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

グローバル・サウス

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。

グローバル・サウスとは、グローバル・ノースに対して経済的、政治的、歴史的に周辺に置かれることが多い、アフリカ、アジア、ラテンアメリカ、そしてオセアニアの国々を指します。教育におけるAIの研究において、グローバル・サウスの文脈は証拠基盤の中で過小に代表されているとますます認識されていますが、それらは公平性、文化的な関連性、資源の制約、そして西洋的で英語圏の訓練データの認識論的な支配について、特徴的な問いを提起します。

検討すべき問い

  • AIシステムが西洋的で英語圏のデータから作られたベンチマークの試験で良い成績を収めるとしたら、それがあなたの学生にとっても同じようにうまく機能すると、どれほど確信できるでしょうか。自分の文脈でそれを信頼する前に、何を確かめたいでしょうか。
  • 訓練データも評価指標もすべてグローバル・ノースで開発された学習道具について考えてください。それは、言語、知識の伝統、そして教育的な現実についてどんな前提を黙って符号化しているでしょうか — そして誰がそれによって最も誤って表現されやすいでしょうか。
  • AIの採用が研究されるとき、誰の教室と制度が証拠基盤を支配しがちでしょうか。それは、教育においてAIが「機能する」かどうかについて私たちが知っていると思っていることを、どう歪め得るでしょうか。
  • このページは、学習者の生きられたものと共同体の認識論を、西洋のモデルへの付け足しとしてではなく、権威あるものとして扱うよう主張しています。自分のAIに関わる実践や研究が、それを他所から輸入するのではなく、地域の知識を中心に据えるには、何が必要でしょうか。
  • 資源の制約はグローバル・サウスの文脈で繰り返し現れるテーマです。低コストで規模化できるAIの支援という約束は、どう設計され展開されるかによって、既存の機会の隔たりを閉じることと広げることの双方をなし得るでしょうか。
  • ある特定の場で「採用された」技術が、地域の条件に合っていたから実際に採用されたのか、それとも移ると想定されていたから採用されたのかを、どう見分けることができるでしょうか。その二つを区別するのはどんな証拠でしょう。

はじめに

なぜAIEDにとって重要なのか

主流のAIと教育技術の研究は、歴史的に西洋的で英語圏のデータセットと制度的な文脈に支配されてきました。これは二つの問題を生み出します。（1）そのようなデータで訓練されたAIシステムは、グローバル・サウスの設定では学習者に対して性能が劣ったり誤って表現したりし得ます。そして（2）グローバル・ノースで作られた評価のベンチマークは、他の地域の教育的な現実、言語、あるいは知識の伝統を反映していないかもしれません。この知識ベースにおけるグローバル・サウスの文脈からの研究は、文化的に根ざしたデータセット、ベンチマーク、そして技術の採用の研究にわたります。AIリテラシーと高等教育およびK-12教育への含意を持ちます。

知識ベースにおける応用

  • 文化的に根ざしたデータとベンチマーク： IKS-Instructは多言語のインドの知識体系（Indian Knowledge Systems）の指導データセットを提供し、NSMQ Riddlesはガーナに基づくSTEMのベンチマークを導入します。これは最初期のグローバル・サウスの教育的な評価データセットの一つです。

  • ガーナの高等教育におけるAI倫理についての自覚： Acquah et al.（2026）は、509人のガーナの大学学生を用いて、三要因（自律性、善行、公平性）のAI倫理の自覚尺度を検証し、一様に非常に高い自覚からほとんど自覚のない小さな集団まで、五つの潜在的なプロファイルを見出しました — 最も弱いのは善行でした — そして性別による差はなく、AIの教育における倫理文献にとってのグローバル・サウスの測定の拠点を提供しています。

  • 資源の乏しい文脈における教員の倫理的推論： Adelana et al.（2026）は、資源の乏しい文脈において現職の中等教育のSTEAMの教員が、正式な原理の列挙ではなく、専門的なアイデンティティ、教室の現実、そして文化的な規範を通じてAIの倫理について推論することを見出し、グローバル・サウスについての「倫理は空っぽ」という想定に反論しています。

