教育分野におけるAIの理論発展

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。

教育分野におけるAIの理論発展 — 学習者、教師、AIシステムがどのように相互作用するかを説明する理論と概念的枠組みを創造し、発展させ、批判的に検討する学問的な仕事です。生成AIが教育を形作り直す中、この分野は学習とAIの新しい理論を提案すると同時に、確立された学習理論を練り直してもいます——一方で、理論の使用における記録された弱点は、AIEd研究の横断的な限界であり続けています。

検討すべき問い

私たちはしばしば教育分野におけるAIに「理論を応用する」という話をしますが、このページはこの分野が実際に新しい理論を発明しているのかどうかを問います。読み進める前に。身近な枠組み（行動主義や構成主義など）を生成AIを覆うまでに引き伸ばされると、それは何を正しく捉え、何を密かに歪めてしまうでしょうか。
AIを使ったときに理解が深まったと感じたとき、あるいはその逆のときのことを考えてください。「道具を使って学ぶこと」と「機械と共に知識を共構築すること」の違いは何でしょうか。その境界線をどこに引きますか。そして、機械が共働主体であると言うことはそもそも意味をなすでしょうか。
多くのAI教育研究は、理論を弱く使うか、まったく使わないかだと批判されています。あるAIツールが「うまくいった」ことを示した研究を読むとしたら、その知見を単なる効果量ではなく理論的に意味があると呼ぶために、それがなぜ、どのようにうまくいったかについて何を教えてくれる必要があるでしょうか。
ある提案された理論は、AIが学生の成績を膨らませるため、AIネイティブの学生が自分の学習を過大評価すると主張しています。自分自身や他人が、AIなしでは実証できないのに、AIを多用した後に以前より有能だと感じていることに気づいたことがありますか。これが実際の現象であり、単一研究の産物ではないと言うための最強の証拠は何でしょうか。
このページは、理論（学習のメカニズムを説明すること）と哲学（学習と心が根本的に何であるかを問うこと）を区別します。AIについてのご自身の考えの中で、どこに両者の間を行き来している自分を見出しますか——例えば、ある枠組みが学習をうまく説明するかどうかだけでなく、それが学習が本当は何であるかを捉えているかどうかを問うところに。
新しい理論が現れています——ジェネラティビズム、認識的共働性、認知的コモンズ。読者として、これらのうちの一つが古いアイデアのファッショナブルな言い換えではなく真の進歩であると、何が納得させてくれるでしょうか。学習とAIについての優れた新しい理論が説明できるべきことについて、あなた自身のテストを設定してください。

はじめに

教育分野におけるAIの理論発展は、この分野が依拠する応用的学習理論と、AI時代が生み出している新しい構成概念の境界に位置します。学習理論がAIに応用される確立された理論（行動主義、構成主義、認知負荷、自己決定理論など）を目録化しているのに対し、この概念は理論化そのものの過程と産物を追います。どの新しい理論と枠組みが生まれつつあるか、確立された理論がどのように発展させられているか、そしてAIEd研究がうまく理論化しているかどうかという方法論的な問いです。

AIと共に学ぶことの新しい理論

AI時代のために既存の枠組みを応用するのではなく、明示的に新しい理論を創造する記事の集まりが増えています。

ジェネラティビズム。 ジェネラティビズムは新しい学習理論として提案され、行動主義、認知主義、構成主義、コネクティビズムがそれぞれ、生成AIが破る一つの想定の上に成り立っていると論じます。観察可能な産出が学習を保証するという想定（行動主義）、認知的営みが学習者の内側で起こるという想定（認知主義）、意味は与えられるのではなく構成されるという想定（構成主義）、難しいのは既存の知識への航行であってそれを生み出すことではないという想定（コネクティビズム）です。それは4つの構成概念——認識的協働、分散されたエージェンシー、生成的リテラシー、適応的メタ認知——を名指し、それぞれに評価指標を導き出しており、AI媒介学習のための独自の理論的パラダイムを名指しする直接的な試みです。それがしないことは、失敗しうる命題を述べることです。それは既存の証拠を総合した立場表明論文なので、以下のエージェンティビズムとは異なり、反証可能な理論ではなく語彙と測定の課題を提供するものなのです。
AIとのつながり。 Fu and Zhao（2026）は、ケアの倫理と新生態学的理論を通じてAI時代のために「つながり」を再構築し、3つの次元と尺度開発を待つ6つの反証可能な命題を持つ、心理学的には実在しつつ倫理的には非対称な絆として「人工知能つながり」を定義しています。

