AI 利用の社会的規範

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。

AI 利用の社会的規範——学習者と教員がいつ生成AIを使ってもよいか、それをどのくらい公然と認められるか、そして方針ではなく実際に何がカンニングと見なされるかを決める、非公式で局所的に執行される規則です。このコーパスは規範をトピックとしては薄く、規範を生み出す機構については厚いです。学習者は互いの AI 利用を確実に推し量ることはできません。知覚する側の推定と本人の自己申告の利用プロファイルとの間の中央値の相関は両方の波において r = .73 であり、種類のAI 利用についての順位精度は第二波で r = .34 でした。恥と罪悪感は利用ではなく可視性を調整し、行為の変化ではなく隠蔽と選択的な開示を生み出します。学科間の規範は大きく分岐します。AI 統合型の課題は、31,000 コースにわたって経営学のシラバスの 27%、人文科学のシラバスの 5% に現れました。そして正式な倫理の文献は、最も少なく最も実行可能でない規範をエンドユーザーに向けて経路づけており、教室の規範に従うべき人々が、それらについて論じる文書から大きく欠けていることを意味しています。

検討すべき問い

学生が誰が AI を使っているか分からないならば、非公式の規則は実際に何に基づいているのでしょうか。
機関に方針がないとき、あるいは方針が教員が教室で言うことと矛盾しているとき、AI の規範はどこから来るのでしょうか。
一度も AI を使ったことのない学生が、それを毎週使う学生よりも、それについてより多くの罪悪感を報告するのはなぜでしょうか。
恥は方針にはできない何を成し遂げるのでしょうか。そして、助けを求めることに対してどんな代償を伴うのでしょうか。
監視は行為を変えるのでしょうか。それとも、その行為の見え方だけを変えるのでしょうか。
集団課題では誰の規範が支配するのでしょうか。そして、集団の共有された AI 習慣の代償を誰が吸収するのでしょうか。
自分が拘束される規範を学生が書くことに、一部携わるべきでしょうか。

はじめに

教育における AI の正式な規制は、方針として届きます。許容される利用の声明、シラバスの条項、検出の手続き、試験監督のシステム、栄誉規範です。しかし、学生が実際に経験するすべては、その層の下にあります。ChatGPT を使っていることに決して触れない同級生、「どう書こうが私は気にしない」と言ってからシラバスでそれを禁止する教員、何が公正かを静かに決めた勉強グループ、評点の曲線はすでにずれていると皆が思い込んでいる学科。これらが規範です。許容される行為についての共有された期待であり、是認、否認、そして見られるリスクによって執行されるもの。

このページは、エビデンス基盤がその層について述べることを集めています。慎重に区別する価値があります。なぜなら「隠れたカリキュラム」は、非公式なものを何でも指すために緩く使われることが多いからです。ここでの主題はより狭いものです。AI 利用に関する実行上の規則、それらがどう形成され、どう執行され、そしてそれらと書かれた規則とのつながりがどれほど弱いかです。このコーパスには、規範を直接測定する研究がほぼ一つもありませんが、それ自体が一つの発見です。あるのは機構についての繰り返されるエビデンスです。すなわち、推論、開示、情動、そしてどんな局所的な規範が成りうるかを形づくる学科間の差異です。

学生が互いについて信じていること

規範には他の人の行為についての情報が必要であり、その情報はほとんどの教員が想定するよりも悪いものです。学生のペアに関する研究は、ペアプログラミングのセッションにわたって、学習者が相手の AI 利用をどれほど正確に判断したかを追跡しました。各相手本人の自己申告の利用プロファイルと対比して、中央値の相関は両方の波で r = .73 であり、知識のように感じられるには十分高く、多くの個々の推定が間違っていたには十分低いものでした。AI 利用の種類についての順位精度は第二波で r = .34 であり、チームの 25% は時間の経過とともにチームメイトを判断するのがより悪くなりました。

規範にとって二つの細部が重要です。第一に、ずれは繰り返される対面の作業とともに縮小しませんでした。馴染みは正確さを生み出さず、これは規範が集団が互いを知るようになるにつれて安定するという想定を損ないます。第二に、著者らが提案した解決策は、態度的ではなく構造的なものでした。共有されたプロンプトの履歴、AI 利用の注釈、あるいは AI で支援された作業の仲間から見える記録です。AI の利用を見えるようにすることは、学生がそれについてより正直にする、あるいはより鋭い知覚を持つようにするのとは別の事業であり、後者ではなく前者にのみエビデンスがあります。

