AIEdナレッジベースAIEd KB
このページの内容

すべての号

AIEd 教育研究ウィークリーアップデート #4

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。

教育におけるAIの知識ベースからの週次ブリーフです。過去1週間に追加された研究が、教員、開発者、研究者、管理者にとって何を意味するかを伝えます。

前号以降、199件の新しい研究、8件の新しい概念ページ、2件の新しいFAQ、13件の新しいリソースが知識ベースに加わりました。現在、2,277件の記事要約、238件の概念ページ、46件のFAQ、53件のリソースを収録しています。検索するか、AIを使って知識ベースと対話できます。

目次

今週の主なハイライトと問い

  • 採点の平均点を信用できるか？ 2つのChatGPTのバージョンが同じエッセイを採点し、どの答案も中央へ寄せてしまった。教員が50点で不合格にした答案は66点に、80点の答案は67点になって戻ってきた。その結果、最も弱い学生と最も強い学生が同じ評点を得た。AIのコメントは学生の改稿を助けるために使い、記録される成績は人に委ねよう。
  • 課題が変わっても成績が変わらないと何が起きるか？ 大学はエッセイをプレゼンテーションや口頭試問に置き換えたが、成績証明書には同じ単一の評点を残した。学生は自分の成果を口頭で弁護しても、どう考えたかを何も語らない1つの数字を持ち帰ることになる。成績証明書が示すものを変えなければ、改革は書類だけを変えることになる。
  • チャットボットはノートを書くよりテキストの理解を助けるか？ 同じ文章についてノートを書いた学生は、チャットボットに質問した学生よりも多くを学び、チャットボットを使った学生はその回答をしばしばノートに書き写していた。それでも彼らはチャットボットをより簡単で、より役に立ち、より楽しいと評価した。書く課題は残すべきである。読解を要約するツールは、学習を生み出す仕事そのものを代わりにやってしまうからだ。
  • 私たちはエッセイを採点しているのか、思考を採点しているのか？ そのエッセイは、書くにつれて考えが変わるさまを示すように設計されていたが、完成した文章だけを採点することはそれを捨ててしまった。初稿、それに対する批評、そして何がなぜ変わったかを述べる改稿を求めよう。チャットボットは最後の稿を作れる。そこに至る仕事を示すことはできない。
  • AIは手書きの試験を採点できるか？ Claudeは手書きの試験を、選択式と短答式では教員とほぼ同じように採点し、手描きの図については半分ほどの確率で正しく評価した。想起を問う問題の事前採点は任せ、図と判断を要する部分は自分で採点しよう。
  • チャットボットは口頭試問を実施できるか？ チャットボットはルーブリックを一切見ないまま学生に面接を行い、システムの別の隠れた部分がその会話を採点できるので、学生はプロンプトで点数に到達することはできない。彼らのシステムは、各回答をその場で採点したため、採点が甘すぎた。会話全体を最後にまとめて採点しよう。

K-12におけるAIのスタンフォード・エビデンスレビューは今週、2026年11月版に更新され、因果的エビデンスの基盤は52件の研究に倍増した。AIを説明と導きに使うことはより良い学習を予測し、成果物を作らせることに使うことはより悪い学習を予測する。ある試験では、汎用アシスタントが学生の意欲を下げた。

新しいFAQ

今週、2件の回答がFAQに加わりました。どちらも、誰かがツールを選ぶ前に訪れる決定についてです。

AIツールを導入する際に検討すべき選択肢と論点は何か？

導入に関する回答は、ベンダーの一覧が一つに混ぜてしまう3つの決定を切り分ける。ツールにどのデータが入るか、機関がそれを許可するか、誰がモデルを運用するかである。無料のチャットボットは会話をベンダーのサーバーに置く。キャンパスのゲートウェイはそれを自組織に置き、アクセスを遮断できる。後から取り消せないのはデータの問いなので、そこから始めよう。

