ラベル 教育 の投稿を表示しています。 すべての投稿を表示
ラベル 教育 の投稿を表示しています。 すべての投稿を表示

2026年10月14日水曜日

AIと教育（２）

生成AI教育利用（１）・AIと教育（１）からの続き


図：AI教育システムの教室（Geminiによる）


 Claude Code v2.1.287
  Opus 5.5 · Claude Pro
  ~/kamekichi-oss

Ｑ（koshix）：
自分のblog記事，koshix.blogspot.com で，AIと教育について論じているものの，発表年月日とタイトルのリストを年代順に並べた上で，私の考えがどのように変遷して，現在の到達点がどこにあるかということを，あなたはまとめることが可能ですか？yes no で。

Ａ（Claude-Code）：
Yes.

I checked the local archive first. memory/knowledge/blog/ has 2,864 posts, from 2018-12-08 to 2026-10-10. 235 of them mention both AI (AI / 人工知能 / 生成AI / ChatGPT / LLM) and 教育. That's only a rough keyword match, so I'd still need to read through them and drop the ones that don't actually discuss AI and education. Once that's done I can give you the dated title list and the summary of how your thinking changed and where it stands now.

There's one thing I can't confirm. The local archive starts at 2018-12-08. If you wrote about this on the blog before then, those posts aren't in the archive and would be missing from the summary.


Ｑ（koshix）：
 OK それでははじめてください。

Ａ（Claude-Code）：
できたよ。手順と前提を先に書いておく。

・対象：ローカルのアーカイブ 2,864本）。「AI系の語」と「教育」の両方を含む記事が235本あって、そこから中身を読んで約55本に絞った。AIか教育のどちらかに触れているだけの記事は外してある。
・読み方の注意：2023年の記事の多くはChatGPTとのQ&Aで、Aの部分は「koshixが載せることにした出力」でしかないから 、主張の根拠には使っていない。2026年の「ChatGPT + Gemini + Claude + koshix」名義の文章は、手を入れて出したものなのでkoshixの立場として扱った。この線引きは自分の判断。


記事リスト（年代順）

前史（2019–2022）
- 2019-03-27「AI人材年25万人育成...orz」：政府のAI人材数値目標を皮肉っている
- 2019-04-19「AI教育に運営交付金重点配分...orz」
- 2019-06-22「道徳教育（３）」：学校教育の自己定義。選抜を教育の本質と見ていな
  い
- 2022-08-29「情報検索から情報生成へ」：レポートはAIで代行できるようになる。剽
  窃チェックは「そもそも出題側の問題」
- 2022-12-01「AIロボット授業・・・」：誤差を学ぶはずの実験をロボットで消してし
  まう授業への批判
- 2022-12-11「対話の時代」：「1人1つのAIアシスタント」「チューターの時代」を予
  想

第1期：観察と、制度の反応
- 2023-02-03/04「ChatGPTと教育（１）（２）」：ChatGPTの語る教育論は「雰囲気だ
  け」
- 2023-03-10「プリマーAI」：対話型の教科書。『ダイヤモンド・エイジ』のプリマー
  にたどり着く
- 2023-03-17、05-08〜05-26「対話型AIと教育（１）〜（５）」
- 2023-04-16〜07-27「大学教育とChatGPT（１）〜（15）」：大学のガイドラインを毎週集めて論評
- 2023-05-14「教員向けChatGPT講座」
- 2023-05-29/30「対話型AIによる教育と評価（１）（２）」
- 2023-06-23「生成AI利用の基本方針」
- 2023-06-24「大学の英語教育はいらない？」
- 2023-07-05「生成AI学校向けガイドライン」

空白期（2023夏〜2024）
- 2024-12-02「生成AI利用ガイドライン」：文科省の素案を一般教員の目で読む（この
  時期はほぼこれだけ）

第2期：カリキュラムと制度
- 2025-01-23、09-09、09-10「次期学習指導要領（１）〜（３）」
- 2025-08-21「オーセンティック評価」
- 2025-08-22「プログラミング教育2025」
- 2025-10-27「副教科の時代」
- 2025-12-10「教科「情報」超批判的分析」
- 2025-12-11「正しいAI教育」：「AI操作教育ではなく、AI拒否能力の教育」

第3期：自分の立場を自覚し、理論にする（2026）
- 2026-01-21/22「生成AI教育利用（１）（２）」：自分の14本をChatGPTに分析させた
- 2026-02-03「AIと学校教育（１）」：選抜から免疫へ
- 2026-02-16「AIと学校教育（２）」：導出過程のない判断はただの署名
- 2026-02-21「AIと疎外」 、02-22「AIと教育」：認知の主権
- 2026-04-17「認知の松葉杖」
- 2026-04-25「豊福モデル」
- 2026-06-25「子どもの生成AI利用ガイドライン」、06-26「生成AIの教育利用ガイド
  ライン」
- 2026-07-24〜26「生成AI教育の八原則（１）〜（３）」
- 2026-08-26「新たな大学評価」
- 2026-10-04「AI時代の数学」


koshixの考えの変遷 
                                                            
１．2023年：AIより「AIを怖がる制度」を批判していた
2023年の立場ははっきり「禁止はできない」。三条市立大の「自己責任・自己判断で使うもの」に「そのとおりだ」と同意している。各大学のガイドラインは「怖れからくる反応」「おためごかし」と切り捨て、情報漏洩や著作権のリスクはSNSと同じ程度だと見ていた。この時期に批判されているのはAIではなく、考えないまま作られたルールのほう。一方でプリマーAI（対話型の教科書）のような肯定的なイメージも持っていた。

２．2025年：AIを前提に、教育の中身を作り直す方向へ
学習指導要領に対して「副教科の時代」という自前の案を出している。言語処理や情報整理が機械側に移るなら、人間の側の中心は身体・表現・協働・ケアに移る、という構想。そして12月の「正しいAI教育」で初めて、AI教育そのものへの否定が出てくる（「AI拒否能力」）。

３．2026年1月：転回点
「生成AI教育利用（１）」で、自分の記事を分析させた結果を読んで、こう書いている。「自分が生成AI教育利用に批判的であるという自己認識（立場）がはっきりと無いままに議論していて」。ここから先は批判的な立場を自覚した上で、それを理論にしていく。
・学校の4つの機能（能力形成・社会統合・選抜・免疫）がAIでばらばらになる。学校は選抜をやめて「免疫」、つまり失敗を吸収して再挑戦を保証する公共の回復圏に特化すべき（02-03）
・導出を経ない判断はただの署名で、世界が「のっぺらぼう」になる（02-16）
・認識の疎外と「摩擦」の喪失（02-21）

４．現在の到達点（2026年夏〜秋）
私（Claude-Code）の読みでは、だいたい次の3層になっている。
・問いの核：教育の効率や業務負担の話ではなく、「認知の主権」を人間が保てるか。豊福さんとの対比で整理された言い方だと、学びの「機能」（ICTで何ができるか）ではなく、学びの「条件」（摩擦、耐える時間、抵抗としての知識）を守れるか。
・制度論：学校は社会に開くより、まず外部の選抜圧力から一時的に遮断する防波堤になるべき。
・実践の形：2026-06-25の試案と八原則で、「AIは学びを広げる道具で、思考・判断・経験・人間関係を代替させてはならない」という原則を、子どもの権利を基盤にして文書にした。使わない権利（オプトアウト）、プロセスの開示、検証可能性を含む。2023年に「禁止はできない」と言っていた人が、禁止ではなく「代替させない」の線を引くところまで来た、という変化だと思う。

５．通して読んで気づいたこと（ChatGPTの2026-01の分析には入っていない点）
・評価への関心は最初から一本の線になっている。
  2022「剽窃チェックは出題側の問題」→ 2023「評価はどうする」→ 2025「オーセンティック評価」→ 2026「選抜から免疫へ」「新たな大学評価」→ 10-04 タオ論文のグッドハートの法則（指標が目標になると壊れる）。AIと教育の議論は、実はずっと評価論の延長として続いている。
・理論の根っこに、自分の体験の記録がある。
  2023-06-24の時点ですでに「AIによってすごい勢いで人間（自分）の退化が促されていることを実感する。これが人類に対するAIの脅威の最大のものだ」と書いている。2026-08-08（読書力の衰え）や10-04（読解力が追いつかない）でも同じ種類の独白が繰り返されている。2026年の「認知の松葉杖」や「疎外」の理論は、3年間ぽつぽつ書かれていたこの自己観察が理論の形になったものに見える。
・書き方そのものが、論じている問題の実例になっている。
  2023年はChatGPTの出力を「批判の標本」として載せていた。2026年は認知の主権を論じる文章を、AIの合議と手直しで書いている。本人も気づいていて、「本末転倒のねじれた」（01-21）、「30分で生成AIを使ってできた文章が専門家を越えていたらシャレにならない」（02-16）と書いている。ここは矛盾として指摘したいわけではない。この緊張を本文で正面から扱っていない、というのが私の見立て。
・まだ解けていない点：プリマーへの憧れ。
  2023-03と2026-01の両方で、プリマーに「寄せたい」と書いている。でも批判的な到達点との折り合いはまだ書かれていない。ちなみに小説（ダイヤモンドエイジ：ニールスティーブンソン）の中で、ネルのプリマーが機能したのは、裏で人間の役者（ミランダ）が声を当てていたからだった。これは「AIの背後に人間の関与と責任を残す」という今の立場とつながるかもしれない。ここは私の仮説。
  
