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

各学問分野における AIEd

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。

各学問分野における AIEd——特定の学問科目の中で教授と学習に人工知能を応用することであり、各分野の特徴的な教授法、方法、理論、関心が、AI がどう設計・使用・評価されるかを形づくります。教育における AIを単一の汎用的な現象として扱うのではなく、この概観はナレッジベースの分野特有の記述を組織化し、科目領域の AIEd 研究に通底する横断的なテーマを表面化させます。

検討すべき問い

  • 正誤のフィードバックに長けた数学の家庭教師は、解釈や著作が正しさよりも重要になる人文学では失敗するかもしれません。あなた自身の分野は、何が「良いフィードバック」と見なされるかをどう定義しているでしょうか。
  • 560 名の学生を対象とした研究では、所属する分野が学生が生成的 AIをどれほどの頻度で、どれほど公然と使うかを予測することがわかりました。なぜ分野は、AI がどこでも中立的な道具であるのではなく、AI 利用を形づくる一つの「活動システム」全体として働くことがありうるでしょうか。
  • AI にオフロードされる「認知的行為」は分野特異的です。数学では計算、CS ではコード、執筆では作文。過剰依存が各分野で異なって見えるのであれば、あなたの分野ではそれをどう検出するでしょうか。
  • 手わざの実験室作業や、問題解決ではなく解釈的な意味形成が特徴的な教授法である分野にとって、AI は何を意味するでしょうか。AI がほとんど役割を果たすべきでない科目はあるでしょうか。
  • いくつかの分野——法学、歴史学、芸術——は AI 教育研究において薄いままです。どの分野の AI 利用が最も注目に値し、そしてその分野での良い AI は、汎用的なツールが尊重しない何を尊重しなければならないでしょうか。

はじめに

教育における AI は分野ごとに異なって現れます。なぜなら各分野には独自の特徴的な教授法——知識が構築・実践・教授される独特の仕方——があるからです。数学で輝く AI 家庭教師は、人文学では失敗するかもしれません。解釈や著作が正解よりも重要になるからです。このページは、そうした分野特有の流れのための傘の地図です。現在は学校の科目から専門的・応用的な訓練、スタジオ実践まで走っています。その流れの一員は教えられる科目ではありません。学習科学は教育における AI をめぐる研究分野であり、AI システムが具体化する機構と、それらが判断される基準を供給します——それはこのページの前提、すなわち科目こそが支援の在り方を変えるもの、に反して横断的な見方を取ります。