総合的立場は、命題を述べるもう一つの対抗的な試みを加えます。それは合成的促進と著作的宙づり——声は濃密にあるが著作されていない自己——を名指し、人生の決断に関する物語の評価された著作性と一貫性が逆方向に動く交差交互作用を予測します（Du et al.（2026））。

エージェンティビズム。 Yan and Gašević（2026）は、人間とAIの相互作用のための中範囲の学習理論としてエージェンティビズムを提案し、AIを用いた成功した課題達成ではなく、人間の能力の持続的な成長として学習を定義し、4つのメカニズムを特定します。委任されたエージェンシー、認識的監視と検証、再構築的内面化、支援縮小下での転移です。このページの他の試みとそれを分かつのは反証可能性です。それは6つの命題を述べ、そこには、AIが答えを供給するよりも学習者が問題構成、基準設定、正当化の責任を保持するときに学習がより強まること、そして検証を要求することが遅延された成績を向上させる一方、再構築なしの繰り返される低摩擦の委任が学習者の自己の有能さに関する較正を弱めるべきであることが含まれます。

教師側の理論化は今や同じ検証可能性の約束を立てています。ケイパビリティ・意思決定モデルはAI-TPACK能力を態度と知覚された行動制御の上流に順序づけ、4つの反証条件——媒介の失敗、判別の崩壊、調整の無効、文脈の冗長性——を名指しますが、モデルは未検証のままです（Mnguni（2026））。

認識的共働性。 Learning with Machinesは、学習者と生成AIシステムが共に知識と理解を生み出す仕組みの、理論に基づくモデルである「認識的共働性の理論へ」を構築しています。
欠落した認知的基線（ACB）。 The Absent Cognitive Baselineは、AIが成績を膨らませるときに学生が自分の学習を過大評価する理由を説明する、3次元の枠組みとして、AIネイティブの学生の学業的自己評価における構造的空白を理論化します。
認知的コモンズ。 認知コモンズと専門性の再生は、共通資源理論と分散認知に依拠して、合理的なAI採用の意思決定が、専門職が再生に必要な共有の専門性のプールを枯渇させることがある仕組みを説明します。
成績対学習。 成績対学習は、AIによって膨らませられた課題成績と持続的な学習との鋭い乖離を理論化します。これはこの知識ベースの学習成果証拠全体に反復して現れる区別です。
認識的AIリテラシー（EAIL）。 認識的AIリテラシーは、AIリテラシーを、学生が生成AIと共にプログラミングするときに知識がどのように構成され正当化されるかに中心を置く、過程指向の認識的コンピテンシーとして再定義します。
三システム理論。 Shaw and Nave（2026）は、二重過程説をシステム3——システム1とシステム2を補完し、取って代わり、抑圧することのできる、AIからの外部的・自動的・データ駆動の推論——で拡張し、その特徴的な失敗として、AIの出力を無批判に採用する認知的降伏を名指します。
認知的スチュワードシップ。 資格と認知的スチュワードシップは、AIが浸透した評価の文脈において知識と学習を守るための制度的責任を理論化します。
共規制と認識的能動性。 共規制における認知的パートナーとしてのAIは、実行機能、メタ認知、分散認知、社会文化的発達を発達的モデルに統合します。認識的能動性は、数学において学生がAIに対して取る主体的な姿勢を理論化します。
人間とGAIの関与パラダイム。 Strydom（2026）は、この分野の「理論不足」に取り組み、7つの実践される人間とGAIの関与パラダイム（防御的、可能性志向、拡張的、先駆的、共生的、価値志向、公平性）を、個人的認識論的信念に関するSchommerの多次元モデルに基づかせています——これは、個人がAIに対して異なる仕方で自らを位置づける仕組みについての、道具焦点ではなく認識論的な理論です。
生態学的共働性の枠組み。 Poudyal（2026）は、生成AIが認識論的権威を教師から学生へ、そして機械へと再割り当てすると論じ、3つの相互依存的な次元——関係的、規制的（SRLサイクルに対応づけ）、教授法的（教師の受容連続体）——を通じて共働性を定義する枠組みを導入します。そのすべては、人間の認識的説明責任（争論可能性、出自、道徳的・知的功績の非委任）という交渉不可能な条件によって境界づけられています。これは学習者の主体性をユーザビリティの関心事ではなく認識的設計問題として位置づけ、生成AIの統合を統治するために「バランス」よりも精密な言葉を制度に与えます。
関係的認識的エージェンシーと認識的依存。 Du & Yuan（2026）は、AIを媒介とする依存がいつ判断を保つか、それを排除するかについての批判的・統合的説明を寄与しています。彼らは6つの診断基準（争論可能性、回復可能性、転移、追跡可能性、分散された責任、認識的多元性）を通じて、生産的依存／有害な依存の境界を操作化し、4つの社会技術的経路（流暢な権威、摩擦のない委任、不透明な総合、制度化された依存）を跡づけます。彼らの規範的提案である関係的認識的エージェンシーは、関係的自律性と認識的共働性の系譜を、明示的な非対称性——AIは相互の責任や正当な権威なしに推論を形づくりうる——を保持しつつ拡張し、制度的水準で責任と認識的正義を統合します。AIと共に学ぶことの理論として、それはこの分野の問いをAIが助けるか害するかから、どの認識的行動が保たれ、変形させられ、排除されるかへと移し、単なる使用ではなく依存の設計を教授法的・制度的介入の対象とします。

