教育で生成AIを使う目的を考える
仕事では、多くの場合、生成AIによる生産性の向上や成果物の効率的な作成が重視されます。一方、教育では、成果物を整えるだけでなく、学習者が考え、理解し、力を伸ばす過程を支えることが求められます。汎用AIは答えや成果物をすばやく出すことに強みがあるため、そのまま学習に使うだけでは適切とは限りません。この記事では、Microsoft Research の報告書「Learning outcomes with GenAI in the classroom: A review of empirical evidence」を参照し、学習者の準備やAIリテラシー、授業設計が学びにどう関わるかを整理します。まず授業で生成AIの使い方を見直す問いを示し、判断材料となる研究知見とその限界を説明します。続いて、授業で試して学習を確かめる手順と、ツール選びの一例を紹介します。
先に結論：生成AIは学びの代わりではなく、学習設計を支える補助として使う
汎用AIの多くは、質問に答えたり、文章や成果物を生成したりする効率を重視して設計されています。しかし、答えや完成品をすばやく得ても、学習者が自分で考え、理解し、力を身につけたことにはなりません。教育では、生成AIを学びの代わりにせず、学習目標に沿って学習者の思考を支える道具として使います。そのためには、学習者自身が出力の根拠や限界を見極めるAIリテラシーも、学年に応じて育てる必要があります。
導入の出発点として、学習目標を定め、AIを使う場面と使わない場面を分けます。学習者が自分で考える時間を確保し、教師と学習者がAIの出力を確認できるようにします。
授業で生成AIの使い方を見直す5つの問い
以下は、研究知見を授業設計に生かすための確認事項です。学年別の効果を判定する尺度ではなく、授業ごとに検討するための枠組みです。
- この課題で何を学ぶか：学習者に身につけてほしい知識や技能は何か。完成品だけでなく、自力で説明・応用できることは何か。
- 学習者はAIを使う準備ができているか：基礎知識やAIリテラシーは十分か。年齢や経験に応じて、教師が出力の確認をどこまで支援するか。
- AIに何を任せるか：答えを完成させるのか、ヒントや例を出すのか。選んだ役割は学習目標と合っているか。
- 学習をどう確かめるか：出力の根拠を確かめ、AIなしでも説明・応用できるかを評価できるか。
- 誰にどんな影響が出るか：利用しにくい学習者はいないか。教師や仲間との対話、学習者の関与を損なわないか。
レポートの概要
本記事では、Microsoft Research が公開した「Learning outcomes with GenAI in the classroom: A review of empirical evidence」を参照しました。この報告書は、教育の場で生成AIが学習成果に与える影響を調べた近年の実証研究を整理しています。学習効果が一律ではないことも示しています。
主な論点は、教育格差、学習者の自己効力感や学ぶペース、人とのつながり、基礎的・高次の認知スキルです。報告書は、学習者がAIを使う準備やAIリテラシーを重視しています。また、AIを従来の学習方法を補う形で使い、学習者の関与を促す設計を検討するよう教育者に勧めています。
ただし、研究対象や方法、学習成果の定義には幅があります。そのため、ある学年や教科での結果を、別の学年や教科へそのまま一般化することはできません。この報告書は特定製品の導入を推奨するものではなく、授業の目標に合わせて活用方法を検討するための研究レビューです。
研究から考える5つの視点
これらの視点は相互に関係しています。授業では、各視点を踏まえ、誰がどの課題でAIをどう使うか、学習者自身の理解をどう確かめるかを検討します。
1. AIリテラシー：できることと限界を見極める
報告書は、授業でAIリテラシーを教えることを指針の一つに挙げています。学習者がAIの能力と限界を理解し、出力の根拠を確かめ、誤りや偏りを見極める力を育てることが大切です。
AIリテラシーは、質問文を工夫する技術に限りません。出力の正しさや根拠、課題の目的との適合性を確かめ、誤りや偏りを見つけたときに修正する、または使わないと判断する力も含みます。授業では、AIを使えるかだけでなく、何を確かめ、なぜ出力を採用・修正したのかを説明できるかも評価します。
報告書が紹介するノート作成を扱った1つの実験では、学生が入力した4,000件を超えるプロンプトのうち、ChatGPT の出力が正しいか疑問を示したものは6件だけでした（報告書PDF p.12）。この数だけでは、学生が別の方法で回答を確かめたかは分かりません。とはいえ、プロンプト上で出力の正しさを問い直す例が少なかったことは、授業で確認方法を扱う必要性を考える材料になります。
以下の段階分けは授業設計上の目安であり、本報告書が学年別カリキュラムの効果を検証したものではありません。学年が上がるにつれて、支援の中心を、教師と一緒に確かめることから、自分で根拠を評価し、利用に責任を持つことへ段階的に移します。
