概念
中等教育
これは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。
統合: 中等教育は、生成AIの利用が当たり前であり、測定された学習効果がその触れ込みよりも小さい学段である。通常の中学校で行われた2年間の試験では年間約0.06–0.08 SD、K-12の知的チュータリングのメタ分析ではg = 0.27程度にとどまる。効果を制約しているのはモデルの能力ではなく、エンゲージメントと援助要請だからである。生徒は認知作業をより多く肩代わりしてくれる道具を好み、検出器はエッセイ全体は識別できるが文単位ではできない。エビデンスは、試験対策の復習からライティングと著者性、さらに採点、検出、そして利用が懐疑心を追い越す中学校期まで及んでいる。
検討すべき問い
- チューターはワンクリックの先にあるが、誤りを含んだセッションのうち、中央値の生徒が助けを求めたのは17%だった。あなたの教室では、何が「質問する」ことを「飛ばす」ことより低コストにするのか。
- 生徒はノート作成よりもチャットボットを好んだが、そこから学んだことは少なかった。テストがそれを突きつける前に、この罠をどう見抜くか。
- 検出器はエッセイ全体でF1 0.96、文単位で0.88に達するが、一度書き直されると再現率の3分の1を失う。それに耐える学術誠実性の方針とは何か。
- 中等教育の試験研究はほぼすべて、単元テストを用いた4–12週間のものである。何が1年間にわたる教科部門としての導入を正当化できるのか。
- 自己申告の利用は12から17へ増えるのに、出力に対する信頼(Trust)は横ばいままだ。6–9学年のどこで検証を教えるか。
はじめに
中等教育はおおむね11–18歳——中学校、次いで高等学校——を対象とし、この場の3つの特徴がAIにできることを形づくる。就学は義務であり、教師は週に150人の生徒を担当することもある教科専門家で、結果を左右する評価は外部のものである。GCSE、全国的な試験、そして15歳でのPISAだ。
その同じ生徒たちが最も早く導入する。スイスでは14–19歳の84%が生成AIを定期的に利用していると回答しており、その割合はどの成人年齢層よりも高い。ほぼ全員が使うこと、外部試験、そして1人の成人が複数の学級を担うこと。これが、文献がカリキュラムの再設計よりも復習、採点、宿題、誠実性に集中する理由を説明している。
研究が測定しているもの
-
知的チュータリングの効果は控えめで、時間が経つほど縮む。 11のシステムに関する米国の18の実験を統合するとg = 0.271で、小学校(0.266)と中学校(0.256)でほぼ同じだった。農村部の学校を含めると効果は0.146に下がり、6か月を超えると有意でない0.110まで落ちた。学年末の成果(0.155)は直後の事後テスト(0.460)の3分の1だった(Leite et al., 2025)。
-
STEMのレビューは、品質管理が弱いほど大きな効果を報告する。 実験および準実験の35研究を統合するとg = 0.670で、高校は1.099、中学校は0.392だった。著者らは正式な評価ツールを用いておらず、固定効果モデルの異質性はI² = 82.98%に達した(Doğan et al., 2026)。
-
動機づけの向上は、大学よりここでは小さい。 42の対照研究(効果量56件、生徒6,059人)を統合した動機づけ効果はg = 0.764だったが、中等教育の研究は平均0.360で、高等教育の0.886に対して低く、I² = 93.7%だった(Fang et al., 2026)。
-
典型的な試験研究は短期間で、独自に作成したテストを使う。 あるGCSE理科の評価研究は、3教科にわたって929人の生徒を無作為に割り付け、事後テストでは644人が残り、著者らが暫定的と呼ぶ35点満点のカリキュラム準拠テストでg = 0.33を報告した(Harrison et al., 2026)。
チュータリング、復習、そしてエンゲージメントの問題
-
アクセスは利用ではない。 テネシー州の18の中学校で、Khanmigoは生徒1人あたり約$15で数学の成績を年間0.06–0.08 SD押し上げたが、これはAIなしの同じKhan Academyの練習から得られる向上に近い。96%の生徒が試したが、中央値の生徒がメッセージを送ったのは、誤りを含んだセッションの17%にとどまった(Oreopoulos and Low, 2026)。
-
同じ部屋に人がいることが、困難の体験を変える。 カリキュラムの水準を超える課題に取り組んだシックスフォームの生徒149人では、ストレスを報告したのは公開ウェブ検索をした者の32.0%、GenAIチューター利用者の19.2%、人間のチューターがついた者の5.8%だった。学習成果は測定されていない(Ennion and McLellan, 2026)。
-
感情を認識する支援は、標的とする不安を高めうる。 同じ16週間の実験系列を行った2つの9学年の化学の学級で、AIの情動的フィードバックがある条件では不安が上昇し(F = 4.60, p = 0.035)、教師のみの条件では横ばいだった。生徒には、システムの落ち着かせる助言と教師の手順のどちらが優先されるのか分からなかった(Liu, Li, and Zhang, 2026)。
ライティング、読解、そして著者性
-
