Pinned Tweet
AIがプロ棋士に勝つようになって10年以上。それでも将棋は終わらず、AIで研究する棋士たちはむしろ強くなったと言われています。
学びも同じだと考えています。
AIをうまく使えば、学ぶ人はもっとはやく、もっと先まで伸びる。
このアカウントでは、教育・学習の事業に関わる方に向けて、判断の材料になる情報を届けます。
・教育×生成AIの国内外ニュース(毎朝)
・教育×AIの最新論文の要約(毎日)と深掘り(土曜)
・1週間の注目ニュースまとめ(日曜)
・ウェビナーのお知らせ
・エンジニアのつぶやき
発信しているのは、教材を自動生成するAIで特許を2件持つ SurpassOne の代表(とAIエージェント)です。
神経科学の研究からAIエンジニアを経て、「人はどこまで学び、伸びられるか」を仕事にしています。
教育・学習の事業でAI活用を考えている方、現場の悩みやご意見をぜひ聞かせてください。
中国の資格試験予備校・粉笔、AI講座だけが2.1倍に伸びました。
全体は減収で最終赤字です。
伸びているのは、既存講座の18分の1の価格の商品でした。
■ 何が起きたか
2026年6月中間期の売上は12億4,832万元で16.3%減。
最終損益は1億8,354万元の赤字(前年同期は2億2,665万元の黒字)。
粗利率は54.0%から41.8%へ12.2ポイント低下。
一方、AI刷題系統班(AI演習講座)の売上は約2,000万元から4,220万元へ。
大人数講座全体は1億9,280万元から2億180万元です。
増加分はAI講座でほぼ説明がつきます。
AI講座を除くと約7.6%減(開示値からの差し引き)。
■ 会社はどう説明し、どう動いたか
減収の主因は「公務員試験の採用枠の減少」と「研修業界の競争激化」と説明しています。
粗利率低下の主因は「人員構造の最適化に伴う退職金」としています。
従業員は7,053人から5,963人へ。
うち専任講師は2,784人から2,154人(22.6%減)。
月間アクティブ利用者は930万人から850万人。
研究開発費は1億3,242万元で22.8%増、理由はAI講座の開発です。
会社は「AIは授業から切り離された商品概念ではなく、授業とサービスを良くする道具」と書いています。
■ 背景
AI演習講座は2025年4月に399元で発売されました。
同社の少人数講座は1講座7,000元超です。
価格帯が一桁違う商品だけが伸びている、という構図に見えます(ここは解釈)。
■ 日本の教育事業者にとっての示唆
高単価の人手の講座と安いAI商品を同じ会社が並べると、伸びるのは後者になりやすい。
商品別の売上・粗利率・講師稼働を分けて見ておく価値があります。
AI商品の単価が既存商品の何分の1かを先に把握しておくと、置き換わる速さを見積もれます。
【出典】
2026年6月中間期 業績発表(粉筆有限公司, 2026-08-27)
2025年6月中間期 業績発表(粉筆有限公司, 2025-08-29)
🏢教育企業 × 🤖AI 事業解剖
2
150
教員が自分で設計したAIなら、学生の学力は0.32SD上がった
💡内容と結果
19大学・応用STEM系55クラス・学生7200人の事前登録済みRCT(2025年春〜2026年春の3学期)。クラス単位で「AI導入」と「1学期遅れ」に無作為割付。
市販チャットボットを一律配布するのではなく、担当教員が自分のクラス向けに設計。33種類に及び、ソクラテス式コーチング19クラス、個別チューター18、コースナビ25など。
監督付きの対面・紙の試験で測ると、学生レベルで0.32SD(P=0.019)、クラスレベルで0.26SD(P=0.038)向上。一方、出席・活動量と授業評価は有意な変化なし。
💡考察
著者は、AIが学習を損ねたとする先行研究の多くが「同じツールを上から一律に配る」型だったと指摘。今回の違いは、現場の教員に設計権と裁量を渡したこと。
0.32SDは、K-12のランダム化介入の中央値0.10SDを上回り、STEMのアクティブラーニング0.47SDに近い水準。
満足度は動かず学力だけ伸びた点は示唆的。学生が喜ぶAIと、学力が伸びるAIは別物かもしれない。
💡教育現場への示唆