  • 文脈に即した採用： Asag & Al Mamunは、バングラデシュの工学の学生における生成AIの採用をモデル化し、ConnectEDはベトナムの教育のためにカリキュラムに沿った授業計画のシステムを展開します。

  • 教員の採用を動かしたのは、能力構築であり、インフラではなかった。 255人のバングラデシュの教員において、生成AIに対する態度が利用を強く予測し（β = 0.556）、領域に固有の関連性が態度を駆り立て（β = 0.413）、一方で制度的な技術の提供と主観的な規範は有意な予測変数ではありませんでした（Alam et al.（2026））。

  • 制度的な統合と構造的な不平等： Adeniranye et al.（2026）の45のナイジェリアの大学（連邦/州/私立）の比較的な内容分析は、AIの統合が統治の形態ではなく、制度の歴史と地理的な位置によって予測されること、そして国際的なつながりと産業界のネットワークのつながりが互いを強め合うこと（r = 0.74）を見出しました。したがってよくつながった制度は有利を積み重ね、他の制度はさらに遅れます。それはデジタル的な不平等を、学習者の水準だけでなく、高等教育の制度自身の構造的な能力にも位置づけます。

  • 構造的な制約の下でのデジタルな媒介としての学術的な発達： Sithole（2026）は、二つの南アフリカの歴史的に不利な立場の制度にわたる12人の学術的な発達を担う者と学習の設計者にインタビューし、グローバル・サウスの文献がしばしば曖昧にする分析的な線を引きます。すなわち、デジタル的な不平等は分配的なもので、原理上は再分配とアクセスを通じて答えられる一方、アルゴリズム的な植民地性は認識論的なもので、完全なアクセスの下でも保たれます。なぜならそれはシステムが何を符号化し、誰の知識を中心に置くかに内在するからです。その二つは絡み合っていますが、異なる応答を要求し、制度は二重に位置づけられています — インフラの不足によって排除され、そして含まれるときには、他の知識と規範を符号化する輸入されたシステムによって従属させられます。制度的なAIの修辞（「実践というより成果」）は、指導の物質的な現実と緩く結びついて届いたため、発達を担う者たちは、世界のデジタル変革の言説を文脈的に実行可能な実践に翻訳しました。すなわち、仲間の場で道具を試し意図的に「壊す」こと、技能よりも判断を貫くこと、そしてまだ獲得しつつある専門性を投影することの情動的な費用を引き受けることです。

  • 認識論的な周辺化： Tali-Otmaniは、西洋中心の訓練データが非西洋的で障害を中心に据えた知識を周辺化すると論じ、グローバル・サウスの懸念を公平性と文化的に関連する教育学につなげます。

  • グローバル・サウスにおける障害と包摂： Khlaif et al.（2026） — 三つのパレスチナの大学にわたる21人の視覚障害のある学部生についての質的な事例研究 — は、生成AIが障害のある学習者にとってデジタル的なもの、地理的なもの、そして社会経済的な隔たりを橋渡けし、技術受容の研究を、使いやすさ、手頃さ、そしてアクセシビリティが互いを強め合う障害の文脈にまで広げることを見出しました。

  • 資源の制約の下での地域のストレス要因を念頭に置いた設計： BashirとAfzal（2026）は、Sukoonを、記録された不整合へのグローバル・サウスからの設計の応答として構築しました。すなわち、メンタルヘルスのチャットボットは主に西洋のデータセットで訓練され圧倒的に英語圏である一方、パキスタンの学生は学問的なもの、経済的なもの、家族のもの、そして対人関係のストレス要因に同時に向き合い、恥のために親、教員、あるいはピアに情動的な困難を打ち明けられないことが多いのです。著者らの実践上の制約は、彼らのモデルと同じくらい示唆に富んでいます。すなわち、低い資源要件のための、ホストされたAPIを通じた無料アクセスのオープンソースの大規模言語モデル（LLM）、地域の大学のための軽量なFlaskの展開、「道具は利用できるがしばしば高価である」という障壁の列挙、そして有料モデルへの不平等なアクセスが一般的な依存のリスクとして掲げられていることです。彼らはまた、分類器がパキスタンの学生を代表しない公的に利用可能なデータセットで訓練されたことを指摘し、母集団についての結論を引き出す前に、地域で収集されたDASS-21のデータに取り組むことを約束しています。