生徒は、作業を肩代わりしてくれる活動を好む。 イングランドの7校で、Year 10の生徒405人が歴史の文章を2編読み、3日後に資料を見ずにテストを受けた。ノート作成はチャットボット利用より、保持で約0.5 SD、理解で0.4 SD上回ったが、生徒はチャットボットのほうが簡単で楽しいと評価した(Kreijkes et al., 2026)。
-
フィードバックが文章を変えるのは、それに基づいて行動する傾向のある生徒だけである。 中等教育の生徒1,507人それぞれに、標準化されたメッセージ1通と10分間の修正時間が与えられた。行動的エンゲージメントと道具的態度は成績を46パーセンタイルから54パーセンタイルへ動かしたが、知覚された有用性は何も媒介しなかった(Jansen et al., 2026)。
-
制約をかけたアシスタントは、生徒に考え続けさせられる。 二言語で行われた光合成の単元で、7学年の生徒122人が、答えを伏せるようプロンプトされたアシスタントと6,788ターンをやり取りした。59%が共有された認識的主体性に達し、監査対象となった1,049ターンのいずれでも、アシスタントが直接の答えを与えることはなかった。やり取りの約20%は、テキストのコピーや答えを引き出そうとする試みだった(Chang et al., 2026)。
評価、誠実性、そして試験の圧力
-
採点の一致度は高くても偏りうる。 商用の大規模言語モデル(LLM)採点システムは、判断が争われやすい71項目でAQAのGCSE物理の点数と二次重み付きκ = 0.885で一致したが、平均で0.30点、ある1問では6点も過大に採点した(Bozdag and Qiu, 2026)。
-
κ係数は、採点者が操作されうるかどうかを示さない。 プロンプトを与えた22モデルのうち14は、解答にメモが添えられていると評点を尺度の5%を超えて引き上げ、1つは83.2%引き上げた。また、生徒を優秀だと記述すると、66のモデル・課題の組み合わせのうち28で点が上がった(Porcaro, 2026)。
-
検出はエッセイを特定できるのであって、文ではない。 ドイツの15歳2,429人のキーストロークとクリップボードのログを用いたところ、分類器はAIのテキストと人間のテキストをマクロF1 0.96で区別したが、文レベルのF1は0.88に下がり、生徒らしい文体で一度書き直されるとAIの再現率は0.92から0.60に落ちた(Schaller et al., 2026)。
-
生徒は誠実性を条件付きで判断する。 14–16歳の香港の生徒133人では、許容可否を左右したのはAIの利用そのものではなく、利用目的(62.4%)、学習への影響(54.1%)、意図(51.9%)だった(Chan, 2026)。
導入とエビデンスの不一致、そして評価の再設計
この学段での利用はほぼ全員に及んでいるが、エビデンスの大半はその記述にとどまる。Pérez-Montesdeoca et al. (2026)は33研究を統合した。うち26は技術がどう使われたかを記述するもので、生徒の変化を調べたのは7であり、独自の教室データを収集したのは21にすぎなかった。ほぼすべてが教師の発意で、孤立した形で実施されていた。これは84%という導入率が隠している構図——個々の教師が試しているのであって、教科部門が再設計しているのではない——そのものである。
このレビューが確かに示すことは条件付きである。最も強力な応用はフィードバックで、含まれた1研究では語彙に合わせたフィードバックが得点をほぼ2倍にした。一方、全面的な委任は学習を狭め、出力を比較したり退けたりすることが学習を深めた。正答率は教科ではなく課題の難易度に沿って変化した。BingChatとBardは基礎的な生物学の問題で92.11%に達したが、高次の問題ではすべてのツールが20%を下回り、自動採点と人間の評価者の一致度は50.8%だった。調査研究は投与量ではなく深さを指し示している。Wu and Zhang (2025)は、利用の深さが自己評価のイノベーション能力と連動する一方、頻度はそうではないことを見いだしたが、これは横断的デザインであり、パスは相関を言い換えているにすぎない。
導入は意図に従い、不安はその後で作用する。Zhang and An (2026)は、AI不安が意図とは無関係(β = 0.056, p = 0.123)でありながら、3つの行動すべてに負の効果を持ち、とりわけ出力の活用で強い(β = −0.247)ことを見いだした。このモデルでは有用性が主導し、大人の期待が能力を上回っていた。測定も予備研究の水準にとどまる。Schicchi and Taibi (2026)は、93人の生徒に対する19項目の態度尺度から3因子を保持したが、確認的モデルはなかった。
だからこそ評価の問いは、完成した成果物がなお何を証明するのか、になる。Torres-Peralta et al. (2026)は、知覚された学習が、出力を読む・修正する・書き加えるというエンゲージメント指標とほとんど無関係であること(統合相関0.052)を見いだし、Cho (2025)は、ライティングで0.31、数学で0.18というGPAとの関連を整理したが、その大半は利用者と非利用者の比較だった。プロンプト、生成された下書き、そして修正を収集し、紙面ではなく過程を評価せよ。
中学校と青年期前期
-
