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

相互評価

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。

相互評価——学生が、書かれたピアレビュー、ピア採点、ピアコードレビュー、あるいはグループやチームの評価を通じて、互いの仕事を評価し、採点し、あるいはフィードバックを与える実践です。ライティング教授法において、それは長年の最良の実践です。学生は、規準に基づくフィードバックを受け取ることからも、与えることからも学び、共有された仕事についてのピア同士の語りは、より深い学習、読者への意識、社会的な発達と相関します。AI の時代、それは単一の活動ではなく、評価設計の選択として再検討されています——AI 生成のフィードバックに対する人間による補完、フィードバック・リテラシーの訓練場、そして学問的誠実さと学生の主体性が再交渉される場所です。

検討すべき問い

  • 自分の仕事がピアに評価されたとき——あるいはあなたが彼らのを評価したとき——を思い出してください。与えることと受け取ることのどちらから、より多く学びましたか。それはなぜでしょうか。
  • なぜ、学生のフィードバックは、AI のフィードバックがより一貫していてルーブリック駆動的であるのと同じくらいに、より文脈を意識していて感情的に支援的でありうるのでしょうか。両者はどう補い合えるでしょうか。
  • ピアは強い仕事を低く採点する傾向があり、AI は弱い仕事を膨らませる傾向があります。どちらも質の全域にわたって確実に正確でないなら、どちらの情報源からの成績も、何のために用いられるべきでしょうか。
  • 相互評価は足場かけと明確な規準に大きく依存し、友情バイアスと社会的な不安は、訓練されていないピアレビューをまったくないよりも悪くしえます。十分な訓練は、あなたの文脈で実際にどのようなものでしょうか。
  • AI が組織と構造についてのコメントを下書きできるなら、それは相互評価を余計なものにするでしょうか——それとも、ピアが、彼らだけが与えられる、具体的で読者を意識したフィードバックを与える自由になるでしょうか。
  • GenAI に支援されたピアフィードバックは、ある研究で通常のピアフィードバックを上回りましたが、プロンプトによる足場かけが加えられた場合に限って。そこで足場かけが施されているのは何でしょうか——AI、学生、それとも評価でしょうか。
  • AI 生成のフィードバックを批判的に評価することは、AI リテラシーと書き手としての主体性を築くと記述されています。機械がますますそれについて論評する中で、自分の仕事に対する主体性を持つとは、どういうことでしょうか。

はじめに

相互評価は、学生が通常は教員のために取っておかれる評価の仕事の一部を担う、評価設計の選択です。その形態は、学生が何を生み、何が賭けられているかによって異なります。ピアフィードバック（下書きへのコメント、通常形成的で低リスク）、ピア採点（成績に寄与する点数）、ピアコードレビュー、そしてグループやチームの評価（ピアが集合的な成果物や互いの貢献を評価する）。形態が、学生が何を練習するかを決めます——規準に基づくコメントを与えることは、評価の判断を、数字を割り当てることとは異なる仕方で築き、自分のコードを口頭で防御することは、また別のものを築きます。自己評価は、きょうだいの実践であり、同じ規準に基づく精査を学習者自身の仕事に向けます。一方、相互評価はそれをピアの提出物と、それに伴う読者への意識に向けます。

研究基盤は、相互評価が学習を生むことに同意し、そのどれほどが設計に依るかについては同意しません。それは学生に真正な読者を与え、規準に基づく応答を通じて評価の判断を発達させ、エンゲージメントと動機づけを支える社会的な文脈を築きます。その質は足場かけに大きく依ります——どれほどよく構造化されているか、そして学生が明確な規準と訓練を受けるかどうか。その依存関係が AI が入る場所であり、ピアが与える具体的で文脈を意識したフィードバックに対する、一貫していてルーブリック駆動的な補完として、そしてますます、相互評価のプロセス自体に組み込まれた足場かけとして。

