概念
学部教育
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: 学部教育は、AIが最大規模の授業と最も標準化された評価に出会う場である。共通のルーブリックに対して1人の教員が数百人の学生を教える、1年次・2年次のゲートウェイ科目がその舞台となる。この水準での試行は、モデルではなく設計によって結果が分かれる。ある科目独自の教授法から構築されたチューターは授業内の能動的学習を上回った一方、授業への統合なしに導入された、科目内容に十分基づくコースアシスタントは成績と参加を低下させた。最も強い証拠は大規模なフィードバック、援助要請の足場かけ、検証済みの学習教材、そして事務上の締切を動かすアウトリーチに関するものであり、最も弱いのは、汎用アシスタントが学生が自力でできることを高めるという主張に関するものである。
検討すべき問い
- チューターが課題の得点を2.5点上げたが試験は動かない場合、その科目は何を買ったのか。
- 7人中6人の学生がチャットボットを一度も開かなかった科目で成績が下がった。利用可能であることだけは何を変えたのか。
- 600人規模の科目でより擁護可能なのはどちらか。AIが書いた提出物を検出することか、提出物に含めるべき内容を変えることか。
- 1年次の科目は、学生が中等教育で身につけたAIの習慣について何を前提にできるか。
- 設計の単位が1人の学習者ではなく900人のコホートであるとき、どのパーソナライゼーションの主張が生き残るか。
はじめに
学部での学びは学士課程の履修である。講義、セクション、実験実習、他専攻向けのサービス科目からなり、継続的に評価されて学位という資格に集約される。学生は自分で学習時間を選ぶ成人であり、学校のどの学級よりもはるかに大きなコホートで教えられる。彼らはまだ研究者ではなく、その判断力を形成する責任を負う指導教員もいない。この点がこの段階を大学院教育から分けている。
規模が決定的な制約である。物理学、経済学、プログラミングの入門科目には数百人から数千人の学生が登録し得て、それぞれが数十本のエッセイや証明を採点するティーチングアシスタントが配置される。フィードバックの量、助けを得られる度合い、そして苦戦している学生に気づくためのコストが、繰り返し現れる設計上の問題である。AIが役立ったかどうかを決める問いは、システムが答えを出したかどうかではなく、答えが出たときに学生がなお何をしたかである。
この水準の証拠が測定しているもの
学部での試行は数えやすいが比較しにくい。成果は通常、科目の成績、教員が作成したテスト、あるいは1つの成果物に適用されたルーブリックである。
-
プールされた効果は正であり、期間に依存する。 175個の効果量をカバーする35件の実験・準実験研究は、学部生についてg = 0.53、学業成績についてg = 0.46をもたらした(The Impact of Generative Artificial Intelligence on Learning Outcomes in Higher Education: A Meta-Analysis)。学業への効果は、4週間以下の介入でのg = 5.07から12週間を超える介入でのg = 0.01へと低下し、異質性は96%を超えていた。
-
遅延した測定は例外である。 120人規模のビジネス科目の45日後に行われた予告なしのテストは、ここでの数少ない保持の測定例である。AI支援を受けた学生は57.5%対68.5%、d = 0.68であり、学習時間は3.2時間対5.8時間であった(ChatGPT as a cognitive crutch: Evidence from a randomized controlled trial on knowledge retention)。
-
採点される成果物が通常の証拠の単位である。 これは評価の妥当性にとって重要である。ルーブリックで採点されるエッセイや合格するテストスイートは改善し得るが、その科目が育成するために存在する能力は改善しないことがある。
大規模履修におけるチュータリングと助け
最も大きな正の結果は、汎用アシスタントではなく、科目独自の教授法から構築されたチューターから得られている。
-
設計されたチューターは科目自身の能動的学習を上回った。 ハーバード大学のPhysical Sciences 2では、194人の学生が同じ2つのレッスンに2回取り組み、1回は授業内、1回はカスタムチューターと行った。ポストテストの中央値は4.5対3.5、課題に取り組んだ時間は49分対約60分、モデル推定の効果は0.63であった(AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting)。このチューターは7つの教授実践を符号化し、教員が作成した解答を用いた。
-
授業への統合を欠いた同じ技術は後退した。 科目内容に基づくGPT-4oアシスタントは、30人の教員を通じて2,379人の学生に届いた。同じ科目のセクションでは、最終成績が4.12点(0.37 SD)低下し、記録された参加は約0.90 SD低下した。利用した学生は15%で、約4セッションであった(The Effects of Course-Integrated AI Tutoring on Student Performance and Engagement: A Randomized University Trial)。第一世代学生(家族で初めて大学に進学した学生)は0.50 SDを失い、それ以外の学生は0.22 SDであった。
-
カスタムの検索型チャットボットは何も生まないことがある。 セクション内で無作為化した454人規模のマーケティング科目では、興味、自己効力感、エンゲージメント、テスト得点のいずれにも群×時間の効果は現れなかった。学生のログインは週0.89回、楽しさの評価は80/100であった(AI chatbots in higher education: Comparing expectations to evidence)。
-
