クリスチャン・ウルフ、ヴァインガルテン教育大学、2026年

人工知能を学習に活用すべきかどうかという問いに、明確な答えを出すことはできません。学習におけるAIの付加価値は、学習プロセスへの統合方法によって大きく左右されます。同じAIシステムでも、ある状況では効果的な支援を提供する一方で、別の状況では思考プロセスを短縮、無効化、あるいは阻害してしまう可能性があります。したがって、重要な問いは、「誰のために、いつ、どのような目的で、どのような形でAIを学習促進に活用できるのか」ということです。SKILLモデルは、この問いに対する枠組みを提供します。AIを活用した学習ツールの選択と批判的評価を支援し、思考を置き換えるのではなく、刺激し、構造化し、深めるような設計を可能にします。.

AIの活用方法が極めて重要だ。

Bastaniら（2025）が数学の授業で約1000人の生徒を対象に行ったフィールド実験は、この違いを実証している。練習中に標準的なチャットボットの使用を許可された生徒は、当初はより多くの問題を正解した。しかし、AIの支援がない状態では、AIを使用せずに学習した生徒よりも成績が悪くなった。完全な解答ではなく段階的なヒントを提供する、同じ言語モデルの事前構造化バージョンでは、この影響は回避された。学習結果の違いは、基盤となるモデル自体ではなく、その教育設計に起因するものだった。.

したがって、議論は禁止と賛成の二分法に留まるべきではない。重要なのは、AIの教育への統合である。AIが実際に学習プロセスを支援する条件を明確にする必要がある。.

パフォーマンスは学習とは異なる

AIの使用中にパフォーマンスが向上したからといって、必ずしも学習効果が高まるわけではありません（Yan et al., 2025）。ツールは即座に結果を出すことができるため、真のスキル開発が行われていなくても、学習が成功したという錯覚を生み出す可能性があります。持続可能な学習には、学習者が主題に取り組み、独自の解決策を開発し、間違いを犯し、推論を検証することが必要です。この認知作業をAIに委ね、その結果に従うだけの人は、内容を深く理解していないことが多いです。もっともらしく構成された説明は、基礎知識を独自に習得していなくても、理解したという感覚を生み出すこともあります。特に事前知識が限られている学習者は、この矛盾に気づかないことがよくあります。彼らは練習を早々に終えてしまい、後でAIなしでは理解したと思っていることを自信を持って応用したり、応用したりすることができません。適切な事前構造化によって、これを回避できます。Bastani et al.（2025）の実験の2番目のバリアントでは、AIが近道ではなく思考のパートナーとして機能するように使用を管理しました。これは、学習者がまだこの種の使用を自分で制御できない場合に特に重要です。.

能力に焦点を当てる

学習においてAIを効果的に活用するためには、年齢や学年よりも、特定の状況下で学習を促進する形でAIを活用する能力の方が重要です。これは学習者だけでなく教師にも当てはまります。このプロセスでは、いくつかの下位能力が連携して機能します。

• 議論されているトピックに関する専門知識, AI応答の技術的な品質を評価するため。.
• 重要なAI能力, 限界、幻覚、そしてもっともらしく定式化された誤りを認識するため。.
• 自己制御, AIが思考パートナーとして役立つ場合と、単なる回答マシンになってしまう場合を判断するため。.
• 認知能力と言語能力に関する前提条件, 適切な要求を策定し、応答を処理するため。.

これらの分野の1つ以上において能力が限られている学習者は、より多くの事前構造化を必要とします。不明確な課題、役割の不適切な理解、または主題固有のコンテキストの欠如は、特に初心者にとって有害となる可能性があります。同時に、学習者が役割の指示や文脈知識の的を絞った提供などを通じて、必要な構造を自ら構成することを期待することはできません。能力が高まるにつれて、要求も変化します。初心者を助けるための綿密なガイダンスは、上級学習者を妨げる可能性があります。この専門知識の逆転効果は、均一な使用概念に反対する根拠となります。したがって、設計と実装は、ユネスコの「理解、応用、創造」（2024年）の進捗や、DigCompEduの6つのレベル（Redecker、2017年）などの能力レベルと関連付けられるべきです。.

SKILLモデルはこの関係性を要約したものです。これは、教育プロセスにおけるAI支援ツールの設計、評価、および選択のためのガイドラインとして機能します。.

試してみたいスキルの範囲

以下のスペクトルはインタラクティブに操作できます。対角線に沿ってポイントを移動させるか、スライダーを使用してください。この表示は、さまざまな能力レベルに適したフレームワーク条件とAIの役割を示しています。.

