{silence}} \in [1, 15]$ 秒）に直接反比例： $$P_t = \frac{15 - t_{\text{silence}}}{14}$$ $t_{\text{silence}} = 1$ 秒で $P_t = 1$（極限の時間的プレッシャー）、15秒で $P_t = 0$（思考の猶予あり）。
  4. 認知推論要求度（Reasoning Demand Index, $R$）：ロビンソンの資源誘導次元に対応し、因果関係や空間推論の要求度の加重和： $$R = w_{r1} R_{\text{intent}} + w_{r2} R_{\text{spatial}} + w_{r3} R_{\text{causal}}$$
複雑度の構成次元 対応変数 SLA 認知心理学的効果 GugoPro の実装コンポーネント
状況的制約度 $C$ 文体を制約し、専門用語やフォーマルな表現の想起を強制する。 assistantInstructions 指示とPDF/TXT教材の文脈注入。
情報格差度 $G$ 双方向の意味交渉を駆動し、定型文の暗唱による逃げ道を塞ぐ。 システムプロンプトに組み込まれた非対称な相手役の設定。
時間的緊迫度 $P_t$ ワーキングメモリの猶予を圧縮し、発話の手続き化・自動化を促す。 #speech-silence-seconds による自動送信カウントダウン。
認知推論要求度 $R$ 資源誘導次元：条件節や因果接続詞など、高度な複文の使用を強制する。 AIチューターの反論・論理的追求（対価の提示要求など）。

第六章：独学者のための実践SOP（1日20分・週3回）

上述の理論とGugoProの機能を統合した、1日20分の体系的学習サイクルです：

00–04分

ステップ 1：教材読み込みと文脈アンカー（Pre-task）

上部のクリップボタンから課題テキスト（見積書、賃貸契約書、面接求人票など）を読み込ませます。教室設定でCEFRレベル（B2/C1）を選び、AIの相手役指示（例：「気難しい調達部長」）を入力します。

04–14分

ステップ 2：ロールプレイ対話とプッシュト・アウトプット（Task Cycle）

左側の 🇺🇸 英語マイクを押し、原稿なしで3〜5ターンの口頭交渉を行います。言葉に詰まったら、すぐに右側の 🇯🇵 母語マイクを押して日本語でアドバイスを求め、教わった表現ですぐに英語を言い直します。

14–17分

ステップ 3：形式の復習とギャップの自覚（Language Focus）

対話後、AIの【💡 より自然な表現】を確認。自分が言えなかった高度な語彙（例：prohibitive、liquidated damages）をタップし、ポップオーバー辞書から自分の単語帳に登録します。

17–20分

ステップ 4：語彙の能動的引き出しと文脈造句（Generative Output）

学習モードを「単語復習・テスト」へ切り替え、AIに「今登録した単語を使って、別の新しいビジネスシチュエーションで問題を出して」と指示。声に出して文を作ることで、長期記憶へと完全に定着させます。

よくある質問（FAQ）

Q1. タスク型教授法（TBLT）とは何ですか？従来の文法学習と何が違いますか？

回答：従来の指導法（PPPモデル）は文法規則の暗記から入り、実際の会話で想起障害を起こしがちです。TBLTは「特定の実務目的を達成すること（契約交渉、トラブル解決など）」を出発点とします。学習者が意味の伝達に集中することで、脳が文法や語彙を必然的に動員し、実践的なスピーキング反射が身につきます。

Q2. GugoProでの練習中、言葉に詰まって話せなくなったらどうすればよいですか？

回答：これがGugoPro独自の「2言語カプセル入力」の真骨頂です。左側の 🇺🇸 マイクは英語発話の負荷を担当し、右側の 🇯🇵 マイクは認知的安全ネットになります。困った時は右側を押して日本語で自然な言い方を尋ね、AIのアドバイスを確認してから左側で英語を言い直すことで、会話を止めることなく安全に負荷を解除できます。

Q3. 社内契約書や機密資料のPDFを読み込ませても情報漏洩しませんか？

回答：完全に安全です。GugoProは完全な「クライアントサイド優先（Client-Side First）」設計です。PDFの解析はブラウザ内の pdf.js でローカル実行され、データはお使いの端末の localStorage にのみ保存されます。外部サーバーにファイルが保存されることは一切ありません。

📚 学術参考文献及びエビデンス（Academic References）

  1. Prabhu, N. S. (1987). Second language pedagogy. Oxford University Press.
  2. Nunan, D. (2004). Task-based language teaching. Cambridge University Press.
  3. Ellis, R. (2003). Task-based language learning and teaching. Oxford University Press.
  4. Skehan, P. (1998). A cognitive approach to language learning. Oxford University Press.
  5. Robinson, P. (2001). Task complexity, cognitive resources, and syllabus design. Cognition and second language instruction, 287-318.
  6. Robinson, P. (2007). Criteria for classifying and sequencing pedagogic tasks. Investigating tasks in formal language learning, 7-27.
  7. Levelt, W. J. (1989). Speaking: From intention to articulation. MIT Press.
  8. Swain, M. (1995). Three functions of output in second language learning. Principle and practice in applied linguistics, 125-144.
  9. Willis, J. (1996). A framework for task-based learning. Longman.
  10. Schmidt, R. (1990). The role of consciousness in second language learning. Applied Linguistics, 11(2), 129-158.