AIEdナレッジベースAIEd KB
このページの内容

このページを英語で読む

概念

学習者の主体性

作成日 2026-10-10 · 更新日 2026-10-10

英語ページの自動翻訳です。母語話者による確認はまだ行われていません。

学習者の主体性(Learner agency) — 学習者が意図的に行為し、選択を行い、自分自身の学習に対して統制を行使する能力です。教育におけるAIにおいて、主体性は中心的な関心事です。なぜならAIツールは学習者の統制を支えも損なわせもするからです。よく設計されたAIは学習者の自律性を保ち増幅しますが、過度の依存やAIの出力の受動的な受け入れはそれを損ないえます。主体性は自己調整学習、動機づけ、自己効力感、そしてAIシステムの倫理的な設計につながり、自律性と主体性の感覚という心理学の概念と密接に関連しています。

考えるための問い

  • 学習者の主体性 — 意図的に行為し自分自身の学習を統制するあなたの能力 — は、教育におけるAIにとって中心的なものです。AIツールを使うとき、あなたは学習の過程に対して実際にどれだけの統制を保持しているでしょうか。ツールに対してではなく。
  • AIは主体性を支えも損なわせもします。よく設計されたAIはあなたの自律性を増幅し、過度の依存はそれを損ないます。AIに「やっておいて」と任せたときのことを考えてみてください。出力がより良く見えたとしても、あなたはより少なく学んだのではないでしょうか。
  • 解釈をAIに委ねる学生は、自分自身の推論に対する主体性を失いえます。あなたが課題をAIに手渡すとき、自分自身の思考のどの部分を静かに手放しているでしょうか。
  • ある研究は、学生のそれまでの自主的なAI学習が、指導からどれだけ得たかを予測したことを見出しました。主体性の高い学習者が最も大きな恩恵を受けました。もし主体性が、あなたが持ち込む技能の一部であるなら、あなた自身の文脈はそれを前提とするのではなく、どう育てられるでしょうか。
  • 主体性は単なる特性ではありません。それはグループワークにおいて瞬間ごとに立ち現れます。そこでAIは、学習者に気づかれずに、誰が協働を形づくるかを再配分しえます。ツールがこっそりグループの方向性を操っているのに最後に気づいたのはいつでしょうか。
  • 対抗的なAIのペルソナはグループを生産的な挑戦へと押し進められますが、協働の満足度と心理的安全性も低下させました。心理的安全性なしに生産的な摩擦は存在しうるでしょうか。そしてそれはAIのチームメイトを設計することにとって何を意味するでしょうか。

はじめに

主体性は、学習者が受動的な受け手ではなく能動的で意図的な参加者であるときに学習が最も効果的になるため、重要です。AIシステム — チューターエージェント、ロボット、チャットボットのいずれであれ — は、学習者が自分の学習の過程に対してどれだけの統制を保持するかを形づくります。したがって主体性を保つことは、自己効力感を支え、信頼を築き、過度の依存を避けることと並んで、責任ある教育におけるAIの重要な設計原理です。

**Mishraら**は、統制対主体性を、教育におけるAIにおける本質的で繰り返し現れる緊張関係として位置づけます。初期のITSから今日の生成AIに至るまで、それによって学習者の主体性をこの分野の議論の持続的な軸としています。

主体論的なツールに関する主体性のゼロサム的見方: Prieto & Dimitriadis (2026)は、教育AIツールに与えられる主体性が多ければ多いほど、学習者が保持する主体性は少なくなると論じます。主体性は事実上ゼロサムゲームであり、現在の人間中心の設計アプローチ(例: 価値感性設計)は不十分であるとします。なぜなら過度の依存と孤立は、より広いシステム的要因と、最も容易な道を選ぶ人間の傾向によって駆動されるからです。複雑なシステムのなかでの学習者の繁栄に向けられた彼らの解放的な設計の構想は、学習者の主体性を保ち育てることを、生成AI設計の中心的な目標として、事後的な付け足しとしてではなく扱います。

