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

教育の水準

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。

教育の水準——この知識ベースの level メタデータを組織化する区分です。すなわち、就学前教育、初等教育、中学校、中等教育、K-12、高等教育、学部、大学院、成人学習、特別教育、そして**教師教育**。このページは、いずれか一つの区分ページの重複ではなく、その領域の傘です。すなわち、区分を移るにつれて何が変わるか、なぜ学校／大学の切れ目が教えられている科目よりも重要かを説明し、AI の証拠がどこで濃密でどこが薄いかを示します。

検討すべき問い

  • 大学院のゼミと2年生の数学の授業は、どちらも「教育」ですが、一方を助けるツールは他方を害しえます。良い AI 利用の姿を変えるのは、科目ではなく区分の何でしょうか。
  • 132人の2年生を対象とした一つの試験では、適応的な数学個別指導システムは固定された順序と変わらないことがわかりました。大学生でも同じゼロ結果を予想するでしょうか。そして適応はどんな学習者の能力を暗黙に前提としているでしょうか。
  • 「K-12」と「高等教育」は、それぞれいくつかの異なる場面を一つのラベルに圧縮しています。それらのラベルはどんな比較を隠しているでしょうか。
  • ある区分の証拠基盤が薄いなら、正直な対応は何も言わないことでしょうか、隣接する区分から借りることでしょうか、それとも研究を設計することでしょうか。

はじめに

level メタデータ欄は、ある情報源が何についてのものかという教育の区分に名前をつけます——区分であって年齢ではありません。すなわち、就学前教育、初等教育、中学校、中等教育、K-12、高等教育、学部、大学院、成人学習、特別教育、教師教育です。あるものは就学の段階を、2つは大学教育のまったく異なる半分を、2つは段階ではなく学習者の集団を、そして1つは教える人々に名前をつけています。一つの情報源は同時にいくつもの区分を持つことができます。

このページはその領域の傘であり、区分ページが実質的な仕事を担い、これと併せて読まれるべきです。K-12、幼児教育、高等教育、成人学習者、特別支援教育、教師教育、職業教育訓練（Vocational Education and Training）です。

ある区分を他の区分と区別するもの

区分は同時にいくつもの軸に沿って異なり、AI 研究はたいていそのうち一つだけを変化させます。

  • 自己調整の能力。 同じ2年生向け数学個別指導システムの2つの版——内容、インターフェース、フィードバック、話されるヒントは同一で、課題の選択がベイジアン知識追跡の習熟度推定に従うかどうかだけが異なる——は、132人の7歳児の間で事後テストの差を生じませんでした（F(1, 124) = 0.32, p = .574）。著者らの第一の説明は発達的なものです。すなわち、適応的なシステムは、フィードバックに関与し、努力を調整し、集中を保てる学習者を前提としており、幼い子どもは自己調整が限られています（Effectiveness of adaptive versus non-adaptive intelligent tutoring systems in early primary mathematics）。
  • 誰が相互作用を媒介するか。 学校の区分では、大人が学習者とツールの間に立ちます。270人の幼稚園教諭を対象とした調査では、採用意図は知覚された有用性、使いやすさ、AI の自己効力感、AI不安に動かされていました——そしてその研究は子ども向けの AI を意図的に除外しました（Exploring Factors Influencing Preschool Teachers' Behavioral Intention to Use AI Technologies in Early Childhood Settings）。
  • 評価が何のためか。 中等教育の評価は外面的な利害を養い、大学の評価は履修と資格証明であり、大学院の評価は研究者の養成です。
  • 既有知識。 既有知識はその試験の事後テスト成績を支配していました（F(1, 124) = 206.99, p < .001, η²p = .63）。したがって、区分ラベルは知識の水準と相関しますが、それを等しくはありません。

学校の年月と大学の年月

最も帰結の大きい分断は、学校と大学の間の切れ目であり、最もよく使われる2つのラベルはそれぞれそれを隠すか横切ります。

学校の年月の内部では、測定される成果は区分によって鋭く変わります。初等教育では、それは教科の学習です。97人の中国の3年生が生成AIチャットボットを科学的探究に用いたところ、検索エンジンの統制群よりも良い問いを立てました（t = 2.47, p = 0.015）（Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science）。中等教育では、それはしばしば成績ではなく態度になります。508人の台湾の中学生を対象とした調査では、経験的な魅力が楽しみを通じて、歌の学習のためのChatGPT利用の意図を形作ることがわかりました（XM → PEOU β = 0.630;PE → ATU β = 0.369）。81.5%が無料枠を利用しており——これは技術受容の所見に偽装されたアクセスの公平性の問題です（Junior high school student perspectives on the use of ChatGPT in music education）。中等教育はまた、このコーパス最大の学習の警告を抱えています。7〜12年生の26,811人の中国の学生にわたって、宿題の得点は18%上がり、所要時間は30%下がった一方で、閉じた本の試験の得点は6か月以内に約20%下がり、宿題の外部化を示す行動を取った約81%の中に集中していました（The Generative AI Learning Penalty: Evidence from Chinese Secondary Education）。

