システム1と2で読み解くAIリテラシー──教育現場のための二重過程理論
なぜ「賢そうに見える」のに、教室では慎重にならなければならないのか
生成AIの返答は、ときに人間以上に速く、丁寧で、自信に満ちて見えます。教員や保護者の方のなかには、「子どもがそれを鵜呑みにしたらどうしよう」と胸がざわつく方も多いはずです。一方で、「仕組みを一言で説明するには何がいいのか」と聞かれたとき、私はよく二重過程理論という心理学の枠組みを借ります。人の思考をざっくり二つに分けて説明するモデルで、いまの大規模言語モデル（LLM）の「速さ」と「落とし穴」を、教育の言葉に翻訳しやすいからです（Dual process theory - Wikipedia／System 1 and System 2 Thinking - The Decision Lab）。
ただし、ここで大事なのは単純なたとえではありません。動き方としてはシステム1にかなり似て見えるが、中身は人間のシステム1ともシステム2とも構造が違うパターン処理装置──そう説明すると、概ね実態に近い、という整理が研究コミュニティでも進んでいます（Dual process theory - Wikipedia）。この記事では、以下の対照図（Manktelow（2012）に基づく二重過程理論の比較表）に沿って、左列のシステム1と右列のシステム2が何を意味するかを丁寧にたどり、そのうえで生成AIをどう位置づけると家庭や学校の説明がしやすいか、授業・校務・生徒指導の観点から具体的に書きます。
なお、出力がもっともらしいことと「本当に理解していること」は別問題です。私は別稿で、ポチョムキン理解の比喩からこのずれを扱いました（AIの「わかったふり」の正体——ポチョムキン理解が教育に投げかける問い）。今回は、その手前にある認知の二つの速さから、AIリテラシーを組み立て直してみます。理論家によって用語や境界の切り方は揺れますが、教育の現場で必要なのは細部の学派対立より、子どもと安心して共有できる「思考の地図」だと私は考えています（Dual process theory - Wikipedia）。
対照図が示すシステム1とシステム2──14の行を教育の言葉で読む
心理学や行動経済学では、人の認知を大きく二つの過程に分けて説明する考え方が広く使われます。一般にシステム1は速く自動的で、システム2は遅く意識的で負荷が高い、と対比されます（Exploring Dual Process Theory - Structural Learning／System 1 and System 2 explained - SUE Behavioural Design）。添付の図は、その対比を十四の観点で並べたものです。左列は稲妻のついた脳のアイコン、右列は歯車の入った頭部のシルエットで示されており、速さと熟慮というイメージが視覚的にも分かれています。
まず知識のあり方から読みます。左は暗黙的知識で、右は明示的知識です。続く処理の仕方は、左が連想的、右が規則ベースです。推論の様相では左が直感的、右が論理的、向き合い方では左が実用的、右が内省的と対比されています。意識のレベルでは、左は無意識的で右は意識的、制御のしかたでは左が自動的で右が制御的です。情報の扱い方では、左は並列的に広く処理し、右は逐次的に一つずつ進めます。言語との関係も対照的で、左は言語と無関連に近い反応を含み、右は言語と関連して進みます。文脈への依存度では左が文脈依存、右が文脈独立と置かれています。
容量と記憶、そして発達の話に入ると、教育現場の実感とつながりやすくなります。処理容量は左が多く、右は少ないと示されます。作動記憶（ワーキングメモリ）との関係では、左は独立しがちで、右は依存します。知能との関係でも、左は知能と無関係な側面を含み、右は知能と関係すると整理されています。最後の二行は進化の古さです。左は進化的に古く、他の動物とも共有される反応を含み、右は進化的に新しく、人間に固有の熟慮に近いとされます。授業で「なぜ子どもはすぐ答えを言ってしまうのか」「なぜゆっくり考えさせると沈黙が増えるのか」を説明するとき、この表は速い思考と遅い思考がトレードオフであるという共通言語になります（Exploring Dual Process Theory - Structural Learning）。
