近年、ChatGPTの普及によりAIエージェントへの関心が高まる一方、LLMベースのエージェントは内部がブラックボックスであり挙動理由を説明しにくい。そこで説明可能AIとして再注目されるルールベースAIに着目し、本研究室では初学者向けにエージェント設計と動作確認を行える学習支援ソフトウェアATLSを開発してきた。しかし、学習者がどこで躓いたか把握しにくく、適切な振り返りが困難という課題がある。本研究では、学習過程で得られるエージェントの動作ログから学習者の理解度を推定し、その結果に応じたフィードバックを行う手法を提案し、初学者の学習効果向上を目的とする。