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

学生の経験

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。

学生の経験——学習者が教育の場で AI の道具をどう知覚し、相互作用し、影響を受けるかです。このナレッジベースに 85 件を超える記事がある学生の経験は、教育におけるAIの最も研究された次元の一つです。AI は学生にポジティブとネガティブの両方向に影響し、同じ道具が設計と利用の仕方に応じて助けにも害にもなりえます。

検討すべき問い

  • このページは、AI は学生にポジティブとネガティブの両方向に、しばしば同時に影響すると主張します——同じ道具が設計と利用に応じて助けにも害にもなりえます。あなた自身の経験で、AI が同時に助けと害になった例を挙げられますか。
  • それは「成績—学習のギャップ」を記述しています——学生は AI があるとより良くできるが、後の支援なしの課題ではより悪くなる。そのギャップはどう生じると思いますか、そしてそれを埋めるには何が必要でしょうか。
  • AI への過度の依存が、実際に練習する必要のある推論を委任することを意味するなら、正当な助けと学習を蝕む負荷のオフロードの間の線をどこに引きますか。
  • 研究は、単に AI が利用できると知ることが学生の努力を変えるかどうかを問います。AI の認知は、学生に一生懸命働かせる、そうでなく働かせる、それとも違う働き方をさせると思いますか——そして自分の信念をどう検証するでしょうか。
  • AI へのアクセスと有効性が学生の集団によって異なることを踏まえると、コースが AI の道具を採用するときに最も重要だと思う公平性の懸念は何で、それに対処する責任は誰にあるでしょうか。

はじめに

学生の経験が研究される仕方

  • 大規模な調査： AI in the Wildは何千人もの大学生の真正の相互作用を分析し、一方で利用可能性と満足度の研究は AI へのアクセスと学生の成果を相関させます。これらは自己報告の尺度です——知覚と意図をよく捉え、行動はおおよそしか捉えません。
  • 不使用は理にかなった立場であって、埋めるべき隙間ではありません。 英国の学際的な 7,087 人の学生を対象とした調査では、32% が学習のために GenAI をまったく使わず、非利用者は自分で仕事をしたい（86%）、不正確さ（81%）、倫理的または環境的な懸念を挙げました（Gow et al., 2026）。
  • 相互作用のパターン： Tracing GenAI literacyは、学生が課題全体で AI とどう関わるかを写像します。プロンプトの分析は、プロンプトの構造を通じて認知的関与のレベルを明らかにします。
  • 動機づけと行為主体性： AI の利用可能性と動機づけは、AI が利用できると知ることが学生の努力を変えるかどうかを調べます。AIED の未完成の使命は、学習者の主体性と動機づけを中心的な課題として枠づけます。
  • 知覚と態度： GenAI の利用の調査と心的モデルの研究は、学生が AI をどう理解し信頼するかを調べます。
  • 公平性の次元： 学生の経験は公平性と交差します——AI へのアクセスと有効性は学生の集団によって異なります。

AI が学生に影響する仕方

AI は、認知的、動機づけの、感情的、アイデンティティの、社会的、そして公平性の次元にわたって学生に影響します。研究は、各次元にポジティブとネガティブの影響を指摘し、しばしば同時に——その方向は設計と利用に依存します。

認知的影響

動機づけへの影響

  • ポジティブ： AI は、パーソナライズされた、即座の、低リスクの支えを提供することで動機づけと関与を高められます——学生が粘り、有能だと感じるのを助けます（自律性、有能感、関係性に関する自己決定理論の視点を参照）。
  • ネガティブ： AI が利用できると知ることが、学生の努力と生産的に苦闘する動機づけを減らしえます（AI の利用可能性と動機づけ、安全性のギャップ）。過度の依存は学習者の主体性と、自分で仕事をすることから来る達成感を蝕みえます。

感情的・幸福への影響

  • ポジティブ： AI は、低圧の、求めに応じた助けを提供し、問いを尋ねることへの不安を減らし、ウェルビーイング（Well-Being）と自信を支えられます。
  • ネガティブ： AI の利用は不安とストレスと関連します——取って代わられることへの恐れ、不確実な評価、そして遅れまいとする圧力を含みます。AI の不安の包括的な分析やAIvaluateのような研究は、こうした感情的な代償を記録します。AI の利用をめぐる恥と罪悪感は、隠蔽と選択的な開示を招き、正直な関与と社会情緒的な幸福を害しえます。こうした圧力は書き留められたものではなく、地域的で社会的です——AI 利用の社会的規範を参照。評価の条件はそれ自身の圧力を加えます——看護の評価における遠隔監督の範囲のレビューは、接続性と不正の疑いをかけられることへの不安、見られている間の集中の困難を訴えた監視アプリの初回利用者、そして準備のための資料があったにもかかわらずおおよそ五分の一がブラウザ拡張機能や接続の障害に遭ったことを見出します。

