研修評価のKirkpatrickモデル：4つのレベルを解説

著者: Brian Tr · 更新日: 2026年10月7日

学習の専門家が集まる場で、研修をどう評価しているかを尋ねると、多くの方が「Kirkpatrick」と答えます。4レベルのモデルは、この分野の標準的な共通言語です。ベンダーのダッシュボード、RFP、認定資格のシラバス、そしてほぼすべての測定ワークショップの最初のスライドに登場します。

しかし、実際には曖昧な使われ方も少なくありません。定義しないまま「レベル4」と口にしたり、各レベルを研修終了後に登っていく梯子のように扱ったりしてしまうのです。本記事は、モデルそのものを解説するリファレンスです。モデルの出自、各レベルの意味と測定方法、New World版によって使い方がどう変わったのか、研究文献が指摘した問題点、そして自分を欺かずにモデルを適用する方法を取り上げます。商業的な観点に関心がある場合は、関連記事の購入企業に研修ROIを証明する方法で、販売側がこれらの考え方を軸にビジネスケースを組み立てる方法を解説しています。

重要なポイント

• モデルには、Reaction（反応）、Learning（学習）、Behavior（行動）、Results（結果）の4つのレベルがあります。Kirkpatrick Partnersは、1950年代にDr. Donald Kirkpatrickがこの4部構成を考案したとしています（Kirkpatrick Partners）。
• Kirkpatrickは、1959年11月から1960年2月にかけて、American Society of Training Directorsの機関誌に掲載した4本の論文で、このアプローチを示しました（Nickols）。
• New World Kirkpatrick Modelと呼ばれる更新版では、評価者にレベル4から逆算して進めるよう求め、必須ドライバーと先行指標を加えています（Kirkpatrick Partners）。
• 1989年、AlligerとJanakは、このモデルの3つの問題ある前提を指摘しました。レベルが上がるほど情報価値が高まること、レベル間に因果関係があること、レベル同士が正の相関を持つことです（Alliger and Janak, 1989）。
• Holtonは1996年に、4レベルの体系は実際にはアウトカムの分類体系であり、評価モデルとしては欠陥があると論じました（Holton, 1996）。

モデルの出自

Donald Kirkpatrickは、当時のAmerican Society of Training Directorsの機関誌に掲載した4本の連載論文で、4レベルのアプローチを示しました。第1回は1959年11月、最終回は1960年2月に掲載されました。これらの論文は、1975年にASTDから刊行された論集『Evaluating Training Programs』にまとめられています（Nickols）。Kirkpatrick Partnersによれば、彼は博士論文『Evaluating a Human Relations Training Program for Supervisors』を完成させた頃に、このフレームワークを確立したとのことです（Kirkpatrick Partners）。

このモデルは古く、主に講師主導型プログラムを運営する研修ディレクターという職種のために書かれました。しかも、当初のレベル定義は簡素なものでした。元の表現では、反応は「受講者がその研修プログラムをどれだけ気に入ったか」であり、結果については定義ではなく例が挙げられていました。コスト削減、離職や欠勤の減少、苦情の減少、生産の質と量の向上、士気の改善などです（Nickols）。現在「Kirkpatrickモデル」と考えられているものの多くは、後の著者によって追加されたものです。特に目立つのが、Donaldの息子であるJamesと妻のWendyで、Kirkpatrick Partnersは彼らの更新が2010年代に登場したと説明しています（Kirkpatrick Partners）。Jamesとの共著である書籍の第3版は、現在もBerrett-Koehlerから刊行されています（Penguin）。

4つのレベルを詳しく見る

Kirkpatrick Partnersは、現在、各レベルを次のように定義しています（出典）。

この番号順は、従来型の評価でデータを収集する順序です。後述するように、New World版が示す計画の順序とは異なります。

レベル1：Reaction（反応）

レベル1は、参加者がプログラムをどう体験したかを問います。元の枠組みは、参加者が気に入ったかどうかでした。現在の定義では、エンゲージメントと自分の仕事との関連性が加わっています。「講師がよかった」と「月曜日からこれを使える」では、答えとして大きく異なるため、この違いは重要です。

測定例：

• 楽しさだけでなく、関連性についても尋ねる研修後アンケート
• Net Promoter方式の「他の人に勧めたいか」という質問
• セッション中のエンゲージメントに関するファシリテーターの観察
• デジタルプログラムでの離脱ポイントや任意アクティビティの利用率（学習者エンゲージメント指標を参照）

レベル1は、低コストで素早く実施でき、プログラム自体の診断として役立ちます。限界は、成果ではなく体験を測っている点です。スムーズで楽しいコースでも何も教えていないことがあり、骨の折れるコースが多くを教えることもあります。

レベル2：Learning（学習）

レベル2は、プログラムが意図したものを受講者が身につけたかを問います。Kirkpatrickの当初の問いは、どのような原則、事実、技法が理解され吸収されたかでした。Nickolsは、研修によって学習が生じたと言うには、学習者の出発点を知る必要があり、つまり事後だけでなく事前にも測定する必要があると指摘しています（Nickols）。

