AI宿題マシン時代の教育の挑戦

• 近年、AI宿題マシンによって教育現場の課題が増大している
• 学生はChatGPTのような生成AIを使い、課題の不正行為に簡単に手を伸ばせる
• 教育者は、AI活用が実際の学習と思考のプロセスの断絶につながり得ることに懸念を示している
• 学校現場では、AI利用を制限したりアナログ方式（手書きなど）を導入したりする試みが現れている
• この問題を乗り越えるには、教育環境全体の変化と慎重なアプローチが必要である

---

序論: AIとバトレリアン・ジハードの比喩

• 筆者は昨年から、Duneのバトレリアン・ジハードの原則（「人間の心に似た機械を作ってはならない」）の適用を主張してきた
• この原則は、AIに対するさまざまな懸念を一つの信念へと束ね、医療など善意のAI活用と人間模倣的なAIを区別する基準点として提示されている
• 近ごろ「反AI」運動が実際に広がりつつある
  • 「Destroy AI」Tシャツの登場、AIスクレイパー防止用トラップ、反AIメッセージの大衆的拡散
  • 文学界や出版業界では反AI条項が標準化しつつある
• AIを活用したパネル選定論争などを通じて、クリエイター、アーティスト、作家たちはLLMとのあらゆる相互作用さえ創造的連帯への裏切りだと受け止めている

AIへの感情的・精神的反発

• 単なるラッダイト運動を超えて、AIへの根源的な拒否感の広がりが観察される
• AIの人間の物まねや非倫理的活用への不快感は、具体的な反論を超えて内面深くに根づいている
• AI技術への論理的反論が無力化されても、そのものへの拒否感は簡単には消えない

教育現場でのAI問題: 宿題マシンの台頭

• 近年、実際の教育現場で感じられる最大のAIの影響は課題の不正行為である
• さまざまな記事でも、学生のAI依存の増加、教師の挫折感、AI活用への混乱が表れている
• AIチューターは理想的に見えるかもしれないが、ハルシネーションや誤情報の生成、実際の学習効果の欠如といった限界がある

AI活用が学習および評価構造に及ぼす影響

• AIは課題の成果物と実際の思考・練習プロセスを切り離し、学生が本当に理解しているかどうかを把握しにくくする
• 「望ましい困難さ」（Desirable Difficulty）を回避させ、短期的な便利さだけを与える
• 一般教養科目だけでなく、専門、創作の授業などでもAI依存の誘惑が強く働く

実際の授業経験とAI不正行為検出の問題

• 筆者の大学のライティング授業でも生成AIの利用が急増している
• 基本的なユーザーのミス（例: 著者情報の欠落、事実誤認など）で発覚することはあるが、次第に検出は難しくなっている
• AI活用検出の限界により、教師は評価過程で不信、疲労、協力的というより敵対的な心理へ流れがちになる
• 学生もこれにますます巧みに対応し、学業不正の自認率は徐々に低下している

AIと文章作成: ツールの本質的な違い

• AIで作成された成果物は本質性に欠け、人間的な対話が不在であるため、教師の疲労感を増大させる
• AIを「言葉のための電卓」とたとえる見方もあるが、電卓だけで数学教育を置き換えられないのと同様に、AIも文章を書く力そのものを代替できない
• 真の学習と成長には、AIに依存しない創造的思考と表現が重要である

AI利用制限とアナログ方式の実験

• AI検証のためGoogle Docsなどで提出形式を制限したが、現実には監視と不便さが増した
• 学校ではAI利用の許容範囲を細分化したものの、実際に引用・開示する学生はほとんどいない
• 学生自身もAIを「不正行為」と認識しており、隠そうとする傾向が強い

学生たちのAIに関する認識と悩み

• 学生たちはAIそのもの、そしてデジタルプラットフォーム依存が積み重なった生活に疲れを感じている
• 一部は将来のプロジェクトでのAI乱用を懸念し、あるいは「技術の節度ある活用」を望ましい未来として思い描いている
• こうした悩みは、AIに対する年齢別利用制限や社会的規制の必要性を後押ししている