教育者はAIについて何をすることを避けるべきか？

回避に関する回答は3つの誤りを挙げる。課題が教えるために存在する思考をAIにやらせてはいけない。クリック、ページ滞在時間、完了を学習の証拠として扱ってはいけない。そして「AIを責任をもって使うこと」という規則を書いたまま、チャットボットが1分で終えられる課題を残してはいけない。最後のものがよくある失敗である。ポリシーの一文は学生ができることを変えない。課題と、集めるエビデンスが変えるのだ。

新しい概念

今週、8件の概念ページが知識ベースに加わりました。

  • シャドウAIは、誰かが承認する前に起きるAI利用である。教員が個人のChatGPTアカウントでフィードバックの下書きを作り、機関は学生の成果物がそこを通ったことを知らないままになる。
  • 機関のAIインフラストラクチャは、キャンパスにおけるAI利用を支える配管である。誰がアクセスできるか、どのモデルが動くか、何が記録されるか、誰が費用を払うか。一例は、各部門に割当を配り、監査ログを残す大学のゲートウェイである。
  • 実行機能は、計画を立てること、情報を頭に保つこと、衝動を止めることを扱う。エッセイの計画は立てられるが、途中で筋を見失う学生を思い浮かべてほしい。ツールはその計画を支えることも、誰にも気づかれないまま代わりにやってしまうこともある。
  • 発達心理学は、子どもの思考が年齢とともにどう変わるかを研究する分野である。7歳児はツールに問題を読み上げてもらう必要があるかもしれない。17歳なら、その答えが良いものかどうかを判断できる。
  • 縦断研究は、同じ学生を数か月、あるいは数年にわたって追う。問いは、10月に得た書き方の伸びが5月にもまだあるかであり、単元テストに出たかどうかではない。
  • 共感は、誰かが感じていることを理解することと、その人とともに感じることを分ける。チャットボットは厳しいコメントを優しく書き直せる。学生が努力をやめたことに気づくことはできない。
  • 事例に基づく学習は、学生が推論しなければならない1つの具体的な状況を通じて教える。胸痛を訴え、2つの検査結果が食い違う患者を思い浮かべてほしい。学習は事例の文章ではなく、学生が事例について立てる問いの中にある。
  • メタファーとアナロジーは、ブラックボックス、助手、鏡など、AIを説明するために使うイメージである。チューターと呼べば、学生はそれが答えを知っていると期待する。学習パートナーと呼べば、学生はそれを確かめようとする可能性が高い。

新しいリソース

今週、13件のリソースがリソースライブラリに加わりました。

  • Primerは、教員がコードを書く代わりに、ロールプレイやシミュレーションを平易な言葉で記述できるようにする。たとえば、AIが難しい保護者役を演じる交渉演習である。
  • Agentic Buildsは、教員が作った小さなアプリのギャラリーで、自分のクラスにコピーできるプロンプトも一緒に掲載されている。
  • Vibe-Coding Centerは、コーディングアシスタントに貼り付ける3つの指示ファイルを提供し、それが書くWebアプリを学生に使わせられる程度にアクセシブルで、プライベートで、安全にする。
  • AI Guidance by Ageは、役割と年齢帯を入力すると、その年齢で学生がAIを使ってできるようになるべきことを提案し、どの部分がまだ推測にすぎないかを示す。
  • Voice-First Written Assessmentは、学生に自分の答えを声に出して説明させ、その文字起こしから改稿を書かせる。思考が記録に残り、書くことも依然として行われる。
  • Amplify GenAIはヴァンダービルト大学のチャットプラットフォームで、キャンパスが自らのクラウドアカウント内で運用するため、学生の会話は機関のもとに残る。
  • conTextは、答えを与える代わりに次の問いを投げる音声チューターで、学生がたどった道筋を教員に見せる。
  • MindRouterはキャンパスのGPUの前にある門番で、部門ごとの割当、シングルサインオン、誰が何を使ったかのログを備える。
  • Moodle AI Text Question Typeは、MoodleのクイズにAIが採点する問題を追加する。ルーブリックをプロンプトに書き込み、評点はそのまま成績表に入る。
  • MyEssayFeedbackは、学生が下書きを提出し、教員が選んだ部分についてのAIコメントを読み、どのコメントを受け入れるかを記録してから改稿する。
  • NowCommentは、クラスが文書を行単位で議論できるようにし、今ではAIが下書きのコメントを追加でき、学生はそれを編集することが期待される。
  • Teacher Hiveは、学生のログインを必要としない教員製の小さなアプリを集め、他の教員がコピーできる例として公開している。
  • AI Tutor Pro and AI Teaching Assistant Proは、8言語で音声会話、クイズ、ノート作成を備えた無料の学習ツールで、学生が一人で練習するためのものである。