  • アフリカの高等教育からの薄く道具に固有の評価の証拠： 2023年から2025年の間に公表された実証的な研究のPRISMA 2020に準拠したシステマティックレビューは、研究をわずか10件しか見つけられず、それらはナイジェリアと南アフリカに集中し、ほぼ例外なくChatGPTについて行われていたため、アフリカの高等教育において生成AIのために評価を作り直すことについて知られていることは、測定された学習の伸びではなく、小標本で単一の制度に基づく自己報告の研究に依拠しています — レビューの著者らは、自分たちの提言を確立された効果ではなく方向性として枠づけています。

  • 公平性はこの地域全体で最も研究が少ない次元である。 75のグローバル・サウスの研究（2022〜2025年）のPRISMA-ScRによるスコーピングレビューは、公平性が五つの領域の中で最も調べられていないものの一つである一方、包摂的な教育にとってその中心的な重要性にもかかわらず、学生の述べた倫理的な立場とその行動の間に隔たりがあることを報告しました（Nguyen & Perkins, 2026）。

含意

グローバル・サウスの文脈に注意を払うには、西洋のモデルとベンチマークが直接に移るという想定を超える必要があります。それは、地域に根ざしたデータセット、文化的に関連した教授法と教授戦略、共同体を中心に据えた評価の基準、そして学習者の生きられたものと共同体の認識論を権威あるものとして扱う研究を求めます。共同体に基づくAIの学習や、地域の条件に適合させた技術受容の研究といった枠組みと足並みをそろえるものです。

規模化の記録はその絵の一部であり、それは冷静さを促すものです。試験的な規模では機能するプログラムは、政府がそれを運営するとしばしば機能しなくなります。非政府の実施の下で実質的な伸びを生み出したケニアのプログラムは、政府の規模では検出できる伸びを示しませんでした（Bold et al.）、効果量はプログラムが成長するにつれて下がる傾向があり（Vivalt）、実施の品質は場が増えるにつれて薄まります（Al-Ubaydli, List & Suskind）。ラテンアメリカ自身の先例は、ペルーのOne Laptop per Childプログラム — 数学や読解に検出できる効果なしに配られた約80万台のノートパソコン — であり、そこから引き出された教訓は、技術へのアクセスは指導ではないということです。Restrepo Morales et al.（2026）は、規模化の教訓に報告の教訓を加えます。2026年のエルサルバドルの事例では、171の学校でのAIチューリングの試験的実施が、ドイツやスウェーデンに匹敵すると発表された一方、同じ国の代表的なPISA 2025の標本は三科目のうち二科目で動きを示しておらず、試験的実施のデータは（全国の25.4人に対して学校あたり評定された学生7.0人）、選択を説明として排除するには薄すぎました。規模でAIを採用するグローバル・サウスのシステムにとって、その含意は二重です。改革が機能するという証拠は、たいてい見出しの技術ではなく、それが束ねる構成要素についてのものであり、展開の前に設計された段階的な展開は、ほとんど費用をかけずに効果を同定します — それは、接続性がどうせ段階づけを決める場所で最も重要です。

関連概念

関連記事

メタデータ

レベルHigher Ed, K 12
技術と手法生成AI
公平性、倫理、責任ある利用文化的に関連する教育学, 公平性, グローバル・サウス
教育におけるAIの基礎AIリテラシー
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。