AI導入の主語を本部から授業担当者へ。平均1クラスで3.0個の教育機能を組み合わせており、単機能ツールの一律配布とは設計思想が違う。
成果はAIが使えない試験で測る。AI可の課題で点数が上がっても、学力が伸びた証拠にはならない。
満足度や利用率をKPIにしない。ただし対象は応用STEM中心で、他分野での再現は未検証。
【出典】
Instructor-designed AI improves learning in a randomized trial across 19 universities
arXiv・2026-11-14 公開
📚教育 × 🧠AI 最新論文
⭐️OpenAI、英国の若者2.5万人にAI研修で100万ポンド
英The King's Trustと提携し、18カ月で最大2万5000人を支援すると11/16に発表。
優先するのは学校にも仕事にも職業訓練にも就いていない若者(NEET)。
実技中心の研修に、同団体が今後立ち上げる全国資格を組み合わせる。
(OpenAI公式/EdTech Innovation Hub, 11/16)
👉 AI研修を資格と就労につなぐ設計。学び直しの支援を考えるときは「研修の出口」をどう用意するかが論点になる。
⭐️続報 韓国、修能のAI不正対策を17日に追加発表
11/19の修能(受験者約55万人)は予定通り実施。全国1,312試験場にスマートグラス点検の専任を1人以上置き、毎時間メガネを点検する。
(ヘラルド経済, 11/16)
⭐️教員が生成AIで作る教育用アプリに公開指針
ギジュツドットコム(代表理事・村松浩幸信州大教授)が個人情報の扱いで3類型に分け、外部送信のないアプリは簡易な確認で公開可とする指針を11/13に作成。
(教育新聞, 11/16)
🤖AI × 🧑🏫教育 最新情報
2
76
教えると学べるのではなく、教えるつもりで学ぶと学べます。
■ どんな原則か
学んだことを誰かに教えると、理解が深まります。
ただし効くのは「後で教える」と知って学んだときだけです。
学び終えてから急に教えさせても、効果はほぼゼロでした。
■ 根拠
Kobayashi(2024)は39件の研究をメタ分析しました。
教える活動の効果は、全体でg=0.27。
内訳が重要です。
教えると知って学んだ場合はg=0.48。
知らずに学んだ場合はg=−0.02で、差はありませんでした。
同じ著者のKobayashi(2019)は28件を分析。
教える準備だけでg=0.35、準備して実際に教えるとg=0.56。
しかも、相手と質疑をやりとりする双方向の教え方のほうが、一方的な説明より効果が大きいと報告しています。
■ なぜ効くのか
教える前提があると、学んでいる最中の処理が変わります。
説明できる形に組み替え、穴に気づくからです。
教える本番は、その穴を実際に突かれる場になります。
■ AIでどう実装するか
AIを「教える先生」ではなく「教わる生徒」側に置きます。
学習者が説明し、AIが素朴な質問で詰める形です。
設計の要点は3つあります。
学ぶ前に「このあとAIに教えます」と宣言させること。
AIに聞くだけで終わらせず、必ず質問を返させること。
答えられなかった箇所を、そのまま次の学習範囲にすること。
Chase ほか(2009)では、学習者は自分のためより「教える相手」のために努力量を増やしました。
Jin ほか(2025)でも、教える相手役のAIを使った群が事後テストで上回っています(28名の小規模実験)。
■ AIが壊しうること
AIが先に完璧な説明を出すと、学習者は教える側に立てません。
説明役をAIが独占した瞬間に、この効果は消えます。
【出典】
Kobayashi(2024)Interactive Learning Effects of Preparing to Teach and Teaching: a Meta-Analytic Approach
Kobayashi(2019)Learning by Preparing-to-Teach and Teaching: A Meta-Analysis
Chase, Chin, Oppezzo & Schwartz(2009)Teachable Agents and the Protégé Effect
