若い先生の皆さんへ第2部<221>T(67)_「とりあえずAI」が子供の思考力を奪う？AI時代だからこそ必要な「堅牢な知識」を育む授業デザインとは
AIに頼るほど、人間の思考力や忍耐力が低下していると感じたことはありませんか？こんにちは、トビラAIです。今回は教師のスキルセット「T:Teaching」の第67回目です。「授業」という先生にとってはど真ん中のテーマを、いろいろな角度から考えております。前回はAIから見た授業というテーマで、AIがいまいち成果を上げていない要因を分析しました。未読の方は以下をご覧ください。
それでは、よろしくお願いします。
この記事を読むとできるようになること
「とりあえずAI」の思考停止に陥らず、目的に応じた最適な学習ツール（書籍・現地調査・AI等）を選択・指導できるようになる
「記号接地」や「パワフルな知識」の概念を理解し、単なる丸暗記ではない「堅牢な知識」を育む4つの授業アプローチを実践できる
AIの出力結果を「有用性・関連性・正確性・倫理」の4基準で評価・ファクトチェックさせる健全な学習習慣を形成できる
読了時間の目安は約７分です。
前回の記事でAIが成果をあげられていない原因を分析しましたが、「教育」という点で真剣に考えねばならない人間の弱みは以下の通りに要約できるかと思います。
生成AI時代に露呈する「人間特有の4つの弱点」
「手段」を「目的」にすり替えてしまう習性
本質的な課題からの逃避：本来は「業務や学習の目標達成（BPRや産業発展）」が目的であるはずなのに、手軽な「ツール導入（AIやアクティブラーニング）」そのものをゴールにして安心してしまう点。
安易な思考の短縮：本質的な構造改革や思考のプロセスを飛ばし、「とりあえず使ってみる」という形骸化した行動に走りやすい傾向。
目先の楽さに流され、努力を回避する弱さ
「松葉杖」への依存：ヒントではなく「答え（直接的なソリューション）」が得られると、すぐに楽な方へ依存してしまう点。
粘り強さの急速な喪失：文章中の研究結果にある通り、わずか10〜15分楽をしただけで、自力で深く課題に取り組む根気や忍耐力（認知の自律性）を簡単に失ってしまう脆弱さ。
個人の作業速度向上と全体の最適化を混同する盲点
目の前の効率化への満足：個人の作業（メール作成や要約）が速くなっただけで「効率化できた」と錯覚し、組織全体のワークフローや構造を変革する大きな労力を避けようとする点。
部分最適化への逃避：古いやり方に新しいツールを「糊付け」するだけで満足し、根本的な再設計（BPR）に伴う摩擦や痛みを避けようとすること。
便利さに目を奪われ、検証の手間を軽視する軽信性
思考の棚上げ：AIが出力した「もっともらしい言葉（ワーク・スロップ）」を安易に受け入れ、批判的思考やファクトチェックという地道な労力を怠ってしまう点。
伝言ゲームの容認：データの劣化やハルシネーションのリスクがあるにもかかわらず、うのみにして思考を外注してしまう脆さ。
総じて、人間は「本質的な頭の汗をかくこと（思考や構造改革の負荷）を避け、目先の利便性やツール導入という分かりやすい行動に飛びついて自己満足してしまう」という根本的な弱みを持っていると言えます。
これを解決するための「授業」とはいったいどのようなものでしょうか。私は１つ提案したいと思います（本当は３つなのですが、今日は残りの２つはいずれ触れます）。
AI時代を生き抜くために不可欠な「5つのC（ヒューマンスキル）」とは？
MicrosoftはLinkedInで開講している講義で、AI時代に求められるヒューマンスキル（人間だけのコアスキル）として定義されている「5つのC」とは、以下の5つのキーワードを指します。
Curiosity（好奇心）：この先の展開や可能性を想像する力です。過去を振り返って情報を整理することしかできないAIとは異なり、新たな世界を創造する力となります。
Courage（勇気）：困難な物事に挑む力、そして成長して適応しようとする力のことです。
Creativity（創造性）：新たな発想を思いついたり、イノベーションを生み出したりする力です。AIに支援してもらうことは可能ですが、新しく創造することは人間にしかできません。
Communication（コミュニケーション）：人類を生物の頂点に押し上げた原動力である「ストーリーテリング（物語を伝える）の力」です。ストーリーを通じて他者と深い絆を築きます。
Compassion（共感力）：他者を思いやる力や、良心、倫理観・道徳に基づいた力です。多様な声や視点を取り入れながら、世界観を形成していくことにつながります。