AIの認知的悪影響と社会全体の問題

• 人間の心を模倣するAI技術は、情緒的混乱、依存、妄想などの副作用を引き起こし得る
• こうした問題は教育だけでなく、ビジネス、法律、科学など社会全体での不正行為へと広がっている
• それは信頼の基盤の弱体化や真実の損傷といった危機を招き得る

対応策: アナログ中心授業の実験

• 根本的な回避策として、次学期には手書きおよび紙ベースの学習方式を導入する実験を計画している
• 学生はデジタル機器なしで自ら手書きし、問題を解くことになる
• 成果物ではなく参加と完遂により焦点を当てる、プロセス重視の評価を行う予定だ

結論: 人間性回復のための教育パラダイムの変化

• AI擁護派は「AIがすべてを変える」と主張するが、それがより良い教育環境を意味するとは限らない
• AIへの対応の過程で、究極的にはより人間的で、相互尊重と内省に満ちた環境が必要だと強調している
• 絶え間ない変化のさなかで、教育の本質の回復と新たな飛躍を願っている

追加ニュース

• 筆者は今学期、ASU大学院生政府から優秀授業賞を受けた
• 第63回 Glendon and Kathryn Swarthout Awardsで大学院小説部門1位を受賞した
• National Wildlife FederationとAmerican Universityの「責任ある炭素除去研究所」が主催するCarbon Removal Justice Fellowshipに選抜され、DCとルイジアナで研修を行う予定である
• Hayden’s Ferry Reviewのブログにインタビュー記事が掲載された

Art Tour: Turbulent Mountain Waterfall

• 最近Phoenix Art Museumを訪れた際、Pat Steirの「Turbulent Mountain Waterfall」(1991) を鑑賞した
• このイメージは、これから来るアリゾナの暑さの中で心を涼しくしてくれる記憶として残りそうだ

[GN⁺]

Hacker Newsの意見

• たぶん方式を変えるのも効果があるかもしれない。もしAIを活用して家で学習し、学校では監督下で「宿題」をやるようにしたらどうだろうかと思う

  • Flipped classroomという概念があって、私の修士論文のテーマだった。実際にはもうかなり古いアイデアだ

• 私は3万人規模の大学で数学を教えていて、最近は再び「紙とペン」で監督下の試験を行う伝統的な方式に戻っている。学生たちはこうした変化に特に不満はなさそうだが、学内の事務部門はこの流れを歓迎していない。すべての評価を遠隔授業向けにしなければならないという圧力が強い。対面授業とオンライン登録学生の両方に同じ評価方式を求める方針だ。オンライン登録は大きな収益源なので、これを拡大することが非常に重要視されている。もしCalculus Iの7クラスのうち1クラスがオンラインで開講されると、残り6つの対面クラスでも対面評価がすべて禁止される。「公平性」が名目だ。本当にこういう状況だというのがもどかしい