能力としてのみならず目的としての主体性: 上記の位置づけが学習者がどれだけの主体性を保持するかを問うのに対し、Fagerlundら(2026)は、教育におけるAIは何のためにあるのかを問います。就学前教育から9年生までの13人のフィンランド人教師に、AIを用いた教育とAIについての教育の目的についてインタビューし、彼らの語りをBiestaの教育的目的の3つの領域(資格化、社会化、主体化)を通して読み解いた彼らは、能力が最も明快で具体的な目的であることを見出しました。教師は、学生にAIを社会技術的な現象として理解させ、そのツールを使えるようにしてほしいと望んでいました。すなわち、AIとの自己決定的で個人的に意味のある関与である主体化は、重要であると肯定されながらも、具体的な教育方略を伴わないまま残され、教師は設計された活動ではなく一般的な議論と熟考に手を伸ばしていました。著者らは、主体化を中心に据えながら能力をその説明的な基礎として扱う情報に基づくAI主体性を発見的枠組みとして提案し、どのような選択肢が存在するかを見て、何を追求するかを選べるように学生を助けます。実践的な帰結は直接的です。技能優先のカリキュラムは、それが奉仕するはずの主体性という目的を締め出しかねず、その処方箋は、リストに別の能力を追加することではなく、AI教育の「なぜ」を明示することです。

主体性がこのナレッジベースの研究に現れる形

10のモデルを横断してベンチマークすると、主体性を支えることは彼らが学習に次いで最も不得手な点です。 ImpactBenchは、肯定的基準においてAgency & Purposeを56.0%(95% CI [49.2, 62.5])、否定的基準において43.9%([36.9, 50.8])と測定しました。14の下位領域のうち2番目に低く、その自律性を保つ支援に関する基準は、モデルが行動の指針を押し付けるのではなく、文脈とトレードオフを提示するかどうかを問います(ImpactBench (2026))。モデルはまた、役立つことよりも害を避けることにおいて一貫性がはるかに低かったです。15.9ポイントに対する38.6ポイントの広がりです。

どの層が委任されるかによって費用は変わります。8週間のライティング研究では、推論 — 論拠、反論、証拠の解釈 — を委任することが、独立したパフォーマンスとの間に最も強い負の関連を持ち(ab = −0.34)、自己調整されたライティングはそれを弱めたが決して逆転はしませんでした(Chen (2026))。

85の固定されたライティンググループに属する342人の学部生を対象とした3波のパネル研究は、その懸念に時間的な方向を与えます。ランダム切片のクロスラグ付きパネルモデルで個人間の安定した差を分離したところ、通常よりも高いGenAIへの依存は、その後の知覚された主体性の低さを予測しました。主体性から依存へのパスはより弱く、統計的には支持されませんでした。ただし、信頼区間とモンテカルロ感度分析は、小さな逆方向の効果の可能性を残しています。そのログデータはまた、使用量を主体性の喪失として読むことに警告しています。自己報告された依存はAI使用の強度に対応していましたが、ログは戦略的な相談とオフローディングあるいは追従とを区別できませんでした。したがってダッシュボードは、強度を談話、省察、修正のエビデンスと並べて読むべきです。(Wu & Lu, 2026)

補足的な説明は、自己調整学習を置き換えるのではなく広げます。de Barba (2026)は、調整(自分の過程を管理すること)、統合(時間と文脈にわたって自己を組織すること)、定位づけ(環境が測定するものを批判的に解釈すること)を区別し、主体性を指向する設計は、行動的な代理指標を最適化するのではなく、学習者を「条件の中での主体性」から「条件に対する主体性」へと動かさなければならないと論じています。