- 小学校高学年：教師と一緒に、AIの回答を教科書や授業資料と照合します。もっともらしい回答にも誤りがあることを知り、氏名や住所などの個人情報を入力しないことも学びます。
- 中学校：質問の仕方によって回答がどう変わるかを試し、複数の資料を使って自分で確かめます。事実・意見・推測を区別し、回答を採用・修正した理由を自分の言葉で説明します。
- 高等学校：回答の根拠、情報源の信頼性、偏りや抜けを評価し、一次資料や公的情報で検証します。課題の目的に照らしてAIを使うか判断し、出典やAI利用を明示するとともに、著作権やプライバシーにも配慮します。
- 大学：専門分野の知識や方法に照らして、AIが示す説明や引用、データ分析の結果を検証します。研究倫理、機密情報、著作権、授業・研究ごとのAI利用ルールを確認し、最終的な判断と成果に責任を負います。
2. 公平性：支援になる場合も、格差を広げる場合もある
生成AIは、障害のある学習者が自己主張（セルフアドボカシー）をする際の資源になりうると報告されています。一方で、学習に困難を抱える学習者や経済的に不利な状況にある学習者の困難を強める可能性も報告されています（報告書PDF p.1, p.6）。誰でも同じツールにアクセスできることだけでは、公平な学びが実現したとは言えません。
公平性は、「全員が同じツールを使えるか」だけでなく、「どの学習者が、どの課題で、実際に支援を得られたか」という観点から考える必要があります。授業では、AIを使わない方法も選べるようにし、利用のしやすさや学習上の変化を学習者ごとに確かめます。全員に同じ使い方を求めず、必要な支援や代替手段を用意することが大切です。
3. 自己効力感・学ぶペース・人とのつながり
生成AIを使った学習では、学習者が自分の理解度を実際より高く見積もることがあります（報告書PDF p.8）。そのため、AIの支援を受けてできたことと、自力で説明できることを区別して振り返らせます。
生成AIは、学習者が自分のペースで学ぶのを助ける一方、その効果は教科や使い方によって異なります。一般的なチャットボットを使うのか、学習の段階に合わせてヒントを出すツールを使うのかも、結果を左右します（報告書PDF p.1）。
生成AIには気軽に質問できる利点がある一方、グループ活動での協働を減らすこともあります。人のチューターを信頼できる情報源として好む学習者もいます。AIを使う場合でも、教師や仲間との対話を置き換えないことが大切です（報告書PDF p.1, p.9）。
AIとの対話だけで学習を完結させず、AIを使わずに説明する時間や、教師・仲間と考えを共有する時間も設けます。たとえば、AIのヒントを使って課題を解いた後、学習者に解き方を自分の言葉で説明してもらいます。さらに、仲間の考え方と比べる活動も取り入れられます。こうすることで、AIの支援を受けた部分と、自分で理解した部分を振り返りやすくなります。
4. 認知スキル：答えを得ることと、学ぶことは同じではない
Bloom のタキソノミーでいう「記憶する」「理解する」といった基礎的な技能は、さまざまな学習の土台です。学習者が考える過程をチャットボットに任せすぎると、記憶の形成が損なわれるおそれがあります（報告書PDF p.2）。
分析、推論、創造性などの高次の技能も、必要な思考の過程をAIに任せきりにすると伸ばしにくくなります。一方で、生成AIは試作品をすばやく作る助けになりますが、似た案に引きずられて独自性が弱まる可能性もあります（報告書PDF p.2）。成果物だけでなく、学習者がどのように考え、修正したかを見ることが重要です。
学習者がAIの助けを借りて完成度の高い答えを作れても、その知識を自力で使えるとは限りません。評価では完成品に加え、AIを使わずに要点を思い出して説明できるか、条件の異なる課題に応用できるかも確かめます。AIに任せた部分と、自分で考えた部分を振り返らせることも、思考の過程を把握する手がかりになります。
5. ツールの設計：プロンプトだけで教師役にできるとは限らない
報告書は、一般的なチャットボットに「教師として振る舞う」と指示するだけでは、学習に必要な幅広い配慮を満たせないと指摘しています（報告書PDF p.2, p.14）。学習者の段階に応じたヒントや支援を行う「足場かけ」や、考えを深める仕掛けを備えたツールの研究は進んでいますが、その効果が確立したわけではありません。
理解が十分でなければ説明を加え、考えが進んでいれば次のヒントを示すなど、課題や学習段階に応じて支援を変える必要があります。教師役の口調を設定するだけでなく、どのような応答が学習目標に合うか、誤りをどう扱うか、教師が内容を確認・調整できるかまで見る必要があります。ツールを選ぶ際は、宣伝上の「チューターらしさ」ではなく、実際の授業で学習者の思考や理解を支えるかを確かめます。
たとえば、報告書は、検索拡張生成（RAG）を使ったソクラテス式（質問で考えを促す）チューターの研究を紹介しています。この研究は大学生450人を対象にしました。興味、自己効力感、学習への関与、テスト成績のいずれについても、統計的に有意な効果は確認されませんでした（報告書PDF p.14）。研究者らは、効果が明らかになるまで資金投入を止めるよう提案しています。ただし、これは一つの実験的なツールの結果であり、足場かけ型ツール全般を評価したものではありません。また、大学生を対象とした結果をK-12の授業にそのまま当てはめることもできません。教育者が設計に参加し、ツールごとに効果を確かめる必要があります。
