幼児教育

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。

幼児教育——幼い子どもの教育における人工知能の利用であり、就学前教育と初等（小学校）の学年をわたります。これは若い学習者向けの AI リテラシーと計算論的思考のカリキュラム、AI 対応のおもちゃと遊び、初等教科におけるパーソナライズ学習、そして青少年や大人ではなく子ども特有の発達上・安全上・公平性上の配慮を対象とします。

検討すべき問い

幼い子どもは今、おもちゃ、チャットボット、教室のロボットを通じて AI に出会います。5歳児の AI との関係が大人のそれと根本的に異なるのは何でしょうか——そしてリスクについての私たちの考え方の何を変えるべきでしょうか。
幼児向けの AI リテラシーの一部は、コンピュータを一切使わない「アンプラグド」な遊びを通じて教えられています。抽象的な AI の概念は、スクリーンではなく身体化された具体的な活動を通じてどう学べるでしょうか。
「技術的同型性」と呼ばれる懸念は、若い学生が理解しないまま AI の出力を模倣することを記述しています。真に学んだ子どもと、洗練された答えを単に鸚鵡返しにしている子どもを、どう区別するでしょうか。
幼い学習者はより脆弱で自己調整ができないため、大人による足場かけが中心となります。これは、子どもがいつどのように AI を使うべきかを決める親や教師にとって何を意味するでしょうか。
AI が豊富な早期学習——あるいは保護的な大人の指導——へのアクセスが不均等なら、公平性は幼児期に、年長の学生の場合とどう違う形で現れるでしょうか。
ここでの証拠基盤は主に探索的・設計指向であり、因果的なものではありません。AI おもちゃやアプリが子どもの学習を改善するという主張を信じる前に、何を知りたいでしょうか。

はじめに

幼い子どもは、AI 対応のおもちゃ、チャットボット、適応学習プラットフォーム、教室のロボットを通じて、ますます早い段階で AI と相互作用します——しかし彼らは、AI教育の研究の大半を占める K-12 や高等教育の学習者とは発達的に異なります。この概念は、知識ベースがそのより若い層について持つ記述を集めたものです。これはより広いK-12の傘の中に位置しますが、遊びが主要な学習様式であること、大人（親／教師）による足場かけ、年齢に適したAIリテラシー、そしてウェルビーイング（Well-Being）と安全への高まった注意といった、発達に特有の関心ゆえに区別されます。