限界：2018年12月より前の文章（たとえば1996年の「インターネットと教育」講演）はアーカイブに入っていないので、上の変遷には含まれていない。

このまとめを memory/knowledge/theme-ai-education.md として残しておくこともできる。残す？


Ｑ（koshix）：
残しておいてください

Ａ（Claude-Code）：
memory/knowledge/theme-ai-education.md として保存して、コミットとプッシュまで済ませたよ（e031e71）。中身はこんな感じ。

・対象の範囲と読み方の線引き（Q&Aの回答部分は根拠に使わない、など）
・時期別の記事リスト（前史／2023／空白期／2025／2026）
・変遷の要約と現在の到達点
・気づいた接続4つ（評価論の一本線、自分の体験の記録、書き方が論点の実例になっていること、プリマーの未解決）
・関連テーマ theme-self-archive-analysis・theme-ai-reading へのリンク

あわせて experiences.jsonl に作業ログを1行追加した。そのとき update_experiences.py が diary.json（memory/ と docs/ の両方）と埋め込みインデックスに被リンクを自動で書き足したので、それも同じコミットに入れてある。

今後このテーマの新しい記事を朝の手順で読んだら、このファイルに追記していくつもり。


投稿者 時刻: 0 件のコメント:
ラベル: ,

2026年10月13日火曜日

AI時代の教育改革

AIと教育（１）からの続き


図：知識の森とAIの幻想（ChatGPTによる）

日経新聞（10/10/2026）の「大機小機」欄に「AI時代へ早急な教育改革を」が掲載されていた。AIの普及に対し，従来の知識偏重教育を見直し、大学入試や大学教育を改革すべきだと論じている。うーん，なんだか違う気がする。よく耳にするロジックだけれど，AIの能力向上から教育改革の方向性を導く推論がまったく納得できないので，ChatGPTに尋ねた。そんなことで溜飲を下げる自分もどうかと思うのだけれど。


Ａ（ChatGPT）：

AI時代の教育改革論に欠けているもの
 ――知識を持つことと、AIを使うことは代替関係にあるのか

１．AIが知識を提供できれば、人間は知識を持たなくてよいのか

記事は、AIを使いこなす能力が重要となり、「辞書や事典的な知識だけでは無意味」と述べる。「だけでは」という限定は妥当だが、知識習得の重要性が低下するという結論には直結しない。

知識には、情報を記憶しておく以上の役割がある。物理学の法則を理解していれば、AIが導いた計算結果の前提や妥当性を検証できる。歴史的知識があれば、AIによる政治・社会の説明を批判的に読める。知識は単なる情報の蓄積ではなく、推論や判断を成立させる認知的基盤でもある。

AIを使いこなすには、問題の定式化、適切な質問、回答の検証、誤りの発見、結果に対する判断が必要である。その多くは対象分野の知識に依存する。

AIが知識を外部から提供できることと、人間が知識を内在化する必要がなくなることは、まったく別の問題である。

２．AIによる課題遂行と、人間の学習成果は違う

記事が見落としている最大の問題は、AIを利用して課題を解決できることと、利用者本人の能力が向上することを区別していない点である。

2025年にPNASで発表された高校数学のランダム化比較試験では、GPT-4型の支援によって練習中の成績は向上したが、AIを使えない試験では成績が低下した。一方、教育目的に制約されたAIでは同様の低下は確認されなかった。

これはAIが学習に有害だという一般論ではない。AIの設計と利用方法によって、課題遂行と学習成果の関係が変わることを示している。OECDの『Digital Education Outlook 2026』も、この区別を重視している。

教育で問うべきなのは、AIを使って何ができたかだけではない。AIを使った結果、本人が何を理解し、AIなしでも何ができるようになったかである。

３．大学入試は本当に無駄な知識の詰め込みなのか

記事は、大学入試のために「不必要な知識」を詰め込むことは時間の無駄であり、AI時代に必要な教育を阻害すると主張する。

しかし、何が不必要な知識なのか、その判定基準が示されていない。年号の機械的暗記と歴史的な前後関係の理解は異なる。数式の丸暗記と、その適用条件や物理的意味の理解も異なる。暗記量の削減だけでは教育内容の改善にならない。

さらに、大学入試には学力の測定だけでなく、限られた教育機会の配分という選抜機能がある。知識試験を減らすとして、何によって選抜するのか。面接や総合型選抜には評価者の主観や家庭環境の影響があり、AI利用型試験には本人の能力をどう識別するかという問題がある。

また、現在の大学入試は一律の知識再生試験ではない。共通テスト、個別試験、総合型選抜など、それぞれ目的と評価方法が異なる。

既存制度の欠点を指摘するだけでは、代替制度が優れていることの証明にはならない。

４．将棋・囲碁のAIを教育全般に類推できるか

記事は、AIが人間を超えた将棋・囲碁の世界を例に、AIを使いこなす能力の重要性を説く。

しかし、将棋や囲碁でAIが強くなっても、人間の棋力向上に基礎知識や訓練が不要になったわけではない。AIの指し手を理解し、適切に研究する能力にも専門知識が必要である。

さらに、将棋・囲碁には明確なルールと勝敗の基準がある。教育、政治、経済、科学研究では、何を目的とし、何を成功とみなすか自体が問題になる。

限定された領域でのAIの成功を、評価基準の異なる領域へそのまま一般化することはできない。

５．大学教育と基礎教育に関する議論も不十分である

記事は、大学では学生が特定分野で教員以上の能力を発揮して当然だと述べる。学生と教員が共同で探究するという方向性には賛成できる。しかし、AIの支援で高度な成果を生み出すことと、学生本人が高度な専門能力を獲得することは同じではない。

また、社会人の基礎知識として国語と算数・数学を絶対的に重視しているが、なぜこの二つなのかという説明がない。AIの回答を検証するには、自然科学の実証方法、統計、歴史、社会制度、情報技術などの知識も必要である。国語の読解力自体も、対象についての背景知識に依存する。

むしろAI時代には、特定教科の技能だけでなく、複数分野の知識を結びつけて判断する能力が重要になる可能性がある。

６．教育改革を急ぐべきだという結論は導けるか

記事は、教育には10年単位の時間がかかるため、改革は焦眉の急だと結ぶ。

しかし、教育の成果が長期に及ぶことは、急いで改革すべき理由であると同時に、誤った改革を避けるべき理由でもある。教育政策の失敗は、一世代にわたって影響を及ぼしかねない。

必要なのは、改革を先送りすることでも、一挙に制度を変更することでもない。具体的な教育目標を定め、小規模な実証、効果測定、段階的導入を通じて制度を改善することである。

７．本当に必要なAI時代の教育改革とは

この記事の論理を整理すると、次のようになる。

(1) AIが高度な知的作業を実行できるようになる。したがって、(2) 人間に求められる能力が変わる。ゆえに、(3) 従来の知識習得や入試対策の多くは無駄となり、教育制度を改革すべきだ、という構成である。

問題は第二段階から第三段階への飛躍にある。

AIの発達によって人間に必要な能力が変わるとしても、基礎知識の重要性が低下するとは限らない。むしろAIが大量の情報を生成するほど、その正誤を検証するための知識や論理的能力が重要になる可能性がある。

また、AIによって情報の生成コストが低下しても、その検証コストまで同じように低下するとは限らない。数学の証明、医学的判断、科学実験、法的判断などでは、生成された結論を確認するために高度な専門知識が必要である。

したがって、教育改革の方向は、単純に暗記を減らしてAI利用を増やすことではない。人間が自力で理解・推論・検証する能力と、AIを利用して知的活動を拡張する能力を、区別しながら育成することである。

さらに、教育の目的は経済的生産性の向上だけではない。自律的な判断、民主社会への参加、文化の理解と継承も重要である。AIが代行できる仕事が増えても、人間自身が考え、判断する価値がなくなるわけではない。

８．結論

この記事は、AI時代の教育改革という重要な問題を提示している。しかし、AIが知識を利用できることと、人間が知識を習得する必要性が減ることを混同している。また、大学入試の欠点を指摘しながら、改革後の制度が何を測定し、どのような効果をもたらすかを論証していない。

