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

英語教育（EAP / EFL / ESL）

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。

英語教育——英語の教授と学習への AI の応用、とりわけアカデミック・イングリッシュ（学術英語）のための教育（EAP） およびより広く英語教育（EFL/ESL/L2）です。これは専門分野に特有のAIEdの流れであり、一般的な言語学習（どの言語でもある第二言語・外国語の習得）ともライティング教育（一般的な技能としてのライティング）とも区別されます。すなわち、英語を目標言語および学術的なレジスターとして中心に据え、伝達能力、ジャンルに基づく学術的なライティング、訂正フィードバック、学術的なレジスターにおける読解とライティングという独自の特徴的な教育法を持ち、それらが AI の設計、利用、評価の在り方を形作るのです。

検討すべき問い

  • 英語は、大規模言語モデルが最も得意とする言語です。それは英語学習者に学術的なライティングのための強力な足場づくりを与えます——しかし、標準的な学術英語への偏りを静かに固定化し、多言語的な書き手や World Englishes の書き手を周辺化することにもなりうるでしょうか。どちらの結果が支配的だと思いますか。
  • アカデミック・イングリッシュ（EAP）は、ジャンルに基づく学術的なライティング、訂正フィードバック、学術的なレジスターを中心とします——一般的な言語学習や一般的なライティングの指導とは区別されます。なぜ、学術英語の特有のレジスターが、汎用的なライティング支援と比べて AI の道具に求められるものを変えうるのでしょうか。
  • あなたの英語を修正する AI が、まさにあなたが習得しようとしている「標準的な学術英語」で最も強いとしたら、それはいつ助けとなり、いつあなた自身の声や方言を平坦化するでしょうか。どうすればその違いを見分けられるでしょうか。
  • 自動化されたフィードバックと AI チューターは、英語のライティングとスピーキングの指導においてますます一般的になっています。AI のフィードバックは、伝達能力、レジスター、受け手について、人間の教員や仲間が捉えるであろう何を見逃すでしょうか。

はじめに

英語教育は、LLM が英語優位であるため、最も AI の影響を受ける専門分野の流れの一つです。LLM は英語のテキストを生成し、修正し、評価することに最も強く、それはまさに EAP と EFL/ESL の指導が中心とするものです。その英語優位性は独特の諸刃の刃を生み出します——一方に学術英語のための強力な足場づくり、他方に多言語学習者を周辺化しうる標準的な学術英語への根強い偏りです。

範囲と焦点

この概念は、英語教育——目標言語が英語（EFL/ESL/L2 の文脈を含む）であり、かつ学術英語のレジスター（EAP）である言語学習の部分集合——における AI の研究を組織します。中心的なテーマは以下の通りです。

  • アカデミック・イングリッシュ（EAP）： 高等教育におけるライティング、読解、フィードバックで用いられる、ジャンルに基づく専門分野に特有の英語に対する AI の支援——一般的なライティングの指導とは区別されます。
  • 英語教育（EFL/ESL/L2）： 英語を習得する学習者のためのAI チューター、対話相手、そしてフィードバックの道具。
  • 英語に特有の評価： 英語のライティングとスピーキングに関する自動化された評価とフィードバック。EAP のライティングの修正と L2 ライティングの評価を含みます。
  • 読解と文学の読みやすさ： Bird (2026) は、transformer によるテキスト分類と言語計算学的な特徴を融合させ、英国のキーステージによって英語文学を分類し、F1 値 0.996 を達成しました——ジャンルに基づく EAP の読解支援と読解水準の整合に対する、拡張可能でデータ駆動的な補完です。
  • 言語的な公平性： AI の英語優位性と、多言語の書き手や World Englishes の書き手のニーズとの間の緊張。

英語教育は言語学習とどう違うか

言語学習は、どの第二言語・外国語の習得についても、話す、書く、読み書きを含め、AI の対話相手、発音の道具、会話の練習を通じて学ぶ、より広い傘です。英語教育はその英語に特有の事例であり、その中で EAP はレジスターに特有の事例です。

|| 次元 | 言語学習 | 英語教育（このページ） | ||-----------|----------------------|-----------------------------------| || 目標言語 | 任意の L2（フランス語、スペイン語、日本語、…） | 英語に特有 | || 焦点 | 一般的な L2 の習得——話す対話、発音、読み書き | 目標としての英語 + 学術英語のレジスター | || 特徴的な文脈 | 会話、発音、一般的な流暢さ | EAP——学術的なライティング、読解、フィードバック、ジャンル | || 代表的な AI | L2 の対話相手、発音のフィードバック、ロボット支援の L2 | EAP のライティング道具、EFL の仲間フィードバック、英語の学術的なライティングの評価 |

両者は大きく重なります（ほとんどの英語学習は L2 の習得でもあります）が、英語教育は、英語を目標言語とし、かつ学術的なレジスターを前景化します——例えば、EAP における倫理的な生成AIの統合、生成AIによる EAP のライティングの修正、EAP の読解教材の適応は、汎用的な言語学習の研究には見られない形で EAP に特有です。