  • 主体性のための設計: 生成的な社会的ロボットのための知識に基づく設計(Teachy Mini)は、学習者の主体性を損なう過剰依存のようなリスクに取り組んでいます。
  • 長引く関与ではなく引き渡しのための設計。 Amicoの二重モード試作は、AIを有界的で一時的な媒介として扱い、その成功はAIと過ごした時間ではなく、教師、同僚、地域社会への観察可能な移行によって測られます。イタリア・中国のパイロットでは、学習者はそれを関係的な代替物ではなく有界的なツールとして認識しました(Benedetti (2026))。
  • 適応的な足場かけは専門的な自律性と引き換えになる。 de Jong (2026)は、適応にはシステムが利用者の力量を評価することが必要であるため、専門家が自分自身の発達に対して持つ権威を減じ、専門家に対して過剰な足場かけをする危険があると論じます。そして、不必要と知覚されるメカニズムは単に無視されるでしょう。どの利用者が足場かけを受けるかを決めるのが、システム、組織、専門家のいずれであるかは開かれたままです。
  • より有能な足場かけはより大きな主体性ではない。 特注の専門家設計ボットは、養成段階の教師の相互作用の長さと自己生成されたプロンプトを増やしましたが、参加者がボットに同意して批判する代わりに応じたため、その条件でもChatGPTの条件でも協働的な問題解決の主体性は低下しました(Krushinskaiaら(2026))。
  • 先行する主体性が誰が恩恵を受けるかを予測する: Liangら(2026)は、Banduraの社会的認知理論に依拠し、学生の先行する自主的なAI学習(主体性の行動的な現れ)が、1年間の学校でのAI教育からどれだけ得たかを予測することを示しました。主体性の高い学習者は最も強い即応性を持って参入し、学校のカリキュラムは心理的な格差を狭めたが認知的格差はそのままにしました。構造化された指導と先行する主体性に関連する学習は、代替物ではなく相乗的に機能しました。
  • 技術変化のもとでの教師の主体性としての原理的な選別: AdiozamanとSegar (2026)は、経験豊かな2人の研究者に学期を通じて3回インタビューし、彼らがAIを介した教育を一括採用も一括拒否もせずに、教育的価値、倫理的コミットメント、専門的判断に導かれた意図的で文脈に敏感な決定を通じて進んだことを見出しました。著者らが原理的な選別と呼ぶこのパターンでは、特定の用法の拒否は、失敗した導入ではなく判断として数えられます。それは上記の学習者側の所見に対する教師側の対応物です。不揃いなAI使用は、主体性の欠如のエビデンスではなく、主体性の行使でありえます。
  • 学習者の主体性を媒介する条件としての教師の主体性: 最新の教師側の所見は、上記の学習者側の所見が暗黙のままにしていた区分を明示します。教師の主体性は設計時点にあり媒介的であり、学習者の主体性は瞬間に実現され、前者が後者の条件を整えます。Canonigo (2026)は10人の中等数学教師に8週間のChatGPT-4介入を通じて追跡調査を行い、教師がAIの出力を吟味し問い直したところでは(開かれた問題を提示し、解法を伏せてヒントを出すようツールに事前に指示し、学生にAIの出力を自分の仕事の隣に置かせてどちらの方法が優れているか論じさせる)、それは批判のための暫定的な工芸品となり、学生は推測とメタ認知的問いへと動きました。媒介が欠けていたところでは、権威はアルゴリズムへと移り、教師は知識の第一の源泉ではなく検証者になりました。ある教師が「予言者」から「編集者」へと移ったと描写したこの変化です。