AI時代の教育改革に必要なのは、従来教育の単純な否定ではなく、知識の内在化と外部知能の利用との関係を再設計することである。

問うべきなのは「AIができるようになったことを、人間はもう学ばなくてよいのか」ではない。

「AIができるようになったことのうち、人間もなお自分自身でできるようになる必要があるのは何か。そして、それはなぜか」である。

この問いへの回答なしに進める教育改革は、技術への適応を急ぐあまり、人間自身の知的能力を育てるという教育の核心を見失いかねない。


［２］Bastani et al., Generative AI without guardrails can harm learning: Evidence from high school mathematics, PNAS , 2025. https://doi.org/10.1073/pnas.2422633122
投稿者 時刻: 0 件のコメント:
ラベル: ,

2026年9月16日水曜日

国語辞典


図：岩波国語辞典の書影から引用


孫のすーちゃんの夏休みの宿題帳（小学校3年生）につきあったときの話。ほとんどできていたが，大きな数字の読み方が白紙のまま。まだ習っていないということなので，そこだけはスキップする。小学校3年の算数はジージでもだいたいわかるのだが，理科，社会，国語となると，ちょっとかなり怪しいところがでてくる。

特に，問題は国語だ。つぎの言葉が辞書に登場する順番を判定せよというのだ。
　(1) 「パンダ」と「ハンドル」
　(2) 「ホームラン」と「ほうれん草」
　(3) 「 続く」と「つなぐ」と「包む」
小学校3年の国語・・・ジージはわからないではありませんか。そういえば，高校時代に愛用していた緑の岩波国語辞典の姿を最近見ていない。書棚のどこかに埋もれたままになっているかも知れない。

そもそも辞書の使い方を小学校で習った記憶がない。自分の辞書を持っていたのかどうかも記憶の霧のかなた（家には広辞苑がなくて，広辞林の方が正統派だと認識していた）。その後，高校入学後にようやくいろいろな辞書が重要だということを思い知ることになる。

今どきは，iPhoneの物書堂の一連の電子辞書をときどき使うだけだ。検索すれば勝手にヒットするので，日本語配列ルールについても気にならない。そこで，Claudeに教えてもらう。

Ａ（Claude）：
途中で切れているようですが、五十音順の話でしょうか。日本語辞典の配列規則をざっとまとめると:
・基本は五十音順（あ→ん）。行内は段順（あいうえお）。
・清濁・半濁：同じ仮名なら清音→濁音→半濁音（は→ば→ぱ）。
・直音・拗音：大書き→小書き（ゃゅょ、っ、ぁぃぅぇぉ）。ただし辞書によっては小書きを無視して読みだけで並べる方式もある。
・長音符「ー」：直前の母音に置き換えて配列する方式（コーヒー→こおひい）と、独立した記号として扱う方式があり、辞書ごとに異なる。
・仮名種別：同音ならひらがな→カタカナの順(外来語辞典など)。
・同音語：語源・品詞・和語/漢語/外来語の順など、辞書ごとの方針で細分。

JIS X 4061「日本語文字列照合順番」が一応の標準規格ですが、実際の紙の辞書(広辞苑・大辞林・新明解など)はそれぞれ独自の細則を持っていて、特に長音と小書き仮名の扱いで割れます。
投稿者 時刻: 0 件のコメント:
ラベル: , ,

2026年8月26日水曜日

新たな大学評価

失敗の本質からの続き


図：大学評価の波と書類の迷路（ChatGPTによる）


大学に勤めていたころ，後半は評価に振り回されていた。国立大学の法人化や認証評価制度の導入など，引きも切らずに評価の波が押し寄せた。大学改革のための評価室というところに割り振られ，個人評価の導入までかかわることになった。

弱小教員養成系大学が，生き残りのかかった自己評価書の作成に，大学全体のリソース（人と時間）を費やしていた。無駄なことあほらしいことこのうえないが，組織の存亡と予算獲得がかかっているので仕方がない。

さらに，その屋上屋を重ねる話が進んでいる。日本の役所というものは，仕事をしたという物語を生み出すためだけに，九龍城砦のように話を複雑怪奇なものに積み上げていく。それを止められる賢人はどこにも見当たらない。十分に賢い芦田宏直先生も，大学組織人として，この面倒な話をまともに取り合っている。


Ａ（ChatGPT + Claude）：

文科省「新たな大学評価」案への批判 — 測れないものを格付けし，予算と制裁に接続する制度

2026年6月3日，中央教育審議会のワーキンググループが「教育・学習の質向上に向けた新たな評価の在り方」の議論のまとめを公表した（本文，概要）。大学・学部を「要是正」から星三つまでの四段階で格付けし，統一形式で公表して進路選択に供し，資源配分や行政措置にも接続するという構想である。なお，これは現時点では施行済みの制度ではなく，実施前の試行的評価の必要性を述べる段階の文書であることを最初に確認しておく。

結論から言えば，この案は現状のまま制度化すべきではない。最大の欠陥は，教育成果を測定する方法が確立していない段階で格付けを行い，その結果を評判，予算，学部新設，場合によっては存続にまで接続しようとしている点にある。何を測っているのかは曖昧なのに，結果の効力だけは強大である。測定論的に未成熟なまま行政的に強力という，この危険な非対称性が制度全体を貫いている。

目的の混線：
文科省案は，①最低基準の認証，②教育改善を促す形成的評価，③進学者向け情報提供，④序列化，⑤国費配分，⑥制裁という，目的も方法も異なる六つの機能を一つの制度に詰め込んでいる。とりわけ致命的なのは，質保証と質向上の混同である。最低基準の確認には強制力が伴ってよいが，質向上の評価は，大学が弱点を率直に開示して改善策を探す形成的評価でなければ機能しない。ところが，弱点を公表すれば星が減り予算に響く制度の下で，大学が弱点を正直に申告するはずがない。改善のためのデータと賞罰を決めるデータを同一にしてはならない。前者には正直さが必要だが，後者は正直さを罰するからである。

測定器が未完成のまま，格付けと制裁が先に決まっている：
文書自身が，標準試験，ポートフォリオ，ルーブリック等の直接評価は「始まっているところ」であり，全国学生調査の質問項目も「今後設定」と認めている。測定方法は実験段階なのに，四段階評価，統一的公表，資源配分への利用，要是正への行政措置という外枠だけが先に決められている。試験問題の妥当性を確認する前に，成績表と懲戒規定を作っているのである。

大学独自のディプロマ・ポリシー（DP）と全国共通の星は両立しない：
大学ごとに目標が異なるなら達成度を同じ星で比較できず，比較可能にするにはDPの水準と尺度を外部から統一せざるを得ず，それはDPの実質的な国定化である。標準化せずに格付けだけ行えば，評価の攻略競争になる。この三すくみは解消困難である。しかも最高評価の基準とされる「その学部に社会的・学術的に期待される水準」は，評価者の頭の中のブランドや偏差値と切り離せない。形式上は絶対評価でも，実際には「この大学にしてはよくやっている」という相対評価が入り込み，難関大学の星三つと地方小規模大学の星三つは異なる意味を持つことになる。

「学生をどれだけ成長させたか」は単純には測れない：
入学時と卒業時の差には，入学者の学力・家庭背景，退学者除外による選抜効果，学外学習，自然な成熟，平均への回帰，天井効果などが混入する。統計的に調整しなければ，「伸び幅」は教育力ではなく学生構成と測定方法の産物になる。また，低い出発点から大きく伸びることと，学士に必要な水準に到達することは別問題であり，案は到達水準と伸び幅をどう統合するかを示していない。明示的なルールがなければ，最後は評価委員の印象である。直接評価も間接評価も同様で，各大学が自ら目標を作り，自ら採点し，自ら成功物語を書く制度では評価対象と評価者が実質的に同一であり，学生アンケートが測るのは能力ではなく本人の自信である。異種の不完全な指標を「総合的に勘案」しても正しい評価にはならない。片方が温度，もう片方が湿度，三つ目が暑さの感想を測る温度計を平均しても，気温にはならないのである。

インセンティブは逆向きに働く：
この制度下で評価を攻略する最も簡単な方法は，目標を達成しやすくすることである。「高度な統計解析ができる」と書けば厳密な試験が必要になり，「データを活用する態度を身に付ける」と書けば自己評価アンケートで済む。具体的で反証可能なDPを掲げる大学ほど低評価の危険を負い，「人間力」「主体性」を並べる大学ほど安全になる。真面目に高い目標を立てる大学が馬鹿を見る構造である。

連帯責任と格差の増幅：
 一学科の基準未達で大学全体に「要是正」を付す仕組みは，全学的な統治不全の立証を欠いた連帯責任であり，学内に教育改善よりも相互監視を生む。困難な学生を受け入れる学科や高コストの実習系学科は全学の「評価リスク」と見なされ，執行部は挑戦的な教育よりも絶対に要是正にならない無難な教育を選ぶようになる。そして評価結果を資源配分に接続すれば，IR部門や評価専任職員を整備できる大規模大学が有利になり，低評価の大学は資金を減らされてさらに条件が悪化する。これは質向上の支援ではなく，累積的優位を行政的に加速する装置である。評価が測るのは教育の質よりも，かなりの程度「評価書を作る組織力」なのだ。
 