研究はどう分類されるか

アンプラグドな遊びを通じた AI リテラシー。 AI-Play フレームワークは、アンプラグド（コンピュータなし）の活動を通じて幼児向けの AI 概念を教え、抽象的な AI の考えが、身体化された遊び心ある具体的な活動を通じて幼い子どもに導入できることを示しています（ゲームに基づく学習参照）——これはAIリテラシーと計算論的思考への発達的に適切な道筋です。
AI 対応のおもちゃと子どもの発達。 おもちゃにおける AI の研究は、商業的な AI 対応の遊具が子どもの発達と遊びをどう形作るかを検討します。これは最も若い学習者にとっての遊びの中のエージェント、信頼の較正、学習者の主体性、ウェルビーイング（Well-Being）に関する未解決の問題を提起します。ここは就学児向けカリキュラムよりも設計上の指針が薄く、親／保護者が中心的なステークホルダーとなる領域です。
年齢に合わせたチャットボットに対する子どもの態度。 Vahedian Movahed & Martin（2025）は、プロンプトエンジニアリングによって年齢別に調整された話題限定のチャットボット「Ask Me Anything（AMA）」（天文学、スニーカーと靴、恐竜）を、63人の子ども（6〜14歳）に展開し、子どもとAIの相互作用における3つのパターン——驚きと好奇心、信頼の試しと自信の形成、擬人化を通じた関係の構築——に加え、情報源としての AI に対する広い開放性と高い信頼を明らかにしました。彼らが求める年齢に敏感な設計と、デジタル安全とデータ利用の概念の明示的な教授は、この概念に中心的な発達上および安全上の懸念を強化します。
初等教科の学習。 AI を活用したパーソナライズ学習（初等の分数）と初等数学における AI（「技術的同型性」——理解しないまま AI の出力を模倣する学生——への懸念を含む）は、早期の教科教授における AI の可能性と落とし穴の両方を示しています。初等の作文と生成AIに関するシステマティックレビューは、生成AIが低学年における作文指導をどう再形成しているかを整理します。
ロボットと幼い子ども。 幼稚園におけるロボット工学は、教育ロボットを通じて計算論的思考を支え、LLM を搭載した人型ロボットによる物語りは、親が子どもにとっての物語の遊び相手としてロボットを受け入れるかを探究し、信頼（Trust）と大人の態度を前面に据えます。
AI エージェントとロボット工学のための「創造的プロジェクトアプローチ」の枠組み。 Yang, Li & Lee（2025）は、生成AIエージェントとロボットをプロジェクトアプローチに統合し、幼い子どもの創造的学習を育む5段階の教育的枠組みを提案しています。彼らは、幼い子どもには画面よりも物理的なエージェントがより適切であると論じ、2つの補完的なパラダイムとそれらの学習理論を対にします——コーディングロボット（パパートの構成主義;Matatalab や KIBO のような道具による具体的なプログラミングを通じた計算論的思考）と生成的社会ロボット（子どもの最近接発達領域内でのヴィゴツキー的な足場かけで、会話の仲間または家庭教師として振る舞う）——。その5つの段階——学習ニーズの同定、教師に導かれた子どもとロボットの相互作用の促進、AI を文脈に位置づける、自動化と創造性のバランスの較正、成果の評価——は、教師の促進と子どもの学習者の主体性を保ちながら、AIエージェントとロボットを遊び中心・プロジェクト中心の教室に埋め込む具体的な道筋を設計者と ECE 実践者に提供します。
遊び中心の AI リテラシーカリキュラム。 Lee（2026）は、Play With AI（PL-AI）のデザインベースド研究を報告しています。これは発達的に適切なカリキュラムであり、2人のプレKと2人の幼稚園の教師が共同設計した7つの順序づけられた活動で、アンプラグドな遊び（「やり方」アルゴリズムの作成とテスト）、具体的なコーディング（Bee-Bot、Ozobot）、社会的AIロボットとの導かれた対話を織り交ぜています。形成的証拠は、教師の自信と教育学的行為主体性の大幅な成長を示し、4つの設計原理——身体化された遊び、具体的なコーディング、導かれた対話、教師との共同設計——が AI4K12 イニシアティブと NAEYC の枠組みと整合して現れました。これは、ロボットと具体的な道具を、最も若い学習者のための遊び中心で教師主導のAIリテラシーにどう埋め込めるかのモデルです。
子どもの STEAM 芸術教師のための AI 支援授業計画。 子どもの美術教師の実験的研究（Luo & Tahir 2025）では、ChatGPT 支援の授業計画は、6人の専門教授によって、教師生成のものより有意に高い品質と評価され（中央値 20.5 対 17.6、p = .002、効果量大）、また教師がどう委任したか——最も多いのは（60%）計画全体を生成するためではなく、自分で概略を描いた授業の内容の穴を埋めるため——を整理しました。教師は AI を主に、学際的なSTEAM統合とより速いトピック選定のための着想と穴の発見の道具として重視しましたが、実際の教室には非現実的な出力、子どもの安全上の制約の見落とし（例:幼い子ども用の彫刻刀）、西洋中心の文化的偏りを指摘しました——これらは、Role–Instructions–End Goal プロンプト枠組みが和らげるために作られた、幼い学習者との生成AI利用に対する具体的で発達に根ざした注意喚起です。
初等学年における AI 支援の批判的メディアリテラシー。 Demir & Akar（2026）は、トルコの公立小学校の4年生を対象とした、18時間の5Eモデルによる批判的メディアリテラシー・プログラムを評価し、生成AI（ChatGPT、Grammarly、Canva AI、Padlet）を、孤立した付加物ではなく教育学的エージェントとして段階ごとに埋め込み、活動をトルコ語と社会科のカリキュラムに整合させました。AI 支援群は、メディアの読み（+3.50）、書き（+1.67）、メディアリテラシー総合（+5.17、いずれも p < .01）で大きな伸びを示し、群間の効果量は Cohen の d = 1.12〜1.31 でしたが、統制群はわずかな進歩に留まりました。インタビュー、学生の成果物（ポスター、絵、標語）、教室観察の質的分析からは、批判的メディアリテラシーの成長の6つの領域——デジタル自己防衛とデータプライバシー、目的的で責任あるメディア利用、安全なコミュニケーションと境界の自覚、批判的評価と誤情報への自覚、オンラインリスクへの自覚、メディア倫理／デジタル市民性——が浮かび上がり、AI が初等学年で批判的なAIリテラシーと批判的思考をどう支援できるかの、稀な準実験的・カリキュラム整合的なモデルを提供しています。
教師と子どもの相互作用の質の AI による評価。 Fong ら（2026）は、香港の幼稚園において、訓練を受けた人間の評価者に対して大規模言語モデル（LLM）を CLASS Pre-K フレームワーク全体で検証しました——30園38教室からの87件のビデオ録画観察を、GPT-5.0 によって文字起こしから評価し、8人の訓練を受けた評価者と比較しました。全体としての一致は中程度（重み付け κ = 0.681）でしたが、構成要素に条件づけられていました。すなわち、Emotional Support 領域と Quality of Feedback——明示的でやり取りに基づく言語的支援によって運ばれる次元——では収束が成り立ちましたが、Classroom Organization は完全に乖離し、評価者は感情的な次元をモデルよりも高く評価し、逆転項目の Negative Climate 次元では極めて大きな隔たり（d = 2.732;71件の観察のうち63件で評価者は最大値の7を与え、AI は6に集中）がありました。幼児期の教訓は発達に特有です——非言語的・空間的・習慣的行動——管理、動き、温かさ、口調——に宿る質は、文字起こしのみのパイプラインには見えず、モデルの誤差の方向は構成要素依存的であって一様に保守的ではなく、したがって著者らはAIによるスコアリングを、訓練を受けた観察者の代わりではなく、教師のためのスクリーニングと省察の道具として位置づけています。
科学活動を設計する保育教諭養成課程の学生。 Efthimiou & Plakitsi（2026）は、131人の幼児教育の養成課程の学生に LLM で磁気の活動を設計させました。学生はモデルの構成と効率性を最も高く評価し（M = 3.95）、内容の認識論的な信頼性は最も低く評価しました（M = 3.08）——モデルを発想の生成物として扱いつつ、教授的な転換は人間の責任として保ちました。
子どもの物語の発達的判断を近似する AI。 Yin ら（2026）の CLARA は、物語の認知的・言語的・社会情動的な要求を注釈付けし、出版社の年齢表示と 0.904 の割合で一致します。これは可読性の数式（0.603）や直接的なプロンプト（0.730）を上回るもので、人間の判断者の代わりではなく補助的な信号として提供されます。