これらはAIが完全に置き換えることのできない、人間固有のコアスキルとして位置づけられています。またクリティカルシンキング（批判的思考）の必要性も唱えられていますね。
なぜ「堅牢な知識」がなければクリティカルシンキングは不可能なのか
しかしながら、「堅牢な知識」がなければ創造性も批判的思考もうわべだけになってしまいます。またAIが出してくるハルシネーションを見抜くことすらできません。もちろんAI利用の際のファクトチェックを行うことは当然の作業です。しかしそのファクトチェックもある程度の知識がないとままならないのではないでしょうか。
AIの限界：相関関係と因果関係の区別がつかない理由
AIはあくまで数学・確率をもって文章を生成しているだけですから、意味を分かっていません。意味が分かっていない、ということは相関関係と因果関係の違いも怪しいということです。
極端な例ですが、アイスクリームの消費量と海難事故の件数は正の相関があるといわれています。では「海難事故を減らすためにアイスクリームの消費量を減らせ」と言われてもそれが違うと人間は認識できるでしょう。真の原因は夏の暑さにある、と人間ならわかるからです。
AIを利用するということは上記の内容を含めてファクトチェックをしていくということで、当然ながら膨大な生成物を出してくるAIのすべてをチェックしきるのは困難であり、そもそも知識のない人間にとっては不可能でしょう。
「脱・詰め込み教育」の罠——今こそ「生きた知識」の注入が必要な理由
つまりあえて申しますと、学生時代に「知識の詰め込み」が必要です。「詰め込み」です。こう書くとネガティブなイメージしかありませんが、知識のないところに創造も批判もないのですから、今まで以上に児童生徒に知識を授けていくことが必要でしょう。
「知識の詰め込み」という言葉をポジティブに捉え直し、「堅牢な知識」を育む授業へとアップデートするためには、以下の4つのアプローチが不可欠です。
1. 知識を「与えられるもの」から「自ら創り上げるもの」へ転換する
従来型授業の最大の誤解は、「知識は客観的な事実の集積であり、教師がわかりやすく教えれば子どもの脳に移植できる」という考え方です。認知科学者の今井むつみ氏が指摘するように、テストのための一夜漬けや丸暗記で詰め込んだ情報は、実際の思考に使えない「死んだ知識」へと形骸化してしまいます。
堅牢な知識を育てる授業では、知識の「記号接地（シンボルグラウンディング）」が重視されます。これは、与えられた言葉や公式を単に暗記するのではなく、学習者自身が既存の知識を手がかりにして考え、自分なりに納得するプロセスです。「TAKOYAKI」という単語を見て、ああ、たこ焼きかと想像できるようなものです。
教師が完璧にわかりやすい説明をしたとしても、生徒自身が自らの頭で解釈し、自らの知識ネットワークと結びつけなければ、真の知識にはなりません。したがって、授業は「教師が知識を注入する場」ではなく、「生徒が自らの推論によって知識を再発見・再構築する場」としてデザインされる必要があります。
ちなみにAIの世界にも「シンボルグラウンディング」という言葉があり、AIはこれが苦手だ、とされています。「たこ焼き」という単語から物理的なたこ焼きをイメージできないのです。
2. 「パワフルな知識（Powerful knowledge）」と「概念（ビッグ・アイディア）」の習得
学校で学ぶべき知識とは、単なる雑学の寄せ集めではありません。イギリスの教育社会学者マイケル・ヤングは、学校が教えるべき知識を「パワフルな知識」と呼びました。これは、各学問分野の真理の追求の手続きを経た、専門的・体系的で信頼できる知識のことです。
また、教育社会学者の広田照幸氏は、学校で学ぶ知識は「この複雑な世界を再構成して縮約した『世界の縮図（カリキュラム化された知）』」であると述べています。日常の経験だけでは到達し得ない、世界の成り立ちや科学の法則を学ぶことで、子どもたちは初めて社会のニュースや複雑な問題を論理的に解釈し、見極める力を得ます。 堅牢な知識を育てる授業では、細かな事実の暗記に終始するのではなく、各教科の「キー・コンセプト」や「ビッグ・アイディア」を中核に据えます。これにより、生徒は特定の学問分野における「見方・考え方（思考パターン）」を体系的に身につけることができます。
このビッグ・アイディアとは実は私の連載ですでに既出の単語です。
「ビッグ・アイデア」とは「教科という道具を通して、生涯にわたり何を学んでほしいか」という先生が最も大切にするべき考え方です。例えば英語だと「言語と文化は相互に深く依存している。言語を学ぶことは、異なる文化の価値観や考え方（人々がなぜそのように考え、行動するのか）を理解し、尊重することにつながる」といった考え方です。