  • 私もその圧力を感じている。実際、私たちが経験しているAI問題のかなりの部分は、AIが私たちの社会の別の問題をあぶり出しているからだと思う。たとえば教員が最も授業内容をよく知っていて実際に教えているのに、実際の決定権は事務部門にある。また、大学が金儲けを目的にしているのも問題だ。AIはこうした問題を悪化させてはいるが、実際にはAI以前からあった構造的問題だ。状況がもっと悪化してからようやく根本の土台が修正されるのだろうと期待している。運が良ければ、私たちが長い間無視してきた問題を今回の機会に正せるかもしれない。そうでなければ、良くなる機会もないままただ悪化するだけだ
  • 私はHarvard ExtensionのSoftware Engineering学位を持っていて、実際に何度も物理的に監督された環境で試験を受けなければならなかった。マドリードやロンドンで受験するのも特に難しくはなかった。大学や学生の立場からしても、それほど難しいことではない。今はGeorgia Techのオンライン修士課程を受講しているが、オンライン評価と監督もきちんと機能している。数学的内容の多いコース（例: Simulation）もオンラインで十分可能だった。ただし、一部の科目（Graduate Algorithmsなど）はオンライン評価に苦労しているようだ。教授が対面評価を好むのは理解できるが、私としては監督の選択肢を十分に用意してくれて、さまざまな科目を選べるなら大きな不満はない
  • オーストラリアでは、遠隔学習の大学でも大都市に監督試験会場サービスを複数設けている。授業は遠隔で受けるが、期末試験は必ず公式の監督試験会場で受験しなければならない。試験が最終成績の50%以上を占めることもある。アメリカでもこういう方式を導入できないだろうかと思う
  • 私が会った学生たちは、この「昔ながらの方式」を与えられたことに一様に衝撃と失望を示している。苦労して取ろうとしている学位がますます役に立たなくなっていく事実に打ちのめされているが、だからといって試験が戻ってくることを望んでもいない。特に神経多様性のある学生は試験環境でより脆弱で、オープン課題でははるかに優れて見える（私のサンプルが偏っているのは事実だ）。彼らは解決策が見つからないと言う。最大の被害者である学生の立場からすると、状況そのものも、実質的に助けにならない「解決策」も、どちらももどかしいだけだ
  • 私が通っていた大学では、技術系の授業ではほぼ例外なく鉛筆と紙だけを使うよう教授がこだわっていた。エッセイを書くときは特定の科目だけノートPCが許可され、それでも教授が試験時間中ずっと教室を歩き回って直接監督していた。以前はなぜ新技術を使わないのか懐疑的だったが、今では教授たちに感謝している。実際に手で数学を書きながら学ぶことで、理論への理解がしっかり積み上がった。今の学生たちを見ていると心から気の毒に思う。教授の皆さん、ときには「NO」と言ってほしい。学生はあとで感謝するだろう

• 教育システムは昔から壊れていて、ほとんど役に立たないとずっと思ってきた。教師が実際に何かを「教えている」と感じたことはほとんどない。むしろ考える姿勢を見せると、カリキュラムに合わないという理由で押さえつけられる。AIが宿題を簡単にこなせるということは、それだけ宿題に価値がないことを示していると思う。本当の授業と学習には協働が必要だ

  • AIが宿題を代行できるという点だけで宿題に意味がないと考えるのは表面的な見方だ。多くの宿題は実際、電卓やWikipedia、教科書を参照しても簡単にできる。だからといってその宿題が不要だったわけではない。実際には宿題を通じて脳の思考の枠組みを構築し、複数の技能を同時に学ぶ。もちろん時代が変わるにつれて、過去とは評価の意味が変わったのも事実だ
  • 宿題の目的は、実際に練習し、必要な部分を見つけ出し、進度を確認することだ。AIが宿題をできるからといって宿題が無価値になるわけではない。もちろん悪い経験をしたり良い先生に出会えなかったりしたのは本当に残念だが、大多数にうまく機能するシステム全体を無視するのは合理的ではない。独立した批判的思考を期待する以前に、読解や基礎数学ができない学生は多い。学校で数学の問題を通して「結果に対する合理的推論」を学んだのも重要な点だ。実際、4万3千kmの橋が妥当かどうかを検証する能力は重要だと思う
  • 今のAIはハーバード級の大学の数学やプログラミングの宿題もこなせるが、GPT以前の時代でも私は宿題から本当に多くを学び、宿題そのものも楽しんでいた。AIがあるからといってすべての意味が失われるというのは論理の飛躍だ
  • 宿題の本当の目的は宿題そのものをやることではなく、学習能力と学びを証明することだ。人にやらせようがAIにやらせようが、結局実力が身につかなければ卒業証書の意味はない。大学は評価方式を改善して学位の信頼性を守るべきだ。もしAI活用能力が必要なら、それは別途評価して学位を与えるべきだと思う。つまり、通常のComputer Science学位とAI Assisted Computer Science学位は明確に区別されるべきだ