分野特有の概念

ナレッジベースには、いくつかの科目領域について専門の概念ページがあります。

  • 数学教育 — 数学における AI 家庭教師利用、適応的な問題解決、概念的な診断。
  • 物理教育 — 物理学の学習における AI シミュレーション、チャットボット、問題の提起。
  • 化学教育 — 実験室・実験設計における AI、AI が媒介する形成的評価、文脈基盤型および探究基盤型の教授、化学の課題に対する大規模言語モデル（LLM）の技術的な限界、そして実験の哲学。
  • 生物学教育 — 実験室の指導における AI、生物学のカリキュラムに埋め込まれた AI リテラシー、AI 時代の批判的思考、そして専門化されたツール（種の同定、バイオイメージング、予測的モデリング）。
  • CS教育 — コードの生成、デバッグ、初心者のプログラミング支援のための AI。
  • 情報技術教育 — 計算機科学の応用部門であり、組織が運用する展開済みのシステムを選択・保護・管理・統治する実務家の準備をします。その分析の単位は展開済みのシステムと、それについての実務家の判断であり、計算機科学教育がプログラムとアルゴリズムをその対象とするのに対応します。
  • 執筆教育（Writing） — AI 支援の作文、自動エッセイ採点、執筆のフィードバック。
  • 言語学習 — 第二言語・外国語における AI の対話相手、発音のフィードバック、会話の練習。
  • 英語教育（EAP / EFL / ESL） — 学術目的の英語（EAP）と英語教育（EFL/ESL/L2）。学術英語のレジスター、ジャンル基盤型の執筆、英語特有のフィードバックと評価——一般的な言語学習と一般的な執筆とは区別されます。
  • STEM 教育 — 科学、技術、工学、数学の横断的な傘。
  • 教師教育 — 教師の養成と専門的力量開発（就職前と現職）、それ自体が一つの分野であり、その AI 研究は教師の AI リテラシー、インテリジェントな技術的・教授法的・内容に関する知識（TPACK）、そして AI を統合するための準備度を中心とします。
  • 医学・医療専門職教育 — 臨床シミュレーション、強化学習の訓練、保健専門職教育における基礎的な学習原理。
  • 看護教育 — 臨床の流れの中で最も密度の高い実証的な記録。仮想患者によるシミュレーション、LLM による推論の支援、適応的なプラットフォームが、能力と同じくらい専門的なアイデンティティの形成を枠組みとして用いられ、AI の記録された便益が止まる境界——複雑な精神運動的技能と感情的に負荷された相互作用——を名指せる程度に狭く、保健専門職を一つの事例として扱いません。
  • 職業教育訓練（Vocational Education and Training） — 指名された職業と技術職の初期の準備であり、資格枠組みによって組織化され、学習者が設備で何ができるかによって評価されます。職場学習が扱う専門的な訓練と職場でのスキルアップを超えて、まだ雇用されていない人々にまで及びます。その繰り返し現れる設計上の問いは、能力を生み出す反復を置き換えることなく、AI が実践の中で人員配置に費用のかかる部分のどれを吸収できるかです。
  • デザイン教育 — プロダクト、サービス、インタラクション、インテリア、建築のデザインにおけるスタジオ基盤の専門的形成であり、可視化されたプロセスが評価される対象であり、生成的ツールが磨き上げた成果物を安価にする場所です。アート・デザイン・メディア教育が扱うスタジオ系の分野を専門的なデザインの育成パイプラインへと狭め、素材的・パフォーマンス的な実践ではなく批評、ポートフォリオ、規制が議論を担うようにします。
  • 工学教育 — 工学における専門的形成、設計と体験的な学習、AI の倫理的な使用、身体化された評価、そして労働力の準備。
  • ビジネス教育 — ビジネス、経済、経営の教育における AI。学生に基づく GenAI の枠組み、構成的整合性を通じたカリキュラムの統合、そして AI 統合型の専門的実践の準備。
  • 人文科学と社会科学の教育 — 人文学と社会科学における解釈的な認知、著作、意味形成。
  • K-12と高等教育 — それぞれの水準での、AI についての教育および AI を使う教育。