これを前提にして逆算して授業を設計するのが、バックワードデザイン（逆向き設計）です。バックワードデザインは相当長いこと取り上げましたのでこれ以上触れませんが、先生が立てる「ビッグ・アイディア」が低い（テストでいい点数を取って自信をつけてほしい）と、テストの点数を取るだけの勉強になってしまい、膨大な知識を児童生徒に学ばせることはできません。ここは先生の志の部分ですね。
3. 他者への「アウトプット」を通じた知識の定着（習熟）
獲得した知識を「わかったつもり」で終わらせず、確固たるものとして定着（習熟）させるためには、他者と協働するアクティブラーニングの手法が極めて有効です。
アメリカの国立訓練研究所が提唱する「ラーニングピラミッド」によれば、講義を聞くだけの学習定着率が5％であるのに対し、グループ討論では50％、そして「他人に教える」経験をした場合は90％に達するとされています。 藤原和博氏も、本当に知識が「わかった」状態になるための条件として、「友だちに教えられること」と「自分で問題を作れること」の2つを挙げています。
他者に教えようとする（アウトプットする）とき、生徒は自分の理解の不十分な部分（メタ認知）に気づき、知識を論理的に再構成せざるを得ません。授業の中に例えば「生徒同士の教え合い」を仕組みとして組み込むことが、知識を強固な「レゴブロック」へと変える強力な手段となります。
4. 「知識についての知識（メタ知識）」と「学び方」を学ぶ
最後に、堅牢な知識を育てる授業は、特定の教科知識を教えるだけでなく、「学び方（ノウハウ）」そのものを生徒に獲得させるものでなければなりません。 教育心理学において、これは「メタ知識のトレーニング」と呼ばれます。既存の知識を無批判に受け入れるのではなく、「この知識はどうやって獲得されたのか」「この知識は何の役に立つのか」という根源的な問いを深める訓練です。
そもそも情報のソースとしてAIやSNSは無論のこと、wikipediaも信じさせてはいけません。あの中にも出典が怪しいものがいっぱいあります。AIは学習の際にnoteの記事を引用してくることすらあります。noteは残念ながら学術的に何の信ぴょう性のないものですから、論理に破綻が生じるでしょう。
現代の「知識基盤社会」においては、知識は日々ものすごいスピードで更新されていきます。今日学んだ正解が、明日には古くなるかもしれません。だからこそ、「自分はどこがわかっていないのか」を自覚し、書籍やインターネット、あるいは他者との対話を通じて必要な情報を探し出し、新たな知識を自律的に獲得し続ける「学び方」を身につけることが不可欠です。
よって「堅牢な知識を育てる授業」とは、決して「静かに座らせてひたすら暗記させる授業」に回帰することではありません。
それは、人類が築き上げてきた「パワフルな知識」を足場として提供しつつ、生徒自身が試行錯誤しながら概念の本質をつかみ（記号接地）、それを他者との対話や教え合いを通じて論理的に再構築し、最終的に「未知の事態を解釈し、新たな課題を解決するための生きた道具」として使いこなせるようにする授業です。その結果、知識を詰め込んでいく、というのが新しい時代の授業の在り方だと思います。
5. 「とりあえずAI導入」という思考停止を今すぐやめるべき理由
前回の記事で「産業分野ごとにどのような形で人工知能（AI）を使えるのかを産業界と一緒に考えて示していきたい。」という長野県知事の発言を引き、この考え方が危ないと指摘しました。AI利用ありきになっていてそれがゴールになっています。学校現場でもそうなっていないでしょうか？職場でもそうなっていないでしょうか？
私は、ふとしたきっかけで湖北（滋賀県の湖北）の「八幡宮」について勉強しないといけなくなりました。最初Gensparkを用いてファクトチェックを重ねながら情報を集めようとしましたが、すぐ止めました。おそらく「神道」についての学習をアメリカ発の生成AI（LLM）が十分に学んでいるとは思えなかったのと、さらに「湖北」限定ですから明らかにAIでは情報が足りないはずです。しかしAIは中学受験生の「とりあえず全部埋めた」とどや顔で帰ってくるのと同じで、ひとまず回答を捻出しますからハルシネーションだらけになりますよね。
また、高校までの日本史は「神道」について体系的に教えるカリキュラムになっていません。よって私自身が持っている神道の知識だけでは極めて不安。