• コンピュータ工学／プログラミングを教えているが、AIに対する最適な方針を見つけるのは簡単ではない。一方で私自身もAIを多用していて、学習に大いに役立っている。しかしAIは作業を素早く終わらせてくれる代わりに、成果物の質は下がる。学生は必修課題を「通過すべき障害」程度に見ていて、できるだけ楽に越えることに集中する。このときAIは学習支援というより、ただの宿題マシンとして使われている感じだ。コンピュータの使用や特殊な言語（私が自作したコンパイラのようなものの使い方）は導入できない。今のところ私のやり方はプロジェクト課題と口頭試問が中心だ。プロジェクトは協働が必須なのでLLMで正解をそのまま出しにくい構造で、口頭試問では実力と理解の深さがすぐ表れる。だが毎年、数人の学生は3学期も時間を無駄にしながら、基礎的な概念すらまったく結びつけられないことがあり、そういうときは教員として「無駄な時間だった」と伝えざるを得ない。Linuxの基礎は単なるターミナル実習なので、LLMがまだターミナルAPIにアクセスできないぶん影響を受けにくい分野だ。IDEをオンライン提供してコピペの過程を監視することも考えるが、学生が自分のコンピュータで直接ソフトウェアを動かせない現実は気が進まない

  • 私もそれほど古い世代ではないが、大学でのCS評価はグループプロジェクトと対面の筆記試験が基盤だった。試験会場にはプログラミング機能や大容量メモリ付きの電卓はもちろん、ノートPCも持ち込み禁止だった。大きな不便はなかった。今は議論が大きいが、実のところ世代間対立や学生の権利主張以上の問題ではない気がする。本当に危ういのは、長文の論述評価が必要な科目のほうだと思う。口頭試問や論述試験（Blue book）なども昔は十分うまく機能していた
  • 学生が必修課題を「無難に越えるべき壁」程度に見る態度は、オンラインコミュニティ（Hacker Newsなど）に広く浸透しているように思う。LLM以前から「大学は無意味だ」「学位は紙切れだ」「講義内容は無価値だ」、ひいては「だからカンニングしても合理的だ」という論理が多かった。しかし実際に学生の就職力や実務能力を評価すると、きちんと学習した学生と、ただゲームのように切り抜けようとする学生は見分けるのがとても簡単だ
  • 口頭試問で学生の実力がよく表れるという点には同意する。もしコンピュータ実習室があるなら、毎回の授業で定期的にリアルタイムのプログラミング練習問題を出すのもよさそうだ。IDEのオンライン提供やコピペ監視は、実力のある学生が自分のエディタを使えなくなるので欠点もありそうだ。私自身もWebページ上でコードを書くのは気が進まない
  • 毎年、基礎をまったく理解しないまま試験会場まで来る学生が何人かいるのを見ると少し衝撃を受ける
  • もし学生が自分でプログラミング言語を設計・実装する科目があるなら、前年度の最優秀学生作品の言語を使うのも方法かもしれない。そうすればLLMが簡単に正解を生成できない。私も数学／コンピュータとはまったく別の分野だが、興味深いアイデアだと思う

• AIは将来の学生の学習を爆発的に促進する可能性が高いと見ている。モンテッソーリ教育のように、LLMはそれぞれ異なる方向へ進路を探る学生を助けられるかもしれない。私の場合、高校のとき教師が答えをはぐらかしたり議論を深めなかったりして、いつも疑問が解消されなかった（特に生物や化学で）。もちろん今の教育環境は宿題中心なので、本当に好奇心のある学生だけがLLMの恩恵を受けている。新しい授業方式が導入されるなら、すべての学生の中にある好奇心をもっと引き出せるようになってほしい。もしLLMが三角関数などの主要概念の大きな流れは保ちつつ、テーマごとに探究できるAIツールを知っている人がいれば紹介してほしい

