自己評価

このページの内容

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。

自己評価 — 自分自身の仕事、能力、進捗を基準に照らして判断すること、そしてその行為の上に築かれた実践と道具のことです。この用語は、一つに簡単に収斂させられてしまう2つの顔を帯びています。指導の技法としては、自己採点、ルーブリックに基づく自己点検、自己検算、誘導された省察です。すなわち、自己調整学習が動くところのモニタリングと判断を育てるための活動です。教育の測定としては、自己報告の道具であり、そこでは、誰も行わなかった観察の代わりに、学習者自身の技能、自信、学習の見積もりが置かれます。それは、学生を評価者とするもののもう半分として相互評価の隣に位置し、足場かけと明示的な基準への同じ依存を受け継ぎます。どちらの顔も同じ能力を軸にしており、同じ方向に失敗します。その見積もりは組織的に寛大であり、学習者の提出した仕事が生成AIの道具で生み出せるものであるほど、その仕事は、その能力が実際に備わっているかどうかについてますます何も語らなくなります。

考えるための問い

自分自身の仕事を仕上げたとき、それが良いかどうかを教えてくれるのは何でしょうか。手渡された基準、自分が内面化した基準、それともその感じでしょうか。あなたは実際にどれを使ったか言えるでしょうか。
288人のK-12教師を対象とした研究で、AIリテラシーの自己報告による測定は、同じ技能の客観的な測定とr = 0.07からr = 0.24でしか相関しませんでした。あなた自身の実践のどこで、自己の見積もりが同じ技能の試験と最も乖離しやすいでしょうか。そしてなぜ他の場所ではなくそこでしょうか。
自己採点は教師の時間を省き判断を育てることができ、同時に学生が稼いでいない点を配ることもできます。自己採点が信用を帯びるためには、課題、ルーブリック、訓練について何が真でなければならないでしょうか。
道具が作文を生み出せるなら、学生が自分自身の学習について評価する余地には何が残るでしょうか。代わりに彼らに何を見積もらせるでしょうか。
ピアの仕事を評価する学生と、自分自身の仕事を評価する学生は、異なることをしています。どちらが次の課題によりよく移転するでしょうか。そして何がそれを決着させる証拠でしょうか。

はじめに

自己評価は教育における最も古い考えの一つであり、実践において最も混乱したものの一つです。なぜなら2つの異なるものが同じ名の下を旅しているからです。第一は技法です。基準に照らして自分自身の仕事を点検し、採点し、検算し、省察することです。第二は測定です。学習者自身の技能、自信、学習の評定を、データとして用いることです。技法は学習者において何を育てるかによって判断されます。測定は、その数字が信頼できるかどうかによって判断されます。

どちらもAI時代の評価の設計において重要であり、異なる理由で重要です。技法は、評価的な判断が訓練される場所であり、評価的な判断はまさに、言語モデルが需要に応じて有能そうな仕事を生み出せるようになったときに希少になる能力です。測定は、この分野が知っていることを常に誇張する場所です。なぜなら自己報告は学習を測定できないからです。学習についての誰かの言うことを記録できるだけです。

指導の技法としての自己評価

この見出しの下に落ちる実践は馴染み深いものです。ルーブリックに対する自己採点、提出前の原稿の自己点検、問題の解法の自己検算、学習者が何を変えるかを問う省察的なプロンプト、そして学生が自分のパフォーマンスを見積もり後に比較する予測課題です。それらの目的は発達的なものです。基準に照らして自分自身の原稿を点検する学生は、相互評価と教師のフィードバックもまた訓練する評定を予行練習しており、誰も見ていないときに自分が使うことになる内部の基準を築いています。