一方、高校数学のランダム化比較試験では、通常のチャット画面に近い GPT Base と、教師の知見を組み込んだ GPT Tutor を比較しました。約1,000人の生徒が参加し、GPT Tutor には答えを直接示さず、ヒントを出すよう指示されていました。さらに、教師が問題ごとの正答例、よくある誤り、フィードバック方法を用意し、それらをプロンプトに組み込んでいました。
練習問題では、対照群に比べて GPT Base 群の成績が48％、GPT Tutor 群では127％高くなりました。しかし、学習者がAIを使わずに受けた後続テストでは、GPT Base 群の成績は対照群より17％低く、GPT Tutor 群と対照群の差は統計的に有意ではありませんでした。つまり、GPT Tutor 群ではAIなしの成績が上がったとは確認されませんでしたが、GPT Base 群で見られた成績低下も確認されませんでした。この結果は、トルコの1校の高校で行われた数学の研究に基づいています。実験ではGPT-4を使用しました。他の教科、年齢層、AIツールにそのまま一般化はできません。この研究は、教育目的に合わせた設計が学習への影響を左右しうることを示しています（Bastani et al., 2025）。
Khanmigoの事例：問いかけ中心の設計は効果を保証しない。
Khan Academy の数学チューター Khanmigo は、答えを直接示さず、質問やヒントで考えを促すよう設計されました。米国テネシー州の中学校で行われたNBERの研究では、生徒の多くが一度は試したものの、継続的に利用した生徒は少なく、数学について深く対話する場面も限られていました。解説記事は、生徒が答えを直接求めてもAIが質問やヒントを返すと、利用をやめた様子を報じています（Oreopoulos と Low の研究、Hechinger Report）。
研究で確認されたのは、利用頻度や対話内容です。一方、生徒が「使いにくい」「面倒」と感じたことや、質問力の不足が利用低下の原因だったとは断定できません。また、この研究はソクラテス式の問いかけ全般が不適切だと示すものでもありません。Khan AcademyとKhanmigoを使える介入群では成績が伸びましたが、対照群では各校で通常行われていた補習が行われました。そのため、同じKhan AcademyをAIあり・なしで直接比較した試験ではありません。介入群の伸びは、AIなしのKhan Academy練習について過去の研究が報告した効果と同程度でした。この結果は、問いかけ中心の設計だけでは利用者の関与や学習効果が保証されないことを示唆しています。
教育用AIでは、学習者の理解状況に応じて、問いかけと説明・例示・ヒントを使い分ける設計が求められます。また、学習者が必要なときに支援を得られる仕組みを用意し、AIを使わない場面でも理解を示せるかを確かめる必要があります。
授業で試し、結果に応じて見直す
報告書が教育者に示す4つの指針
報告書のまとめは、授業で生成AIを使う際の次の4点です（報告書PDF p.2）。
- 学習者の準備を確かめる：基礎を身につける前に、生成AIを早く導入しすぎない。
- AIリテラシーを教える：生成AIの能力と限界を理解し、出力を評価できるようにする。
- 従来の学習方法を補完する用途で使う：AIの説明や例を、教師の指導と組み合わせる。
- 学習者の関与を促す設計にする：コピー＆ペーストの制限、学習者が理解度を振り返る機能、批判的思考を促す工夫、学習者の関与を高める仕掛けについて、ツールごとに実証的な裏付けを評価します。
授業で試す4ステップ
ここでは、報告書の指針を授業に落とし込む例を示します。特定の教科や学年で検証された手順ではないため、授業の目的に応じて調整してください。次の図は、この実践案を学習後の見直しまで含めて示しています。
- 学習目標とAIを使わない最初の取り組みを決める：何を学ぶかを明確にし、AIを使う前に学習者が自分で考える時間を設けます。
- AIに任せる役割を限定する：答えを完成させるのではなく、ヒントを出す、別の例を示す、考えを質問で深めるなど、学習目標に合う役割を選びます。
- 出力を確かめ、学習者自身に説明してもらう：AIの出力を教材や信頼できる資料と照合し、どの部分を採用・修正したか、その理由を学習者に説明してもらいます。
- AIなしでも学べたかを確認する：最後に自力で説明・応用する課題を設け、学習者の自己評価と実際の理解を比べます。
ステップ3では出力の正しさを確かめる習慣を育て、ステップ4では理解度を実際より高く見積もるリスクに対応します。ただし、この進め方は報告書で効果が検証された手順ではありません。学習者が理解しているか、どのように考えたかを確認する実践案として、授業ごとに有効性を確かめてください。