発達上および公平性上の配慮

幼い学習者はより脆弱で AI の利用を自己調整しにくいため、この分類は大人による足場かけ（親、保護者、教師）、年齢に適した設計、そして AI が遊び・発見・骨の折れる学習という発達的な作業を支えるのではなく代替する場合の過度の依存と害のリスクを強調します。公平性は切実な懸念です。AI が豊富な早期学習（または保護的な大人の指導）へのアクセスは不均等で、デジタルデバイドと公平性につながります。証拠基盤の多くは、因果的ではなく探索的または設計指向のままです。

4か国の比較が、カリキュラムの隔たりを鋭くします。日本、韓国、中国の国の幼児教育指針には AI リテラシーへの明示的な言及がまったく含まれておらず（上海市の市レベル行動計画が唯一の例外で、それでも学習の進展段階は定められていません）、一方オーストラリアは限定的で不均等な整合しか示していません——AI エージェントとの相互作用において最も強く、人間と AI の関係を理解することにおいては欠けている——ため、AI リテラシーは家庭に委ねられたままです（Cohrssen et al. (2026)）。

この問いに関する最初の神経画像による窓が、注意を伴って届きます。MRI スキャナーの中で ChatGPT と5分間の話し言葉による対話を行った6〜7歳の子どもは、創造性のスコアが一致していたにもかかわらず、前頭–頭頂の制御ネットワーク、顕著性ネットワーク、背側注意ネットワークにおいて大人よりもネットワーク内の接続性が弱く、大人が見せた創造性–接続性の共変動を欠いていました。それらの執行機能は小学1年次にはまだ未成熟であるため、著者らはこの結果を最低年齢をめぐる議論に関連するものとして読みます——一方で、枠組みの交絡と ChatGPT なしの対照群の欠如を、それが決着をつけられる範囲の限界として挙げています（Horowitz-Kraus et al. (2026)）。

メタデータ

レベル	K 12, Preschool
学習と教授	ウェルビーイング（Well-Being）
教育におけるAIの基礎	教育におけるAI, AIリテラシー, 計算論的思考

Source History Edit Chat

検討すべき問い

はじめに

研究はどう分類されるか

発達上および公平性上の配慮

関連する概念

関連する論文

関連するFAQ

メタデータ

このページを埋め込む