大学の年月は再び分かれます。学部の学びは外面的な判断の下での履修です。少数民族支援の R1 大学の学部の執筆学生の間では、AIリテラシーは、学生がどの程度使ったかではなく、どのタイプの大規模言語モデル（LLM）依存に収まっていたかを予測しました（Four Types of LLM Reliance and Their Predictors Among Undergraduate Writers: A Mixed-Methods Study at a Minority-Serving R1 University）。大学院の学びは研究の訓練であり、成果は成績から形成へと移ります。420人の天文学の博士課程の学生と博士研究員の間では、AI 依存は研究の自律性（r = −.355）と自己効力感（r = −.321）と負に関連し、革新的行動への間接的な経路は主に自律性（−.115）を通っており、自己効力感（−.069）ではありませんでした。指導的な支援は自律性への負の結びつきを弱めました（B = .077, p = .020）（AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training）。博士課程の学生は、AI 依存が侵食しているように見える判断によって評価されます。学部生は違います。両者を「高等教育」の下にまとめることは、そのことを隠します。

証拠がどこに集中し、どこが薄いか

このコーパスは偏って埋まっており、level 欄がその不均衡を可視にします。

濃密。 高等教育は最もよく覆われている区分です。ここで参照されたページには、60人の工学生を対象とした8週間のプラットフォーム試験（Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support: Enhancing Information Literacy of Engineering Research Teams）、395人の教育管理者を対象とした調査（AI adoption readiness among Ukrainian education managers: Barriers, typologies, and policy implications）、18件のアフリカの高等教育研究のメタ統合（Rethinking data privacy for AI adoption in African higher education: A meta-synthesis of stakeholder perceptions and policy implications）、420人の研究者による博士課程の訓練の研究（AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training）が含まれます。初等教育と中等教育もまた、成果に関する証拠を帯びています。

薄く、ところにより欠けている。 ここで参照されたページは、就学前教育の区分について、子どもの成果を扱う研究を一切報告していません。最も近い証拠は、子ども向けのツールを除外した教師の意図の調査です（Exploring Factors Influencing Preschool Teachers' Behavioral Intention to Use AI Technologies in Early Childhood Settings）。中学校は、報告された成果ではなく、主に提案された設計と縦断的研究として現れます（AI-Integrated Learning Management System for Middle School: A Longitudinal Study of Learning Outcomes Through High）。職業教育の区分の最も強い証拠は、ある一つのコースからの63件の自己報告回答であり、著者らは再現が必要だと言っています（Cultivating Design Creativity of Vocational Students: A Model of Project-Based Learning in AI-Enabled Immersive Virtual Environments）。大学院の証拠は横断的で、逆経路のモデルが発達のモデルよりもわずかに良く適合するため、依存から自律性の低下への方向は推測されており、確かめられてはいません（AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training）。ここで参照されたものは、成人学習または特別教育を区分として扱う AI の成果証拠を何も報告していません。それらは成人学習者と特別支援教育に独自の記述があり、このページは就学年齢の所見から一般化してその隙間を埋めはしません。

調査されたすべての水準で成り立つ一つのパターンは、人間の層が最も難しい事例を吸収することです。人間の専門家は、アルゴリズムの推薦が F1 = 0.64 に達しても、工学生にとっての信頼性の判断の地点に留まりました（Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support: Enhancing Information Literacy of Engineering Research Teams）。指導的な支援は、博士課程の訓練において AI 依存の負の結びつきを弱めた唯一の条件でした（AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training）。そして就学前教育の採用者は、子どもではなく幼稚園教諭です（Exploring Factors Influencing Preschool Teachers' Behavioral Intention to Use AI Technologies in Early Childhood Settings）。

水準に適した設計が実際に変えるもの

教育における AI への含意

関連する概念

関連する論文

メタデータ

レベルPreschool, Primary Education, Middle School, Secondary, K 12, Higher Ed, Undergraduate, Graduate, Adult Learning, Special Education, Teacher Education
対象読者Learners, Parents And Families
学習と教授足場かけ, 自己調整学習, 既有知識（前提知識）
技術と手法適応学習, パーソナライズド・ラーニング（個別最適化学習）
評価と測定評価, 学習成果
研究方法と評価メタアナリシスと系統的レビュー
制度と方針教育におけるAI政策, AIガバナンス
公平性、倫理、責任ある利用学習者集団間で異なる効果, 公平性, プライバシー, 教授法的安全性
教育におけるAIの基礎教育におけるAI, 学習者アイデンティティ
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。