教育とAI / 生成AIを「認知チューター」として設計するという発想と、教育ガバナンスの組み替え（OECD Digital Education Outlook 2026を素材に）雑感

0　はじめに

　生成AIの教育利用は、もはや学校が導入するか否かという段階を超えた。学習者は学校の外で勝手にこれを使える。教育制度の前提そのものが揺らいでいる。OECD Digital Education Outlook 2026は、この現実を真正面から扱い、生成AIの教育効果を「学習」と「成果物の出来」のズレとして捉え直した。そこから見えてくるのは、生成AIを解答供給装置として使う限り、学習の中核であるメタ認知的努力が抜け落ちやすいという、当たり前だが厄介な事実である。

1　問題の所在

　教育の制度設計は、従来「教師―学習者―教材―評価」という比較的閉じた回路を前提としてきた。しかし一般目的の生成AIが普及すると、学習者は教師の設計した課題の外側から即時に答え・要約・作文・コードを得られる。すると、課題の達成は上がる一方で、能力形成が追随しない局面が生じる。

　OECD報告書は、トルコの高校で実施された大規模フィールド実験を引いている。この実験では、数学学習において一般目的LLMへのアクセスが練習時の正答率を押し上げつつ、アクセスがなくなった試験では成績が悪化した。標準的なChatGPTインターフェースを使った群では練習時に48%の成績向上を示したが、その後のアクセスなしの試験では17%成績が低下した。生成AIが「学習の松葉杖」になり得ることを示す実証である。

2　断片化という問題と因果関係の特定

　生成AIをめぐる議論は、学習成果、教員の働き方、個人情報、学術的不正、EdTech産業政策など、トピックが断片化しやすい。ここでは因果の芯だけを抜き出す。

　生成AIが直接解答を返す設計になっているほど、学習者の認知的努力が外部化され、短期の達成は上がるが、長期の理解・転移・保持が損なわれやすい。他方で、生成AIを学習プロセスを支える設計、すなわちチューター、足場掛け、ソクラテス式問答に寄せるほど、学習に寄与し得る。

　ここで重要なのは、生成AIを使うか否かではなく、生成AIが学習者にどの種の認知活動を要求するかという設計問題である。先のトルコの実験でも、教師が設計したヒントを提供し、答えを直接与えないよう設計されたチューター版では127%の成績向上を示し、かつアクセス除去後の成績低下も大幅に軽減された。設計次第で結果が逆転する。

3　「認知チューター」化という設計課題

　OECD報告書の中心的メッセージは、一般目的チャットボットをそのまま教育に流し込むのではなく、教育目的に合わせた生成AI、いわゆる教育用GenAIへ再設計する必要がある、という点にある。

　教育用GenAIの要件として報告書が挙げるのは、第一に、直接答えを渡さず、問い返し・分解・根拠要求で学習者の思考を引き出すこと、第二に、カリキュラムや評価規準に整合すること、第三に、教師が設定・監督できること、である。

　実証面でも、AIチュータリングが対面授業より高い学習利得を示した研究と、ガードレールなしの生成AIは学習を害し得るとする研究が並置されている。ハーバード大学物理学部で実施されたランダム化比較試験では、教育学的ベストプラクティスに基づいて設計されたAIチューターが、対面でのアクティブラーニング授業よりも有意に高い学習効果を示し、かつ学習時間も短縮された。学生はより高い動機づけと没入感も報告している。

　結局、技術が万能なのではなく、設計が学習を決める。ここで「認知チューター」とは、学習者の認知過程、すなわち理解、推論、自己説明、自己点検を動かすために、生成AIを問いの生成機として用いる発想である。教育における生成AIの価値は、答案の代筆ではなく、メタ認知の活性化に置かれるべきである。

4　ガバナンスの論点

　設計の話を制度に落とすと、論点は四つに収斂する。

　第一に、説明責任である。教育用GenAIは、学校・教員・学習者に対し、どの範囲で何を自動化し、どの範囲を人が判断するのかを明示する必要がある。これは単なる透明性ではなく、学習評価の正当化、すなわちなぜそのフィードバックや採点や推薦が出たのかという問いと結び付く。

　第二に、教員の専門職性の維持である。OECD報告書が提示する枠組で言えば、AIと教員の関係には置換・補完・増強の三類型がある。生成AIが授業準備を効率化し得る一方で、過度な外部化は教員の技能形成や授業の固有性を侵食する。望ましいのは増強であり、AIの出力を教師が批判的に吟味し、改善し、責任を引き受ける形である。TALIS 2024によれば、OECD加盟国平均で約37%の教員がすでに生成AIを業務に使用しており、その用途はトピックの学習・要約や授業計画の作成が中心である。シンガポールやアラブ首長国連邦では75%に達する一方、フランスや日本では20%未満にとどまる。この普及の濃淡自体が、今後の制度設計において考慮すべき変数となる。

　第三に、学習評価の再設計である。生成AI時代には、最終成果物だけを見ても学習を測れない。プロセス、すなわち途中の推論、対話ログ、自己点検を証拠として組み込む評価設計が必要になる。これは、教育機関内部のルール、課題設計、試験形態、口頭試問、プロセス評価として実装されるべき領域である。

　第四に、データ保護と安全性である。教育は元来、センシティブなデータ、すなわち学習到達、行動、特性推定を扱う。生成AIが対話ログを通じて学習者モデルを形成するなら、目的外利用、再学習への流用、越境移転、第三者提供の統制が不可欠である。加えて、ハルシネーションや偏りが学習者の理解を誤誘導するリスクに対し、教材根拠付け、人のレビュー、誤り訂正の導線が制度要件となる。

5　むすびに

　生成AIを教育に入れるとは、便利な道具を追加することではなく、学習の因果構造を組み替えることである。解答生成に寄りかかれば、学習は痩せる。問い生成に向けて設計すれば、学習は太る。その差は、個別のツール選定ではなく、教育ガバナンスの総体、すなわち設計、監督、評価、責任、データ統制として立ち上がる。

　世界銀行の調査によれば、生成AIの利用は2024年から2025年にかけて爆発的に拡大し、ChatGPTのトラフィックは前年比113%増加、ユーザー数は42%増、一人当たり利用回数は50%増、セッション時間は倍増した。高所得国と低所得国の格差は拡大しており、低所得国のトラフィックシェアは1%未満にとどまる。教育における生成AIの議論も、この国際的なデジタルデバイドを無視しては進められない。

　日本でも、学校現場の運用論にとどまらず、生成AIを認知チューターとして設計することを制度的に担保する枠組、すなわち調達要件、学校内ルール、教師研修、評価改革、監査を、真剣に議論してよい段階に来ている。今回の雑感が少しでもそのヒントになれば本望である。

◾️AIと教育・こども まとめ

（マガジン）「AIと法-雑感」

　※目次は以下を参照

note総則規約3条2項前段
3.2 クリエイターが制作したデジタルコンテンツの著作権は、クリエイターに帰属します。