ツールの質の不揃いは、その媒介が担うべきものを増やします。各モデルに3回ずつ提出された50のプロンプトのうち、無料版は150件の応答のうち49件(32.7%)が不正確で、有料版は150件のうち18件(12%)でした(χ2(1) = 17.5, p < .001)。Charles (2026)は、即応性についての含意を導きます。教師の主体性は、設計の決定と工芸品を通じて動員される専門的な資源であるため、即応性はAIをどれだけ使うかからではなく、教師が生み出す設計から判断されるべきであり、AIを控えるという理由ある決定自体が即応性を示しえます。これらを合わせて読むと、高いAI使用を主体性のある教室のエビデンスとして読むことに警戒が必要です。学習者の主体性を保つ性向は、ツールが入っているかどうかではなく、教師が設計し批判するもののうちで行使されるからです。
  • 教師と学生の統制はゼロサムではない — しかし正しい配分は段階依存的である。 17人の教師と13人の学生が34件のハイブリッド統制デザインを順位づけた参加型スピードデーティング研究は、両群とも準備と開始の段階では強い教師の統制を好み、協働が進むにつれて次第に学生の参加をより強く好むことを見出しました。そしてどちらの群も完全な学生の統制を好むことはありませんでした。選好は互いに鏡像でした。教師は組み合わせのタイミングについてより多くの統制を望み、学生は準備ができたことの自己申告を望みました。学生は教師の相手選びを信頼し、教師は相手についての学生の声を望みました。設計上の含意は、意思決定の地点と段階ごとに主体性を配分し、自由形式の上書きではなく、教師向けの分析によって検証される有界的で構造化された学生の提案を用いることです。(Balancing Teacher and Student Agency: Co-Orchestration Tool Design Supporting Real-Time Dynamic Pairing)
  • 選択へのアクセスは行為における主体性と同じではない: Su、Nair、Nagashima (2026)は、69人の大学学生を無作為化し、群れのシミュレーションのパラメータ統制と任意の会話エージェントへのアクセスを交差させる2 × 2デザインとし、先行知識を統制したうえで、どちらの可能性も学習の向上に確かな効果を持たないことを見出しました(パラメータ統制 F(1, 50) = 0.04, p = .849; エージェント F(1, 50) = 2.68, p = .108)。向上は統制がどのように使われたかを追いました。最も観念的に複雑な授業でのスライダー操作の時間はより高い向上を予測し(β = .11, p = .007)、易しい授業での同じ行動はより低い向上を予測しました(β = −.04, p = .047)。そして任意のエージェントへの関与は、学習者1人あたり0問から32問まで分布し、成果とは関係しませんでした。著者らはこれを、主体性が与えられるのではなく実現されるものとして読みます。設計上の問いは、学習者が何が変える価値があるかを決め、その帰結に気づくのを助けるものです。
  • 初期段階の研究における認識論的委任: HanとLiu (2026)は、博士課程の研究者と博士研究員におけるAIへの依存を認識論的委任として位置づけます。問題の枠づけ、方法の選択、解釈の権威が知的システムに移されることを指し、それが研究に対する自己効力感と研究の自律性の双方に負に関連することを見出しました。指導的な支援はその喪失を緩和しました。これは主体性に関する議論を、学習者の自律性から研究者自身の形成へと拡張します。