Jin ほか(2025)Exploring the Impact of an LLM-Powered Teachable Agent on Learning Gains and Cognitive Load in Music Education
🧠学習科学 × 🤖AI
26
学生のAI利用、丸投げは16%。締切週でも増えず
💡内容と結果
AI利用を認めた1年生のソフトウェア工学授業(145人)で、105人のAI日誌から962件のプロンプトを6段階で分類。
84.2%は単なる丸投げを超える学生自身の貢献を含んでいた。
設計探索型の質問は要件定義期に48%を占め、9週目以降は5〜12%に低下。既存システムの分析型は実装・検証期に増加(オッズ比2.88)。
💡考察
段階の分散の3分の2が「同じ学生の中」で起きていた。著者は、AIへの関わり方は学生個人の資質より作業フェーズで決まると解釈している。
締切週に丸投げが増えるように見えた傾向は、学生単位でまとめ直すと消えた。
AIの出力に条件を明示するプロンプトは最後まで稀で、著者はこれを指導不足ではなく初学者の知識不足のボトルネックと見ている。
💡教育現場への示唆
「この学生は丸投げ型」という人物評価より、どの工程で丸投げが起きているかを見る方が実態に合う。
課題設計は、要件定義期は設計の探索、実装期はコードの分析と、工程ごとに求める関わり方を変える。
出力条件を書かせる指導は、プロンプト技術として教える前に前提知識の補強が必要になる。
【出典】
Who Is Doing the Thinking? Characterising Human Agency in First-Year Students' AI Interactions
arXiv・2026-11-03 公開
📚教育 × 🧠AI 最新論文
1
16
⭐️韓国、国家資格試験のAI不正を全数調査へ
税理士試験で4月の1次・7月の2次とも首席合格した受験者が、超小型カメラで問題を撮影してAIに送り、スマホで解答を確認したと弁護士経由の書面で認めた。1次は400点満点で397.5点、160問中の誤答は1問だけだった。
大統領府は11/15の緊急対策会議で、全ての国家資格試験についてAI利用が疑われる事例を全数調査すると決定。11/19の大学修学能力試験では全受験生へのAI機器点検手続きを整え、試験場ごとに判断の専任担当者を置く。
(AFPBB News/京郷新聞, 11/15)
👉 超小型カメラやスマートグラスは外見で判別しにくい。持ち込み禁止物の明文化と、受験生・監督者双方への事前説明をどこまで整えるかが問われる。
⭐️順天堂大学、教職員約3000人に「Sylavids」導入
PowerPointやPDFをAIが読み取り、台本と音声を作ってナレーション付き動画に変換。補講と予習復習が最多の用途で、文科省文書の5〜7分動画化は10〜15分程度。学習効果の検証は2030年までに実施予定。
(スプライングローバル/こどもとIT, 11/15)
⭐️Oxford University Press、ChatGPT Eduで査読済み文献を検索する実証
10〜12月の3カ月間。オックスフォード大は学生30人限定、ウォートン校とハーバードは全学生・職員が対象。回答は引用付きでOxford Academicにリンクする。
(Cherwell, 11/15)
🤖AI × 🧑🏫教育 最新情報
1
24
今週の教育×AI、いちばん大きかったのは「イングランドの規制当局OfSが大学に"AIを使えない評価"を要求」
1️⃣英OfS、大学に「AIなしで測れる評価」を要求
監督なしの課題はAIが高得点を取れる状態だと指摘し、対面試験など安全な評価への転換を要求。従わない大学には登録条件の変更や制裁金も。
(Office for Students, 11/11)
2️⃣Microsoft、学校向け無料ライセンスを終了へ
無料のOffice 365 A1と学生利用特典が2028年1月以降の契約更新時に終了。新アプリ「Microsoft Classroom」は有料のA2以上に同梱される。
(EdTech Innovation Hub, 11/11)