相互作用の設計はモデル選択よりも成果を動かす。 HelpCoachは曖昧な質問にのみ介入した。初稿で具体的な質問をした割合は57.3%対40.5%、1週間後の保持は6点中1.9対0.3であった(HelpCoach: Scaffolding Targeted AI Help-Seeking During Problem-Solving)。
得点と学習のあいだの隔たり
4つの設計が、支援を受けた課題での得点と、助けなしに学生ができることを切り分けており、それらは方向性で一致している。
-
CS1:演習の得点は上がったが、概念的知識は上がらなかった。 275人規模のJava科目では、ChatGPT利用者が演習で71.84%を得たのに対し、通常のウェブ資源を使った学生は29.85%であった。一方、事前事後の知識の伸びは0.71点、0.85点、0.83点で、時間×群の交互作用はなかった(Less stress, better scores, same learning: The dissociation of performance and learning in AI-supported programming education)。
-
証明科目:課題での伸びは試験に届かなかった。 カーネギーメロン大学では、チャットボットと証明フィードバックのインターフェースを与えられた153人の学生が課題で2.56点高い得点を得た。AIなしで受験した次の試験では有意差がなく、チャットボットのメッセージが100件増えるごとに、その後の試験で3.02点低いことと関連していた(Supporting or Replacing Students' Reasoning? Cognitive Offloading in AI-Assisted Proof Learning)。
-
フィードバック:改訂は改善、ポストテストは横ばい。 354人規模の経済学科目では、AIを介したフィードバックが1,366本のエッセイで改訂の質をd = 0.50改善したが、盲検のポストテストは0.59対0.56であった(AI-Mediated Feedback Improves Student Revisions: A Randomized Trial with FeedbackWriter in a Large Undergraduate Course)。
-
利用パターンが、伸びが除去後も残るかを決めた。 既製のチャットボットは、ミドルベリー大学の211人の学生で自力のテスト得点を6.7点(0.27 SD)上げ、それは持続した。作業を自動化するために使った32%の学生は、利用可能な間はエッセイで0.54 SDの伸びを示したが、なくなった後は0.02 SDであった(Experimental Evidence on the Learning Impact of Generative AI)。
通常提示される機序は認知的オフローディングである。ツールが、課題が引き出すよう設計されたプロセスを実行してしまう。そこから導かれるのは禁止ではなく順序づけである。まず試み、次に助け、そしてツールなしでの採点される判断を1つ。
学生が自分自身について報告すること
この水準の調査は学生に何が得られたかを尋ねるが、その回答は、自分が何をしたかという申告と緩やかにしか結びつかない。Torres-Peralta et al. (2026)はメキシコのソノラ州で、765人の大学生を含む1,477人の回答者を調査した。彼らのエンゲージメント指標は3つの自己報告行動 — 読む、修正する、自分の考えを加える — に基づいており、学習についての単一の0–10自己評価とはほとんど動かず、プールされた相関は0.052であった。大学生は高校生よりChatGPTを多く使っていたが、自分の学習の評価はわずかに高いだけであった。著者らはこの結果を、学習についての判定ではなく評価の妥当性についての警告として読む。というのも、成果は何も測定されていないからである。
予測変数も自己報告である場合、モデルが記述するのは機序よりも心の構えである。Kumar et al. (2025)は、カルナタカ州の2大学の学生304人について、自己報告の課題遂行への経路をモデル化した。デジタルリテラシーはβ = 0.393、知覚された有用性はβ = 0.259に達したが、倫理的意識は遂行を予測しなかった(β = −0.006、p = .924)。遂行、リテラシー、倫理はいずれも自己評価であるため、最も強い経路が示すのは、自分をデジタルリテラシーが高いと評価する学生が自分の成果も高く評価するということである。倫理の無効結果は有用な知見として残る。著者らはそれを、倫理が点数ではなく行動を形づくるものと読み、開示と引用を直接評価することを勧めている。
水準間の比較は、学部側を一様に低いというより不均一に見せる。Zaripova et al. (2026)は、ウズベキスタンの工科大学の学生381人を、302人のバランスの取れた部分標本で比較した。学部生は倫理尺度で平均3.527、大学院生は4.627であり、倫理と学業の自律性についてd = 1.47であった。知覚された認知負荷は水準によって差がなかった(p = .296)。設計上の要点は分布が担っている。倫理と自己調整における大学院生の標準偏差は学部生の値のおよそ3分の1であり、学部生は尺度の最小値に達していた。したがって1年次のコホートには、出力を批判的に評価する学生と、その傾向をほとんど報告しない学生が同居している。
合わせて読むと、これらの調査は自己報告が何を確立でき、何を確立できないかを示している。確立できるのは分布と自己概念 — コホートがどれほど広がっているか、学生が自分をどう評価するか — であり、学習ではない。両者を切り分けるのは上述の遂行の証拠であり、57.5%対68.5%の保持テストから、チャットボットを取り除くと消えた0.54 SDの伸びまでがそれにあたる。したがって自己報告の伸びと自己報告の予測変数には、逆向きの同じ注意が必要である。自己評価で測られた伸びは能力かもしれないし自信かもしれないし、同じように測られた予測変数が成果を追跡するのは、1つの測定具が両方を生んだからかもしれない。試金石は、設計が学生のする何かを変えるかどうかである。改訂された草稿、検証された情報源、開示された利用。