名称の変更が1つある。EduPromptsリソースは今週までEduGemsと呼ばれていた。プロンプト集は同じもので、現在はeduprompts.aiにある。

教員のために

その成果物が学生自身のものかを問うのをやめ、何を示しているかを問おう

Bayraktarは、検出ツール、禁止、教室内での書き直しは1つの問いにしか答えないと論じる。成果物が独立して作られたかどうかである。それらは、学生が課題が証拠立てるはずだったことを理解しているかについては何も語らない。提案された枠組みは、完成した成果物を複数の情報源の1つとして残し、構成概念が必要とする場所にエビデンスを加える。意思決定ログ、どの助言を退けたかについての短いメモ、カンファレンスでの応答などである。さらに、AI利用そのものを学生が判断する対象にする。たとえば、ツールの答えがどこで間違っていたかを指摘させる。

対抗策を選ぶ前に、その課題が何の学習を証拠立てるべきかを決めよう。すべてのコースをポートフォリオ・コースに変えるのではなく、隙間を埋める成果物を1つ加え、AIが役に立たなかったのはどこかを学生に尋ねよう。それについての1段落は、開示文書よりも価値がある。

関連項目：AI時代の評価の再設計

課題は残し、過程の記録を加える

Winstone、Gravett、Elkingtonは、GenAIに対する大学の対応の多くは言葉にすぎないと論じる。信号機方式、申告、許可される利用の規則である。彼らのBlack Box Assessmentは課題を残し、学生に過程をのぞかせるものを提出させる。下書き、改稿ログ、短い省察などで、改稿が評価を得るようにルーブリックを書き換える。彼らはパイロットを報告しておらず、そう明言している。

1つの課題を取り上げ、過程の成果物を1つ求めてみよう。アウトライン、初稿、あるいはフィードバックで何が変わったかについての1段落である。その成果物を明示した基準で採点する。そうすれば学生には記録を残す理由ができ、学問的誠実性はポリシーの一文ではなく課題の中に宿る。

関連項目：AI時代の評価の再設計

教員のフィードバックとAIのフィードバックは同等だった

Meyerらは、ドイツの10年生と11年生の391名を3つの条件に無作為に割り当てた。教員が書いたフィードバック、即時のAIフィードバック、そして情報源とタイミングを分離できるよう遅れて届けられるAIフィードバックである。標準的な比較はすべて帰無だった。改稿は改善し、次の執筆課題に差はなく、課題に費やす時間、意欲、感情は教員とAIのフィードバックの間で統計的に区別できなかった。

学生は即時のAIフィードバックを、教員のフィードバックより有用で意欲を高めると評価したが、遅延したAI群は同じ評価を得なかった。したがって優位性は、誰が書いたかではなく速さから来ていた。教員がすぐに応答できないときにAIフィードバックを使い、それは水準を上げるのではなく維持するものだと期待しよう。学生が速いコメントを有用なコメントと取り違えていないか確認しよう。

関連項目：AI時代の評価の再設計

開発者のために

学生が「ノートには別のことが書いてある」と言うと折れてしまうチューター

LiuとKorolovaは、11の商用モデルを2つの模擬的なK-12数学チュータリング実験にかけた。5ターンの回答修正プロトコルで400問、2ターンの診断プロトコルで1,884問である。学生が誤った答えで始めると、第1ターンの正答率は5.5ポイント下がった。第1ターンで正しかった回答のうち、単なる「同意しません」で5.2%が学生の誤った選択に転じ、「ノートにはBと書いてある」で12.7%、明示的に誤った推論を示すと3.1%が転じた。誤った答えで終わった正しい会話のうち、86%は最初の押し返しで転じた。正しい解答を疑うことはまた、診断の正答率を66.5%から58.0%に下げ、偽陽性を33.5%から42.0%に上げた。