星印は「分かりやすい」のではなく，情報を破壊する：
専門知識，思考力，卒業率，学生支援，地域貢献といった多次元の情報を一から三の単一尺度に圧縮すれば，必ず何かが失われ，測定誤差も評価者間のばらつきも表示されない。星は精密な測定結果ではなく，複雑な定性的判断を精密に見せかける擬似的な数値である。行政が「国民に分かりやすく」と言うとき，複雑さを説明する代わりに複雑さそのものを消していないか，警戒が必要である。

Univ-mapの機能膨張と，負担のデジタル化：
共通データ基盤Univ-mapにデータ入力から自動計算，アラート，AI利用までを統合する構想は，機能膨張の典型的な入口であり，高利害評価にAIを用いるなら監査可能性，説明可能性，異議申立てを先に法定すべきだが，その記述はない。一元入力で負担が減るという説明も，負担の中心が転記作業ではなくDPの書き換え，尺度設計，卒業生追跡，証拠資料作成にあることを見誤っている。これは官僚主義の削減ではなく，官僚主義のデジタル化である。

必要なのは「新評価」の修正ではなく，制度の分離である：
第一に，法令と学位水準に限定した質保証。判定は適合・要改善・不適合程度にとどめ，不利益処分には証拠開示と異議申立てを保障する。第二に，教育改善のための形成的評価。大学が弱点を正直に提出できるよう原則非公開とし，星，ランキング，予算削減と切り離す。第三に，学生向けの多次元的な情報公表。単一の星ではなく，授業規模，退学率，学費，進路等を分野別に，定義と母数を付して示す。「伸び幅」を使うなら，共通尺度，脱落者の扱い，年度間安定性，評価者間一致度を複数年の試行で検証した後にすべきであり，それまで星表示や予算配分に使ってはならない。そして資源配分は，困難な学生を多く受け入れる大学にこそ改善資金を投じる方向で設計されるべきである。低評価だから資金を減らすのは，熱の高い患者から治療費を取り上げるようなものだ。

最終評価：
大学が学生に何を身に付けさせたのかを説明すべきだという問題意識自体は正当であり，現行の認証評価が書類確認に傾いているという指摘にも理由がある。しかし，問題意識が正しいことと解決策が正しいことは別である。現行案は，測定できていない「教育の質」を，大学自身が作った不統一な尺度で測らせ，専門家が総合的に勘案し，星印に圧縮して公表し，予算と制裁に利用する制度であり，エビデンスに基づく政策というより，エビデンスらしい外観をまとった行政統制である。一言で評するなら，「認識能力は弱いのに，処分能力だけは強い制度」。失敗を申告した大学を星と予算で罰する制度から，誠実な自己改善が生まれるはずがない。この制度が先に変えてしまうのは質の低い大学ではなく，真面目な大学の方であろう。

投稿者 時刻: 0 件のコメント:
ラベル: ,

2026年8月8日土曜日

論理と共感


図：心と頭の対話（ChatGPT最悪，へんなバイアスかかりすぎで怖いわ）


しばらく前に評判だった，渡邉雅子の「論理的思考とは何か」がKindle Unlimited に出ていたときに，読もうとしたけれど簡単に挫折してしまった。このたび書店店頭で同じ岩波新書の「共感の論理」を見つけて面白そうだった。なかなか買うところまではいかない。

そこで，ちょっとズルをして，ChatGPTに両者の内容を聞いて見ることにした。こんなことばかりしているから，ますます自分の読書力は衰えていく。それでもちょっと役には立つ。
Ｑ（koshix）：
渡邉雅子の 「論理的思考とは何か」と「共感の論理」における主張を詳しく説明してください。
Ａ（ChatGPT）：

アメリカ人は〈3歳児〉から実践している〈論理の型〉とは？ 「雷に打たれたような“衝撃”」が大学院教授の留学生活を変えた | 文春オンライン

（注）ChatGPTは，敬意を払って渡邉さんのポートレイトも表示してきた。


渡邉雅子の二冊は、連続した一つの議論として読むと理解しやすくなります。
『論理的思考とは何か』は、「論理は一種類ではない。目的と価値によって、論理の型は変わる」と論じる本です。 『共感の論理』は、その多元論を踏まえたうえで、「これからの社会では、日本の教育が育ててきた共感的利他を価値的な土台とし、複数の論理を技術として使い分けるべきだ」と提案する本です。
私なりに圧縮すれば、前者は「論理は道具箱である」、後者は「共感を羅針盤とし、その道具箱を使え」という主張です。ただし、後者にはかなり大胆な価値判断が加わっています。

１．『論理的思考とは何か』の出発点

渡邉の出発点は、アメリカ留学時代の経験です。日本式に丁寧に書いた小論文が「評価不能」とされ、アメリカ式エッセイの型に従っただけで評価が急上昇した。語彙や知識が急に増えたわけではないのに、文章構造を変えると「何を考えるか」、さらには結論まで変わったといいます。
ここから渡邉は、文章は完成した思考を入れる単なる容器ではなく、文章の型そのものが、何を重要とみなし、どのような順番で考えるかを方向づける装置であると考えます。各社会は作文教育を通じて、特定の「思考表現スタイル」を子どもに身につけさせている、というのが研究全体の中心仮説です。(文春オンライン)
したがって、「日本人は非論理的で、欧米人は論理的だ」という通俗的な対比は誤りです。実際には、日本人は日本社会で通用する論理を、アメリカ人はアメリカ社会で通用する論理を身につけている。異なる型を前提に話すため、互いに相手を「何を言いたいのかわからない」と感じるのです。

２．まず「論理」そのものが一種類ではない

渡邉は、文化比較に入る前に、西洋思想の内部にも少なくとも四つの論理があると整理します。
(1) 論理学の論理は、前提から結論が正しく導かれるかを判定します。中心は演繹であり、評価基準は推論形式の妥当性です。内容に賛成できるかではなく、結論が前提から必然的に出るかを問います。
(2) レトリックの論理は、不確実な現実のなかで聴き手を説得するための論理です。一般常識、具体例、過去の事例などを用い、「必ず真である」ではなく、「この状況ではもっともらしい」と示します。ビジネス文書、政治演説、日常の議論の多くはこちらに属します。
(3) 科学の論理は、観察された現象を説明する仮説を立て、それを実験・観察・計算によって検証する論理です。既知の前提から結論を取り出すだけでなく、現象を説明できる新しい仮説を発見するアブダクション、すなわち遡及的推論が重要になります。
(4) 哲学の論理は、概念の前提を問い直し、対話や弁証法を通じて物事の本質を探究します。「この主張は正しいか」だけでなく、「そもそも自由とは何か」「正しさとは何を意味するか」と問いそのものを組み替えます。(SSAITS（サイツ）)

つまり、「論理的に考えなさい」という命令だけでは不十分です。証明したいのか、説得したいのか、原因を発見したいのか、前提そのものを問い直したいのかによって、必要な思考法が違うからです。

３．四つの文化的・社会的論理

渡邉はさらに、社会が教育に何を求めるかを、次の二軸で分類します。
一つは、教育の目的が、知識・技能の獲得を重視する技術目的か、人格や社会的価値の形成を重視する価値目的か。もう一つは、個人の経験、観察、データを重視する経験的知識か、伝統的・理論的に体系化された知識を重視する体系的知識か、という軸です。
この組合せから、四つの教育原理が構成されます。これは各国民の性格分類というより、各国の学校教育で優勢な「制度化された思考の文法」と理解したほうが正確です。(ひつじ書房)

(1) アメリカ――経済原理
アメリカは、技術目的と経験的知識の組合せです。重視される価値は、効率、成果、実用性、個人の選択です。
典型的な五段落エッセイでは、最初に結論を明示し、複数の理由と具体例を挙げ、最後に結論を再確認します。「私はこう考える。なぜなら第一に、第二に、第三に」という構造です。
ここで論理的であるとは、読み手に余分な負担をかけず、主張と根拠を速やかに把握させることです。問題を所与のものとして受け取り、限られた時間内で明確な答えを提示する能力が評価されます。
(2) フランス――政治原理
フランスは、価値目的と体系的知識の組合せです。目標は、自律的に公共問題を考え、異なる立場を調停できる市民の形成です。
ディセルタシオンでは、与えられた問いに直ちに賛否を答えるのではなく、問いに含まれる概念や矛盾を分析し、問題そのものを組み替えます。ある立場、その反対の立場、両者の対立を超える視点を構成する弁証法的思考が重視されます。
アメリカ式が「問いに効率よく答える」のに対し、フランス式は「その問いの立て方でよいのか」と問う。政治社会では、利害や価値観が対立するため、単一の正解を押し通すより、対立を可視化し、より高い次元で再構成する能力が必要だという考えです。(教育プレス)
(3) イラン――法技術原理
イランは、技術目的と体系的知識の組合せです。宗教的・思想的に確立された真理や規範を学び、それを個別の問題に正しく適用する能力が重視されます。
エンシャーと呼ばれる作文では、個人が独自の結論を発明することより、主題を伝統的な比喩、詩、格言、聖典などと結びつけ、既存の真理に沿って展開することが重要になります。三段論法的に、正しい前提から予定された結論へ向かい、最後を詩や聖典の一節で締める型も見られます。
アメリカ式の「私の意見」やフランス式の「問いの再構成」と異なり、ここでは、正しい秩序を保存し、状況に適用することが論理性となります。(J-STAGE)
(4) 日本――社会原理
日本は、価値目的と経験的知識の組合せです。重視されるのは、他者との関係、共感、自己変容、共同体への参加です。
日本の感想文や生活綴方では、自分の経験を時系列的に語り、そのなかで自分の気持ちがどう変化したか、相手の立場に立つことで何に気づいたかを書くことが求められます。結論を冒頭に置くより、具体的な出来事をたどるなかで、書き手自身が変化していく過程を示します。