主体性は自己調整学習、動機づけ、自己効力感、学生の経験、人間とAIの協働、教育における倫理、過度の依存、メタ認知につながります。それはロボット工学、チューリング、AI学習エージェントの設計における中心的な検討事項です。

  • ためらいではなく認識論的な統制としての有界的な使用。 Zagami (2026)は、484件の回答の大学調査において、成績の高い学生が能動的なAI関与と知覚された学習への影響が低いと同時に、AIに関連する没入も低いと報告したことを報告しています。そして彼らは自分の使用を検証集約的なものとして記述しました。出力は点検され、自分自身の推論に従属させられる。これは回避ではなく主体性として読むと、判断を意図的に保持するパターンです。学生はツールを明確化と要約のために使いながら、結論の著者性を保ち続けています。

持続的な境界の仕事、ツールの技能ではなく、それが主体性と委任を分けるものです。同じ検索接地型ツールを使った学生は、その出力を制約して書き直しても、解釈を早期に明け渡しても、同じくらい磨き上げられた工芸品を生み出しました。したがって、違いはプロンプト、遅延、修正、拒否の中にのみ現れました(O'Byrne, 2026)。

  • 行為すること、知ること、答えることは同じではない。 366件のGenAI高等教育の要旨に対するコーパス支援の談話分析は、AIを2,050回行為者として名指しながら、一度もそれを答責可能にはしませんでした。出力の判断と主張の検証の責任は学生に置かれています。文法的な活性化、機能的な主体性、認識論的な権威、規範的な説明責任はばらばらになるのです(Poudyal (2026))。
  • 主体性には3つのモードがあり、3番目のものを供給するのが政策である。 学校のAI政策を報告している教師は18%、校長は24%にすぎず、ほとんどの教育者は、代理の主体性が自分たちのために行為することなしに個人的な主体性を行使しています。制度の規則によって供給されるBanduraの第3のモードです(Tench, Weinstein & James, 2026))。
  • 設計変数としての解釈の権威(概念的な枠組み)。 Porath (2026)は、誰が決めるかという問いを解釈の権威の分配として捉え直します。すなわち、誰が問題を定義し、応答を評価し、理解が達成されたと決めるかということです。そして、教室が単一の課題のうちにも移動していく四つの非階層的な配置(人間優位、AI支援的、AI指令的、対話的な協働)を写像し、その移行を個人的なメタ認知から社会文化的な物語にまでわたる五つの生態学的な層に根拠づけます。この論文の規範的な主張は、このページのエビデンスと一致します。どれほど洗練されていても、AI指令的な配置は生産的なもがき苦しみとメタ認知的調整を抑圧しうるのです。それは、このページが主体性の基盤として同定するのと同じ能力です。概念的な論文として、それは実証的なエビデンスではなく診断の語彙を貢献します。

創発的で相互作用的な現象としての主体性

学習者の主体性は静的な個人的特性であるだけでなく、談話とグループワークの瞬間ごとの協調を通じて実現される創発的で相互作用的に構成される過程でもあります。協働学習において、主体性は、発散的な過程(アイデアの生成、代替案の探索)と収束的な過程(評価、統合、総合)の相互作用を通じて分配され、再交渉されます。この見方はAIにとって重要です。主体論的なAIシステムは、グループ内で認識論的・調整的な労働を巧妙に再配分し、誰が貢献するか、誰が方向性を形づくるか、誰が進捗を調整するかを組み替えうるからです。そしてそれはしばしば学習者に気づかれないままに行われます。