その技法が効くということ、そしてどの版が効くかについての証拠は、主にライティングと自己調整学習の研究から来ています。フィードバックリテラシーの比較研究において、1年生の学部生(N = 118人。中国で、GenAI群56人とピア群62人)が1学期にわたって3回の自己評価の循環を通じて取り組みました。GenAI群のピア群に対する優位は小さく、尺度にして0.17ポイントにすぎませんでした(partial eta squared = 0.03)。そしてこの研究の実践的な結論は、再び現れるものです。自己評価には足場かけが必要です。事前に訓練されたルーブリック、プロンプトの指針、そしてワークシートこそが、フィードバック・リテラシーを築く自己評価の循環と、オフローディングを生み出す循環とを分けるものです。

自己評価はまた、自己調整学習の循環が性向ではなく技能として見えるようになる場所です。学部生の統計学の研究において、推論に焦点を当てた足場かけ(段階的なヒントと検証のプロンプト)の明示的な訓練を受けた学生は、モデルの助けなしで後に試みられた課題でより良い成果を上げ、モデルを批判を欠いて頼りにした学生よりも自己評価の較正がより良好でした。興味深いのは第二の測定です。訓練を受けた群の自分自身の理解についての見積もりは、彼らが実際にできることとよりよく一致しました。省察を目指した技法が、学習者の測定上の性質を変えたのです。

較正の訓練

最も直接的な技法は較正の訓練です。そこでは学生が結果を見る前に自分の得点や自信を予測し、その後で予測と結果を比較します。AI支援を受けたライティングの研究において、フィードバックリテラシーの台本は、ライティングの質、フィードバックの取り込み、そして深い改訂を改善し、一方で評価とパフォーマンスの較正の活動は、主に学生の自己評価の正確さを改善し、過信を減らしました。両者を組み合わせると、最大のライティングの向上と、AI支援が撤回された後の最も強い保持が生じましたが、較正の活動だけが、正確な自己の見積もりへのより良い道であり続けました。この分業が実践的な要点です。フィードバックリテラシーは学生がコメントで何をするかを改善し、較正は彼らが自分自身の立ち位置をどれだけよく知っているかを改善します。そして両者は同じ介入ではありません。

オーストラリアのある大学における倫理的なAI使用についての作文レベルの論文は、誘導された自己評価を主題ではなく手段として扱いました。2021年から2025年にかけての、看護、健康科学、工学、理科を始める学生にわたって、学期の前後の自己評価はリッカート式の自信の項目と開かれた省察のプロンプトを組み合わせ、著者らは、倫理的な実践が執行されるべき遵守の規則ではなく、省察を通じて築かれる発達的な能力であると論じました。

AIがこの技法に加えるもの

AIはこの技法について3つのことを変えます。項目とルーブリックを生成でき、それにより繰り返される自己評価の循環が安価になります。評価される対象になることができ、それが評価的な判断が訓練される仕方です。AIの原稿を判断する学生は、無限の素材の供給を伴う評定を予行練習しています。そして学習者の判断を過程の証拠として可視化できます。対話的な学習のダッシュボードにおいて、従来の分析のダッシュボードに、学習判断の自己評価の機能と対話的なエージェントが拡張されました。学習者自身の判断を引き出すことが、データが示すものを告げるよりも関与にとって多くをなすという論に基づいています。制度的な枠組みは、構造化された自己評価やメタ認知的プロンプトを含む同じ過程の痕跡を、記録が示せない適応的な能力の証拠として扱い始めています。

測定としての自己評価

測定として用いられるとき、自己評価はたいてい何か別のものの装いで到着します。リッカート尺度上の自信の評定、予測された得点、学習判断の項目、あるいは知覚された技能の分類に基づく目録です。それはより広い自己報告尺度の集合の中の一族であり、その一族の範疇的な限界を受け継ぎます。自己報告は学習や行動を測定できません。人が自分の学習や行動について言うことを示す意思を測定できるだけであり、それら2つのものは、この研究基盤の中ではそれ自体が一つの所見となるほど頻繁に乖離します。