  • 今の問題の核心は「宿題中心」の構造だと思う。本当に好奇心のある学生に必要なのは、むしろ「余裕のある時間」だ。忙しい課題や絶え間ないLLM活用より、昔のように授業量が適度で自分で探究する時間が残るほうがよかった気がする。私の場合、音楽と電子工学を独学したとき、試験の代わりに自分で進度を確認する別の基準（実際に回路が動くかどうかなど）で成長を測った。外部の基準なしに、単にLLMを使うだけで深い理解が可能なのかは疑問だ
  • 私は、Socraticスタイルの対話で自由に話題を分岐できるよう設計したAIチューター製品を作っている。興味があればウェイトリストに入れられる。数週間以内にMVP公開を目指している
  • 複雑な問題を探究するとき、嘘をついたり偽の引用を生成したりするかもしれないAIと対話するのは、むしろ妨げになる
  • AIが実際に学習に爆発的な助けを与えた事例をまだ直接見たことがない。オンラインのレビューや自己申告だけでは信頼できない
  • 以前は特定の概念に行き詰まると、教師が上の空で答えたり深く説明してくれなかったりして、いつも消化不良だった。最近はAIを通じて、より流動的で探索的な学習が可能だと気づいた。私にとってもChatGPTは完璧ではないが、概念比較や論理的な反論を通じて思考を広げるのにかなり役立つ。実際にはAIの答えを正解として受け取るのではなく、自分の考えをあれこれ跳ね返して新しい探究の方向を見つけるために使っている

• 私は小さな大学で教えている。私たちが使っている方法は次の通りだ

  • すべての中間試験と期末試験は手書きで実施
  • 学生に、プログラミング課題をどう設計しコーディングしたかを説明させる（15〜20人規模だから可能で、人数が増えると難しい）
  • 複雑なテーマについて学生発表と質疑応答
  • 1枚の手書き要約、図、マインドマップなどを提出
  • プログラミングのラボ実習でも、その日の要件を創造的に変更して即興で解決させる（例: 「クライアント」が要件を変えたというシナリオ） 実際の問題は、この方式が教師にずっと多くの労力を要求することと、枠の外で考えようとする人があまり多くないことだ
  • 「手書き」というのは、本当にペンと紙を意味するのかという質問だ

• 今の流れが続くなら、今後は大半の大学の学位が完全に無価値になる気がする。AIで宿題を不正に片づけた学生が卒業証書を受け取るなら、その学位は学習達成の証明として何の価値もない。そういう学位を授与する機関は、昔の悪質な学位工場と変わらない。自分の学位が2011年物でむしろよかったと思う

  • 私が出会った最高の教授たちは、宿題の点数をほとんど重視しないか、提出確認だけをする程度だった。出席もまったく成績に反映しなかった。教授たちは授業と課題を学習手段としてだけ提供し、実際の評価は授業中または大学の公式試験センターで監督下の試験を行う方式だった。成人した大学生を宿題点や出席で管理するのはやや幼稚で過保護だと思う。自分で学習させ、カンニングが不可能な環境で実際にどれだけ学んだかだけを評価するほうが合理的だ。宿題カンニングを取り締まるのは本当の授業改革ではなく、限界に達した既存システムを一時的に補修している感じがする
  • 学校や大学は宿題を「実力の証拠」とみなすのをやめるべきだ。宿題の点数自体に意味があるのか疑問だ。AI時代はもう後戻りできないのだから、大学も現実を認めて変化に備えるべきだ
  • 私はむしろ逆だと思う。検証された大学の学位はもっと価値が高くなる。トップ大学は遠隔課題より対面試験を重視し、実質的な学習を確認する方向に変わるだろう。実際、不正行為は昔から蔓延していたし、良い大学には卒業までカンニングを続けにくくする仕組みがある。私の周囲の州立大学では、どの教授・どのクラスを選べばカンニングの機会が多くて楽に卒業できるかが学生の間で広く知られている。不正に厳しい教授は学生評価で報復されることもある
  • AIとは無関係だが、オンライン試験でのカンニングの逸話がある。姪がパンデミックでオンライン授業に切り替わってから、クラス平均点が急に上がった。姪は最初はカンニングを拒否していたが、結局ほかの人と同じように始めた。モニター周りの壁に大量の付箋を貼って試験を受けていたが、父親が入ってきて壁紙が傷むと叱った
  • この問題は新しくないと思う。私も昔、教授たちがJava IDEの自動補完は学習の妨げになると言って、直接VimとCでSSH接続してラボをやらせていた