アイデンティティへの影響

  • ポジティブ： AI は、学問的な帰属、自信、職業的な抱負に足場かけすることでアイデンティティの形成を支えられます——例えば、学生が有能な実践者として自分を見るのを助けます。
  • ネガティブ： AI は、著作性の喪失と有能感の疑いを通じて学習者のアイデンティティを脅かしえます——AI が仕事を生み出すとき、学生はそれが「自分のもの」だと感じるのをやめるかもしれません。有能感のパラドックスは、使いやすさが、学生が著作性から引き出す工芸に基づくアイデンティティを損なうことを創造的な分野で示します。

学問的誠実さと公平性への影響

  • ネガティブ： AI は学問的な不正の新たな形（AI が生成した小論文、無断での完成）を可能にし、検出と削減についての議論を駆り立てます。これは公平性と相互作用します——AI の道具への不平等なアクセスと理解が、学生の間の隔たりを広げうるのです。
  • ポジティブ／建設的： AI は真正の、過程志向の評価と振り返りの実践を支えられます（例：ガイド付きの自己評価）、誠実さの懸念をAIリテラシーと責任の機会に変えます。

学生による誠実さの説明は、不正の枠づけが示唆するほど確定していません。Mulisa and Mezgebu (2026)はエチオピアの大学の 27 人の学部生にインタビューし、学生の集団が自身と対立していることを見出しました——ほとんど全員が GenAI を使うか、仲間が使うのを見ており、大多数が自分の達成を上げたと評価し、少数派はコースワークでの利用を明白な不正行為と呼び、そして最も鋭く最も広く共有された不満は公平性でした——正直に働いた学生よりも高い得点を取る AI の利用者。それは一部の人に勤勉さの感覚を殺していると表現され、ある参加者を「私たちは AI の利用から利益を受けているのか、それとも苦しんでいるのか」と確信できないままにしました。手続きの側面も重要です——Munoz et al. (2026)は 1,162 件の GenAI の不正事例を符号化し、最も多く引用される証拠——検出器の出力、類似性の報告、AI に典型的な内容のパターン——が最も弱い証明力を持つことを見出し、そしてその手順に最低限の証拠の閾値がないため、薄い事例の学生が上訴へと押しやられることを見出しました。過度に包括的な定義はその晒しを広げます——Wright (2026)は、「生成AI」を対象とした禁止が、学生がすでに著作した仕事の形式を変換するだけの道具を捉えうることを示し、その過度の包括性は、障害のある学生と公平性に晒された学生に最も重くのしかかります。Sharma (2026)は建設的な出口を指し示し、誠実さを、監視によって確保された服従ではなく、判断を通じて実現される教育学的な実践として扱います——注釈の付いた決定の軌跡、検証、口頭での弁明、版の歴史。

検証は、学生がその問いをどう経験するかを移せます——自分の仕事を説明するよう求めることは最初は告発として読まれましたが、一度シラバスがそれを監視ではなく教育法として前もって枠づけると、学生は AI の利用をより率直に開示し、課題を学習の課題として扱いました——五〜十分の会話の中で（Mandernach, 2026）。

社会的・関係的な影響

長期的な／能力への影響

全体として： 同じ AI の道具が、設計と利用に応じて学生を支えも蝕みもします。全体を通した安全策は、AI を支えに使いながら（足場かけであって代替ではない）学習者に認知的に重要な仕事をさせ続け、そして成績だけでなく影響の全範囲に注意を払うことです。一つの構成が、経験が始まる場所を移します——AI が宿題を助けるのではなく、コースの読み物そのものを生成するとき、学生は自分自身のカリキュラムの監査人になります。Sidorkin's (2026)の大学院のコースでは、学生は生成されたテキストの文脈的な特異性と調整可能性を評価し、75 パーセントが AI の伴侶なしの同等のコースよりも多く学んだと同意しましたが、それでも彼らは文脈から情報源の質を推測しなければなりませんでした——Wikipedia のリンクと査読付きの引用がラベルなしに同じリストに現れたためです——そして 24 人の調査回答者のうち 4 人が依存の言葉遣いを用い、一人は自分を「安心と構造のために AI にいくぶん共存的である」と表現しました。

学生が経験する最も長期的な成果——次期に戻るかどうか、単位を積むかどうか、卒業するかどうか——は、教育的というより制度的であり、学生の支援と成功は AI の支えがそれらにどう影響するかを追跡します——課題の修了はたやすく動き、継続と卒業ははるかに動きにくいのです。

結びつき

学生の経験は、過度の依存（過度の AI 依存）、AIリテラシー（効果的な利用のための技能）、認知的オフローディング（AI が認知的仕事をどう変えるか）、そして関与（AI システムが学生の行動をどう測定し応答するか）に結びつきます。それはステークホルダーの包括概念の学習者向きの一員であり、AI が学生に影響するあらゆる仕方を要約する場です。

関連概念

関連記事

関連するFAQ

メタデータ

レベルHigher Ed, K 12
学習と教授ウェルビーイング（Well-Being）
技術と手法生成AI, 大規模言語モデル（LLM）
公平性、倫理、責任ある利用公平性
教育におけるAIの基礎AIリテラシー, 認知的オフローディング
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。