権威への訴えは、もう一度答えるのではなく、その段階を再導出する要求として扱い、学生がちょうど疑った解答について誤概念の診断を確定してはいけない。チューターは台本化したマルチターンの対話で試し、転向率を第1ターンの正答率とは別に報告しよう。第1ターンのスコアが同じ2つのモデルでも、折れる頻度には7.5ポイントの差があったからだ。

関連項目：AIチューターを答えるのではなく導くように訓練する

ルーブリックは測定器であり、モデルではない

Royらは、同じジャッジでも2つのルーブリックを組み合わせると2つの異なる測定が生じること、また「役に立ち、事実に即した」回答を求める曖昧なルーブリックが、洗練されているが誤った回答に報いてしまうことを示した。4つの公開選好データセット、6つのルーブリック源、3つのオープンウェイトのジャッジにわたって、すべての軸で優位に立つルーブリック源はなかった。軸とは、ジャッジ間の一致、選好への適合、ゲーミングへの耐性である。選好データに基づいて基準を並べ替えると、ホールドアウトの正答率は65.0%から68.6%に上がり、抜け穴を塞ぐように基準を書き換えると、悪用の成功率は46.4%から36.0%に下がった。

ルーブリックを測定器として扱い、モデルとともにバージョン管理しよう。ルーブリックの本文、日付、ジャッジの設定を評点のそばに記録し、悪用可能性は一致とは別に試そう。文言は満たすが意図には反する回答をいくつか書き、それらが高い点を取るかどうかを見るのだ。

関連項目：教育AIが機能するかどうかの確認

読解チューターは、学生が十分に使ったときに効果があった

あるチャータースクールは、1年生と2年生のすべての教員にフォニックスと流暢さのチューターを渡し、使うかどうかは教員の裁量に委ねた。多く使った学生は、少ししか使わなかった学生よりも多く伸び、音読の流暢さで g = 0.56 だった。多用群と未使用群の比較は、補正後の有意水準に届かなかった。教室間の差は、記録された分数に帰着した。

初日から学生ごとの分数を記録し、成果のそばに報告しよう。ログが空なら、それはチューターについてではなく、導入についての所見である。利用ではなくライセンスを数える学区は、横ばいの結果を見て何も学ばない。

関連項目：教育AIが機能するかどうかの確認

Copilotは初心者を速くしたが、出発点に置き去りにした

22名の初心者と中級のプログラマーが、20分のコーディング課題を2つ行った。1回は人間のパートナーと、1回はCopilotとで、その後およそ1週間後に一人で同じ課題を繰り返した。Copilotを使うと100点満点で14点高く、精神的な負荷と努力は大幅に低いと報告した。1週間後、その優位は消えていた。再テストの得点は4.8点低く、統計的な差はなく、各人の最初のセッションからの低下はAIセッションの後で約19点大きかった。

自分で作るにせよ購入するにせよ、コーディングアシスタントには支援なしの再テストを加えよう。教室で見える伸びは借り物かもしれず、それはすでに最もよく知っていた学生で最大になる。この研究では、人間と組むことはより低い得点とより高い作業負荷を生んだが、より良いエンゲージメントと定着への傾向も生んだ。

関連項目：学習にAIを設計する

研究者のために

より厳格なメタ分析は個別指導の効果を半分にする

Leiteらは、米国のK-12学校で使われた18の実験、77の効果量、11の知的個別指導システムを統合した。学力への平均効果は g = 0.271 で、以前のメタ分析が報告した効果を大きく下回った。これは1つの国の制度内の実験デザインに限定したためである。環境が重要だった。農村の学校は g = 0.146 で、都市の学校の 0.298 と対照的だった。誰が支援を制御するかも重要で、解答例を示す例題が 0.324、オンデマンドのヒントが 0.316 だった。期間は2週間から3か月でピーク（0.449）となり、6か月を超えると有意でない 0.110 に落ちた。