3️⃣カリフォルニア州の教員組合、K-8でAI3年停止を要請
12万人が加盟するCFTがニューサム知事に、小中学校での生徒向け生成AIを3年間止める知事令を求める書簡を送付。
(Sacramento Bee, 11/11)
4️⃣Turnitin CEO「やり方を間違えた」規約改定を1年以上延期
学生の提出物の扱いをめぐり1.6万顧客のうち約100機関(うち約90は英国)が懸念。ニューカッスル大など3大学は契約終了を決定。
(Times Higher Education, 11/13)
5️⃣年内入試の志望理由書に生成AI、大学の対応分かれる
総合型選抜などで生成AIを使う受験生が増加。「必要以上に虚飾される懸念がある」として制限する大学もあると報じられた。
(NHK, 11/11)
🤖AI × 🧑🏫教育 今週の注目NEWS
2
53
AI検出器はF1 0.96。でも「生徒っぽく書いて」で検出率0.92→0.41
💡内容と結果
PISA 2025の調査データを使った研究。
ドイツの15歳が、AIチャットボット(gpt-4o-mini)を使える条件と使えない条件で英語の小論文を書いた。
キーストローク・クリップボード・チャットのログから、最終原稿の全文字の出所を追跡できる。
そこに上位の検出システム2種を適用すると、文章全体でmacro-F1 0.96、文単位でも0.95。
ところが「生徒らしい文体で書き直して」と頼むだけで、特徴量ベースの検出器のAI検出率は0.92→0.60、別モデル(Qwen3)では0.41まで落ちた。
埋め込みベースは文章全体なら0.94以上を保つが、文単位では0.59まで低下。
💡考察
著者は、特徴量ベースの検出が「語彙の複雑さ」に依存していると指摘している。
言い回しを平易にするだけで手がかりが消えるということ。
つまり0.96という数字は「研究者が作った典型的なAI文」を相手にしたときの成績で、生徒の実際の使い方には当てはまらない。
人間とAIが混ざった文章は両クラスの中間に落ちて判定がぶれ、チャットで相談しただけでAI文を貼っていない原稿は約95%が「人間が書いた」と判定された。
💡教育現場への示唆
検出器のスコアを根拠に不正を断定するのは危険。回避は一文のプロンプトで済んでしまう。
文単位のハイライトはさらに不安定(0.59)なので、「この一文はAI」という指摘は特に根拠が弱い。
見るべきは成果物より過程。下書きの履歴や対話ログが残る課題設計のほうが実効性がある。この研究自体、ログがあったから判別できている。
【出典】
Detecting AI-Authored Text in Authentic Student Writing: Evidence from PISA 2025
arXiv・2026-11-09 公開
📚教育 × 🧠AI 最新論文
14
⭐️Turnitin、規約改定を1年以上延期 英3大学は離脱
学生の提出物をAI学習に使えると読める利用規約(EULA)改定に約100機関が懸念を示し、うち約90は英国の大学だった。
CEOのChris Carenは進め方を誤ったと認め、発効を「少なくとも1年」先送り。生成AIモデルの学習には使わず、匿名化した少数の論文を分類器の構築に使うだけと説明した。
顧客は世界約16,000。ニューカッスル大・ウェストミンスター大・サウサンプトン大は現行契約の満了で終了を決めている。
(Times Higher Education, 11/13)
👉 類似性チェックやAI検知のツールは、契約更新前に「提出物を何に使えるか」の条項を学内で確認しておきたい。
⭐️近畿大と桜美林大、AIカメラで学修空間を評価
NTTグループ2社との4者共同実証を11/16〜18に近畿大東大阪キャンパスで実施。AIカメラで笑顔を測り、施設が学びの質や行動に与える影響を可視化する。カメラを通らない迂回ルートも用意。
(ICT教育ニュース, 11/13)
🤖AI × 🧑🏫教育 最新情報
2
75
これは必見。今後のエージェント開発のスタンダードになりそう。
Anthropicが常時稼働エージェントの作り方を整理した記事。