学生がピアを評価することから学ぶもの

相互評価のための最も強い論拠は、評価者が学ぶということです。Fowles et al. (2026)は、すべての CS1 の提出物を、訓練された助教との 15 分間の口頭コードレビュー面接の対象とし、課題の成績の 70% に重みづけました。貼り付け文字数の総文字数に対する比率は 61.0% から 68.1% へ上昇しました（p < 0.0001）が、試験の得点は低下せず、課題に費やされた時間は安定を保ちました。90% の学生は、レビューが自分のコードをよりよく理解する動機になったと言い、65% は AI への過度の依存を避けるのに役立ったと言いました。学生に、訓練されたピアに自分の仕事を説明するよう要求することは、潜在的な外部委託を自己調整された実践の機会に変換しました。

そのメカニズムは文献にわたって再発します。203 件のスクリーニングから 22 件の記事の PRISMA 2020系統的レビューで、Martínez-Peláez et al. (2025)は、LLM がピアフィードバックを助け、ルーブリックに基づく評価をシミュレートすることで、協働を部分的に支えること、そして、モデルの出力を検証し訂正する学生が批判的思考を発達させることを見出しました。教えて学ぶは、機械の間でさえ現れます。240 万を超えるAI エージェントの間の、ピア学習のような言説は、ほとんどが探究ではなく断定でした（陳述対問いの比率 11.4:1、28,683 の投稿にわたって符号化された分類法の中でメタ認知的な省察は 7% のみ）。これをChen et al. (2026)は、表面的な言説は何かが学ばれたことを確立しないという注意として扱っています。

訓練、較正、フィードバック・リテラシー

相互評価は、学生が訓練されていないとき、予測可能に失敗します。Gu, Chen, and Yan (2026)は、中国の 118 人の一年次学部生による混合研究法の準実験を行い、事前に訓練されたルーブリックの下での ChatGPT-4o を、高品質の範例を用いた構造化されたピアレビューのワークシートと比較しました。フィードバック・リテラシーは、生成 AI 群でわずかに大きく上昇しました（ANCOVA p = 0.049、η²p = 0.03）が、質的な知見の方がより重要です。ピア群の学生は、社会的な都合でフィードバックの情報源を選びました——近くのピア、同じ専攻のピア、ルームメート——特定のフィードバックの目標を持つことは稀で、フィードバックを求めることについての社会的な不安に直面しました。ピア評価は、友情バイアスと知覚されたピアの力量によってより頻繁に歪められ、ピアの省察はしばしば後の試験まで遅延しました。著者らは、匿名のピアフィードバックを用いた多段階のデザインを勧めています。なぜなら、ピアレビューはなお独自に、フィードバックを与えることを通じて読者への意識と評価の判断を築くからです。

設計の枠組みは、それらのボトルネックを狙います。Irwin and Muller (2026)は、EFL/ESL の話すことに関するピアフィードバックにおける、生成 AI の二つの役割を提案します。時間的圧力、つかの間の口頭での実演、高まった感情のためにライティングより難しいと彼らが論じる事例です。つまり、範例に基づく較正とフィードバックについてのフィードバックを通じてフィードバックを与える者を支える Trainer と、ピアのコメントを規準に結びつけた摂取の報告に集約し、形式を標準化し、少数派の見解を保全し、矛盾に旗を立てる Synthesizer です。彼らの原理は、慎重なタイミングと順序づけ、短く繰り返される Trainer の単位、与える者の声の保全、そしてガードレールであり、それらは教師を自動化された採点なしでループの中に保ちます。その論文は概念的であり、新しい実証的なデータはありません。

妥当性、公正性、採点の正確さ——ピア対 AI 対教員

相互評価が成績を生むところでは、問いは、その成績が擁護可能かどうかです。Usher and Faraon (2026)は、ピアと教員の整合が低品質の仕事に対して最も強かったことを見出しました（低品質の層で r = 0.51）、そして高品質のプロジェクトに対して弱まりました。それをピアは低く採点する傾向がありました——おそらく強い仕事を批判することへのためらいを反映しています。ChatGPT は逆のパターンを示しました。高品質の仕事に対してより良い整合、しかし弱い提出物に対して膨張した成績。学生は、ピアの成績をピア自身の書かれたフィードバックとより一貫していると知覚し、ChatGPT の中立的な一貫性と並んで、ピアの関係を意識した判断を重んじました。ピアの正確さは質依存的で関係に敏感であり、どの単一の情報源も、全域にわたって確実ではありません。