見積もりはどれだけ正確か

正確さが看板となる問題であり、その方向は一貫しています。最も明快な証拠は、単一の枠組みの中で教師のAIリテラシーの並行する自己報告測定と客観的な測定を構築した研究から来ています。288人のK-12教師にわたって、客観的な要因と自己報告された要因の間の相関はr = 0.07からr = 0.24の範囲であり、潜在プロファイル分析は6つのプロファイルを見出しました。43人の教師は客観的な測定ではより低く得点しながら一貫して高く自己を評定し、59人は逆のパターンを示し、残りのプロファイルは平均の近くに集まるか、それまでのAIリテラシーの経験によって分かれました。同じ構築物について同じチームによって構築された、一つの技能の2つの測定が、ほとんど何も共有していないのです。

分野全体の絵はその単一の研究と一致します。教師のAIリテラシー測定道具の2026年のZainal、Mohd Matore、Maatのレビューは、2019年から2025年の間に公表された33件の道具を評価し、31件(93.9%)が知覚された自信についての自己報告尺度であり、2件(6.1%)だけが知識を客観的にテストし、どれもパフォーマンスに基づく課題を用いていないことを見出しました。著者らの読みは、このページの測定の顔が軸にするものです。自己報告の得点は報告された自信を記録するのであって能力ではないため、能力の代わりに立つことはできず、彼らは検証された能力と報告された自信を切り分けるために、自己評価と並んでパフォーマンス課題と項目反応理論の分析を主張しています。

正確さはまた、何が見積もられるかにも依存します。分類に基づくGenAIリテラシーの自己評価の心理測定学的な分析を、大学の職員と学生158人を対象に行ったところ、逆さまのプロファイルが見つかりました。回答者は、その下にある概念的基礎より前に創出の習熟を主張しており、学生と教員のプロファイルの間には弱い相関(r = 0.188)しかありませんでした。教員教育の学生の調査では、反対側から同じ形が見つかりました。ほぼ全員(97.8%)が批判的なメディア分析は重要だと評定した一方、自分のコースワークがそれに取り組んでいたと述べたのは13.8%だけであり、自分がメディアの情報を批判的に分析する技能を持っていると信じた者は半数未満(44.9%)でした。自己評価されたメディアの能力は、自己評価された重要性から遅れていました。

2つの機構がこの寛大さを説明します。第一は動機づけのもので、この文献の外でよく記録されています。人は自分を寛大に評定し、最も無能な者が最も過大に見積もります。第二はAIネイティブの集団に固有のものです。欠けた認知的基線についての2026年の理論的な論文は、形成的な中等学校と高校の時代における持続的な代替的なAI使用が、あらゆる学術的な自己評価が依存する独立した認知的遭遇を減らすと論じます。その主張は個人的ではなく構造的です。自己評価は現在のパフォーマンスを以前のものの記録と比較することによって働き、そして記録が決して築かれなかったところでは、見積もりを較正する対象が何もないのです。これは、AI使用中の過程を記述するオフローディングや降伏とは異なるものとして提示されます。なぜなら、その隔たりは道具が不在のときにも持続するからです。

発達的な段階は正確さに一つの境界を設け、そして最も年少の学習者が、検証された自己評価の道具が最も乏しいところです。小学高学年向けのAIリテラシー自己評価質問紙の2025年のThianwanとSrikoonの検証研究は、AIについて学ぶこと、AIがどう動くかについて学ぶこと、そしてAIとともに生きるための学びにわたって、4年生から6年生のための15項目の測定を構築し、335人と579人の学生の標本において3因子構造を確認し、全体のCronbach's alphaは.934でした。著者らはこのジャンルの限界について明示的です。自己評価の正確さは、子どもにおいてまだ成熟しつつあるメタ認知的能力に依存するため、得点は実証された能力ではなく知覚された理解を指し示し、その道具は形成的な診断を意図しています。