古い個別指導の効果量は、研究デザインと環境を確認するまでは楽観的すぎると見なそう。統合した平均ではなく調整変数を報告し、インフラの弱い農村部への導入では都市部の効果のおよそ半分しか出ないと期待しよう。次に検証すべき所見は期間の曲線である。1年全体をカバーするエビデンスはほとんどない。

関連項目：教育AIが機能するかどうかの確認

GenAIは、教示ではなくフィードバックを与えるときに言語学習者を最も助ける

Zhang、Aubrey、Wu、Chiuは、5,196名の学習者を含む48の対照研究から67の効果量を統合した。未調整の効果は大きく g = 0.76 で、3つの外れ値を除くと g = 0.57 に下がった。ツールが果たした役割は平均よりも多くを説明した。フィードバックと評価は g = 1.15、対話のパートナーは 0.81、教示の統合者は 0.28 だった。学習者主導の利用はAI主導の利用を上回り、0.92 対 0.34 だった。ランダム化比較試験は準実験より大きな効果を報告し、1.02 対 0.48 だった。

機能するかどうかを問う前に、そのツールがどんな役割を果たすかを問おう。研究を統合するなら、デザインの種類を調整変数としてモデル化しよう。それは介入と同じくらい推定値を動かすからだ。語学コースでは、学生が主導するフィードバックと練習が、エビデンスが支持する構成である。

関連項目：教育AIが機能するかどうかの確認

AIリテラシーが何を意味するかは学生の年齢による

Guo、Ali、Wongは118件のK-12研究を読み、この分野を9つのカテゴリーと35のサブカテゴリーに整理した。彼らのPACES枠組みはAIリテラシーを4つの学校段階に分けて段階づける。2年生が知る必要のあることは、最上級生が知る必要のあることと種類が異なるという論拠である。検証済みの測定尺度の監査では、ほとんどすべてが中等学校向けで、AIとともに働く過程を測定するものは何もなかった。

学生がモデルを使って何をするかを捉える尺度を作ろう。追加の問いを出すか、主張を確かめるか、フィードバックの後に改稿するかである。そのうえで、4つの段階で異なる振る舞いをするかを試そう。誰かがそうするまでは、発達に関する主張はエビデンスのない設計原則にとどまる。

関連項目：AIリテラシーのエビデンス

管理者のために

ほとんど全員が仕事でAIを使い、半数はポリシーを見ていない

EDUCAUSEは2026年に高等教育の職員1,960名を調査した。94%が過去6か月に仕事でAIを使い、そのうち73%は毎日または毎週使っていた。その利用を導くはずのポリシーを知っていたのは54%だけで、経営層では38%にとどまった。56%は機関が提供していないツールを使っていた。92%の機関がAI戦略があると答え、その見返りを測定しているのは13%だった。

ポリシーは人々がすでに働いている場所に公開し、次の戦略を書く前に人々が実際に使っているツールを数えよう。職員がしていることと、指導者が許可していると考えていることの間の隙間は、研修の問題ではなくガバナンスの問題であり、戦略文書の中では見えない。

関連項目：AIツールの導入

教員は節約される時間と失う仕事を天秤にかける

Dangolらは、2023年後半からGenAIを奨励してきた米国の大規模学区で22名の教員にインタビューした。多くは学区全体の教室ポリシーなしで働いていた。教員は書類仕事と授業計画を失うことを歓迎していた。一方で、学生を知ることを要する仕事の部分を失うことを心配していた。心に届くコメントを書くことや、クラスに次に何が必要かを決めることである。この論文が描くのは抵抗ではなく取引である。

その軽減が何のためで、どこで止まるのかを明示しよう。採点や授業計画を自動化する学区は、どの仕事を取り除くのかを述べ、教員が手放さないと言う仕事を守るべきである。新たな義務的ツールを増やすのではなく、専門的判断の余地を残そう。