• MBAの課題で私がやっていた方法はこうだった

  • まず自分の意見を決める
  • その意見を裏づける論文を十分に検索するが、内容を丁寧には読まず要旨だけ確認する
  • エッセイを書きながら、参考論文からその主張に最も合う部分だけを抜き出す こういうやり方には学習がまったく介在しない。むしろジャーナル検索の技術だけが上がる。望む見解を支持する論文はいつでもたくさんあり、要領よく探せばよい。この過程をLLMに完全に委ねても、実際の教育には何の影響もないと思う
  • それは残念な状態だ。実際に論文そのものに没入して学べなかった理由が気になる
  • 実際のところ問題は自分自身だ。科学的方法に基づいて論文を書くなら、心から取り組めばどんなテーマでも良い文章を書ける。だがMBAのような学位は、実際には昇進やキャリア転換のための踏み台として認識されている。実際、「本当の科学」をしたところでより良い報酬が得られる構造ではない。私も同じやり方を複数の科目で何度も繰り返し、単位だけ取った。中身がそれらしく見えれば十分だった。実際に社会に出てみると会社も似たようなものだ。自分の意見を証明する資料だけ選んで提出し、なければ似た根拠でも引っ張ってきて自分の主張を支えているふりをすればいい。自分の意見や前提が間違っていても、上司や顧客にそれは違うと言っても報われない
  • ある友人の心理学の課題を、私は背景知識ゼロで代筆したことがあるが、最高点を取った。まさに今説明されたのとまったく同じやり方だった。私の母は、外国人学生のために講義録音をもとに論文を代筆するサービスまでやったことがある
  • たとえ論文を要約するだけだとしても、誰かが論文を実際に書き、独立した思考で知識を生産していることは考える必要がある

• 教育の目的が何であり、今後何であるべきかを人類全体で省みる必要がある。現実的に考えて、大学の学費を払いながら自分の実力や理解を自分で損ないたい人など誰もいないはずだ。学生の90%は卒業証書が就職の切符だから目的が明確で、残りの10%はむしろ自分自身についての不都合な真実すら認めないという点で、雇用主が信頼を置かなくても不思議ではない。実際、試験の成績や学業成績が客観的な物差しではないことは誰もが知っている。教育基準やカリキュラムは学校ごとにばらばらだ。私も高校ではGPA 3.2でどうにかやっていたが、大学に行くと「数学のプレースメントテスト」が中学レベルで簡単に解け、GPA 4.0の学生ですら基礎科目から取り直すことがよくあった。それでも標準化テストへの反発はいつも非常に強い。SATのように繰り返し受ける機会があるにもかかわらずだ

  • 本当に学びたい10%の学生まで、結局は学位工場のゲームに妥協しろという意味なのかという反論だ。自分もややシニカルではあるが、それでも行き過ぎだと思う

• 逆の経験もある。もしAIがなければ、学校の外でRustを去年最後まで学び切る忍耐はなかったと思う。いつでもアクセスできる個人チューターがいるおかげで、シャワー中に思いついた疑問でもすぐ聞けるのは本当に大きい。同時に、もし自分が再び学校に戻るなら、試験や課題で遅れを取らないためにAIを必ず使うと思う。AIが偏差値調整型の評価環境では、全員がAI使用を強いられるゲーム理論的な環境になってしまう

  • 私も同じようなものだ。AIは学習ツールとして本当に強力だが、教育システムにとっては課題でもある