確立された理論の発展

他の仕事は、新しいパラダイムを創始するのではなく、既存の理論をAIの文脈に拡張します。批判的思考のパラドックスの仕事は認知負荷理論を負荷削減教授と統合して3水準の枠組みを作り、公正な評価は生成AIの攪乱の下で評価を再理論化します。Ba, Gašević, Lim & Anderson（2026）は探究共同体の枠組み自体を再概念化します。生成AIを道具、対話の相手、あるいは投機的な「第四のプレゼンス」として枠づけるのではなく、それを認知的・社会的・教授的プレゼンスがどう実践され、示証され、統治されるかを再構成する認識的條件として再配置し、CoIのプレゼンスを人間と生成AIのアサンブラージュの社会技術的な達成として作り直し、生成AIの関与と探究の質が人間の説明責任を通じて条件的に関連づけられる、構成に基づく発見的手法を提案します。この多くは概念枠組みの仕事であり（ビジネススクールの枠組み、妥当なシミュレーション）、理論を実践のために操作化するものです。

Lin and Chang（2026）は自己調整学習と人間とAIの規制を、学習者が支配するもの——基準、評価的判断、統制の認可——を、AIがすることだけではなく名指すことで拡張しています。

An, McLaren, and Stamper（2026）はACT-Rと知識・学習・教授の枠組みを、欺瞞的過剰一般化——知識の編集が、正しい行動を生み出しながらも重大な適用条件を省く過剰に一般化された産出を生むという失敗様態——を理論化し、適応的ITS群とK-12の小数学習データセットにわたって検出手順／修復手順を実証的に検証することで発展させています。

後現象学と技術的媒介。 Farazouliら（2026）は、技術的媒介の確立された後現象学的枠組み（Ihde 1990; Verbeek 2006, 2011; Rosenberger & Verbeek 2015）を教育分野におけるAIの文脈に発展させています。新しい理論を提案するのではなく、彼らはそれを応用して、GAIのチャットボットを、その「スクリプト」（迅速な応答性、合格点を獲得しうる自然な響きの文章）が教師の知覚を媒介し、その実践を再構成する多安定な技術的アーティファクトとして再概念化します——教師の自信を揺さぶり、有能さの意味を形作り直し、許容される使用の道具的な問いを超えて、教師の役割と教育の意味を再評価する方向へと教師を押しやるものです。これは理論の発展の寄与です。人間と技術の関係についての哲学的説明が、GAIが確立された教育的実践に入り込むときに教師が経験する感情的・職業的な攪乱をどう説明するかを実証しています。