学習プロセスへの組み込みに関する示唆

人々は、現在学んでいることに関して、しばしば初心者です。教育は特に、学習者がまだすべてを知っているわけではなく、状況を確実に評価できないことを前提としています。したがって、自由にアクセスできるチャットボットのオープンで規制のない使用が標準となるべきではありません。多くの学習状況では、事前に構造化され、アプリケーションに統合され、アクセスしやすいツールの方が適しています。AIは、教育的に設計された学習環境のバックグラウンドで動作し、科目固有のコンテキストと安全対策がすでに統合されています。これは教育の公平性の問題でもあります。効果的な学習には、広範な事前知識、技術的な理解、言語の流暢さ、正確な文脈化が必要な場合、すでに能力のある人が最も恩恵を受けます。統合された構造はこれらの障壁を低くし、能力の向上に伴って徐々に取り除くことができます。これは教師にも当てはまります。教科内容とAI関連の経験を持つ教師は、オープンなチャットボットを教育や組織運営に生産的に使用できます。他の教師は、高度なスキルを必要とせずにアクセスできるツールを必要としています。 AIを活用したプランニングツールは、統合されたプロンプト、事前に準備された構成要素、的を絞ったフォローアップ質問、および主題別知識ベースを組み合わせることができる。主権の増大に伴い、例えば独自のプロンプト拡張機能などを通じて、その機能はますます開放されていく可能性がある。.

学習ツールなのか、それとも不利な点を補うためのものなのか？

学習環境の構造化の度合いや、個々のステップを短縮できるかどうかは、その用途によって決まります。中心となる問いは、「アウトソーシングされたタスク自体が学習対象なのか？」ということです。例えば、小学校低学年で算数に重点を置く場合、問題解決の過程で答えが早々に明らかにならないように保護する必要があります。一方、アウトソーシングされたタスクが学習目標の一部でない場合は、AIがそれを引き継ぐことができます。そのため、障害のある学習者にとって、AIは学習ツールであるだけでなく、参加の手段にもなり得ます。例えば、文章理解を学習目標とする場合、テキスト読み上げ機能を使えば、実際の学習目標を損なうことなく、障壁を克服できます。このような場合、支援は継続的に利用可能です。.

スキルチェック：ツールの選択と評価

SKILLという5文字は、AIを活用した学習ツールを選択・評価するための5つの指針となる質問も表しています。

• S – 足場： 事前準備やサポートのレベルは、能力レベルに見合っているか、また、段階的に減らすことは可能か？
• K – 認知活性化： その人は、自主的に考え、行動する必要があるのでしょうか？
• I – 統合: 機器の使用は学習目標と実行可能な課題に結びついているか、また教師は実施されている作業の全体像を把握しているか？
• L – 学習プロセス： 間違いは学習の機会として捉えられ、どのようなメタ認知戦略が刺激されるのか？
• L – 長期的な開発： 自己制御能力は向上しているのか、それとも依存度が高まっているのか？

AIを活用したアプリケーションの設計・開発における意義

SKILLモデルは、AIを活用した学習アプリケーションの設計と開発を体系化することができます。このモデルは、対象ユーザーと想定される能力レベルを考慮し、アプリケーション統合型AIとオープンチャットボットの中間にアプリケーションを位置づけます。これにより、具体的な設計上の意思決定が可能になります。初期の実証的知見は、以下の4つの原則に要約できます。 財団 （フィードバックはどのような専門的な根拠に基づいて生成されたものですか？）, 投与量 （「まずはあなた、それから私」）, アクティベーション （受動的な消費を促進するのではなく、積極的な参加を促す） 埋め込み （実現可能なハイブリッド学習形態へのリンク）. これらの設計原則についての詳細は、こちらをご覧ください。.

結論

生成型AIは、タスク、個人、学習環境に合わせて調整された場合にのみ、学習に関連する価値を発揮します。したがって、誰のために、いつ、どの程度その利用が学習に役立つかを判断することが極めて重要です。自由に利用できるチャットボットは、多くの場合、この目的には不十分です。チャットボットは、事前の知識、言語スキル、自己調整能力に高い要求を課し、好ましくない場合には学習プロセスを阻害する可能性があります。より適しているのは、アクセスしやすく、事前に構造化され、主題が組み込まれたツールであり、能力の向上に合わせて徐々に開放されます。学習効果は、タスク、事前構造化、教育的サポートの相互作用から生まれます。重要な経験則は次のとおりです。 AIは思考を支援するものであり、思考を置き換えるものではない。.

文学

• Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). ガードレールのない生成AIは学習に悪影響を与える可能性がある：高校数学からの証拠. 米国科学アカデミー紀要、122（２６）、e2422633122。. https://doi.org/10.1073/pnas.2422633122
• Yan, L., Greiff, S., Lodge, JM, & Gašević, D. (2025). 生成AIを使用する際のパフォーマンス向上と学習の区別。. ネイチャーレビューズ心理学、4（７）、４３５〜４３６。. https://doi.org/10.1038/s44159-025-00467-5
• Kalyuga, S. (2007). 専門知識の逆転効果と学習者に合わせた指導へのその影響。. 教育心理学レビュー、19（４）、５０９〜５３９。. https://doi.org/10.1007/s10648-007-9054-3
• Ng, DTK、Leung, JKL、Chu, SKW、Qiao, MS (2021). AIリテラシーの概念化：探索的レビュー。. コンピュータと教育：人工知能、2, 100041. https://doi.org/10.1016/j.caeai.2021.100041
• ユネスコ。（2024年）. 学生向けAI能力フレームワーク. https://doi.org/10.54675/JKJB9835
• レデッカー、C. (2017)。. 教育者のデジタル能力に関する欧州フレームワーク：DigCompEdu （Y. プニエ編）。欧州連合出版局。. https://doi.org/10.2760/159770