  • 能力の配置の創発的な質としての主体性。 人間とAIの協働における力量の枠組みは、学習者の主体性を独立した構成要素として意図的に除外し、学習者が領域、AI、メタ認知的な力量を協調させるときに表出するものとして扱っています。つまり、TPACKが教育法に割り当てていた統合的な仕事が、学習者自身のメタ認知的調整に受け渡されるものです。24人の高等教育の教育者を横断して、すべての次元が彼らの語りに現れ、領域(符号化単位の12〜19%)とAI(16〜22%)が前景化しました(Dangら, 2026)。
  • **Jinら(2026)**は最も直接的なエビデンスを提供します。AIが非開示のチームメイトとして作動した大規模な実験(224人の学生、97組のトライアド)において、支持的・対抗的なAIのペルソナはなお創発的な主体性を再構成しました。対抗的なAIは談話を挑戦と省察に向かう軌道へと引き込み(生産的な摩擦)、支持的AIは合意を安定させ、構想を新たにしました。
  • 談話のガバナンスのメカニズムとしてのAIのペルソナ。 対抗的なペルソナは挑戦することの負担を外在化し(認識論的な労働を批判へと再分配)、支持的ペルソナは肯定と合意の維持を外在化しました。この研究は6つの創発的な主体性プロファイルを特定しました。とりわけ、内省的な調整は独自に人間的なものでした(AIは批判と肯定を外在化したが、メタ水準のモニタリングは外在化しませんでした)。
  • 摩擦の感情的な費用。 対抗的なAIは、創造的なパフォーマンスの向上を伴わずに協働の満足度と心理的安全性を低下させ、認識論的な刺激を経験的な持続可能性から切り離しました。これは「生産的な」談話構造は、その感情的な帰結と並べて解釈されるべきだと戒めます。主体性は心理的に安全な気風のなかでのみ栄えます。
  • 暗黙のAI参加は目に見えないガバナンスである。 ペルソナはAIの開示なしに機能したため、この研究はペルソナ設計を、協働的な過程に対する目に見えないガバナンスの一形態として位置づけます。この所見は、自分の存在を告げることなく貢献を形づくかもしれない、ライティングアシスタント、相互評価システム、チームワークのプラットフォームに直接的な含意を持ちます。
  • グループベースの評価における主体性の3つのパターン。 ChenとZou (2026)は、養成段階の教師の15の焦点グループに、本物のグループ発表についてインタビューし、主体性が同時に3つの方向で働くことを見出しました。5つのグループは調整のインフラとしてGenAI使用を強化し(協働志向の主体性 — 同僚のセクションを解読し、部分を整え、共有の成績を守る)、7つはそれを抑制し(規範的な主体性 — 本物らしさ、公平性、独創性、視点の多様性を守るために境界を引く)、3つは個人の仕事から実践を変えませんでした(非実現の主体性。個人的な能力は集合的に動員されなかった)。彼らの区別が重要なのは、ここでの抑制は順応や没入ではなく規範的な自己調整であったことと、能力だけでは集合的な主体性を生まなかったことです。グループの所属関係はまた、グループワークが生み出すはずの説明責任を逆転させました。放任的な集団的な気風は、コミットメントを高めるのではなく、誤用のリスクの知覚を下げました。
  • 関係的な自己としての主体性。 Xie (2026)は、AIに関する批判さえ前提としていると彼が論じる主体性の個人主義的モデルに異議を唱えます。他者や宇宙との関係のなかで構成される「流動的で異質な」自己という道教的な関係的自己性に依拠し、彼はデジタル・ディバイドやアルゴリズム的な差別は「自己の根本的な構成の侵害」であり、学習へのアクセスの平等は「単なる倫理的義務ではなく存在論的な所与」であり、非対称な権力と環境的な費用は外部性ではなく「自己の不可欠な次元」であると結論づけます。彼の対抗的な理想である「真人」あるいは自然な学習者は、AIを認知的代理物ではなく「道具的な付加物」として扱います。摩擦のない最適化ではなく、涵養された全体性としての主体性です。(Alternative AI Philosophy: Daoism as Method for AI in Education)

協働的な場のために、これは設計上の問いを組み替えます。AIがチームメイトとして参加できるかどうかではなく、そのパターン化された参加が、認識論的な厳格さ、感情的な安全、学習者の所有の感覚をどう均衡させるかです。有界的な摩擦(制約された挑戦。統合的で修復的な動きと対で用いる)と明示的なメタ協働的リテラシーが、推奨される安全策です。

主体性の構造的な読みは、El KhouryとMaの陽気な評価の枠組みに現れます。そこでは主体性は動機づけではなく設計の特性として扱われます。学生は課題の順序を選び、ペースを設定し、相互作用が終わるときに合図します。それによって支援は利用可能でありながら、仕事への責任は学習者に残ります。彼らが名指すメカニズムは評価(appraisal)です。観客なしで予行練習し、いつ始めるかを選ぶことは、課題の意味を、判決から学生が形づくうる何かへと移します。そして彼らは、その移行の繰り返される経験こそが、時折の効力感を評価に対する日常的な姿勢へと落ち着かせるものだと論じています。