それは、ピアの成績が何のために用いられるべきかを制約します。分布の中央で較正された点数は、頂点や底辺で較正されている必要はありません。したがって、ピアの成績は、強い仕事に対する最終的な点数よりも、緩和された決定への入力、あるいは評価者の判断の証拠として、より擁護可能です。Suen and Hung (2026)は、機関がなぜ拡張可能な代替を求め続けるのかを強調します。ピアフィードバックと専門家によるコーチングは、時間がかかり、費用がかかり、一貫して拡張するのが難しいのです。彼らの閉ループのシステムは、204 人の成人学習者を発表の技能について採点し、XGBoost の基盤で専門家の評価者の信頼性に近づきました（ρ = 0.69〜0.78）、そして事前・事後の伸びは Cohen's d = 0.39〜0.90 でした——一つの事前・事後のフィールド研究であり、相互評価との比較ではなく、ピアの判断を増強するのではなく機械による判断を代入するものです。

AI で増強された相互評価——PAIRR と Trainer/Synthesizer の分割

支配的な設計パターンは、ピアを中心に保ち、その周りに AI を加えます。Peer and AI Review + Reflection モデルが、最もよく記録された事例です。Sperber et al. (2025)は、PAIRR を 10 のライティングコースと三つのライティング集約型STEMコースに、654 人の学生（37% が第一世代、13% が留学生、68% が多言語話者）と共に実施しました。学生は下書きし、ピアレビューを交換し、同じ下草案についてルーブリック駆動的なフィードバックを ChatGPT に求め、両者を批判的に評価し、修正を計画し、省察しました。58% が組み合わせたフィードバックを好み、36% がピアフィードバック単独、わずか 6% が AI フィードバック単独でした。二つの情報源はしばしば似ていました（75% が類似を報告し、互いを確認し強め合うと記述し）、そして、違ったときには補完的でした。AI フィードバックはしばしばあまりにも一般的と呼ばれました（31%）が、組織と構造について実行可能な修正戦略を与え、一方、ピアフィードバックはより具体的で詳細でした（28%）し、課題についての文脈的な知識に依りました。AI の成果物を批判的に評価することはAI リテラシーを築き、それに対する過信を示した学生は 5.3% のみでした。

そのパターンは専門的なライティングに一般化します。MacArthur et al. (2025)は、PAIRR を上級のビジネスライティングコースに適用しました。五つの主要な課題がそれぞれ、下書き、読者分析、2〜3 人のピアによるレビュー、修正を要求し（在籍 46 人中 34 人が参加。69% が多言語話者）。学生は AI フィードバックを重んじましたが、時折あまりにも一般的と感じ、ピアの文脈的な知識を重んじました——「私のピアは雇用者の観点からそれを見ました……ChatGPT はそれほどそうしませんでした」。より大きな PAIRR 研究における符号化された省察の 4 分の 1 は、AI フィードバックへの懐疑や不正確さの指摘を表明し、著者らはそれを発達する AI リテラシーとして読みます。その研究は記述的で、コースに固有のものです。

ピアフィードバックとグループ評価の中の足場かけとしての生成 AI

設計がどれほど重要かをめぐる最も厳密な検証は、多地点のクラスター無作為化実験です。Ateş (2026)は、4 つの大学にわたる 48 のセクション——生物学、化学、物理学の 1,176 人の一年次学部生——を、科学的な論証についての四つの条件に無作為化しました。ピアフィードバックのみ、直接的な生成 AI フィードバック、省察的な生成 AI フィードバック（自己評価、そして AI による批判）、そして自己評価 → ピアフィードバック → 生成 AI による批判のハイブリッド。直接的な生成 AI は即座の論証の質でピアフィードバックに勝ちましたが、より弱い転移を示しました。省察的でハイブリッドのデザインは、より強いフィードバックの摂取と自己調整学習を生みました。ハイブリッドは概念的な学習において最も明確な優位を示しました。どちらも、遅延した AI なしの転移において直接的な生成 AI を上回りました。著者らの結論によれば、生成 AI の価値は、アクセスよりも、環境が修正の間、学生の主体性と所有権を保全するかどうかにもっと依ります。