測定例：

• 同じ尺度での事前テストと事後テストのスコア
• ルーブリックで採点する実技デモンストレーションやシミュレーション
• 研修前後の自己評価による自信度（現行定義の「自信」に対応）
• 特定の行動を実践するというコミットメントの記述（「コミットメント」に対応）

多くのコースプラットフォームがレベル2で止まっているのは、クイズのデータが自動的に得られるからです。レベル2は、受講者がプログラム終了時に何をできたかを示します。職場に戻ってそれを実行するかどうかについては、何も語りません。

レベル3：Behavior（行動）

レベル3は、仕事の中で人々が違った行動を取っているかを問います。多くのプログラムがここで脱落します。学習は、それを支えないかもしれない職場と接触しても生き残らなければならないからです。現行の定義は、この点を文言に織り込んでいます。重要な行動を実践し、その行動が支えられ、本人が責任を持つ、というものです。

測定例：

• 具体的な行動のチェックリストを用いた、上司や同僚による観察
• 通話録音、コードレビュー、顧客宛てメールのサンプルなど、成果物のレビュー
• 数週間後や数か月後に行う、参加者とその上司へのフォローアップ調査
• 新しいプロセスやツールの利用状況など、行動を反映するシステムデータ

測定上の課題は、タイミングと担い手です。行動変容が現れるまでには数週間かかり、それを最もよく観察できるのは、通常、L&Dチームではなく参加者の上司です。上司に観察を実施してもらうことは、測定の問題であると同時に、設計の問題でもあります。学習が職場に引き継がれる、あるいは引き継がれない理由についての研究は、学習転移をご覧ください。

レベル4：Results（結果）

レベル4は、狙いとした組織成果が実現したかを問います。「狙いとした」という言葉に注目してください。このモデルは、動いたビジネス指標を何でもいいから探すことを求めてはいません。あなたとステークホルダーが目指すと言った成果について問うものです。

測定例：

• 営業プログラムなら、売上、受注率、案件規模
• オペレーションプログラムなら、エラー率、不良、安全インシデント
• サービスプログラムなら、顧客満足度スコアやクレーム件数
• マネジメントプログラムなら、定着率、戦力化までの期間、欠勤

レベル4が最も難しい理由は単純で、多くの要因が同時にビジネス指標を動かすからです。研修プログラムが単独で作用することはまれです。そこで評価者は、比較グループ、トレンドのベースライン、ステークホルダーの推定値に頼ることになります。これらは購入企業に研修ROIを証明する方法の記事で詳しく解説しています。

New World Kirkpatrick Model

現代版における最も重要な変更点は、順序の変更です。従来のレベルは時系列のように読めます。コースを実施し、その後に4つの問いを投げかけるという流れです。New World版は、これを逆転させます。Kirkpatrick Partnersは、レベル4から始めて設計を逆算していくことを強調するものだと説明しています（Kirkpatrick Partners）。

実際の進め方は次のとおりです。

1. レベル4の結果を定義する。 どの組織成果を変えたいのか、そしてそれを気にかけているのは誰かを明確にします。
2. 先行指標を特定する。 先行指標とは、重要な行動が、望ましい結果にプラスの影響を生む軌道に乗っていることを示唆する、短期的な観察や測定です（Kirkpatrick Partnersワークブック）。
3. レベル3の重要な行動を定義する。 人々は具体的に何を違う形で行う必要があるのかを明らかにします。
4. 必須ドライバーを明確にする。 必須ドライバーとは、職場で重要な行動の実践を強化し、モニタリングし、促し、評価するプロセスやシステムです（同ワークブック）。
5. 学習（レベル2）と体験（レベル1）を設計する。 プログラムの形を決めるのは、ここからです。

このうち2つの用語は新しく、じっくり理解する価値があります。

必須ドライバー。 ドライバーとは、コースの外にあって、新しい行動の実践を促すあらゆるものを指します。コーチング、ジョブエイド、上司からの称賛、リフレッシャー、表彰、成果に応じた報酬などです。Kirkpatrick Partners自身のガイダンスは、新しく学んだ行動を実践している従業員を称賛することを一例として挙げ、コーチング、メンタリング、成果に応じた報酬も他のドライバーとして挙げています。また、上司にはその使い方に関する指導が必要だと述べています（Kirkpatrick Partners, Rao）。これは、レベル3の課題に対するモデルからの直接的な答えです。行動が転移することを期待するのではなく、支援を計画するのです。

先行指標。 レベル4の成果が現れるのは遅くなります。先行指標は、早い段階での手がかりを与えてくれます。同じKirkpatrick Partnersの記事では、コミュニケーション研修の後に、上司が顧客に受け取ったメールについて調査し、コミュニケーションの問題に起因するエスカレーションが減るかどうかを見守る例が挙げられています。

Return on Expectations

New World版は、Return on Expectations（ROE）にも重きを置いています。Kirkpatrick Partnersは、ROEを、成功した研修施策が主要なビジネスステークホルダーにもたらすもので、彼らの期待がどこまで満たされたかを示すものと説明し、プログラムを構築する前にビジネス側と話し合うべきだとしています（Kirkpatrick Partners, Rao）。