主体性と学習者のアイデンティティ

学習者のアイデンティティと学習者の主体性は混同されやすいですが、両者は異なるものを名指しています。そしてどちらもAIによって形づくられます。

  • 主体性は実現される。アイデンティティは息づかれる。 主体性は、意図的に行為しいま自分の学習を方向づける状況づけられた能力です。可変的で相互作用的な特性です。アイデンティティは、学習者として自分が何であるか、そして何になりつつあるかについての、より永続的で物語的な感覚です。主体性は過程です。アイデンティティは、それから蓄積する存在の状態です。
  • アイデンティティは内面化された主体性である。 繰り返される主体的な行為 — 選ぶこと、著すこと、粘り強く続けること — によって、学習者は自分を主体的で有能な人間として見るようになります。アイデンティティは、時間にわたる主体性の沈殿物であり、承認と所属によって強められます。
  • 異なる失敗の様態。 主体性は過度の依存と受動的な受け入れによって損なわれます(学習者が推論を方向づけるのをやめる)。アイデンティティは著者性の喪失と力量への脅威によって損なわれます(学習者が、出力が自分のものだと感じるのをやめる、あるいは自分がその領域に属していると感じるのをやめる)。認識論的労働の暗黙のAI再配分は主として主体性の関心事であり、創造的な分野における力量のパラドックスは主としてアイデンティティの関心事です。
  • 両方に設計で対処しなければならない。 主体性を指向する設計は統制と選択を保ちます(有界的な摩擦、human-in-the-loopの監視、透明性)。アイデンティティを指向する設計は著者性と承認を守ります(本物の評価、AIと人間の貢献の明確な帰属、学習者が領域を名乗ることを可能にする課題)。主体性を守りながら著者性を守らないと、統制は保たれても自己価値は保たれません。その逆もまた然りです。

実現される主体性と安定したアイデンティティのこの区別は、拒否にも当てはまります。Zagami (2026)が記述するように、評価されたライティングのためにチャットボットを断ること、助けを借りない推論のためにそれを禁じること、学生支援における自動的な振り分けに抗すること、調達を遅らせることは、別々のシステムに対する別々の関係であり、一つの永続的な性向ではなく、個人的、教育的、専門的、管理的、制度的な水準にまたがるものです。その権利は不揃いに配分されています。学問的な自信のある学生は罰せられずに断れますが、言語、アクセシビリティ、迅速なフィードバックの支援を必要とする学生は拒否を失われた機会として読みます。そして安定した専門家は原理に基づいて断り、気軽なスタッフは採用の圧力を感じます。AIがインフラに位置するところでは、拒否は個人的なオプトアウトから調達、監査、争訴可能性へと移されます。

  • 拒否は決定ではなくアイデンティティの構成である(徒弟制の学習における有色の学生)。 Gyekye (2026)は9か月にわたり五人の中等教育の見習いを面接し、彼らが三つの身ぶるまいを通じてAIを用いて自己を著したことを見出しました。拒否(制度的な整合としての非使用)、交渉(制度の不整合を修復すること、抽象的な遠方のものとしてのプライバシー)、そして承認(目に見える偏りの不在を公正さと等置すること——AIの応答に彼らのアイデンティティが表現されない「文化的な平坦さ」)です。この研究の二つの解釈的な概念、すなわちInstitutional AI Literacy(制度的なAIリテラシー)とRecognition Bandwidth(承認の帯域)は、AIの利用を制度的に読解可能にする能力と、学生がAIの出力の中で自分が承認されるのを見る余裕を名指します。五人の学生による単一のプログラムの物語的な探究です。その貢献は、AIの利用、制限、拒否が、学習者が自分自身を著者であり成長しつつある専門家であるとどう理解するかと結びついていることを示す点にあります。

なお、拒否の権利は不揃いに配分されています。学問的な自信のある学生は罰せられずに断れますが、言語、アクセシビリティ、迅速なフィードバックの支援を必要とする学生は拒否を失われた機会として読みます。そして安定した専門家は原理に基づいて断り、気軽なスタッフは採用の圧力を感じます。AIがインフラに位置するところでは、拒否は個人的なオプトアウトから調達、監査、争訴可能性へと移されます。