ピアの議論の後ではなく前に AI フィードバックを順序づけることも、また成果を高めました。ピアフィードバック単独に対して、AI とピアを統合したフィードバックを与えられた 122 人の中国人 EFL 学生は、より高い感情的、行動的、認知的エンゲージメントを報告しました（偏 η² = 0.29、0.28、0.32）し、四つの IELTS ライティングの側面すべてで上回り、最も大きいのは達成された課題でした（d = 1.41）（Liu (2026)）。

そのパターン——持続しない早期の優位——は、比較が生成 AI 単独ではなく、教師フィードバック対 AI に支援されたピアフィードバックであるときにも再発します。Tang, Li, and Luo (2026)は、一つの五次元のチェックリストから取り組む 61 人の中国人 L2 書き手（244 の採点された文章）による八週間の準実験を行い、一つのクラスが教師の書かれたフィードバックを、別のクラスが AI に支援されたピアフィードバックを受けました。教師フィードバックは、はるかに多くのコメントを生み出しました——最初の課題で 316 項目対 185、語彙と技術的な詳細に集中して——そして、わずかに大きい即座の伸びを生みましたが、その改善は二番目の課題までに急落しました。一方、AI に支援されたピアのクラスは安定を保ち、より高い修正の得点で終えました。AI に支援されたピアのコメントはより少なかったが内容と構造に据止まり続け、その早期の語彙的多様性の優位は持続しませんでした。どちらの様態も統語的な複雑さを動かしませんでした。著者らは両者を補完的な足場かけとして読み、AI——ピア——教師のハイブリッドを提案します。その中で AI は下書きの間、表面の誤りに印をつけ、ピアは修正において内容を交渉し、教師はどちらも届かなかったものを狙います。

生成 AI を加えることは、ピアフィードバック自身の質を高めることもできますが、どうやらプロンプトによる支援がある場合に限って。Chang et al. (2026)は、45 人の学生教師を 12 グループで、協働的な論証の四回のラウンドにわたって三つの条件を比較しました。通常のピアフィードバック、生成 AI を伴うピアフィードバック、プロンプトによる足場かけの下での生成 AI を伴うピアフィードバック。生成 AI に支援されたグループは、論証の成績で通常のピアフィードバックを上回り、プロンプトで足場かけを施されたグループは、「反論のデータと保証」や「反対の見方への対処」といった高度な要素で最も良い成績を収めました。生成 AI に支援されたグループは、より多くの説明、提案、中立的または否定的なフィードバックを生み出し、足場かけを施されたグループは、否定的な感情を高次のフィードバックの内容と対にしました——受動的な受容ではなく批判的な評価です。それは小さな単一の実験ですが、プロンプトによる足場かけを活性成分として単離します。

グループ評価は、学生が、誰の AI 利用が許容可能かを交渉しなければならないため、問題を変えます。Chen and Zou (2026)は、統合と一貫性を要求する最終成績の 30% を占めるグループ発表のコースで、52 人の職前教師の 15 の焦点グループにインタビューしました。三つのパターンが現れました。協力志向の主体性——五つのグループ。彼らは生成 AI の利用を強め、仕事をまとめ、共有された成績を守りました。規範的な主体性——七つのグループ。彼らは真正性と公正性を守るために利用を抑制しました——ある学生は、AI で一部を生成することは「他のグループメイトにとって公正でない」だろうと推論しました。そして、実現されない主体性——三つのグループ。その実践は個人の仕事から決して変わりませんでした。著者らは、個人の能力がそれ自体で集合的な主体性になるわけではない、そして許容可能な AI 利用の交渉がそれ自体、評価可能な成果になるべきで、ピアレビューの課題が最終的な成果物に供給されるべきだと論じます。

フィードバックのアーキテクチャ、開示、そして相互評価の社会的条件

相互評価はまた、学生が互いの何を見ることができ、そして何を認めるかに依ります。Hao and Cukurova (2026)は、AI 生成の要約を用いた学習設計を、八週間にわたる 128 人の学生で三回の反復にわたって検証しました。AI に支援された反復の学生は、ベースラインよりも有意に高い標準化された出次数中心性を示しました（β = 0.547 と β = 0.438、どちらも p < 0.001）。彼らはより多くのピアを閲覧し、相互作用しました。インタビューは、その要約を、名前のまずいスレッドに埋もれた貢献を見つける労を減らす航海の地図として記述し、学生は友情ではなく、対照的な意見を選ばれた活発な貢献者に注意を払いました。その設計は、高まる作業量の下での閲覧活動の低下を妨げませんでした。したがって、技術的な可能性だけではエンゲージメントを持続しません。