見かけ上、生成AIは図の左列に重なる部分が大きい
現在のLLMは、大ざっぱに言えば「文脈からもっともらしい次の語を選び続ける」仕組みです（Unlocking the Mind of AI: System 1 and System 2 - Watercrawl）。この動きは、先ほどの対照図の左列と重なって見えます。連想的に近い結びつき、文脈依存、GPUによる高速な並列処理、外から見ると直感的に一発で返ってくる様子は、システム1のイメージと響き合います（The Decision Lab の解説／Watercrawl の整理）。研究側でも、語の共起から連想的な結びつきが形成される過程が、人間の連想学習のパラダイムと似たパターンを示す、といった報告があります（NeurIPS 2025 ポスター／arXiv の関連議論）。
ここで教育関係者向けに一言だけ補足すると、「左列に似ている」は「人間のシステム1と同じ」ではありません。学校や家庭で伝えるなら、AIは巨大で洗練された連想・パターン処理のエンジンであり、図の左側に並んだ性質のうち、連想性・文脈依存・高速・並列・暗黙的パターン利用といった部分に表面的には近い、という言い方が安全です（Dual process theory - Wikipedia）。
それでも人間のシステム1／2とは土台が違う──教室で誤解されやすいポイント
第一に、人間のシステム1は身体や感情、生存に関わる古い系統と強く結びついています。危険から逃げる、表情を読む、痛みに反応する──そうした生き延びるための自動性が背景にあります（Dual process theory - Wikipedia）。LLMには身体がなく、情動系に相当する仕組みや生存本能もありません。哲学・認知科学の議論でも、こうした生物学的基盤の欠如から、現在のAIを意識や感情を持つ存在として扱うべきではない、という整理が強まっています（Nature のレビュー論文／ブラッドフォード大学のニュース解説）。つまり「直感っぽい出力」はしても、それは生身の動物としての直感ではありません。生徒指導や保護者面談で「AIが共感してくれた」と感じた場合ほど、ここを言葉にしておく価値があります。
第二に、経験の仕方が違います。人のシステム1は、転んだ痛みや誰かの表情など、身体を通した経験から暗黙のパターンをつくります（Structural Learning の解説）。LLMは主にテキストや記号データから統計を学び、能動的な世界経験をほとんど持ちません（NeurIPS 2025 ポスター）。だから「それらしい言い回し」と「その子の文脈での真実」は一致しないことがあります。評価や所見、リスクの見立てをAIに任せきりにすると、もっともらしさだけが先に立ちます。
第三に、いわゆる「ステップバイステップ」や中間式付きの回答は、システム2っぽく見えることがあります（Watercrawl）。Chain-of-Thought や System 2 attention などの技法は、モデルに推論の形を学習させる試みとして進んでいます。しかし本質的には、モデルが意識的に自分の考えを見直しているわけではなく、与えられた形式に沿って文章として推論を模倣しているに近い、という批判的な見立てが並行して語られます（Nature のレビュー）。人間のシステム2にある内省、衝動へのブレーキ、作動記憶の制限のなかでの細かい検証（SUE Behavioural Design）を、AIがそのまま持っていると決めつけないことが、AIリテラシーの中核です。
教育で何を守るか──授業・校務・生徒指導に落とすとこうなる
私はAIリテラシーを「別科目の魔法」ではなく、各教科の疑う作法に近いものとして捉えています（「AIリテラシー」の正体、知っていますか？——中身の9割は、国語・社会・理科の「疑う作法」だった）。二重過程理論で言い換えると、AIがシステム1的に候補を速く量産するほど、人間側のシステム2（立ち止まって検証する責任）を手放してはいけない、という原則になります（Structural Learning／SUE Behavioural Design）。生徒の利用と学校の整備のあいだにはギャップも指摘されており（生徒の8割がAIを使っているのに、学校の導入率は4割— この40ポイントのギャップが教育現場を変える）、家庭と教室の両方で、この「役割分担」の言葉を共有しておく意味は大きいと思います。