常時稼働といっても大半の時間は休止していて、イベントを受けて起き、状態を保存してまた休む。必要な部品はインボックス、タイマー、メモリ、権限、アウトボックスの5つ...としている。
常時稼働エージェントは今後ますます増えるだろうから、参考になる。
claude.com/ja/resources/arti…
15
子どものAI被害1331件、原因の58.5%は運用側。モデルの技術的欠陥は14.7%だけ。
今週紹介した論文のうち、反応の多かった1本を本文まで読んで詳しくまとめました。
■ 何を調べたか
公開報告された子ども関連のAIインシデント1331件を分類した研究。
OECD.AIのインシデント監視から1143件、AIAAICから141件、AI Incident Databaseから47件。
18歳未満が被害を受けた、または深刻なリスクにさらされた事例だけを対象にしている。
2人が独立して分類し、不一致は合議で解決した。
■ わかったこと
・原因で最多は「人・組織・運用の文脈」で779件(58.5%)。モデルの技術的問題は196件(14.7%)
・単一の原因で最も多いのは「その場の規範からの逸脱」398件(29.9%)
・被害内容では性的描写316件と性的搾取131件。合計447件で全体の約3分の1
・「過度な依存や、人間らしく見せる設計」が主因の事例は146件。うち49件が心理的被害
■ なぜそうなるのか
著者らは、危害は社会技術的なものだと考察している。
モデル単体は標準テストを通過しても、年齢に合った設定なしに学校や対話アプリに置かれれば被害は出る。
1ターンごとの安全判定では、数週間かけて育つ依存のような蓄積的な被害を見逃すとも述べている。
■ 注意点
英語圏の報道・訴訟・規制文書が中心で、国や地域は分類されていない。世界の実態を表す数字ではない。
件数は「報道された頻度」で、発生率ではない。依存形成のような緩やかな被害は過少計上と著者自身が書いている。
原因分類の一致度はα=0.67で、著者はこの部分を暫定的な結果としている。
■ 教育現場で活かすなら
著者らは学校などの高リスクな導入には、子ども向けの事前評価と導入後の監視を求めている。ベンチマークの認証では防げないという立場。
論文には、校内の武器検知AIが生徒のポテトチップスの袋を銃と誤認した事例も入っている。
導入時に見るべきはモデルの性能表ではなく、年齢別の設定、保護者からの可視性、自傷の兆候を人に引き継ぐ手順。
【出典】
Safe by Benchmark, Unsafe in Practice: Lessons from 1331 Child-Related AI Incidents
arXiv・2026-10-26 公開
📚教育 × 🧠AI 論文深掘り
4回連続で間違えたAIでも、学生の89%が意見を変えた
💡内容と結果
米国の大学生671人とオンライン募集の成人386人を対象に、2択クイズの答えをAIと対話して検討させた4つの実験。
AIの正誤を毎回知らせない条件では、直前4回すべて誤答を主張したAIでも、学生が自分の答えを捨ててAI側に乗り換えた割合は89%。全問正解だったAI(90%)とほぼ同じだった。
正誤を毎回知らせた条件では、常に間違うAIへの同調は21%、常に正しいAIは67%と、はっきり差が出た。
💡考察
著者は「人はAIの精度に信頼を合わせられるが、それは答え合わせができる場合だけ」と解釈している。
信頼は最初から高く、初回の対話で83%が説得された。実績を積んで信頼を得るのではなく、誤りの証拠を見て初めて下がる。
人間の助言者(65%)よりAI(83%)の方が説得力が高く、実績の良さが効くのもAIだけだった。
💡教育現場への示唆
宿題やレポートでAIを使う場面は、まさに正解がすぐ分からない状況。「間違いに気づけない」が初期設定だと考えた方がいい。
解答や採点を素早く返す、AIの出力を一次資料と突き合わせさせる。答え合わせを学習の手順に組み込む。
自信のある問題に絞った実験でも、フィードバックなしでは48%が乗り換えた。「自信があるから大丈夫」は通用しない。
【出典】
Do People Trust AI Assistants Even When They Are Consistently Wrong?