結果変数としての自己評価

測定の顔はまた、自己評価の道具が結果の測定として用いられる評価の設計にも現れます。高等教育における複雑な報告書のAI支援を受けた評価のある研究は、その後のパフォーマンスや統制群との比較と並んで、検証されたフィードバックリテラシーと自己評価の道具で学習を明示的に評価します。その道具が研究が実際に関わっている信念、たとえば自己効力感や知覚された能力を測定するとき、それは擁護可能であり、達成の代用品として扱われるときには誤解を招きます。AI介入の研究についての繰り返される批判は、ここに全面的な力をもって当てはまります。

課題後の質問紙と課題に固有の自己効力感を通じて主体性を測定することは、循環論法のリスクを帯びています。学習者の見積もりが、それが指し示すことになっている能力の証拠として読み返され、代替案は、自己評価が連続する循環にわたってどう用いられるかを追跡する動的な分析です(Mao (2025))。

生成AIが変えるもの

2つの顔は生成AIのもとで収斂します。なぜなら、その道具は、どちらも依存するつながりを攻撃するからです。すなわち、学習者の提出した仕事は学習者についての証拠であるというつながりです。

仕事が需要に応じて生み出せるところでは、立派な作文はもはやその背後にある判断を実証せず、自分が書かなかった原稿を評価するよう学生に求めることは、自分が書いたものを評価することとは別の課題です。これが、評価の妥当性の議論が検出から再設計へと移った理由であり、自己評価が学習の補助から評価の設計そのものの構成要素へと移る理由です。学生がAIの出力の一片について行う判断は、記録に残り理由を伴って、出力がそうであるような仕方で証拠となります。

また、明確に述べる価値のある命名の危険も導入します。AIの自己評価はこの概念ではありません。論文が、モデルが自分自身の推論を評価したり、自分の出力を採点したりすると報告するとき、それはモデルの評価であり、自動評価とモデルの訓練と模擬された学習者の研究とともに属するものです。ある個別指導の研究がこの要点の実践的な版を示し、フィードバックはモデルが自己評価した推論の妥当性ではなく、別個の診断の分類器に条件づけられるべきだと論じています。学習者の自己評価とモデルの自己評価は、語彙を共有するだけで何も共有しません。

実践への含意

技法に足場かけよ。 ルーブリック、プロンプトの指針、そしてワークシートこそが、自己評価の循環を発達的なものにします。むき出しの自己評価は、むき出しのAIフィードバックと同様に、判断ではなく安心を生み出す傾向があります。
較正をフィードバックの使用から切り離して訓練せよ。 予測して比較する活動は自己の見積もりの正確さを変えます。フィードバックリテラシーの仕事は、学生がコメントで何をするかを変えます。正確さが目標なら、較正の活動を行いなさい。
訓練が本物でない限り自己採点のリスクを低く保て。 自己採点は、それの利益を受ける人物によってなされる学習についての主張であり、AIリテラシーの研究における過大評価のプロファイルは、総括的な点数の中に吸収して済む小さな偏りではありません。
自己報告が誠実なところで用いよ。 自信、知覚された能力、そしてAIの使用を明かす意思は、尋ねることによって測定する正当なものです。達成は違います。
判断を意見ではなく求めよ。 最も擁護可能なAI時代の自己評価は、学生が基準に照らして特定の仕事の一片を評定し、その判断を正当化することを求めます。それは訓練でき、点検でき、評価的判断力につながります。
集団の効果に注意せよ。 形成的な時代に代替的なAI使用を含んだ学生にとって、正確な自己の見積もりは単に楽観的であるというよりは利用できないかもしれません。それは、指導上の課題を過信を正すことから、それが必要とする経験的な記録を再建することへと移します。

メタデータ

レベル	Higher Ed
対象読者	Learners, Instructors
学習と教授	メタ認知, 自己調整学習, 足場かけ
評価と測定	評価の妥当性, 評価的判断力, フィードバック・リテラシー, 形成的評価, 相互評価, 自己報告尺度
公平性、倫理、責任ある利用	信頼の較正（Trust Calibration）
教育におけるAIの基礎	AIリテラシー

Source History Edit Chat