AIは「先生の代わり」ではなく「最強の相棒」になる――Google DeepMindとEediの実証が示した、学習効果と教師の進化
30人全員に個別最適を届けたい、という願いから始まる
目の前の30人、40人の生徒それぞれに、ちょうどよい問いかけと支援を届けたい。これは、多くの先生が日々抱えている願いだと思います。
教育心理学者ベンジャミン・ブルームが示した、いわゆる「2シグマ問題」は有名です。1対1の個別指導は一斉授業より大きな学習効果を生みやすい一方、学校現場でそのまま再現するのは、人数・時間・コストの面で難しいという現実があります（The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring）。
だからこそ今、生成AIに期待が集まっています。ただ現場感覚としては、こうした違和感も強いはずです。汎用AIは答えを早く返してくれる反面、生徒の「考える過程」を飛ばしてしまうことがある。もっともらしい誤り、いわゆるハルシネーションの不安も残る。
この論点は、以前の記事いつの間にか「考えない学び」へ？――認知過程の変化と、AI時代に守りたい授業設計でも扱った、認知的オフローディング（思考の外部化）の課題とつながります。
「AIを放し飼いにしない」設計が、今回の核心でした
2025年12月に公開された論文AI tutoring can safely and effectively support students: An exploratory RCT in UK classroomsでは、Google DeepMindのLearnLMチームとEediが、イギリスの中学校5校・165名を対象に探索的RCTを実施しています。
この研究のポイントは、AIを生徒に直接丸投げしなかったことです。
生徒が数学問題を誤答した場面で、AIは「答えを教えない」「誤解に絞ってソクラテス式に問い返す」という制約の下で対話文を下書きします。さらに、その下書きは必ず人間チューターの画面に送られ、承認・修正・却下の判断を経てから生徒に届きます。
要するに、AIは「自動先生」ではなく、教師の判断を前提にした補助エンジンとして設計されていました。
この考え方は、AI時代に教師の価値が高まる――「説明者」から「学びの設計者」へで書いた「教師の役割は薄まるのではなく、設計と判断へ移る」という流れとも整合的です。
成果は想像以上でした。しかも「安全性」と両立していました
論文では、AIが生成したメッセージ3,617件のうち、約74%が無修正で承認され、軽微修正込みでは約76%がほぼそのまま使えたと報告されています。
有害コンテンツは確認されず、数学的な事実誤認もごく低水準に抑えられていました（同論文）。
さらに重要なのは学習成果です。誤答後の再挑戦（同じ概念の問題）では、静的ヒント群よりAI対話群・人間対話群が明確に高い正答率を示しました。
「その場で分かった気になる」ではなく、つまずき直後の立て直しに実効性があった、という点は現場にとって非常に大きい示唆です。
いちばん注目したいのは「転移」で、AI群が上回ったことです
この研究のハイライトは、知識の転移です。
つまり、指導直後の類題や新しい問題に対して、生徒が自力で解けるかどうかまで見ています。
結果として、転移課題ではAI支援群が人間のみの支援群を上回る傾向が示されました（同論文）。
なぜか。論文と実装報告を読むと、ひとつの説明が見えてきます。AIは「答えを言わない」「問い続ける」というルールをぶれずに守るため、生徒に適度な困難を残しやすい。一方で人間は、優しさゆえにヒントを出しすぎる瞬間が起こり得ます。
ここは少し逆説的です。
教育では「やさしさ」が重要ですが、学習定着の観点では、考える余白を守る厳しさも同じくらい重要です。AIの価値は、この厳しさを安定して実装できる点にあるのかもしれません。
それでも最後に効くのは、やはり教師の観察と判断でした
ではAIが優秀なら、人間は不要になるのか。論文の示唆はむしろ逆です。
チューターが修正した主な理由には、会話のテンポ調整やトーン調整が含まれていました。生徒が理解しかけているのに問いが長引けば、意欲が落ちる。逆に、励ましが足りなければ手が止まる。こうした「学びの温度」は、画面上の正誤データだけでは取り切れません。
AIは知識の分解と再提示が得意です。
でも、今この生徒に必要なのが、もう一問の問いなのか、短い励ましなのか、いったん区切ることなのかを決めるのは教師です。ここに、AI時代の専門性がはっきり残ります。
日本の学校で生かすなら、3つの設計が鍵になります
第一に、AIを「自動回答機」にしないことです。
便利さだけを優先すると、思考過程が抜け落ちやすくなります。答え提示より、問い返しと自己説明を中心に置く設計が必要です。
第二に、人間が介入する運用を最初から設計することです。
「丸投げで負担ゼロ」は現実的ではありません。むしろ、どの場面を重点確認するか、どのログを後で振り返るかを決めるほうが、持続可能で質も保ちやすくなります。教員の業務実態を踏まえた運用設計は不可欠で、勤務負担の現状は教員勤務実態調査（令和4年度）速報値からも確認できます。
第三に、誤答データを「現場の知」として扱うことです。
Eediの強みは、長年蓄積してきた誤解パターンの知見でした（New Exploratory Research from Eedi and Google DeepMind Reveals Human-in-the-Loop AI Tutoring Outperforms Human-Only Support）。日本でも、先生方が日々見ている「どこでつまずくか」を構造化できれば、AI活用の質は一段上がるはずです。
「先生の代わり」ではなく、「先生を強くする相棒」へ
今回の論文が示したのは、AIと人間の勝ち負けではありません。
AIが思考を引き出す対話を安定提供し、人間が学習者の文脈と感情を見て最終判断する。この役割分担が機能したとき、学習効果は現実に伸びる、ということです。
教育の未来は、AIに任せる未来ではなく、AIを教育的に「使いこなす」未来だと思います。
明日の授業で一つだけ試すなら、生徒の質問にすぐ解法を返す代わりに、「あなたはどこまで考えた？」と一段深く問い返してみる。そこから、AI時代の授業づくりは始められます。
作成日: 2026-05-06