可視性、恥、そして選択的な開示

もし仲間が AI の利用を正確に見られないならば、その周りに発達する規則は、主に社会的なリスクを通じて執行されます。コンピューティングの学生 19 人へのインタビュー研究は、社会的な調節者としての恥と罪悪感を検討し、それらが利用ではなく開示を支配することを見出しました。学生は隠蔽行動と選択的な開示を説明し、自分自身、仲間、そして教員を恥じていると報告しました。重要な否定的な結果は、これらの情動が AI の継続的な利用と共存し、誰にも止まるよう促すのではなく、行為主体性の低下と道徳的な緊張の循環を生み出したということです。

そのパターンは、規範を「使うか使わないか」から「認めるか認めないか」へと移し替えます。教室は、紙の上では強い反 AI 規範を持ち、実践では広まった利用を持ち、その間に沈黙の均衡を持ちうるのであり——規則が何と言っているかについて誰も混乱していないままで。それはまた、代償がどこに降りかかるかを予測します。社会的なリスクを最も管理できない学習者に、そして見える利用が異なる帰結を伴う学習者にです。

同じ情動の教員側は測定可能です。教員に関する調査は、四項目からなる AI 罪悪感指数（クロンバックの α = 0.88）を用いて、経験された悔悟を上回る先取り的な罪悪感を見出しました。平均指数スコアは 2.39（SD = 1.01）で、参加者の 22.9% が中間点を上回りました。AI の非利用者は利用者（n = 101、M = 2.32、SD = 0.97）よりもより高い罪悪感を報告しました（M = 3.25、SD = 1.04、n = 8）、t(8.39) = 2.00、p = .078 であり、悔悟の項目は集団をより鋭く分けました、t(7.79) = 2.44、p = .041。クラスター分析は四つのプロファイルを生み出しました。気楽な採用者（26.6%）、罪悪感を抱く非利用者（29.4%）、慎重な利用者（28.4%）、道徳的に苦悩する回避者（15.6%）であり、罪悪感における差異が確認されました、F(3, 105) = 22.13、p < .001、イータ二乗 = 0.39。

行動していない人々に罪悪感を感じさせる規範は、先取りを通じてその働きをしています。それは本物の規制の機構であり、教員と学生が何をするかだけを見るどんな方針の監査にも見えません。

局所的な規則書：学科と教室

規範は局所的なものであり、どれほど局所的かについてのエビデンスは珍しく具体的です。31,000 のコースシラバスの分析は、AI 統合型の課題が経営学の 27% から人文科学の 5% まで及ぶことを見出しました。この幅は方針の遵守における隔たりではありません。それは、その仕事が何であるか、どんな実践が価値があるか、そして資格がどの技能を保証するものとされているかについての、異なる学科的な判断を反映しています。著者らの勧めはそこから導かれます。学科的な規範の内部で教員に自律性を与えることです——一つの型に合わせた命令を出すのではなく。なぜなら、その命令は存在しない平均値のために書かれなければならなくなるからです。

教室の層は、同じコースの中で書類の層と矛盾することもできます。マーケティングの学生へのインタビューは、仲間の規範と「遅れを取らないこと」が採用を駆り立て、口コミが AI が持つ最大の宣伝であると説明され、落伍への恐怖によって支えられていることを見出しました。同じ研究は、教員が認識するであろう矛盾を記録しています。いくつかのクラスは AI を要求しながらシラバスはそれを禁止しており、教員の教室での励ましは必ずしも書かれた方針まで生き残りませんでした。その二つが一致しないとき、学生は口頭の規範を実行上のものとして扱い、シラバスを管理されるべき負債として扱います。

集団作業は、非公式の規範が最も多くの働きをする場所です。なぜなら、評点される単位が集団的であるからです。52 人の職前教員に関する研究は、15 のフォーカスグループにわたって、一つの熱心から回避までの線ではなく、共有された規則の不在の中で何が正統な援助と見なされるかを交渉する集団によって、明確なパターンを同定しました。集団が一人の成員の AI 利用に静かに落ち着くのを見たことのある学生なら誰でも、方針の過程も、そしてたいてい記録もなしに、規範がリアルタイムで書かれているのを見たことがあるでしょう。

正式な倫理、生きられた規範

AI 倫理に関する専門的な文献と、それが届くはずの教室の規範は漂流して離れており、その隔たりは記録されています。倫理的価値と規範の系統的レビューは、15 本の論文から規範を抽出し、Smuha（2022年）の四つの利害関係者の集合にそれらを写像しました。開発者が最も多くの規範を受け、続いて教育機関と規制者が続きました。エンドユーザーは最も少なく最も実行可能でない規範を受け、非差別、データの管理、教育の適性について学生に直接向けられた規範は一つもなく、学生の声は資料から事実上欠けていました。