懐疑心が育つ前に、利用が定着する。 12–25歳の生徒1,598人では、12歳から17歳の間に0–4の尺度での平均利用が1.24から1.77へ上がり、頻繁に使われる活動の数が1.76から3.48へ増えたが、知覚された信頼性は変わらなかった(Cuenca-Rodríguez et al., 2026)。
-
2時間のワークショップは、自己申告では捉えられない行動を変える。 フランスの8–9学年の生徒116人では、参加した者が不十分に特定されたプロンプトをそのまま受け入れることが少なく(51.5% 対 66.7%)、不十分な答えの後に追加の問いを投げかけた割合は27.9%に対して59.2%だった。彼らのAIリテラシーの自己申告は、どちらも予測しなかった(Clerc et al., 2026)。
-
利用目的は頻度以上の重みを持つ。 中国の4地域にいる15歳12,191人では、頻度を固定しても学習志向の利用への移行はPISAで5.8点に相当し、要約や下書き作成への移行は6.6点の損失になった(Wu et al., 2026)。
-
青年期前期の動機づけの向上には、関係性の代償が伴う。 ドイツの7–8学年の生徒2,464人では、コンピテンシー基盤の学習に組み込まれたChatGPTが、自律性と有能感の充足の大きさと結びつく一方、関係性は弱かった(Schweder et al., 2026)。
関連
中等教育は初等教育におけるAIと学部教育の間に位置し、教師の力量と公平性に関するK-12の関心を共有する。中等教育を特徴づけるのは、外部試験と教科専門の指導の組み合わせであり、これがAIを復習、採点、課題学習の支援へと押し向ける。そのため、発達的適切さが支配的な初等教育の学年よりも、ここでは妥当性と自動採点が中心になる。もう1つの特徴的な糸は自己調整学習である。青年期の生徒は、それを使う判断力を身につける前に道具を手にするため、メタ認知と認知的オフローディングが、向上が現れるかどうかを決める。
実践への示唆
教師向け
- チューターを誤りが起きるその場に置く。17%という数字は設計の問題であり、生徒の欠陥ではない。次の問題に進む前に1つ質問か説明を求め、ログインではなくやり取りを確認する。
- ライティングの道具は同時に開かせず、順序立てて使う。質問する、チャットボットを閉じる、それから書く。両方を同時に開いていたとき、生徒の4分の1がコピーした。
- 感情を認識するシステムが自分の手順と食い違ったとき、どちらの助言が優先されるのかを授業前に決め、生徒に伝える。
学校管理者向け
- 予算は実際に使われた量から組む。$15のライセンスはプログラムではない。効果は時間割への組み込み、教師のプロンプト作成、進捗のモニタリングに依存する。
- 期待値は、通常の教室でのチュータリングで年間0.06–0.08 SD、知的チュータリングで約0.27に置く。どちらにも格差の解消を約束しない。
- 検出器の出力を不正行為の認定に使わない。下書き、版の履歴、または口頭での弁明を求める。テキスト全体のスコアは一度の書き直しで動くからだ。
研究者向け
- 検出はテキストレベルだけでなく文レベルでも報告し、一致度の統計と並べてプローブの結果を報告する。
- どのくらい頻繁に使ったかだけでなく、生徒が何のために道具を使ったかを測定する。同じ頻度でも目的がPISAで12点の差を生んだ。
- 4週間を超える持続性を、学年末や外部の成果指標で検証する。直後の事後テストはチュータリング効果を約3倍に過大評価する。
よくある誤解
-
「生徒がアクセスできれば、AIチューターはいつでも教える。」 96%の生徒がKhanmigoを試したが、中央値の生徒が助けを求めたのは、誤りが起きたセッションの17%だった。利用可能性と投与量は別の変数である。
-
「試験官との一致度が高ければ、その採点者は信頼できる。」 22モデルのうち14は、解答中のメモによって尺度の5%を超えて評点を動かしうるもので、生徒についてのラベルは66のモデル・課題の組み合わせのうち28で点を引き上げた。
-
「検出はAIが書いた文を特定できる。」 文レベルのF1は0.88に下がり、生徒らしい文体で一度書き直すと再現率は0.60に落ちた。また、チャットボットを使った後にコピーした素材を一切含めずに書かれたテキストは、94.6%のケースで人間によるものと判定された。
-
「批判的なAIリテラシーは大学まで待てる。」 利用は12から17まで毎年増えるのに知覚された信頼性は横ばいで、8–9学年での2時間のワークショップは2日後のプロンプト作成と追加質問の行動を変えた。
関連する概念
関連する記事
- One click away: AI tutoring with Khanmigo in a two-year school experiment
- Evaluating AI Tutoring at the Speed of Innovation: Practitioner-Led Micro-Randomised Trials of an AI Tutoring Platform in GCSE Science
- Do intelligent tutoring systems benefit K-12 students? A meta-analysis and evaluation of heterogeneity of treatment effects in the U.S.