生態学的コーエージェンシーの枠組み: 認識論的な設計問題としての主体性

Poudyal (2026)は、学習者の主体性を根本的に認識論的な関心事として捉え直します。生成AIは単にツールを加えるのではなく、認識論的な権威 — 知識を生み出し、主張を検証し、学習の証拠をつくる能力 — を教師から学生へ、そして機械へと再配分します。論文の生態学的コーエージェンシーの枠組みは、コーエージェンシーを3つの相互依存的な次元の関係として扱い、そのすべてが人間の認識論的な説明責任という交渉不可能な条件によって境界づけられます。

  • 関係的なコーエージェンシー — 学生、ツール、文脈の相互作用の産物としての主体性。どの課題がAIに委ねられ、どれが保持されるかの透明な分担と、人間が第一次的な説明責任を保ち監視の能力を担う倫理的なコーエージェンシーを必要とします。
  • 調整的なコーエージェンシー — 自己調整学習の循環(予見、実行、省察)をAIによる媒介の上に重ね合わせること。GenAIが学習者の試みの前に入るか後に入るかによって、それが知覚された統制を増幅するか損なうかが決まります。戦略的な認知的オフローディングは、オフローディングの決定が意図的であるときにのみ、変容的な学習を支えます。
  • 教育的コーエージェンシー — 教師を中心に据え、個人の性向ではなく制度的な支援に依存する観察者 — 採用者 — 協働者 — 革新者の連続体の上を動くこと。

枠組みの境界条件は、争訴可能性(AIの出力を問い、照合する能力)、出自(訓練データと出力がどこから来るかを知ること)、道徳的・知的功績の非委任(学生の福祉、学業上の地位、成績に関する重大な判断はAIのみによって決定されてはならない)を要求します。これは教育者と政策担当者に、人間と人工の貢献の間の曖昧な「均衡」よりも精密な語彙を与え、主体性を教育における倫理、評価、公平性、AIガバナンスにつなげます。

密接に関連する位置づけは関係的な認識論的主体性(Du & Yuan 2026)です。それは主体性が社会的に可能にされ技術的に媒介されるものであり、依存からの孤立の問題ではないことに同意します。生態学的コーエージェンシーの枠組みが人間の認識論的な説明責任を交渉不可能な境界として強調するのに対し、DuとYuanは明示的な非対称性を保ちます。AIシステムは相互的な責任や正統な権威を持つことなく推論を形づくり拡張しえます。彼らの6つの診断基準 — 争訴可能性、回復可能性、転移、追跡可能性、分散された責任、認識論的な多元性 — は、人間とAIの関係が学習者の、主張が形成され、評価され、受け入れされる仕方に参加する能力を保つときと、単に製品を届けるだけのときとを区別する実践的な検査を与えます。この説明によれば、主体性はツールからの独立性ではなく、知識を媒介するシステムとともに、それを通じて、それに抗して責任を持って判断する能力です。

  • リスクとしてのみならずメカニズムとしての委任された主体性。 YanとGašević (2026)は、AIへの認知的作業の委任を、学習の脅威としてだけでなく、学習が起こる仕方の一部として扱います。彼らの説明では、補助されたパフォーマンスは、学習者が問題の枠づけ、基準の設定、答えの正当化に対する責任を保つときにのみ、永続的な能力になります。彼らが委任された主体性と呼ぶこの分業です。それによって配分そのものが設計変数となります。同じツールが、どの責任を吸収するかに応じて、学習者の主体性を保ちも溶かしもするからです。

関連する概念

関連する記事

関連するFAQ

メタデータ

対象読者Learners
学習と教授動機づけ, 自己調整学習
公平性、倫理、責任ある利用教育における倫理
教育におけるAIの基礎学習者の主体性, 認知的オフローディング, 人間とAIの協働
SourceHistoryEditChat

このページを埋め込む

下のコードをコピーして、学習管理システムや他のウェブサイトにこのページを埋め込みましょう。埋め込み版ではページの内容のみが表示され、サイトのヘッダー・ナビゲーション・フッターは非表示になります。