そのため、吉川弘文館の『日本神道史』を購入し、かつ滋賀県立図書館や湖北地方の博物館・図書館に出向いて文献に当たる、というツールを選択したのです。
解決したい問題に合わせて道具を変える、というのはつまりこういうことです。こういう判断ができるようにならないと、蒸気機関を前提とした工場に電気を通したが生産性が上がらなかったという産業革命上の失敗を笑うことはできません。
5-1. 情報の真偽を見極める「AI回答の4つの評価基準（ケネソー州立大）」
最後に紹介したいのは、ケネソー州立大学のJeanne Beatrix Lawが提唱する、AIの回答の「4つの評価基準」です。
有用性（Usefulness）: AIの提示した回答は、現実の課題解決において本当に役に立つ道具になっているか。
関連性（Relevance）: 湖北というローカルで具体的な現場の文脈に正しく合致しているか。
正確性（Accuracy）: 歴史的ファクトや用語にハルシネーション（嘘）が含まれていないか。
倫理（Ethical）: AIの答えをそのままコピペせず、自分の頭で考え、データ保護やプライバシーに配慮しているか。
これ、実はＡＩに限った話ではないですよね。ＡＩを使うにせよ、図書館に行くにせよ、上記の内容をしっかりチェックさせるという習慣を子どもに持たせることは非常に重要であると考えます。
6. 流行に踊らされず、AIを体系的に学ぶための無料・高品質講座2選
最後に、AIを皆さんちゃんと学んでほしいです。YouTubeとかに頼っちゃダメです。最近特に思いますが、AI関連企業は自社の株価しか興味がないですし、YouTuberはどれだけバズるかにしか関心がありません。
否定はしません。なぜなら両方とも資本主義としては健全な行動だからです。ですが体系的に学ぶには向いていません。何度も同じことを言ってますが、国連大学の講座を学ばれることをお勧めします。
今年の４月に開講されてまだ受講生が２０８名しかいない講座ですが、技術的な部分から倫理、SDGsまで幅広く学ぶことができます。アクティブラーニングについてよくわからず、とりあえずやってみようとして失敗した同じ轍を踏んではなりません。本講座は無料です（完全日本語です）。最後にテストがあってそれをクリアすると国連大学の名のプロフェッショナル認定資格の修了証をもらえます。
また文中のケネソー州立大学のAI for EducationはAIを活用した授業を実際に設計させてくれる講座です。そんなに長い講座ではないので、よろしければご検討ください。
このお盆にＡＩの基礎をしっかり学んで、現場で活かしていただくことを願ってやみません。
ありがとうございました。
「とりあえずAIを使う」から「AIを使いこなすための堅牢な知性を育む」へ——本記事が、皆様の授業づくりや学び直しのヒントになれば幸いです。
もしこの記事が少しでも参考になりましたら、ぜひ「スキ」を押していただけると励みになります！ また、「現場でこんな工夫をしている」「AI活用でこんな悩みに直面した」といった皆様のご意見やご感想も、コメント欄にて心よりお待ちしております。意見交換をしながら、これからの教育を一緒に考えていきましょう。
「学びのアップデート」に関する記事を今後も届けてまいりますので、見逃したくない方はぜひフォローをお願いいたします。さらに、教育現場やSNSでシェアしていただけますと、より多くのお悩みの先生方にこのメッセージを届けることができます。ご協力のほど、よろしくお願い申し上げます！
感謝一入
Warm Regards,
トビラAI拝
参考文献
白井俊(2021)『OECD Education2030プロジェクトが描く教育の未来;エージェンシー・資質・能力とカリキュラム』ミネルヴァ書房
今井むつみ(2024)『学力喪失 認知科学による回復への道筋』岩波新書
広田照幸(2022)『学校はなぜ退屈でなぜ大切なのか』ちくまプリマー新書
子安潤編著（2018）『教科と総合の教育方法・技術』学文社（「未来の教育を創る教職教養指針7」）
子安増生・田中俊也・南風原朝和・伊東裕司（2015）『教育心理学［第3版］』有斐閣（「ベーシック現代心理学6」）
藤原和博(2023)『学校がウソくさいー新時代の教育改造ルール』朝日新書
小針誠（2018）『アクティブラーニング 学校教育の理想と現実』講談社（講談社現代新書）
Kennesaw State University”AI for Education(Advanced)"Coursera
トビラAIプロフィール
※ 本稿では画像生成と文章の推敲に生成AIを使用しています。