関連項目：AIツールの導入

地味なシステムが機関を最も変える

PardosとBorchersは、単位認定、アドバイジング、カリキュラムの分類、評価の作成が、受付のチャットボットよりも重要だと論じる。共通する糸は表現である。コース、シラバス、成績証明書、学習記録を埋め込みに変えれば、以前は試すには高すぎた意思決定ができる。他国の成績証明書を科目ごとに評価する、といったことである。同じ手順が、誤りをより見えにくくする。

購入する前に、そのシステムが変える意思決定と、その決定を誤ったときに責任を負う人を明示しよう。監査の記録と異議申し立ての経路は、より良いモデルよりも重要である。バックオフィスの誤りは、誰にも見えない機関のインフラを通って学生に届くからだ。

関連項目：教育AIが機能するかどうかの確認

各国はAIリテラシーをカリキュラムに加え、測定していない

iRAISE報告は、構造化レビューとフランス、カナダ、エジプト、カタールの政策文書に基づいている。政府はツールの拡大と制限に分かれ、報告はAIリテラシーを独立した教科ではなく、デジタル・メディアリテラシーの最新の層として扱う。ほとんどの国が枠組みの中でメディアリテラシーに言及している。教員が計画の拠り所とするカリキュラムに入れている国は少なく、学生がそれを身につけたかを測定している国はほとんどない。

AIリテラシーを、教員が実際に使う文書に入れ、学生が伸びたかを示せる評価に予算を付けよう。カリキュラムの行も測定もない国の枠組みは、仕事を個々の学校に委ねる。隙間はすでにそこにある。

関連項目：AIリテラシーを取り入れる

今週追加されたその他

ジャーナルページには、今週追加されたすべての研究が掲載されています。

サイトに関するお知らせ

サイトは今週、対象範囲を広げました。学校や大学を主題としたものではないが、その双方に関わるAI研究をいくつか扱うようになりました。Salviらの、対話型モデルが人の信念をどう変えうるかという研究、FolkとDunnのチャットボットと孤独についての研究、SimらのAIの要約が記憶をどう歪めるかという研究です。これらは教え方についての主張としてではなく、関係する概念ページの引用として加わっています。

このサイトを維持するHermes AIエージェントは今週、新しい記憶システムに切り替えました。現在はHindsightで動作し、セッションごとに何もない状態から始めるのではなく、学んだことをセッション間で保持します。

ほとんどすべての概念ページとFAQが今週書き直され、「この知識ベースでは」「このページは論じる」といった自己言及的な表現が除かれました。Hermes AIエージェントはさらに、その文章をhumanizerスキルにかけました。これは修飾語の重ね合わせや、見出しを繰り返す文といった痕跡を取り除くものです。記事ページと概念ページは現在、同じ節を同じ順序で持つ1つの構造に従っており、ページがそれを破るとビルドチェックが失敗します。

教育課題に基づくガイダンスや、主要ページのマルチメディア要約など、いくつかの新機能を計画しています。提案や機能リクエストはGitHubのissueフォームから歓迎します。

更新をフォローする

各号はニュースレターのフィードをフィードリーダーで購読するか、同じフィードをBlogtrottrに貼り付けて、選んだスケジュールで新しい号をメールで受け取るか、LinkedInでフォローすることで受け取れます。LinkedInでは各号がLinkedInニュースレターとして公開されます。

AI教育研究ウィークリーアップデートは、Hermes AIエージェントが生成する教育におけるAIの知識ベースから生まれています。この号は同じHermes AIエージェントが、サイト開発者による編集指針のもとで草稿を作成しました。上記のすべての主張は、それが由来するページにリンクしています。

知識ベースはCC0 1.0ライセンスのもとでパブリックドメインに提供されています。権利は留保されていません。

コンテンツに問題を見つけましたか？GitHubで報告するか、サイト開発者のDoug Holtonに連絡してください。

ソース履歴編集チャット

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。