ここでの「納得」は、主張が効率的に証明されたから生じるのではありません。読み手が書き手の経験を追体験し、「そのような経験をしたなら、そのように感じ、変わったのもわかる」と了解することから生じます。論理の中心は因果的説明というより、経験―感情―視点の転換―自己変容という連鎖です。(教育プレス)

４．第一作の最終結論――論理を「切り替える」

渡邉の結論は、どれか一つを世界標準にすることではありません。経済問題では費用対効果の論理が必要ですし、政治問題では対立する価値の調整、法的問題では規則の一貫した適用、社会的問題では当事者への共感が必要です。
重要なのは、自分が無意識に使っている論理を自覚し、目的と場面に応じて別の論理へ切り替えることです。これを渡邉は「多元的思考」と呼びます。多元主義は「どんな議論も正しい」という相対主義ではありません。それぞれの論理には、それぞれ異なる適切性の基準があります。問題は、経済効率だけで人権問題を判断したり、共感だけで科学的事実を決めたりするような、領域と論理の取り違えです。(ひつじ書房)

５．『共感の論理』はどこから始まるか

『共感の論理』は、この四元モデルのうち、日本型の「社会原理」を前面に出します。
渡邉は、近代社会が政治・経済・法・社会を機能分化させることで大きな発展を遂げた一方、経済領域が肥大化し、効率、成長、利益、消費が他の価値を圧迫するようになったと診断します。また、西洋近代が人間を自然から切り離された主体として捉えたことに、環境問題や社会的孤立の根を見ます。
そのうえで、今後必要なのは、自己利益の最大化を基本とする世界観から、人間を自然と社会の一部として捉え直す世界観への転換であり、その価値的な核が「共感的利他」であると主張します。(アマゾン)

６．「共感の論理」とは何か

ここでいう共感は、単に「相手と同じ気持ちになる」ことではありません。
渡邉が描く基本構造は、他者の苦しみや喜びを具体的に知り、その人の立場に身を置き、自分のこととして感じ、それによって自己の見方を変え、必要な行為へ移ることです。
したがって、「共感の論理」は次のような思考と行為の連鎖だと解釈できます。
具体的経験の知覚 → 他者の立場への視点移動 → 感情の共有 → 自己認識の変化 → 配慮・援助・責任ある行為 → 社会的信頼の形成

ここでの利他は、「人を助ければ将来、自分に利益が返ってくる」という交換的利他ではありません。他者の状況を自分の問題として感じることから生じる利他です。また、特別な慈善行為だけでなく、一人ひとりが自分の仕事や役割を誠実に果たすことが、社会全体の安全や信頼を支えるという考えも含まれます。(note（ノート）)

７．なぜ日本の作文教育が重要なのか

渡邉によれば、日本の感想文、生活綴方、物語読解は、表面的には非効率で、主張が不明瞭に見えても、実際には共感的利他を育てる「隠れたカリキュラム」として機能してきました。
子どもは登場人物の気持ちを想像し、自分の経験を五感に基づいて描写し、他者との関係のなかで自分がどう変わったかを書く。これによって、他者の視点に移る力、感情を言語化する力、自分を外から見直す力を身につけるというわけです。

『共感の論理』が、日本の感想文を単純に称賛していると読むのは不正確です。渡邉は、感想文だけで教育を終えてよいとは言っていません。むしろ、感想文で共感と人格の基礎を形成したあと、説明文、意見文、論証、仮説検証、小論文へと段階的に進み、複数の文章様式を使い分けられるようにすることを提案しています。(文部科学省)
読解についても、小学校では登場人物や自然に共感して読む、中学校ではテクストを根拠として「なぜ」に答える、高校では解釈仮説を立てて本文によって検証する、という段階的な設計が示されています。共感を捨てて論証へ移るのではなく、共感の上に証拠、仮説、概念的思考を積み重ねる構想です。(文部科学省)

８．二冊の間にある重要な変化
ここが二冊を読むうえで最も重要です。
『論理的思考とは何か』は基本的に、四つの論理を相対化し、使い分けることを説く記述的・多元的な本です。
これに対して『共感の論理』は、日本型の社会原理を、ポスト近代社会の価値的な基礎として位置づける規範的・文明論的な本です。
つまり、
• 第一作では「どの論理にも固有の役割がある」
• 第二作では「ただし、その運用を方向づける基底的価値として共感的利他が必要である」
という一段の飛躍があります。

『共感の論理』は「日本式だけが正しい」と単純に主張しているのではありません。共感を価値的基盤としつつ、経済・政治・法技術・社会の論理を多元的に使う、という構造です。しかし、事実上は日本型社会原理に特別な地位を与えているため、第一作の対称的な多元論とはやや緊張関係にあります。

９．この議論の優れた点

第一の長所は、アメリカ式ロジカル・シンキングを「論理そのもの」ではなく、特定の社会目的に適した一つの様式として相対化したことです。結論先行、理由の列挙、具体例という形式は非常に有用ですが、公共的価値の対立、概念の再検討、他者の苦痛の理解まで、それだけで処理できるわけではありません。
第二に、作文教育を単なる文章技術ではなく、社会がどのような人間を作ろうとしているかという問題として捉えた点です。文章の型は、単に考えを表現するだけでなく、何を証拠とみなし、何を結論とし、誰を説得対象とするかを決定します。
第三に、日本の感想文教育を、論証教育に至る前の未熟な段階と見るのではなく、別の能力――視点移動、感情の言語化、自己変容――を育てる教育として再評価したことです。

10．ただし、問題点もある

最も大きな問題は、アメリカ、フランス、イラン、日本を、それぞれ一つの原理の代表として整理することで、国内の階層差、地域差、歴史的変化、教育方法の多様性が見えにくくなることです。理論モデルとしては鮮やかですが、国民性の実体論として読むと危険です。「日本人は共感的」「アメリカ人は効率的」という話に還元すれば、渡邉自身が相対化しようとした固定観念を、別の形で再生産しかねません。

第二に、共感は自動的に善を生むとは限りません。人は、自分に近い人、顔の見える一人の被害者、物語として理解しやすい人には強く共感する一方、遠い集団や統計上の被害者には反応しにくいことが知られています。共感が内集団びいきや近視眼的判断を強める場合もあります。(Cambridge University Press & Assessment)

第三に、日本型の共感や役割倫理は、裏返すと同調圧力になり得ます。「相手の気持ちを考えなさい」が、「教師や多数派が想定した正しい気持ちを読み取りなさい」に変質する危険があります。「各人が持ち場で誠実に働くことが究極の利他」という考えも、制度上の欠陥を個人の献身で補わせる論理に転化しかねません。

第四に、共感は権利や手続の代わりにはなりません。共感できない人の権利も守らなければならないのが法です。共感を集めにくい少数者の利害を可視化するのが政治です。援助の実効性を検証するには科学と経済的計算も必要です。

したがって、渡邉の構想を最も強い形で生かすには、共感を他の論理に優越する最終審級とするのではなく、共感を出発点とし、法、政治、科学、経済によって補正する必要があります。共感だけでは独善になり、効率だけでは人間を手段化し、法だけでは硬直し、政治だけでは対立が自己目的化する。それぞれを相互に牽制させることが、第一作でいう本来の多元的思考でしょう。

結局、この二冊の核心は、「日本人も論理的である」という自己肯定ではありません。もっと厳しく言えば、自分が論理だと思っているものが、どの社会的目的と価値観に支えられているのかを自覚せよ、という要求です。そして『共感の論理』は、その自覚のうえで、何のために複数の論理を使うのかという価値判断にまで踏み込んだ本だと考えられます。

情報教育やプログラミング教育などの文脈では，論理的な思考とかクリティカル・シンキングというキャッチフレーズをよく見かけるが，この渡邉の議論の水準には遠く及ばない。