英語教育はライティング教育とどう違うか

ライティング教育は、作文から学術的インテグリティまで、すべての言語と専門分野にわたって、ライティングを一般的な認知的・修辞的な技能として扱います。英語教育は、特に英語に、そして EAP の中では学術的なレジスターに焦点を当てます。

|| 次元 | ライティング教育 | 英語教育（このページ） | ||-----------|----------------------|-----------------------------------| || 範囲 | 一般的なライティング（どの言語でも、どのジャンルでも） | 目標言語としての英語 + 学術英語のレジスター | || 特徴的な関心 | 作文、修正、主体性、著作 | EAP のジャンル、学術的なレジスター、L2/EFL のライティング、英語におけるフィードバックリテラシー | || 評価の角度 | 自動エッセイ採点、広くライティングのフィードバック | 英語に特有の評価（EAP のライティング、EFL の仲間フィードバック、L2 ライティングの評価） | || 公平性の角度 | ライティングのフィードバックにおける偏り | 偏り + 英語優位性／多言語の緊張（World Englishes） |

ライティング教育の論文の多くは英語第一のものです（例えば、Marked Pedagogies）が、それらは一般的なライティングの研究として枠づけられています。英語教育は、汎用的なライティングや汎用的な言語学習のページが軽視する英語を目標言語とすることと学術英語という次元を再び中心に据えます。

このクラスターの論文

なぜ重要なか

AI の英語優位性は、この流れの決定的な特徴です。モデルが英語、とりわけ標準的な学術英語で最も強いため、英語教育は不均衡に利益を受け（強力な EAP の足場づくり）、同時に独自の危険を負います（単一言語の偏り、World Englishes と多言語的な書き手に対する差別）。ここの研究は、公平性、偏りの緩和、自動化された評価、AI のフィードバックの質、学術的インテグリティにつながります。

英語／EAP／EFL-ESL の教員への示唆

  • AI の強みを学術英語のために意識的に活かしてください。 モデルが英語と標準的な学術英語で最も強いため、EAP の教員は、ジャンルに基づくライティング、読解教材の分化（EAP の教材）、修正のフィードバックのために AI を展開できます——ただし、AI を答えを出す機関ではなく、下書きとフィードバックのパートナーとして枠づけるべきです。

  • 学術英語のレジスターとフィードバックリテラシーを守ってください。 EAP のライティングの修正は、フィードバックが生産的であるのは学習者のフィードバックリテラシーの度合いに応じてのみであることを示しています——学生に AI のフィードバックを解釈し、判断し、それに基づいて行動することを教え、第二の評定者の仕組みを用いて AI の質を点検してください。

  • 英語優位性の公平性の緊張に注意してください。 モデルは標準的な学術英語を特権化し、World Englishes と多言語的な書き手を周辺化します（World Englishes、Marked Pedagogies）——フィードバックを単一言語の偏りと低下した期待について監査してください。

  • AI を EAP に倫理的に統合してください。 EAP における倫理的な生成AIは、学術的インテグリティを保つ高等教育の英語教育において、透明で責任ある利用を求めています。

  • 慎重で、まず準備から始まる採用を予想してください。 23 件の研究の系統的レビュー（Li et al. 2026）は、言語教育者が、授業計画、教材の作成、ライティングの支援／フィードバックといった舞台裏の準備のために生成AIを最も高く評価する一方、教室での直接的な利用にはためらいを見せ、主な関心が学術的インテグリティ（盗用と評価の妥当性）に集中することを見出しています。採用は、専門家としてのアイデンティティ、教育学的、技術的、制度的、インテグリティの要因によって形作られ、能力のギャップは、エピステーメー（AI の能力と限界の理解）、テクネー（プロンプトエンジニアリング、AI によって強化された課題と評価の設計、AI が生成したテキストの検出）、プロネーシス（倫理的な判断、偏りとプライバシーの扱い）に写像されます——だからこそ、EAP/EFL の教員はこれらの能力を意識的に育て、「まず裏方、そして教室」という実装を計画すべきです。

  • 熟達度とニーズに応じて差別化してください。 EFL の評価と適応的な個別指導の研究は、AI の支援と評価を、画一的ではなく学習者の水準に合わせて調整することを支持しています。

  • 技術を産出に向けて配分してください。 33 件の TEFL 研究のメタ分析は、小さから中程度の全体的な効果（g = 0.38、トリム・アンド・フィルにより 0.28 に減少）を見出しました。それは教育水準とともに高まり、受容的な技能よりも産出的な技能——スピーキングとライティング——を有利にしました（Liu, Hashim & Sulaiman (2026)）。

関連する概念

関連する論文

メタデータ

分野English Education, Language Learning, Writing Education
レベルHigher Ed, K 12
技術と手法生成AI
評価と測定AIフィードバックの質, 自動評価
公平性、倫理、責任ある利用公平性
教育におけるAIの基礎学術的インテグリティ
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。