ピアの規範はまた、正直さを形づくります。それは、ピアが AI に影響された仕事を評価するところではどこでも重要です。Qu and Wang (2026)は、開示の義務にもかかわらず学生がなぜ生成 AI の利用を隠すのかについて、409 人のシンガポール人学部生に調査し、関係的な変数が支配的であることを見出しました。知覚されたピアの開示と、教員に対する心地よさが開示の最も強い予測因子であり、一方、道徳的な関与の解離はより弱かったのでした。非開示は、知覚されたピアの規範と低い解釈的な信頼に対する戦略的な適応であり、道徳的な怠慢ではありませんでした。したがって、ピアの規範は、グループ評価の学生がグループメイトへの義務から AI の利用を抑制したときに、正直さを支えることができ、あるいは、集合的な採用が誤用の知覚されたリスクを下げたときに、それを抑圧することができます。著者らの論じるところでは、透明性は、遵法よりも、信頼と肯定的な規範の気風にもっと依ります——相互評価のデザインが作り出すか破壊するかのいずれかである、関係的な条件です。

設計への示唆と開かれた問い

いくつかの設計上の一手が続きます。評価者に、評価する前に訓練、範例、規準を与えてください。なぜなら、訓練されていない相互評価は、友情バイアス、都合に基づく情報源の選択、社会的な不安に対して脆弱だからです。自己評価がピアフィードバックと AI による批判に先立つよう、仕事を順序づけてください。なぜなら、ハイブリッドの条件が最も強い概念的な学習と最良の遅延した転移を生んだからです。生成 AI が入るところでは、学生がどうプロンプトを与えるかに足場かけを施してください。成績になるものについては教師をループの中に保ち、ピアの成績を均一な点数ではなく質依存的な証拠として扱い、AI の利用自身を、グループが交渉し記録する何かにしてください。

生成 AI によって媒介されたレビューはまた、その道具の言語的な規範を受け継ぎます。World Englishes の対話への貢献者は、生成 AI を用いる検証者が、モデルと同じく支配的な英語の多様性への偏りにさらされると論じ、生成されたテキストを、書き手自身の言語的アイデンティティを反映するよう編集または書き換えることを勧めます（Ugwuanyi et al. (2026)）。

開かれた問いは、設計だけでなく、証拠の強さについてのものです。ピアと AI の証拠の多くは小さく文脈に束縛されています。一つのコースの 45 人の学生教師、一つのビジネスライティングコースの 34 人の学生、15 の焦点グループの 52 人の職前教師。PAIRR の調査はここで最大のデータセットであり、学生が判断した AI の成果物の質ではなく、学生の知覚を測定します。多地点の実験の 1,176 人の学部生だけが、因果比較的な規模に近づき、そしてそれは相互評価そのものではなく、科学的な論証についてのフィードバックの設計を検証します。一方、O'Neill (2026)は、AI が教育を改善すると主張する 14 件の査読済みメタ分析を監査し、そのどれも主張のための有効な基盤を提供していないことを見出しました——二つを除くすべてが、処置を教授法的な介入ではなく道具として定義し、不均一性は I² を報告したすべてのメタ分析で高く（77.2% から 94.4%）、そして 59 件の一次研究の監査では、61% に妥当性の問題があり、最も多いのは測定された成果となされた主張の間の不一致でした。相互評価における AI が何をするかについての主張は、設計された活動についての主張として、そしてその活動の言葉で検証されてこそ、そう扱われるべきです。

Connected Concepts

Connected Articles

関連するFAQ

メタデータ

分野Writing Education
対象読者Learners, Instructors
学習と教授協働学習, メタ認知, 自己調整学習
評価と測定AIフィードバックの質, 形成的評価, グループ学習
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。