- The Impact of Artificial Intelligence-Supported Instruction on Student Learning in STEM: A Systematic Review and Meta-Analysis
- Effects of generative artificial intelligence on students' learning motivation: evidence from a meta-analysis
- Effects of LLM use and note-taking on reading comprehension and memory: A randomised experiment in secondary schools
- Automated feedback on argumentative writing: The role of secondary students' feedback receptivity and feedback perception
- Investigating Secondary School Students' Shared Epistemic Agency with GAI in Online Scientific Explanation Writing
- Teaching students to question the machine: An AI literacy intervention improves students' regulation of LLM use in a science task
- Students Learn to Use Generative AI Before Learning to Question It: Ordinal Trajectories of Academic Use and Caution from Adolescence to University
- Detecting AI-Authored Text in Authentic Student Writing: Evidence from PISA 2025
- Cheating or not cheating? Rethinking AI-giarism and academic integrity through secondary students' ethical reasoning
- Comparing the Marking Accuracy of an AI Marking System with Official Examination Board Marks and Experienced Teacher Judgement: A Case Study in GCSE Physics
- Beyond agreement: a benchmark of how language models grade student work, and how they fail
- Generative AI use and scientific literacy among 15-year-olds in Beijing, Shanghai, Jiangsu, and Zhejiang, China
- Student motivation and need satisfaction in GenAI-supported classrooms: A self-determination theory perspective
- The integration of generative artificial intelligence in secondary education: A systematic review
- Generative artificial intelligence in secondary education: Applications and effects on students’ innovation skills and digital literacy
- Predictors of High School Students’ Intentions and Behaviors in Using AI Learning Tools: An Extended Theory of Planned Behavior Approach
- High School Students’ Attitudes Toward Generative AI: An Exploratory Factor Analysis of a Novel Measurement Scale
- Perceived Learning vs. Engagement in AI-Assisted Homework: A Comparative Study of ChatGPT Use Across High School, University, and Teachers in Sonora, Mexico (2024–2025)
- Impact of ChatGPT on High School Grade Point Average: A Comparative Study by Subject, School Type, and Socioeconomic Factors