学際的なテーマ

いくつかの糸はすべての分野を横切りますが、それぞれで異なって展開します。

  • 分野は活動システムである。 Jiang ら（2026）は、5 つの学問領域にわたる 560 名の学部生について、所属する分野が学生の GenAI の利用頻度と開示の実践と有意に関連することを示しました。分野は、学生が GenAI にどう関わり、それをどう開示するかを形づくる規範、方針、役割期待を持つ活動システムとして機能するのです。これは、教育における AI が分野中立的ではないというナレッジベースの前提に対する直接の証拠です。
  • 「学際的」であることの形そのものが、分野によって決まります。 Xia らの（2026）59 件の研究のPRISMAレビューは、AI が登場する 6 つの形の学際的教育を分類します。STEM の統合（n = 26）、学際的な学生の背景を持つコホート（n = 14）、非 STEM 分野（n = 10）、学際的な学習内容（n = 10）、STEM 間の統合（n = 8）、STEAM（n = 2）。この分布は分野水準の発見であり、ツール水準のものではありません。AI 支援の学際性は圧倒的に STEM に宿主され、学際的な背景を持つコホートは、それらが架橋することになっている非 STEM 分野よりも頻繁に研究されています。レビューはさらに、同じ AI の機能がこれらの環境にわたって再帰することを示します——アシスタント（n = 43）、評価者（n = 22）、エージェント（n = 14）、モニター（n = 9）——その認知的・行動的・感情的効果は分野と利害関係者によって異なり、学生が圧倒的に最も研究され（n = 57）、教師が次（n = 26）、管理職はほとんど調べられていません（n = 4）。
  • 家庭教師利用とフィードバック。 AI 家庭教師システム（AI 家庭教師利用、知的個別指導、フィードバック、AIフィードバックの質）は、数学と物理学の家庭教師から執筆と言語のフィードバックまで、ほぼすべての分野に登場します。何が良いフィードバックと見なされるかは分野によって形づくられます——数学では正誤、執筆では議論の質、言語では流暢さです。
  • 評価と査定。 自動評価、自動採点、自動小論文採点、形成的評価は AI によって分野横断的に再構想されますが、採点される構成概念は異なります（手続き的な正確さ対解釈的な深さ対伝達能力）。
  • 認知的オフロードと過剰依存。 認知的オフローディングと過剰依存の危険は、数学、CS、執筆にわたって現れますが、オフロードされる「認知的行為」は分野特異的です——計算対コード対作文。
  • AI リテラシーと批判的な使用。 AIリテラシー、批判的思考、批判的教育学は、どの科目でも責任ある使用を支えます。
  • 学問的な基盤が AI 支援のメタ認知を規定します。 テキスト言語学のゼミでは、初心者は科目の知識がすでに統合されているところで主に LLM とともにメタ認知的に内省し、ほとんどの者が出力の不出来をモデルではなく自分のプロンプトに帰しました——プロンプト設計が分野の中で明示的に教えられなければならないという証拠です（Brocca & Garassino（2026））。
  • 公正性とアクセス。 公平性、デジタルデバイド、文化的に関連する教育学はすべての分野に関係します。

分野ごとの特徴的な教授法、方法、理論

各分野は、AI 研究が関わる独特な教授法の伝統をもたらします。

ナレッジベースで代表されている分野

ナレッジベースの分野特有の記述が最も強いのは、広く**STEM、とりわけ数学教育、物理教育、化学教育、生物学教育、CS教育であり、次いで執筆教育（Writing）、言語学習（EAP/EFL/ESL のために明確な英語教育（EAP / EFL / ESL）の流れを持つ）、そしてより近年では工学教育、教師教育（就職前と現職の AI 訓練研究の実質的な集まりを持つ）、医学・医療専門職教育、人文科学と社会科学の教育**です。工学とデザインも論文の増える集まりを持ちます。この集中はより広い文献を追っています。Xia らの（2026）レビューは、AI 支援の高等教育において STEM が最も一般的な学際的な形であることを見出しました（n = 26）、非 STEM 分野（n = 10）や STEAM（n = 2）を大きく先んじて——AI 教育の証拠が、計算機による道具立てが最も埋め込みやすいところで最も速く蓄積するという、分野水準の注意であり、必ずしも AI の教授法的価値が最も大きいところではありません。最近の追加は、この流れを学術的な科目を超えて専門的・応用的な教育へと広げます——看護、情報技術、そして職業教育訓練——そこでは学習者は正しさではなく実証された実践によって評価され、何が能力と見なされるかを定めるのが学会だけでなく雇用者と認可機関でもあるところです。

職業の流れはその証拠の中で最も薄いものです。職業教育訓練における 26 件の研究の系統的レビューは、VET の作業基盤の性格にもかかわらず、職場環境で行われたものが一つもないこと、無作為化実験は 5 件のみ、学習者に積極的な役割を与えた設計は 3 件のみであることを見出しました（Deutscher ら（2026））。

過小代表されている分野

いくつかの分野はナレッジベースにおいて薄いままであり、将来の取り込みの良い候補です。

これらの過小代表されている分野は、ナレッジベースが成長するにつれて、専門の概念ページと追加の論文の取り込みから便益を得るでしょう。

関連概念

関連論文

メタデータ

分野Stem Education, Math Education, Physics Education, Cs Education, Language Learning, Writing Education, Medical Education, Humanities Education, Business Education, Design Education, Information Technology, Vocational Education, Nursing Education, Learning Sciences
教育におけるAIの基礎教育におけるAI
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。