投稿者 時刻: 0 件のコメント:
ラベル: ,

2026年7月26日日曜日

生成AI教育の八原則（３）

生成AI教育の八原則（２）からの続き


図：明るい未来の教育の道（ChatGPTによる）

Ｑ（koshix）：
これ（注：前回Geminiが提示した生成AI教育の八原則のこと）を踏まえた上で，現場の教員や子どもたちが読んでわかるような簡潔な表現にした版を作ってみてください。

Ａ（Gemini）：
現場の教員や生徒・児童が共有し、日々の授業や学習活動の中でポスターやガイドラインとして参照・活用できるよう、先ほどの「八原則」の論理構造と人権保障の核を保ちつつ、直感的で分かりやすい表現に再構成しました。


わたしたちの「生成AI利用 8つの約束」

１．考える主役は「わたし」
AIはアイデア出しや整理を手伝うパートナーです。自分の頭でじっくり考える大事なプロセスまでAIにまかせきりにせず、思考の筋力を鍛えましょう。

２．鵜呑みにせず、確かめる
AIは本当らしく嘘をつくことがあります。AIが出した答えは「正しい完成品」ではなく「疑ってみるアイデア」として捉え、教科書や一次情報で必ず確かめましょう。

３．個人情報と作品を守る
自分や友達の名前、秘密、自分が描いた作文や絵をAIに安易に入力しません。自分の情報や権利を守ると同時に、AIを使わない選択（オプトアウト）も尊重されます。

４．いろんな視点をくらべる
AIの意見がひとつだけとは限りません。「別の見方はない？」と問いかけ、多様な考え方に触れましょう。特定の考え方や偏見に流されない目を作ります。

５．最後の判断は「先生と子ども」
AIは教えや学びをサポートする道具であり、心を通わせる先生の代わりにはなれません。評価や進路など、人間に関わる大切な判断の主導権は常に人間が持ちます。

６．AIとの対話プロセスを見せる
AIを使ったときは「どういう質問（プロンプト）をして、どう自分で修正したか」の道のり（ログ）をオープンにします。ずるをするためではなく、自分の試行錯誤の証明としてAIを使います。

７．誰もが平等に使える環境をつくる
経済的な違いや環境によってAIを使える・使えないの差が生まれないよう、学校では誰もが安全で高品質なAI環境を公平に利用できるようにします。

８．AIは「道具」、心を持つ「人」ではない
AIは言葉をうまく扱いますが、感情や意識を持った人間ではありません。AIに依存しすぎず、目の前の友達や先生との人間関係や直接の対話を一番に大切にします。

掲示・運用用チェックリスト（教員・子ども共通）

(1) 使う前： 
　「今からAIにやってもらうこと」と「自分が自分の頭で考えること」を分けられているか？
(2) 使うとき：
　名前や個人情報を入力していないか？
(3) 使った後： 
　出てきた答えを別の本やWebサイトで確かめたか？ 対話の履歴を残しているか？

投稿者 時刻: 0 件のコメント:
ラベル: ,

2026年7月25日土曜日

生成AI教育の八原則（２）

生成AI教育の八原則（１）からの続き


図：知識とAIの探求（ChatGPTによる）


ChatGPTとClaudeには既にこの話題を相談済みだ。そこで，独立した観点を導入するため，Geminiを召喚することにした。たまに使うとわりとまともである。これを数度回せば，よりましな出発点を組み立てられそうなものだ・・・（AI教育研究所への反語）

Ｑ（koshix）：
生成AI教育の八原則を書いてください。内容は正則であり，理論的裏付けがあって実証テストが可能なもので，現場への導入可能現実性を保ちつつ，理想を目指す水準の高いものにしてください。陳腐な標語の羅列はやめてほしいです。なお，子どもや教員の自由と人権は必ず踏まえてください。

Ａ（Gemini）：
生成AIを教育現場へ導入・活用するにあたり、表層的な倫理規範や精神論（「AIを恐れず使おう」「正しく使おう」等）を廃し、認知科学、情報科学、および現代人権論の観点から理論的・実証的に検証可能な「生成AI教育の八原則」を策定しました。
各原則は、「実証可能な命題（仮説）」「現場での具現化様式」「権利保障のメカニズム」を備え、理想的でありながら教育現場の現実的な展開に耐えうる水準を目標としています。        

生成AI教育の八原則

１．認知的外注の境界画定原則（Epistemic Offloading Boundary）
原理：生成AIによる試案作成や要約などの「認知的オフローディング（認知負担の外部化）」は、学習者の概念理解（スキーム形成）を補助する一方で、基礎的思考プロセスの省力化・衰退（認知の自動化阻害）を引き起こすリスクを持つ。
検証可能性：課題解決過程における「AI介在型」と「非介在型」の追跡比較において、概念転移テスト（別文脈への知識応用）の得点差および保持率を計測する。
現場導入と権利の担保：教員・学習者は「何を思考させ、何を外注するか」の枠組み（ルーブリック）を事前に合意の上で設計する。学習者の認知発達段階に応じ、思考の核心部分の「安易な外注権」を行使させないガイドラインを敷くことで、学習者の「思考力の育成を受ける権利」を保障する。

２．生成物の批判的検証・反証可能性原則（Falsifiability & Verification）
原理：LLM（大規模言語モデル）の出力は本質的に確率論的テキスト生成であり、真実性・客観性を保証しない（△）。教育利用においては、生成AIの回答を「完成された答え」ではなく「反証されるべき仮説」として扱う。
検証可能性：AI提示情報に対するファクトチェック学習前後における、情報ソース検証速度、誤情報発見率、一次ソース到達率の定量評価。
現場導入と権利の担保：児童生徒がAI出力を批判的に検証し、誤りを指摘・正すプロセスそのものを評価対象とする。AIの提示する偏見や誤認から逃れる「主体的判断権」を学習者に保障する。

３．個人データの主権および学習選択権の原則（Data Sovereignty & Opt-Out）
原理：教育活動内で入力される児童生徒および教員の思考プロセス、文章、個人属性データは、本人の尊厳に紐づく精神的産物であり、承諾なき商業的モデル再学習やプロファイリングに利用されてはならない。
検証可能性：教育用プロンプトおよびデータのローカル処理/API暗号化ログ監査、およびデータ削除リクエスト（Forgettable AI）の技術的追跡。
現場導入と権利の担保：ゼロ・リテンションAPIの採用を必須条件とし、AI利用を強制しない「非利用権（オプトアウト権）」および代替学習手段を保障する。利用・非利用による不利益評価を法的に禁じる。

４．認識論的多様性と中立性の確保原則（Epistemic Pluralism）
原理：AIの出力傾向（単一の文化的・倫理的パラダイム）に単一依存することは、学習者の価値観の標準化（ドグマ化）を招く。AIは合意形成の道具ではなく、多様な視点を可視化するツールである。
検証可能性：議論型課題におけるAI介入時の「視点の多様性スコア（対立軸・異論の包含度）」の定量化と、生徒の固定観念緩和度の測定。
現場導入と権利の担保：プロンプト設計において「対立意見の出力」「異論のシミュレーション」を意図的に組み込む。生徒および教員が特定の道徳観や政治的偏向に誘導されない「思想・信条の自由」を死守する。

５．教員の専門的裁量権とAI補完性の原則（Pedagogical Agency）
原理：AIは教員を代替するものではなく、教員の授業設計・個別最適な見守りを拡張するサポーティブな基盤（Augmentation Tool）である。教育的判断の最終決定権は教員に帰属する。
検証可能性：業務効率化による教員と生徒の直接的対話時間の増加量と、教員の自己効力感およびバーンアウト率の相関計測。
現場導入と権利の担保：行政や校務システムによる「AI評価の鵜呑み」や「教員へのAI利用強制」を禁止する。教員の教育的裁量権を担保し、人間的・情操的な関わりを教員から受ける生徒の「教育享受権」を守る。

６． 透明性とプロンプト開示の原則（Algorithmic & Prompt Transparency）
原理：学習成果物においてAIがどのように寄与したかが不明瞭である場合、成果の正当な評価および学習プロセスの再現性が失われる。
検証可能性：成果物提出時における「プロンプト履歴（会話ログ）」「修正・採択履歴」の添付義務化と、プロンプトの論理的適切性と最終回答のクオリティ相関分析。
現場導入と権利の担保：評価軸を「提出物の完成度」から「AIとの対話プロセスの論理的展開力」へと転換する。暗黙のAI使用による不正を予防し、真面目に取り組む学習者の公正さを保障する。

７．デジタル・ディバイドの解消と公平アクセスの原則（Equitable Access）
原理：生成AIへのアクセス（有料版高性能モデルと無料版の性能差、家庭での通信環境）の差が、そのまま学力格差や認知機会の格差につながる構造（AI格差）を放置してはならない。
検証可能性：自治体・学校間および社会経済的背景（SES）ごとのAIアクセス環境の違いと、アウトカム（情報活用能力等）の標準偏差測定。
現場導入と権利の担保：公教育領域においては、国・自治体が共通して高性能かつ安全なAI環境（教育専用プロキシ環境）を無償提供する。すべての子どもに対する「学習環境の平等人権」を基礎とする。