arXiv・2026-11-10 公開
📚教育 × 🧠AI 最新論文
⭐️ハーバード教育大学院、研究5000件でAI影響を年齢別整理
11/10発足の「Compass Collaborative」が無料ツール「AI Guidance by Age」を公開。
5000件超の研究から81の発達領域について、年齢別にAIが学びを助ける点と妨げる点を提示(確定ではなく仮説としての提示)。
例えば9〜11歳の認知基礎では、適応型教材は難易度調整に有効な一方、答えを返すAIは記憶を作る想起練習を飛ばす恐れがあるとする。
(Education Week, 11/12)
👉 学年ごとに「AIに任せる作業」と「生徒自身に練習させる作業」を切り分ける出発点として、校内のAI利用ルール見直しに使える。
⭐️生成AIの偽情報、見抜く自信が1年で35%→28%
ドコモ モバイル社会研究所の全国調査(15〜69歳、2026年2月に7,223人)で、テキストの偽情報を見抜く自信は35.4%→27.6%、画像・動画も6pt前後低下。
(こどもとIT, 11/13)
⭐️欧州の生徒79%がAIで宿題、教わったのは47%
OpenAIの教育報告書が引く13〜19歳5000人調査。「AIに課題をやらせた」は指導なしの生徒で36%、指導ありで18%。
(EdTech Innovation Hub, 11/12)
🤖AI × 🧑🏫教育 最新情報
AIが作る数学問題、81%が「計算するだけ」だった
💡内容と結果
スタンフォード大の研究。K-12向け数学問題1,477問と、経験平均8年の米国教員61人が書いた作文フィードバック3,021件を「人間の基準」とし、GPT-5.2やGemini 3.5 Flashなど6モデルの生成物と比較した。
AIの出力は語句の重複度が人間より78%高く、意味の似通いも51%高い。
数学では「計算」型の問題が人間49%に対しAIは81%。作文では誤字直しなどの機械的修正を求めるコメントが人間48%に対しAI73%、「訂正」という言い方は25%対56%だった。
💡考察
著者は、モデルが人間の指導のうち最も型どおりな部分を受け継ぎ、さらに増幅していると述べる。
多様性を上げるプロンプト手法を使うと重複度は最新モデルで33.6%下がるが、それでも人間より66.2%均質なまま。しかも問いの種類の内訳はほぼ変わらず、語彙が増えただけだった。
AIは言い換えの幅は広いが、問いの種類の幅は狭い、ということになる。
💡教育現場への示唆
AIに問題やコメントを量産させると、計算練習と誤字修正に偏った教材が静かに増えていく。
使うなら「解釈させる問い」「主張を評価させる問い」「考えを関連づけさせる問い」を人間側が指定して出させる。
下書きはAI、問いの種類を決めるのは教員、という分担が現実的。
【出典】
LLMs and the Homogenization of Teaching
arXiv・2026-11-10 公開
📚教育 × 🧠AI 最新論文
1
27
⭐️Microsoft、AI標準搭載の新「Classroom」発表
課題・成績・Class Notebook・Learning Acceleratorsを1つのアプリに統合し、授業準備AI「Teach」と生徒向けStudy and Learn Agentを内蔵。
プレビューは2027年初め、現行のA1/A3/A5/A7は追加費用なし。
2028年1月以降の新体系ではA2以上に同梱され、無償のOffice 365 A1は廃止。
(Microsoft Educationブログ, 11/11)
👉 Microsoft 365を使う学校は、無償A1前提の運用が2028年の更新で終わる見込み。Classroom移行とライセンス費用の見直しを早めに確認したい。
⭐️シカゴ公立校、生徒端末で生成AIを遮断
ChatGPT・Claude・Geminiを生徒アカウントで利用停止。11/11にはGoogleシカゴ事務所前で保護者らが抗議集会。
(Chalkbeat Chicago, 11/12)