ライティング、フィードバック、そして学術的誠実性
ライティングは、AI利用が最も目に見え、評価の契約が最も弱い領域である。流暢な提出物には、その背後にあるプロセスの痕跡が何もないからである。
-
AIフィードバックはエッセイでは教員と同等で、関係性では劣った。 1年次の執筆者312人において、改訂後のエッセイの質はAIフィードバックでd = 0.60、教員フィードバックでd = 0.59上昇し、あらかじめ設定されたマージンの内で同等であった。内発的動機づけは4.90対5.16で、d = 0.31の差は知覚された関係性によって媒介されていた(As effective as the teacher, but less motivating: A randomized controlled comparison of AI-generated and teacher feedback on students' writing performance and intrinsic motivation)。
-
プロセス要件は採用率を上げ、質はそのまま保った。 約570人の1年次コンピューティング科目では、任意の採用率が3分の2近くで横ばいだったが、AI使用前に草稿を書くワークフローに、採点対象の省察と開示フォームを組み合わせたところ93%まで上昇した。事前のライティングを統制すると、AI利用はエッセイの質を予測しなかった(Scaffolding GenAI Use in Ethical Essay Writing: A Three-Year Experience Report in Introductory Computing)。
-
検出の出力は判断ではなくトリアージとして機能する。 Argusはパデュー大学のCS2科目の6回の開講を評価した。平均Hスコアは2020年の1.1に対し2026年は11.9、手動レビュー後には584人の学生の45.7%がフラグ付けされた。フラグ付けされた学生は監督付き試験で平均61.9%、それ以外は73.5%であり、教職員によるレビューは学生1人あたり中央値1.5分であった(Argus: Academic Integrity in the Era of Generative AI)。
-
検出器の誤りは裁定の資格を奪う。 非英語母語話者の書いたTOEFLエッセイ91本に7つの検出器を適用したところ、偽陽性率は平均61.22%、97%が少なくとも1つにフラグ付けされた(The AI Integrity Crisis: When Artificial Intelligence Challenges What It Means to Earn a Degree)。そこから導かれるのは、進級・進学の要点での監督下にある能力評価であり、負担をソフトウェアではなく学術的インテグリティポリシーに移すことである。
1年次:移行、アドバイジング、支援
1年次の学生は、学校で形成された習慣と、もっともらしい答えを疑うだけの根拠をほとんど持たずに入学してくる。彼らに向けられたツールの多くは事務的な仕事を行う。
-
習慣は懐疑より先に到着する。 12歳から25歳の学生1,598人において、12歳から17歳のあいだに自己報告の利用は0-4尺度で1.24から1.77へ上昇したが、信頼性の判断は動かなかった。大学では利用は横ばいとなり翻訳へとシフトした。研究課題での強い慎重さは、1年次の10.1%に対して4年次には23.3%に達した(Students Learn to Use Generative AI Before Learning to Question It: Ordinal Trajectories of Academic Use and Caution from Adolescence to University)。
-
検証済みの教材は、それを必要とする学生を助けた。 1年次の経済学科目では、AIが生成しティーチングアシスタントが検証したポッドキャストと学習ガイドにアクセスできた170人の学生が、50点満点の試験で2.34点高い得点を得た。その伸びの4分の3は下位5分位に集中し、60%未満の割合は24.7点低下し、検証には学生1人あたり1.8分の教職員の時間を要した(Verified, not generated: expert-verified AI study materials and the distribution of learning gains in a university course)。
-
アドバイジングのアウトリーチは締切を動かすが、成績は動かさない。 2つの大規模なオンライン科目でのテキストチャットボットは、2,483人の学生においてAまたはBを得る割合を4点、チュータリングへの出席を2点上げた(Let's Chat: Leveraging Chatbot Outreach for Improved Course Performance)。8学期にわたる8,708人の学生では、同様のサービスが履修登録を34点動かしたが、GPAと在学継続は変わらなかった(Sustaining AI-enabled student support: A four-year implementation and impact study)。
-
早期警告モデルは懲戒ではなくアドバイジングに属する。 プログラミングを学ぶ52人の学生の最初の8週間のLMS痕跡は、その後の試験中のリスク事象をAUC 0.763で予測した。著者はこのスコアを支援のきっかけとして位置づけている(Early Prediction of AI-Assisted Cheating Risk in Online Exams Through Learning Analytics)。
関連
学部は、異なる方法で研究されてきた2つの段階のあいだに位置する。中等教育は、義務的な出席、ツールを媒介する成人、そして導入の単位としての教室を前提とする。学部教育は、自分で時間を決める学習者を前提とし、科目を単位として扱う。高等教育はより広い枠組み — AIガバナンス、教員開発、調達、専門職プログラム — であり、採点の正確さと機関ポリシーに関する証拠の大半はそこにある。大学院教育は作業の単位を履修から指導付き研究へ移し、そこでは問いが判断力になる。教育の水準は段階の全体を示している。