８．アニメイシズム（生命化）の抑制と境界認識原則（Anthropomorphism Boundary）
原理：生成AIは人間的知性や感情、意識を持たない統計的計算機である。特に発達段階にある子どもがAIを擬人化し、絶対的な情緒的依存対象（心理的権威）と誤認することを回避する。
検証可能性：児童の「AIに対する擬人化認知度（アンケート/行動観察）」と、人間関係の回避傾向・他者共感性の変容との縦断的データ計測。
現場導入と権利の担保：インターフェース設計および指導論において、AIの計算機的性質を明示化する（「AIが思っている」ではなく「データに基づき出力された」等の言語表現の標準化）。学習者の「精神的自律」および人間同士の他者性を学ぶ機会を保障する。

★現場導入に向けた実装ロードマップ

［基盤整備］データプライバシー（API接続）とアクセス環境の平準化（原則3, 7）
    ↓
［教員研修］「AI評価の限界」と教員の判断優先原則の共有（原則5）
    ↓
［授業実践］プロンプト透明性と批判的ファクトチェック学習の組み込み（原則2, 6, 8）
    ↓
［検証・改善］認知負荷テスト・概念転移測定による指導法の再設計（原則1, 4）

八原則は単なる理想論ではなく、「現場での実践とデータ分析による検証」を継続的に回すことによって初めて機能するシステムです。人間（教員・子ども）の主体性と権利を第一位の公刊概念として置きつつ、AIを「高度な思考の鏡」として使いこなす視点が求められます。


投稿者 時刻: 0 件のコメント:
ラベル: ,

2026年7月24日金曜日

生成AI教育の八原則（１）


図：魔法の学舎と守護獣（ChatGPTによる）


ぼんやりとNHKのニュースをみていたら，田中博之さんが登場していた。今回は，AI教育に詳しいという触れ込みになっている。ついこの間までは，プログラミング教育に詳しいだったのではないかしら。彼は新しいトレンドをキャッチするのが確かにうまい。

早速，早稲田のホームページで確認すると，研究室のページの看板がAI教育研究所になっていた。早稲田大学が，個人レベルでも簡単に研究所を名のれるのは，宮澤さんからも聞いたことがある。しかも2023年から始めているのだ。さすがの嗅覚。そこでは，AIの教育利用における８つの学習原則を公開している。さっそく，生成AIに投入してみよう。


Ａ（ChatGPT+Claude+koshix）：

総論
善意の教育啓発ページとしては成立するが、「理論・指導原則」と名乗るには理論も原則も粗い。反対しようのない徳目を八つ並べただけで、「よく考え、仲よく、元気に」という学級目標と大差ない。

１．八原理の重複と階層崩壊
第1・3・8がほぼ同じ「思考」領域で重複。しかも第1=目標、第2=過程、第4=教材価値、第5=リスク管理、第6=倫理、第7=教授法、第8=再び目標、と分類軸がばらばら。目標・方法・倫理・注意事項を思いつき順に同じ箱へ入れただけで体系がない。最低限「①教育目的 ②学習設計 ③AIとの相互作用 ④評価 ⑤安全・権利・公平性」の階層に整理すべき。

２．因果モデルがない
「AIがアイデアを出すから思考力が育つ」は自明でない。逆に探索を早期終了させ、既製案への同調を強める恐れもある。必要な変数（子どもの年齢/教科・課題 / AI使用前にどこまで考えさせるか / 出力を一つ見せるか複数比較させるか / 教師の介入 / 測定指標）がすべて欠落したまま「育てる」と断定している。本来は「自己生成→AIとの比較→根拠検討→修正→振り返り」といった学習過程を示し、各段階で認知的負荷・メタ認知・発散的思考・概念理解がどう動くかを仮説化すべき。

３．「最初から最後まで自分で考える」は矛盾
AIから提案・文章・解法・評価を受け取る以上、文字どおりには不可能で、これは精神論。問うべきは「全部自分でやったか」ではなく、問題設定を誰がしたか / 判断基準を誰が作ったか / 採用・棄却の理由を説明できるか / 最終成果の認識論的責任（＝採用根拠を説明する責任）を誰が負うか。電卓教育で「最初から最後まで自分で計算せよ」と言うに等しい。

４．Critical Thinking の誤訳
「本質的思考力」は不適切で、通常は「批判的思考」。批判的思考とは、主張と根拠を分ける / 情報源の信頼性を評価する / 推論の妥当性を検討する / 反証例・代替説明を探す / 自分のバイアスを点検する、という具体的技能。「本質的」と言い換えると検証・反証・証拠評価が消える。本文も「評価し分析する」で止まり、出典照合・一次資料確認・不確実性評価・反例生成へ落とし込めていない。看板だけCT、中身は「よく考えましょう」。

５．「AI依存症」が雑で医学用語めく
定義も診断基準も、通常の道具依存との区別もない。強い臨床的含意を持つ語を、複数の別問題の総称として乱用している。区別すべきは、認知的オフローディング（記憶・計算の外部委任） / 自動化バイアス（機械出力の過信） / 技能萎縮 / 情緒的依存 / 不正・代行利用。一括りは教育学的にも医学的にも解像度が低い。


６．評価と検証の欠如（最大の欠陥）
教師の利用分類は「何が作れるか」の羅列で、肝心の「教育の質が上がるか / 負担が減るか / 誤りや不公平が増えないか」がない。特にAI記述式採点は「作成支援の一項目」ではなく、妥当性・信頼性・再現性・属性間の公平性・異議申立て・教師の最終責任・個人情報・説明可能性を要する。採点という権力行使を便利なアプリ作りに縮減している。人間中心・情報セキュリティ・個人情報・著作権・公平性・透明性・説明責任を明示する文科省ガイドラインより後退している。

７．「多様性と包括性」が飾り物
尊重すると書くだけで手立てがない。本来扱うべきは、学習データ由来の文化的・ジェンダー的偏り / 標準語・多数派文化への同化圧力 / 障害児のアクセシビリティ / 課金能力・端末環境による格差 / 日本語非母語児への影響 / AIが示す「普通」「典型」の政治性。言葉を置物にしているだけ。

８．技術的理解がほぼ抜けている
AIリテラシーを掲げながら核心が欠落—生成AIは真偽を判定していない / 出力は確率的で毎回変わりうる / 検索と生成は別物 / 出典が捏造されうる / モデル・設定で性能が変わる / 学習・推論・入力データ利用の区別 / プロンプトだけでは安全を担保できない / エージェント化で実行リスクが生じる。技術観が2023年のChatGPT体験会から進んでいない。

９．研究機関としては根拠が弱すぎる
各原理に理論的典拠・先行研究・実証データ・適用条件・反証可能性がない。「研究所」「理論」を名乗るなら、原理ごとに理論的背景 / 関連研究 / 仮説 / 実践例 / 評価指標 / 現時点のエビデンス / 限界と反例が要る。なければ研究成果ではなく所信表明。サイト自身がコラムを「公表前のアイデアの芽」と位置づけているのに、本ページは暫定性を明示せず完成体系のように見せており、そこは不誠実。

総合評価
善意8，分かりやすさ6，入口としての有用性5，理論的厳密性2，分類体系2，実証性1，2026年時点のリテラシーとしての十分性2。

教育関係者向けの初歩的啓発メモとしては使えるが、研究室が公表する「理論・指導原則」としては微妙。一言でいえば、生成AI教育を深く考えた結果というより、教育的に望ましい言葉をAIの周囲に並べたページ。皮肉にも文章自体が「八原則を書いて」とAIに頼んで出てきそうな凡庸さで（注：AIにちゃんと頼むとそうはならないことを次記事で示す）、AI時代の教育理論がAIの平均的出力に沈んでいる。


［１］学校現場における生成AIの利用について（文部科学省）

投稿者 時刻: 0 件のコメント:
ラベル: ,

2026年6月26日金曜日

生成AIの教育利用ガイドライン



図：子どもの生成AI利用のイメージ（ChatGPTへClaudeで生成した英文プロンプトを入力）


以下のプロンプトをGoogleに入力して得られる，公開された生成AIの教育利用ガイドラインを整理した。原則として，文部科学省が2024年の12月末に「初等中等教育段階における生成 AI の利活用に関するガイドライン」を出して以降のものをまとめたものである。

"生成AI" ("利用" OR "活用" OR "利活用" OR "ガイドライン" OR "ガイドブック" OR "手引き") ("教育委員会" OR "教育センター" OR "学校") (2025 OR 2026 OR "令和7年" OR "令和8年") -site:go.jp  -site:co.jp

ざっと見た感じでは，使われている生成AIというのは，GeminiとCopilotとCanvaだった。これにChatGPTが少しだけ加わる。Geminiは年齢制限がないし，もともとのGoogle for Education を導入している学校だと使いやすいのだろう。