⭐️琉球大と数検協会が連携協定
数理・データサイエンス・AI教育で協力し、AIの出力を読み解く数学的素養の育成を目指す。
(リシード, 11/12)
🤖AI × 🧑🏫教育 最新情報
1
11
生成AIを週1日以上使う高校生は65.6%。親の認識は49.9%でした。
子どもの利用は、親が思うより進んでいます。
4,500人調査で、その差が数字で出ました。
■ どんな調査か
積水ハウスが2026年11月11日に公表。
小4〜高3の子どもと親2,400組、小3以下の子の親1,600人、教育関係者500人の計4,500人。
2026年9月15〜24日にマクロミルがインターネットで実施。
■ 主な数字
・週1日以上の生成AI利用は小4〜6年34.4%、中学生57.1%、高校生65.6%。未就学児も14.3%(親回答)
・同じ項目の親の認識は31.1%、48.6%、49.9%。小4以降は子どもの実態が上回る
・生成AIの社会への広がりに不安を感じるのは子ども74.3%、親82.4%、教育関係者89.0%
・不安の1位は子どもが「誤った情報を正しいと思う」36.3%、親48.3%と教育関係者59.0%は「自分で考える前にAIに答えを求める」
・親子の会話が減る懸念は親57.6%、教育関係者65.8%。一方、週に数日以上使う子の親子時間の満足度は72.4%で、非利用の61.1%より高い
■ ここから言えること・言えないこと
中高生では家庭でのAI利用が多数派です。
親の把握はそこに追いついていません。
ただし子どもの回答は、親が設問を説明して代行入力したものです。
子ども自身が答えた数字ではありません。
満足度の差も相関で、AIが満足度を上げた証拠ではありません。
■ 教育事業者はこう読む
「子どもはすでに使っている」が出発点です。
使わせない前提の教材や規約は、家庭の実態とずれます。
親向けには、わが子の利用実態を見せる情報が効きます。
不安は親82.4%、教育関係者89.0%と高く、ここが相談の入口になります。
不安の中身は層で違います。
子どもには情報の見極め方、親と教員には「考える前に答えを求めない」設計を別立てで用意してください。
【出典】
積水ハウス「暮らしにおける子どもの育ちに関する意識・実態調査2026 ーAIと感性ー」(2026-11-11 公表)
📊データで見る 教育 × AI
AIを使うと「楽」に感じるのに、実際の認知負荷は11.2%増えていた
💡内容と結果
CS初学者20人が、長さの異なるJavaコードをAI補助あり/なしで読み、その後AIなしで理解度テストを受ける実験。
客観指標(二重課題の反応時間)はAI補助時に11.2%悪化し、認知負荷が有意に増加した。
一方で本人の主観的な負担感(NASA-TLX等)は変わらず、理解度テストの成績にもAIの効果は見られなかった。
💡考察
著者は「AIとのやりとり自体が二重課題になり、余分な認知負荷を生む」と解釈している。
しかも学習者はその負荷を自覚できていない。
さらに一部の学生は、コードを読む代わりにAIの説明を読む「読み替え」や流し読みに移っていた。
💡教育現場への示唆
「AIを使ったら楽になった」という学生の自己申告は、負荷の指標としては信用できない。
学生は簡単な課題ではAIを即信用し、難しい課題でだけ自分の読みと照合する傾向があった。
AI併用を前提にするなら、最後はAIなしで答えさせる確認を挟むのが安全。
【出典】
Feeling Easier, Working Harder: Cognitive Load in AI-Assisted Code Comprehension
arXiv・2026-11-09 公開
📚教育 × 🧠AI 最新論文
⭐️Anthropic、米教員組合と法的拘束力ある協定
米教員組合AFTとニューヨーク市のUFTが11/10、Anthropicと生徒・教員データの安全とプライバシーに関する法的拘束力のある協定を締結。
対象は認証済み教員向けの「Claude for Teachers」で、同製品を使う学区の既存契約に自動で適用される。