実践への示唆
教員向け
- ツールではなく相互作用を教える。 モデルが何を間違えるかについての45分のセッション1回で、誤答を正しく修正した割合が41.3%から69.3%へ上昇した(From answer machine to collaborative partner: impact of structured generative AI training on scientific problem solving in STEM education)。
- 自力の遂行に採点上の重みを置く。 両者を切り分けたすべての設計で、支援を受けた成果物が先に改善していた。AIなしの作品を1つ採点せよ。
- 助けの前に試みを求める。 カーネギーメロン大学の証明科目での「まず試みる」インターフェースには試験での不利益がなく、開かれたチャットボットにはあった。
科目・プログラムの責任者向け
- 科目のチャットボットを教授法上の介入として扱う。 同じ技術が、ある無作為化科目では測定可能な効果を生まず、別の科目では成績を下げた。
- 検証の労働を予算に組み込む。 検証済み学習教材は学生1人あたり1.8分の教職員の時間を要し、最も弱い学生層で最大の伸びを生んだ。
- 規模拡大の前に部分集団への効果を監視する。 2,379人規模の試行における第一世代学生の差は最大の害であり、科目平均では見えなかった。
研究者向け
- **自力の成果と遅延した成果を報告する。**そうしなければ、成果物への効果が学習効果として読まれる。
- AIフィードバックが教員のフィードバックと同等だと主張する際には、同等性マージンを事前指定する。
よくある誤解
- 「科目のチャットボットは中立的なインフラである。」 2,379人規模の試行では、ツールを使った学生は15%で、成績は0.37 SD低下し、参加は0.90 SD低下した。
- 「演習の得点が高いことは、より多くの学習を意味する。」 CS1の演習ではChatGPT利用者が71.84%、他方が29.85%であったが、概念的な伸びは両群で統計的に同一であった。
- 「検出器は誠実性の事案を確定できる。」 7つの検出器は非英語母語話者のエッセイで平均61.22%の偽陽性を出し、97%が少なくとも1つにフラグ付けされた。
- 「日常的に使っているのだからAIリテラシーは前提にできる。」 自己報告の利用は中等教育の毎年で上昇したが、信頼性の判断は横ばいであった。研究課題での慎重さは4年次になって初めて現れた。
関連する概念
関連する記事
- Guardrails or Roadblocks? Effects of Pedagogical Style and Context Awareness in AI Teaching Assistants for Programming
- Student GenAI use under changing institutional policies: a mixed-methods case study in undergraduate physics
- ChatGPT for interdisciplinary learning: Does it equally benefit STEM and non-STEM students
- Who benefits from LLMs? Prompt engineering competence and equity in higher education
- What the submission does not show: Complexifying cognitive offloading in students' mathematical work with LLMs
- Artificial Intelligence and Higher-Order Thinking: A Systematic Review of Educator and Student Experiences and Perspectives in Higher Education
- A helping hand or a dominant partner? Individual perceptions of GenAI reliance and human agency in collaborative learning
- Generative AI, Cognitive Offloading, and Learner Agency in Higher Education: A Scoping Review
- A study on AI-enabled course development, AI proficiency, and first-year students' academic and psychological adjustment
- Prevalence and correlates of GenerativeAI chatbot use for mental health concerns in higher education students
- 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)
- ChatGPT for academic assignments: opportunities, challenges, and student perspectives in the digital classroom
- Generative AI use, self-regulation, and Neuro-AI Pedagogical competence in higher education: a comparative study of undergraduate and graduate students in Uzbekistan