さらなる枠組みの寄与はRismanchian & DoroudiのAI×Ed類型であり、これはKahn（1977）の本来の「三つの相互作用」を2つの軸——AIの役割（応用された道具対人間の知能との類推）とエンドユーザー（研究者から学習者まで）——に沿って拡張し、どのAIEdプロジェクトでも位置づけられるようにします。分野を分類することを超えて、それは理論と研究の「人間の知能との類推としてのAI」という系譜の復活を主張し、学習の計算的・エージェント基盤モデル（例えば彼ら自身のICAP枠組みの計算モデル）を用いて、現代の学習理論と計算モデリングを橋渡しします——これは、この分野が応用的・データ駆動の仕事へと向かったときに大きく放棄した方法論的方向です。

理論的多元主義への道としての比較哲学。 Xie（2026）は、理論発展への別の道をモデル化します。一つの伝統の内部から教育におけるAIを理論化するのではなく、その論文は各伝統が「他方の隠すものを可視化する」比較的な対話を演出し、それらを単一の枠組みに総合することを明示的に拒みます——これは、理論的多元主義を未解決の不一致ではなく方法論的な立場として扱うアプローチです。彼は、非西洋の伝統は議論を多様化する以上のことをできると論じます。それらはAIEd理論の概念的基礎を形作り直し、AIを媒介とする條件の下で学習者の主体性、教育の認識的目標、倫理的行動を再考するための資源として、道家の「道性」（道性）、自己修養（修道）、「真人」（真人）を再構成しうるのです。彼は限界も率直に述べています。その寄与は単一著者で非実証的であり、そのような翻訳はロマン化とオリエンタリズムを避けるために文脈化を要すると警告しています（Alternative AI Philosophy: Daoism as Method for AI in Education）

AIEdにおける理論使用の問題

この分野の理論化は一様ではありません。AIEd研究の限界は、AIEd研究がしばしば理論を弱く、あるいは無批判に使うことを記録しています——再現性と測定の空白と並ぶ、反復する方法論的な弱点です。レビューは、多くのAIEd論文が理論を表面的に、あるいはまったく応用しないことを見出しています（例えば、介入を学習理論に基づかせる研究が少ないことを指摘する文献レビュー）。これは理論の発展——および理論の使用——を、学問的な産出と同じくらい質の関心事とするものであり、研究方法とAI教育の評価（AI Ed Evaluation）につながります。

教育分野におけるAIの哲学との関係

理論発展と教育分野におけるAIの哲学は、この知識ベースの基礎的な仕事の補完的だが異なる系譜です。理論発展は、AIと共に学ぶことのメカニズムを生み出し実証的に検証します——ジェネラティビズム、認識的共働性、欠落した認商的基線のような、学習者とAIがどう相互作用するかを説明し予測する名指しされた理論と枠組みです。哲学は、それらのメカニズムが依拠する前提を問いただします。何が知識と見なされるか、誰が知る者と見なされるか、学習者が根本的に何であるか。認識的共働性のような理論はメカニズムを提案しながら、分散認知と学習者の主体性についての哲学的コミットメントを暗黙に採用しています。哲学はそれらのコミットメントを明示的で争いうるものにします。理論発展がある枠組みが学習をうまく説明するかどうかを問うところで、哲学はそれが学習と心が本当は何であるかを捉えているかどうかを問います——二つの系譜は、この分野の最も基礎的な記事で出会い、そこではしばしば両方が同時になされます。

メタデータ

研究デザイン	Literature Review
学習と教授	学習理論
研究方法と評価	AIED における研究方法
教育におけるAIの基礎	教育におけるAI, AIEd研究の限界
ページ種別	Framework

Source History Edit Chat