AIが宿題を完璧にこなす時代、教育者としての私のスタンスをこう変えた

AIがあらゆる課題を解けるようになった今、教育のあり方は根本から変わらざるを得ません。従来の『宿題を出す』という手法はもはや意味をなさなくなっています。これからは、AIを単なるカンニングツールとして排除するのではなく、AIを『使いこなす』前提での評価基準や、AIには代替できない創造的で批判的思考を深める教育へとシフトしていく必要があります。この新しい教育のパラダイムについて、私の考えを共有します。

数年前まで教える側と評価する側の両方をそれなりに長くやっていました。数年の試行錯誤を経て、これが「正解」だろうというやり方に辿り着きました。

• 2時間の枠内で理論と実践を交互に行う。理論は必要だけど、人の集中力には限界があるからね。
• 評価は、仕様書に基づいた実プロジェクト形式の課題で行う。半期の途中で課題を出せば、早く始めた学生が質問に来れるし。そうでなければ、教材やインターネット含め、あらゆるリソース持ち込み可の試験にする。ただし評価するのは知識そのものではなく、その知識を手元の課題に応用できるかどうかだよ。

ただ、AI全盛の今となっては、こうしたアプローチも完全に的外れになってしまったけど。

初めて同僚に口頭試験を頼まれた時は驚いたよ。対人スキルが低い学生には負担になるんじゃないかと思ったからね。でも結果は驚くほど上手くいった。内気な学生であっても、数分話せばコースの概念を理解しているかどうかはすぐに分かるから。今はこれが進むべき道かなと思ってる。ただ唯一の欠点は、スケールしないことだね。

もしかしてドイツ流が正解なんじゃないか？学期末に一度だけ、対面でのインタビュー形式の試験を行えば、優秀な学生は自ら内容を理解しようと努力するはずだし、それで十分だろう。残りの連中はそもそも論外だし、彼らに合わせる必要なんてない。

TAとの対面でのやり取りに切り替えた。課題ごとに学生はTAと15分の面談を予約し、ライブの会話でいくつか質問に答える必要がある

それって「反転学習」の答えじゃないかな？授業前に学生が読み込みや学習を行い、実際の授業ではそれをもとにインタラクティブな対話や課題解決を行うスタイルだよね。もちろん、400人をホールに集めて講義を聴かせてテストするよりコストはかかるけど。

https://fltmag.com/the-flipped-classroom/

https://en.wikipedia.org/wiki/Flipped_classroom

数学のコースを教えているけれど、LLMが既存の教育アプローチをどう崩壊させているかを目の当たりにして、どうしたものかと頭を抱えている。

試験は持ち込み可の筆記試験にしているが、教室でのPCやスマホの使用は禁止している。

大学側は課題を必須にするよう求めてくるが、もうその意義は失われている気がする。学生には「自分で課題を考えることに意味があるんだ」と説明してきたけれど、大半は当然のように生成AIを使うだろうし、LLMが出した回答をチェックして採点するなんて時間の無駄でしかない。

この前も、筆記試験対策として「例題」を配布したんだ。そしたら多くの学生がその文書をそのままLLMに放り込んで「試験ガイド」を作らせ、それを印刷して持ち込み、試験中に「このLLMの回答ってどういう意味ですか？」と聞いてくる始末だよ。

大学側もAI活用を推進したいようだが、私が教えているのは基礎的な部分だ。自分の頭で考え、基本的な概念を消化することが目的であって、完璧な解答を出すLLMに頼るなんて本末転倒だよ。

根本的な問題は、多くの学生が内容を学ぶためではなく、単位を取るためだけにそこにいるってことだろうね。授業という複雑なメカニズムを使って、嫌がる学生に無理やり知識を詰め込ませる「評価の軍拡競争」になっている。教師の仕事がまるで軍の指揮官みたいだ。気が滅入るよ。

20年前、私の学科長も言っていたよ。皆が写し合いをするから課題なんて無意味だって。結局、提出させたという事実を作るために、申し訳程度の点数配分にしていたな。

今年、EduLearn（教育技術の主要カンファレンス）に参加して、多くの教授とこの話題について話してきた。多くの教授が教室での演習に回帰しようとしているけれど、同じような問題にぶつかっているよ。

• ライティングのようなスキルは実際に書くことでしか身につかない（YouTube動画を見るだけでコーディングを習得できないのと同じ）
• 教室での課題は必ずしもスケールしない（結局学生はAIを使ってしまう）
• 学生が積極的に参加するモチベーションを持っていない

執筆のプロセスそのものを見るのが現実的だと思って、Turingo (https://www.turingo.net) を作った。Googleドキュメントがどう書かれたかを再生し、不自然な編集（大量の貼り付けなど）をハイライトして、文章がどう変化したかを追跡するものだ。驚いたことに、多くの教授から「学生は自分が書いた最終草稿に、どれだけLLM生成のテキストが残っているかを過小評価している」という報告を受けた。再生を見るだけで会話の質が変わるんだ。

既存のAI検出器のような「判定マシン」ではなく、著者のTAが行っているような会話のきっかけとして使ってほしいと思っている。実際、再生結果に基づいて教授がすべき質問を提案する機能もベータテスト中だよ。

完璧ではないし、自動入力ツールも存在するけど、今のツールは思ったよりお粗末で、人間を模倣するにはほど遠いね（それも近いうちに対処したいと思ってる）。

例えば、頻繁にフィードバックを行う低負荷な評価（課題や小テスト）の方が、高負荷な評価（試験）よりも学習効果があるという証拠があるが、AIが低負荷な評価を台無しにしており、試験に頼らざるを得なくなっている。

それは単に、あなたが「成績をつけて不正者を落とすこと」に固執しているからだよ。

一番楽な道は、課題での不正を容認し、その代わりコースワークに基づかない試験で不合格にさせることだね。そうすれば授業はやる気のない連中を切り捨てられるし、AIは教育格差を広げるだけになる。

もし合格率の維持を求められていて、多くの不合格者を出せないなら、その学位は職場では無価値なものになるだろう。あるいは、有料の再試験制度を設けて、AIに金を稼がせればいい。

もしコースワークに固執するなら、短時間だが配点の重い口頭試問が唯一の解決策のように思える。反転学習の議論でも触れられていた通り、授業時間を削るという欠点はあるけれどね。

教育を「願いの井戸」と考えてみて。数学、法律、歯科、パン作りなど、それぞれの専門知識という井戸がある。

一度その井戸を手に入れれば（つまり学位や技術を修得すれば）、何でも望みを叶えられる。他の人がその井戸から何かを得たいなら、あなたに頼みに来るだろう。あなたが提供するものにはあなたの名前が刻まれる。だから、あなたの評判は井戸から出てくる成果物の質に左右される。

AI以前は、大学はどの井戸を作る専門家になるかを選び、その知識を学生に共有していた。

しかしAI時代において、自分自身の井戸を作ることは簡単になった。それなのに大学は未だに「井戸を作る方法を教える商売」をしているつもりでいる。

結局、井戸の所有者が自分の成果物を市場に出し、自分の名前を刻んで提供するしかないんだ。市場があればそれはそれで素晴らしい。なければ別の井戸を作ればいい。

昔の教育は「ペット」だったが、今は「家畜」だ。大学側はこのマインドセットの転換を受け入れようとしていない。