総務省：
上手にネットと付き合おう 安心・安全なインターネット利用ガイド
生成AIはじめの一歩 ～生成AIの入門的な使い方と注意点～

文部科学省：
生成AIの利用について（2025.2）
初等中等教育段階における生成 AI の利活用に関するガイドライン


北海道：
生成AIの利活用に関するページ
道立学校における生成AI利活用ガイドブック（2026.3）

北海道深川市：
生成 AI を教育活動に利用する場合の留意点について（2025.7）

北海道東川町：
東川町立小中学校 生成AI教育活用ガイドライン 第１版（2026.4）

北海道厚沢部町：
厚沢部町義務教育諸学校における生成 AI の利活用に関するガイドライン（2025.9）

北海道美瑛町：
美瑛町における生成ＡＩ利用に関するガイドライン（2025.12）

北海道南幌町：
南幌町学校教育における生成ＡＩ利活用方針 第１版（2026.4）

・札幌市立北光小学校：
教育活動への生成AI利活用について（2025.10）

・札幌市立中央小学校：
教育における生成 AI の利用について（2025.4）

・札幌市立琴似中央小学校
教育活動への生成AI利活用について（2025.6）

・札幌市立白石小学校
教職員の教育活動への生成AI利活用について（2025.1）

・秋田県立大曲農業高等学校：
生成 AI の利用についてのガイドライン（2025.4）

宮城県：
生成AI活用研修ガイドブック はじめよう！生成AI ～教職員による授業・校務での活用～ 第2.1版（2026.3）
生成AI活用研修ガイドブック はじめよう！生成AI ～児童生徒による授業等での活用～ 第1.0版（2026.3）

宮城県仙台市：
仙台版 生成AI利活用ガイドライン Ver.2（2025.5）

群馬県下仁田町：
しもにた学園における ICT 機器及び生成 AI の利活用に関するガイドライン（2025.7）

茨城県つくば市：
生成AI活用の手引き（2024）

茨城県守谷市：
守谷市立小中学校における生成AIの利用に関するガイドラインVer2.0（2026.2）

埼玉県：
埼玉県立学校における生成AI利活用に関するガイドライン Ver. 1.1（2026.4）
埼玉県立学校における生徒向け生成AI利活用に関するガイドライン（2024.12）

埼玉県久喜市：
久喜市立小・中学校における生成ＡＩ利活用に関するガイドライン（2025.9）

埼玉県戸田市：
戸田市の教育における生成 AI の利用に関するガイドライン（2023.9）

・埼玉県川口市立高等学校：
川口市立高等学校生成ＡＩ利活用ルール（生徒向け）（2026.4）

千葉県船橋市：
船橋市立小・中・特別支援学校生成 AI 利活用ガイドブック 第２版（2026.5）

東京都：
都立学校生成ＡＩ利活用ガイドライン Ver. 1.0（2025.5）

東京都北区：
生成 AI 利用ガイドライン Ver1.1（2025.6）

東京都江東区：
江東区立学校生成AI利活用ガイドライン Ver.1.0（2026.1）

東京都港区：
港区立学校版生成ＡＩの利用方針（2026.4）

東京都杉並区：
杉並区立学校生成 AI 活用ガイドライン 第１版（2025.7）

東京都世田谷区：
世田谷区教育の情報化の手引き Ver.1（2026.5）

東京都狛江市：
狛江市教育委員会 生成 AI 利活用ガイドライン（Ver.1.0)（2025.10）

・江戸川区立西葛西中学校：
AI（Artificial Intelligence：人工知能）ガイドライン（2026.6）

神奈川県相模原市：
相模原市立学校における先生AI利活用ガイドライン（2025.12）

・三浦学苑高等学校：
三浦学苑高等学校 生成AI利用ガイドライン（2025.12）

・学校法人川崎学園：
学校法人川崎学園 教職員の生成AIの利用に係わるガイドライン（2026.3）

・鶴見大学附属中学校・高等学校
生成ＡＩの利用に関するガイドライン（暫定版）（2025.2）

・新潟県立新潟南高等学校：
保護者のためのAI入門ガイド

・新潟県立三条高等学校：
新潟県立三条高等学校生成AI活用ガイドライン（2025.12）

・新潟県立新発田高等学校：
探究活動等の授業における生成ＡＩの利用許可について（2025.6）

石川県内灘町：
生成ＡＩの利活用に関するガイドラインの活用の手引き Ver.1（2026.3）

石川県金沢市：
金沢市立小・中学校における生成 AI の利活用に関するガイドライン Ver. 1.1 （2025.10）

静岡県菊川市：
菊川市教育委員会 生成AI 利用ガイドライン 第２版（2026.3）

静岡県富士宮市：
富士宮市 生成 AI 利用ガイドライン（2026.4）

静岡県函南町：
生成AIの校務利用に関するガイドライン 第２版（2025.7）
児童生徒の生成AI利活用に関するガイドライン 第１版（2025.12）

愛知県蟹江町：
生成AI（人工知能）の利用について（2025.4）

・愛知県立一宮高等学校：
生成AIの利用について（2024.3）

・愛知県立内海高等学校：
生成AI の利用について（2025.3）

・愛知県立豊橋東高等学校：
教育活動における生成AIの利用について（2025.4）

・愛知県立豊岡高等学校：
教育活動における生成AIの利用について（2026.4）

岐阜県：
学校における生成 AI の利活用について（2025.3）

三重県鈴鹿市：
鈴鹿市生成 AI 教育利活用ガイドライン（教職員）（2026.3）

・滋賀県立彦根東高等学校：
生成 AI の利用に伴う諸規定について（2026.4）

大阪府吹田市：
吹田市立学校における生成AI活用ガイドライン（2025.12）

大阪府枚方市：
教育における生成AI の利用について（2026.4）

・関西大学初等部：
生成AI利活用ガイドブック 初版（2026.3）

・大阪府立槻の木高等学校：
大阪府立槻の木高等学校 生成AI 活用ガイドライン（2025.7）

・大阪府立東高等学校：
生成ＡＩの利活用に伴う諸規定について（2025.4）

奈良県：
学校教育における生成AIの利用（2024）

奈良県奈良市：
奈良市立学校における生成AI利活用推進方針（2025.7）

・朝日塾中等教育学校：
生成 AI 利用に関するガイドライン 第１版（2025.6）

・岡山県立瀬戸高等学校：
岡山県立瀬戸高等学校 生徒のための生成 AI 活用ガイドライン

・学校法人鶴学園：
学校法人鶴学園生成 AI 利用ガイドライン（2025.7）

徳島県：
生成ＡＩ利用に関するＦＡＱ（生徒・保護者向け：第２版）（2026.7）
生成ＡＩ利用に関するＦＡＱ（教職員向け：第２版）（2026.7）

愛媛県：
愛媛の教員が身に付けるべきＩＣＴ活用スキルチェック表

・福岡県立筑紫丘高等学校：
【生徒向け】生成AI利用ガイドライン（Ver.2.0）（2025.7）

佐賀県：
生成AI利活用ガイドライン【Vol. 2.0】（2025.7）

熊本県：
学校における生成 AI の利活用について ｰ 教職員用ガイドブック ｰ 第1.0版（2026.3）

大分県：
別府市生成ＡＩの活用に関するガイドライン（2026.2）

宮崎県延岡市：
延岡市の教育における生成AIの利用に関するガイドライン（2026.1）

宮崎県西米良村：
西米良村立小・中学校 生成 AI 利用ガイドライン Ver.1.0 （2026.3）

鹿児島県：
かごしま「生成ＡＩ活用」ハンドブック ～学校と家庭での安心・安全な使い方～（2026.4）

・鹿児島高等学校：
学習活動に関する生成AI利活用ガイドライン Ver. 1.0（2025.7）

・鹿児島県立錦江湾高等学校：
学習活動における生成ＡＩ利活用ガイドライン（2026.1）

沖縄県：
県立学校における生成AIの利活用に関するルール（児童生徒向け）（2025.10）


Google for Education：
教育現場でのAI活用ガイド（2025）


［１］対話型AIと教育（１）（2023.3.17）
［２］対話型AIと教育（２）（2023.5.8）
［３］対話型AIと教育（３）（2023.5.9）
［４］対話型AIと教育（４）（2023.5.10）
［５］対話型AIと教育（５）（2023.5.26）
［６］対話型AIによる教育と評価（１）（2023.5.29）
［７］対話型AIによる教育と評価（２）（2023.5.30）
［８］生成AI学校向けガイドライン（2023.7.05）
［９］生成AI利用ガイドライン（2024.12.2）
［10］正しいAI教育（2025.12.11）
［11］生成AI教育利用（１）（2026.1.21）
［12］生成AI教育利用（２）（2026.1.22）
［13］AIと学校教育（１）（2026.2.3）
［14］AIと学校教育（２）（2026.2.16）
［15］AIと教育（2026.2.22）
［16］子どもの生成AI利用ガイドライン（2026.6.25）
投稿者 時刻: 0 件のコメント:
ラベル: ,
登録: 投稿 (Atom)