実務上、ROEは計算ではなく対話です。プログラムの費用を負担するステークホルダーと向き合い、1年後に自分たちで成功と認識できる姿を尋ねます。その答えが、レベル4の目標になります。また、報告書の宛先も変わります。L&Dチームではなく、最初に期待を設定した本人に向けたものになるのです。

Phillipsとレベル5

Jack Phillipsは、第5のレベルであるReturn on Investment（ROI）を加えて、この構造を拡張しました。ROI Instituteは、5つのレベルを、反応と計画された行動、学習、応用と実行、ビジネスインパクト、ROIと説明しており、最後のレベルでは金銭的便益とコストを比較します。また、統制グループやトレンドライン分析などの手法を用いて、プログラムの効果を切り分けることを不可欠なステップと位置づけています（ROI Institute）。

つまりPhillipsは、Kirkpatrickのレベルにはない2つのことを行います。レベル4のインパクトを金額に換算すること、そしてその前にプログラムの貢献を切り分けることを必須としていることです。計算式、コスト区分、具体的な計算例が必要な場合は、購入企業に研修ROIを証明する方法をご覧ください。多くの組織は、全体の枠組みにはKirkpatrickを使い、Phillipsのステップはコストの大きい、または注目度の高い少数のプログラムにだけ追加しています。

モデルへの批判

このモデルの人気は、常に学術界の懐疑と隣り合わせでした。最も引用される3つの批判は、それぞれ異なる点を指摘しています。

AlligerとJanak（1989）。 最初の論文から30年後、彼らは3つの問題ある前提を指摘しました。レベルが提供する情報の順に昇順で並んでいること、レベル間に因果関係があること、そしてレベル同士が正の相関を持つことです。彼らは、発表済みの評価研究に各レベルがどれくらいの頻度で登場するかを調べ、2つ目と3つ目の前提について文献の相関が何を示しているかを検討しました（Alliger and Janak, 1989）。実務上の教訓はこうです。レベル1のスコアが高いからといって、レベル2のスコアも高いとは予測できず、あるレベルから次のレベルへと因果の連鎖があると決めつけることもできません。

Holton（1996）。 彼は、4レベルの体系は実際にはアウトカムの分類体系であり、評価モデルとしては欠陥があると論じました。彼の見解では、真のモデルは、アウトカムを正しく特定し、介在変数を考慮し、因果関係を示さなければなりません。彼は、学習への動機づけ、学習可能性、仕事への態度、個人特性、研修転移の条件といった変数を考慮した代替モデルを提案し、参加者の反応に新たな役割を与えました（Holton, 1996）。この批判は元のモデルに向けられたものです。New World版の必須ドライバーが、職場の条件を設計要素として明示することで、この批判の一部に答えている点に注目してください。

Bates（2004）。 Reid Batesは、『Evaluation and Program Planning』誌に、「A critical analysis of evaluation practice: the Kirkpatrick model and the principle of beneficence」と題する批判的分析を寄せました（Bates, 2004）。重要度の高い場面でこのモデルに頼る予定があるなら、全文を読む価値があります。

これらの批判を総合すると、妥当な見方が見えてきます。4つのレベルは、どのような種類の証拠が必要かを確認する有用なチェックリストです。しかし、研修がどのように成果を生むかを説明する因果理論ではなく、そのように使うべきでもありません。

モデルの活用方法

上記の情報源から、いくつかの実践方法が導かれます。

ステークホルダーとの対話から始める。 何かを設計する前に、プログラムを評価する本人とレベル4の成果について合意します。研修ニーズ分析も実施する場合、この対話は、見つかったギャップと、これから集める証拠をつなぐ自然な橋渡しになります。

先行指標は少数に絞る。 数週間以内に読み取れる2〜3個のほうが、誰も収集しない12個よりも価値があります。

重要な行動は観察可能な言葉で書く。 「コミュニケーションが改善する」は観察できません。「解決策を提案する前に、最初の返信で顧客の問題を確認する」なら観察できます。

ドライバーを計画し、担当者を明確にする。 担当者のいないドライバーは、ただの願望です。誰がコーチングし、誰が確認し、参加者の上司に何を求めるのかを決めておきます。

レベル2はベースラインと比較して測定する。 事前テストまたはそれに相当するものがなければ、事後テストの結果が良くても、それをプログラムの成果と見なすのは困難です。Nickolsも指摘しているとおりです。

労力は重要度に合わせる。 すべてのコースでレベル3と4の評価を完全に行うのは非現実的です。Kirkpatrick Partners自身のワークブックは、この作業をミッションクリティカルなプログラムの評価と位置づけており、対象を選ぶことを前提としています。重い評価は、コストが大きい、戦略的である、あるいは社内で注目されているプログラムに限定してください。ADDIEのような体系的な設計プロセスでプログラムを構築している場合、評価計画は最終フェーズに自然に組み込めます。

関連記事

• 購入企業に研修ROIを証明する方法
• 研修ニーズ分析
• 学習者エンゲージメント指標
• 学習転移
• ADDIEモデル