授業では、AIを先に答えを出す道具ではなく、自分で考えたあとに比較・修正・拡張する道具に寄せると、図の右列である内省的・制御的・逐次的な働きが残ります。たとえば説明の言い換えや小テスト案、誤答例のたたき台は、教師のシステム2が「この学級に合うか」を選び取る材料として有効です。逆に、本文を読む前に要約だけ見せる、少し詰まった瞬間にいきなり全文解答を出す、探究の問いづくりをすべて代行する──こうした使い方は、子どもの迷う・試す・間違える・直すという過程をすっ飛ばし、「わかった気」の錯覚を生みやすいので、私は慎重に線を引きたいと考えています（「使い方」ばかり教えていませんか？——AI時代に欠かせない「疑い方」教育へ）。
校務では、学年通信や会議資料の下書き、自由記述の分類、テンプレート案の作成など、定型と整理にAIを寄せると相性がよいです。効率化の先に「浮いた時間を何に使うか」を決めておかないと、文書が増えたりチェック項目が増えたりして、結局システム2に残る余白が削られる──そんな本末転倒も起きえます。だから私は、AIで短くなった分を観察や対話に回すと宣言しておくくらいがちょうどよいと思います。一方で、個人情報や機微情報を契約も確認せずに流し込むこと、所見や重要対外文書の最終判断まで任せること、AIの要約を理由に人同士の合意形成やケース会議を省略することは避けた方がよいでしょう。AIは整理役にはなれても、責任主体にはなれません。
生徒指導では、面談前の観点出しや質問の候補、記録の時系列整理など、教師の思考を狭くしない補助に使う余地があります。ただし表情や間、関係性の歴史はテキスト化しきれません。リスク判定や生徒理解そのものをAIに委ねることは、過剰対応・見逃し・レッテル貼りにつながり得ます。「原因は承認欲求でしょう」といったもっともらしい一因一果は、仮説の一つにとどめるのが安全です。
保護者の方への短いまとめ方としては、AIは速くたくさん「それらしい文」を出せるが、正しさ・教育的妥当性・倫理・その子への適切さまでは保証しない、と置けます。だから家庭でも、最後に立ち止まって確かめるのは人間、と子どもと約束しておくと伝わりやすいです。たとえば宿題でAIを使うなら、「まずノートに自分の考えを三行」「そのあとAIの言い換えを見て、違いを一言メモ」といった順番のルールを一つだけ決めるだけでも、図の右列である逐次的・内省的な処理が残りやすくなります。スクリーンタイムの長さより先に、「何を自分でやってから機械を見るか」を家族で言語化しておくのが、私は現実的だと思います。知識と考える力のどちらを残すかという問いともつながります（子どもに残すのは「知識」？ それとも「考える力」？——AI時代、人間が本当に持つべきもの）。
教員の方が明日の授業で試せるレベルに落とすなら、私は誤答例ワークをおすすめします。AIに「よくある誤答を三つ」と出してもらい、生徒には「どこがおかしいか」をノートに書かせます。ここで動いているのは、対照図の右側にある規則ベースで論理的に見直す働きです。数学なら式の変形、国語なら根拠の飛躍、英語なら時制や接続の筋の違いと、教科の言葉に接続できます。採点をAIに任せきりにせず、創造的な答案やあいまいながらも筋の通った答えを教師の目で拾う──これもシステム2の仕事として残す、という意味です。
二つの速さを知ったうえで、学校と家庭が共有したいこと
二重過程理論の対照図は、人間の認知を左の速いシステム1と右の遅いシステム2に分けて見る道具です。生成AIは、その左列に見た目が似た部分を多く持ちますが、身体・感情・意識・責任ある内省という人間の土台とは別物です（Wikipedia の概説／Nature のレビュー）。だから教育の現場では、AIは候補を出す補助者、最終判断と意味づけと責任は人間のシステム2──この一文を、教員同士、保護者と、できる範囲で共有しておくと、説明がぶれにくくなります。図の十四行は、その「共有」の背中を押すチェックリストにもなります。左に寄りすぎた使い方（速さだけを取りにいく）になっていないか、右列の言葉で授業や対応を支え直せるか。職員室や学年のチャットで「今日のAI利用、システム1に寄りすぎてない？」と半分冗談で聞き合えるだけでも、文化として効いてきます。今日の一節から、そんな問いを持ち帰っていただければうれしいです。
作成日：2026年3月23日