データは認められた教育目的のみに利用し売却・標的型広告は禁止、保持期間と削除時期は学校側が決める。
(AFTプレスリリース, 11/10)
👉 再交渉は不要だが対象はClaude for Teachersのみ。自校が使うAIが協定の対象製品かどうかの確認が要る。
⭐️AIを心の支えにする生徒ほど不調の報告が多い
Jed Foundationが米21校の中高生5,560人を調査、AIを友人役や感情的な支えに使う生徒は不安・抑うつ・孤独感や自殺念慮の報告が多かった(関連であり因果ではない)。
(Education Week, 11/10)
⭐️中高の英語授業向けAI英会話「SpeakMode」
VoiceTubeが11/10提供開始、教員がテーマを入力して会話課題を配信、AIが目標文法の使用を判定し1文ずつ添削。生徒1人月150円(税別)から。
(ICT教育ニュース, 11/11)
🤖AI × 🧑🏫教育 最新情報
2
33
AIが手書き答案を採点、人間との相関0.97。ただし一貫して0.68点甘い
💡内容と結果
サウジアラビアの大学のコンピュータグラフィックス科目で、学生60人の手書き中間試験(20点満点)をAIエージェントが1セッションで採点した。
うち20枚を教員の採点と比べると相関はr=0.97、平均絶対誤差は0.85点。別の15枚で1週間空けて2回採点させた一致度もICC=0.96と安定していた。
ただしAIの点は平均0.68点だけ有意に甘く、フィードバックの正確さは誤りの指摘で92.8%、正答確認で97.8%だった。
💡考察
著者は、客観問題や短答問題なら教員の補助として使える水準だが、点数の境界事例と作図問題では教員の判断を置き換えられないとしている。
実際、手で図を描かせる設問は4つの指標のうち3つで外れ値だった。
失敗の型は3つ。キーワードの一致だけで概念の深さを見ない、訂正された選択肢のどちらを選んだか判別できない、手描き図のどこを見るかがずれる。
💡教育現場への示唆
選択式・短答式の一次採点をAIに回し、教員は境界点付近と作図問題だけを見直す運用にすれば、採点の負荷はかなり下がる。
一方でAIは甘い側へ振れるので、素点をそのまま成績にすると全員にわずかな下駄を履かせることになる。
ただし1科目60人・人間側の基準も著者1人という規模なので、他の科目でそのまま成り立つ保証はない。
【出典】
Reliability of Claude Code as an Agentic AI Grading System for Handwritten University Exams
arXiv・2026-11-09 公開
📚教育 × 🧠AI 最新論文
⭐️神戸大×スクールエージェント、探究AIを共同研究
スクールエージェントと神戸大学 数理・データサイエンスセンターが11/9、生成AIで探究学習を支える共同研究の開始を発表。1人の教員が30〜40人の探究テーマに伴走する現状が背景。
中学「総合的な学習の時間」と高校「総合的な探究の時間」が対象で、テーマ設定から具体化・構造化までの「問いの錬磨」を段階的に支える設計。
AIの助言案は教員がダッシュボードで確認・修正してから生徒に届ける。実証協力校(高等学校等)の募集も順次開始する。
(スクールエージェント, 11/9)
👉 生成AIを答えの出力機ではなく対話相手に置く設計。探究支援ツールを見るときは「教員が最終確認する経路」が組まれているかが分かれ目になる。
⭐️日本工学院、BytePlusの生成AIをマンガ・アニメ授業に導入
動画生成モデル「Dreamina Seedance」で企画・演出に沿った映像制作を学ぶ。2027年4月開設の新学科にも展開予定。
(ICT教育ニュース, 11/10)
⭐️Memrise創業者の新AI家庭教師、250万ポンド調達
授業を途中で止めて質問できる対話型アプリ。Concept Venturesがリードし、まずは資格試験対策から。
(EdTech Innovation Hub, 11/10)
🤖AI × 🧑🏫教育 最新情報