教師は授業後に、学習者がどこでつまずいたか、AIなしでも説明・応用できたかを振り返り、次回の学習目標、AIの役割、支援の量を調整します。
ツール選びの例：Microsoft Learning Zone
この報告書は Microsoft Learning Zone 自体の学習効果を評価したものではありません。以下では、研究知見を授業設計に生かす際に検討できるツールの一例として紹介します。
公式サイトによると、Microsoft Learning Zone は授業のアイデアや教材、学習目標をもとにインタラクティブなレッスンを作成するアプリです。AIが構成案とレッスンを作り、教師は内容を確認・調整してから、授業で教えたり課題として共有したりできます。教師はレッスンに説明、練習、振り返り、個別フィードバックを組み合わせられます。また、学習の進捗を把握する分析情報も提供されます。
ツールを評価するときは、レッスンを生成できるかだけで判断しません。学習者の思考を支えるか、教師が内容を確認・調整できるか、学習への関与を促す設計かを確認します。公式サイトによると、このアプリは Microsoft Education ライセンスに追加費用なしで含まれています。教育者は Windows アプリでレッスンを作成し、学習者はブラウザーから参加できます。日本語でのレッスン生成にも対応しており、教師は学習者に共有する前に内容を確認できます。18歳未満の学習者向けの保護機能も案内されています。生成できるレッスンは、一般的な Windows デバイスで最大10スライド、Copilot+ PC で最大99スライドです。利用にあたっては、学校のライセンスや設定も確認してください（2026年11月7日確認）。
公式サイトは ISTE Seal of Alignment の取得も紹介しています。認定の審査対象は、学習設計、使いやすさ、研究に基づく指導法です。これは、この報告書が Learning Zone の学習成果を検証したことを意味しません。公式ページからは、コピー＆ペーストを制限する機能や、回答前に考えを説明させる機能があるかは確認できませんでした。授業で使う場合は、課題設計で補えるかも含め、学習者の関与や理解を支えるかを確かめてください。
研究の限界と適用範囲
この報告書は、教科や学習者、生成AIツール、授業設計がそれぞれ異なる実証研究を整理しています。報告書自身も、学習成果の定義や研究方法、実験条件にはばらつきがあり、研究間で効果について一致した見解がないと指摘しています（報告書PDF p.5）。そのため、ある場面で見られた効果を別の学年や教科にそのまま当てはめることはできません。
また、報告書の執筆時点では、大規模研究や長期的な学習効果を調べた研究が十分ではなく、K-12（幼稚園から高校まで）の研究も限られています（報告書PDF p.3）。生成AIを導入した直後の効率や満足度だけでなく、学習者が後から自力で説明・応用できるかを確認する必要があります。
ここで紹介した授業手順は、報告書の指針をもとにした実践案です。特定の教科や学年で効果が検証済みという意味ではありません。PDF本文を参照し、導入する授業でも学習目標への到達度を確かめてください。
まとめ：授業での使い方を見直す
生成AIは、授業に取り入れるだけで学びを深めるわけではありません。仕事では、生産性の向上や成果物の完成が重視されることが多い一方、教育では学習者の成長が大切です。汎用AIは答えや成果物を効率よく出すことに強みがあります。そのまま学習に使うと、設計や使い方によっては、学習者が考える過程を省いてしまうおそれがあります。導入する際は、学習者が自分で考え、説明し、応用する過程を支えるよう、AIの役割や使う場面を設計してください。
まずは小さな単元で、AIを使う目的、学習者が自分で考える時間、AIの出力を確かめる方法、成果を評価する方法を決めて試してみましょう。授業の目的に合わせたインタラクティブなレッスンを検討する場合は、Microsoft Learning Zone も選択肢の一つです。
参考資料
- Learning outcomes with GenAI in the classroom: A review of empirical evidence — Microsoft Research
- Generative AI without guardrails can harm learning: Evidence from high school mathematics — PNAS
- 報告書PDF
- Philip Oreopoulos and Nina Low, “One Click Away: AI Tutoring with Khanmigo in a Two-Year School Experiment.” NBER Working Paper.
- Jill Barshay, “Students didn’t get answers from Khanmigo. They didn’t want its questions, either.” The Hechinger Report.
- Microsoft Learning Zone