その結果は、AI を構築し調達する人々への義務を規定し、教室でそれと共に生きる人々を自分たちの規則を練り出すに任せる文献です。それは、恥と罪悪感の研究でそうであるように、学生が説明する規範が、倫理の文書が名指す価値についてではなく、可視性と評判についてであることがこんなにもしばしばであることの、もっともらしい説明です。二つのシステムは異なるものを規制しています。

なぜ監視は規範を解決しないか

機関が非公式の規範を正式な監視で置き換えようとするとき、エビデンスは一貫しており、快いものではありません。105 コースにわたる学生 1,760 人の四波研究は、オンラインの試験監督が試験不安を有意に増大させ、カンニングの誘惑には何の影響も及ぼさなかったことを見出しました。それは、知覚された難易度や試験の成績も変えませんでした。不安の代償は、すでに脆弱な学生、家庭環境が弱く技術の信頼性が低い学生を含む人々に集中しました。

さらなる二つの研究が、なぜ監視が規範設定のための貧しい道具であるかを説明します。遠隔試験監督のスコーピングレビューは、監視が広く不正行為を抑止すると知覚されていた一方、南アフリカの講師が能動的な監視にもかかわらず不正が続くと報告した——Khalil ら（2022年）が「地下の倫理」と呼ぶ状況——こと、そして頻繁な軽微な警告が偽陽性と教員の審査作業を生み出したことを見出しました。監視は共有された標準へのコミットメントではなく、検知への恐怖を通じて服従を買います。不完全な情報の下での評価のモデルは機構を鋭くします。抑止は捕捉率ではなく、隠された利用と正統な作業との間を検出器が見分ける能力に依存し、偽陽性が真陽性より速く増えるとき、学生はそれに服従するのではなくシステムから撤退します。そのさらなる結果こそが規範に直接関係するものです。監視は隠された利用の魅力を下げますが、開示は増やしません。学生は、申告が隠蔽よりも安全か、あるいは価値があるときにのみ、オープンさへと動きます。そして、禁止は服従よりも隠蔽をより魅力的にしえます。

手続き的正義の論拠は結論を引き出します。巧みな利用や軽く編集された利用は一般的な場合に検出不可能であるため、検出に基づいて構築された不正行為の手続きは、効果なしに不公平を生み出し、答えはより良い監視ではなくより良い評価なのです。

その代替の代償は、教員と学生が実際に話す場所に現れます。26 の教育関連サブレディットからの 253,222 件の AI 関連の記録にわたって、すべての教員—学生スレッドの三分の一が検出または執行の争いであり、学生がそれらの 68.4% を開始し、ネガティブさが関与を予測しました（ρ = −0.72）——敵対的な衝突こそが、生成AIについての役割間の接触の量において最大の形式です（Yüce ら（2026年））。

実践にとってこれが意味すること

利用を推論するのではなく見えるようにする。 学生は互いを正確に判断できず、繰り返される協働はそれを修正しません。AI で支援された作業の軽量な共有された記録、注釈、あるいはプロンプトの履歴は、集団に事実に基づいて推論するための何かを与えます。
口頭の規範が書かれた規範に勝つことを予期する。 教室で言われることがシラバスと矛盾するならば、学生は教室に従います。両者の一致は、より厳格な条項よりも価値があります。
開示を徳の問題ではなく設計の問題として扱う。 開示は、申告が隠すよりも安全か、あるいは価値があるときに起こりやすくなります。それは、正直さを性質の特徴として求めるのではなく、開示された利用を評価そのものの中で読み取れるようにすることを意味します。
学科間の差異を尊重する。 学科にわたる 27% から 5% までの広がりは、正常化されるべき一貫性のなさではありません。それは、資格が何を保証するかについての異なる判断です。機関全体の命令は、存在しない学科のために書かれる傾向があります。
規範を設定するために監視に手を伸ばさない。 試験監督は、利用可能な最強の研究において、カンニングの誘惑を変えずに不安を高め、その代償を最も不利な学生に集中させました。
規範から誰が欠けているかを問う。 倫理の文献は学生にほぼ何の義務も割り当てず、彼らの判断をほとんど考慮しません。一方、教室は彼らに多くの義務を割り当て、社会的にそれを執行します。その隔たりを閉じることは、遵守の問題ではなくカリキュラムの問題です。

メタデータ

レベル	Higher Ed
対象読者	Instructors, Administrators
学習と教授	協働学習, 動機づけ, 援助要請
技術と手法	生成AI
評価と測定	相互評価, グループ学習, AIの検知, リモート監督付き試験, 評価
公平性、倫理、責任ある利用	AI の利用と開示の表明, 信頼（Trust）, 公平性, プライバシー, AIの誤用と学習への害
教育におけるAIの基礎	学術的インテグリティ, 学生のためのAI利用の枠づけ, 学習者アイデンティティ

Source History Edit Chat