大学講師、AI作成課題を減らすためタイプライターを活用
(sentinelcolorado.com)- 手動タイプライター課題 の導入により、画面、オンライン辞書、スペルチェッカー、削除キーなしで文章を書かせ、コンピューターなしでも自分で文を作れるかを直接見つめさせる
- 生成AIとオンライン翻訳プラットフォームによって文法的に完成した課題が増えた現実がきっかけで、デジタル以前の書くこと・考えること・教室体験を実感させるため古い手動タイプライターを確保
- 授業では German keyboard と QWERTY キーボードのタイプライターが並べられ、紙の差し込み・キー圧の調整・キャリッジリターンといった物理操作が必要なため、すべての作業速度が遅くなった
- 学生たちは 気が散る要素の減少 を歓迎し、画面も通知もない状態でクラスメートに助けを求め、より多く会話するようになり、削除キーがないことで書く前により意図的に考えるようになった
- タイプミス、不規則な間隔、遅い入力といった 物理的制約 そのものが学習過程の一部として受け止められ、教室内でのペンと紙の試験・口頭試験への移行の流れともつながっている
授業へのアナログ課題導入
- Cornell University のドイツ語講師 Grit Matthias Phelps が、学期ごとに一度、学生に 手動タイプライター で作文課題に取り組む機会を提供
- 画面、オンライン辞書、スペルチェッカー、削除キーなしでタイピングする感覚を体験させる方式
- シラバスでは analog 課題として編成
- この課題は 2023年春 に始まり、学生が生成AIやオンライン翻訳プラットフォームで文法的に完璧な課題を作ってくる現実へのフラストレーションがきっかけ
- 「What’s the point of me reading it if it’s already correct anyway, and you didn’t write it yourself? Could you produce it without your computer?」という発言を含む
- デジタル以前の 書くこと・考えること・教室での体験 を理解させるため、中古店やオンラインマーケットプレイスで何十台もの古い手動タイプライターを確保
- Cornell の外でまでタイプライター再流行を断言するのは時期尚早としつつも、ノートPC課題でのAI利用を防ぐための 教室内でのペンと紙の試験、口頭試験 といった旧来型評価への移行ともつながっている
アナログ授業当日の教室風景
- ある最近のアナログ授業の日、学生たちは机の上に置かれたタイプライターを見ながら教室に入り、一部は German keyboard、一部は QWERTY keyboard の配列だった
- 19歳の新入生 Catherine Mong は何が起きるのかまったく知らず、タイプライターは映画でしか見たことがないとして、その使用には「a whole science」があると表現
- スマートフォン世代にとって手動タイプライターは見た目ほど直感的ではなく、Phelps は紙を手で差し込む方法や、文字がにじまない程度で、それでも十分な力でキーを押す方法を実演
- 行末で鳴るベルは1行の終わりを意味し、キャリッジを手動で戻して次の行を始めなければならないという説明を含む
- ある学生の「that’s why it’s called ‘return.’」という反応を含む
- Phelps は「すべてが遅くなる」と語り、昔のように 一度に一つのこと しかしていなかった感覚と、その中にある楽しさに言及
- 7歳と9歳の子どもを「tech support」として連れてきて、学生が携帯電話を取り出さないよう確認させた
気が散る要素の減少と相互作用の変化
- 学生たちは 気が散る要素の減少 を歓迎し、この課題の核心は単なるタイプライターの使い方習得を超えたところにあった
- コンピューターサイエンス専攻2年の Ratchaphon Lertdamrongwong は、タイプライターで打つことの違いは機械との相互作用だけでなく、周囲の世界との関わり方 にもあると気づいたと語った
- その授業では鑑賞した ドイツ映画の批評文 を書く課題に取り組んだ
- 画面がなければ書いている間に通知に邪魔されることはなく、指先ですぐにすべての答えを見つけられない状態で、クラスメートに助けを求めるようになり、Phelps はそれを積極的に奨励
- Lertdamrongwong は、エッセイを書いている間、より多く会話し、より社交的にならなければならなかったと語り、現代の教室では人々がいつも ノートPC や 携帯電話 を見ていることと対比
- 削除キーがなく、あらゆるミスをすぐに修正できないため、書く前により意図的に考えるようになったと述べた
- 「I was forced to actually think about the problem on my own instead of delegating to AI or Google search」という発言を含む
手動タイプライターの物理的制約と学生の反応
- ほとんどの学生は小指の力が足りず、タッチタイピング が難しかったため、人さし指でキーボードをたたきながら、よりゆっくり入力した
- 新入生 Catherine Mong は最近手首を骨折しており、片手しか使えないという追加の困難も経験
- 自分を完璧主義者だと紹介した Mong は、特定の文字間の奇妙な空きやタイプミスによってページが乱雑に見え、最初はフラストレーションを感じた
- Phelps は学生たちに、誤りの上でバックスペースを打ってから ‘X’ を重ねてタイプするよう案内
- Mong は鉛筆の跡だらけで、きれいにも完成しているようにも見えない成果物を提出したが、ミスをする過程そのもの を学習の一部として受け入れた
- Mong は詩のタイピング課題を「fun and challenging」だと表現し、奇妙な空きを受け入れ、詩人 E.E. Cummings 風の字下げや断片化された行構成のためにページの視覚的な境界を活用
- 何枚もの紙と多くのミスが必要で、そのすべての成果物を保管
- 壁に飾るかもしれない、タイプライターに魅了された、友人たちにドイツ語試験をタイプライターで受けたと話した、という反応を含む
1件のコメント
Hacker Newsの意見
私がComputer Scienceの学位を取っていたときは、ほとんどの科目が期末50%、中間30%の比重で、プログラミング試験も手書きで、TAの監督の下、講義室や体育館で受けていた。
課題・ラボ・プロジェクトの比重は小さかったが、それをやらないと学期末試験を通るのは事実上とても難しかった。
だから、私たちはすでにAI耐性のある教育をしていたのだと感じる。
ところが、Bologna processに合わせるという名目と、米英式制度をまねる流れの中で、継続評価と課題評価が中心になる大学改革が入ってきた。
その結果、仕事と両立している学生は出席やセッション参加点のせいで大きく不利になり、LLM以前から可能だった代行課題型の不正もやりやすくなった。
以前は金があるか専門家の家族がいる一部の人しかできなかったことを、今では誰もがChatGPTでできるようになったので、急に怒り出す空気になっているが、実際の対応はいい加減な検出器や課題難易度を上げるといった形で、結局まじめな学生だけがさらに苦しくなっている。
教員研修では昔の試験中心のやり方を古いNapoleonicモデルだと決めつけていたが、長く維持されていたのにはそれなりの理由があるのかもしれない。
今になって皆が間違っていたと認められない様子のほうが、むしろ問題に見える。
ただ、論文や文章を書く力は本当に重要で、実際その部分を十分に学ばないまま卒業する学生が多いと感じる。
オランダのComputer Science課程も文章訓練が弱く、英語やオランダ語の力がほぼ高校レベルにとどまっている学生をよく見た。
私自身、きちんと書く方法を身につけたのはPh.D.を始めてから、指導教員に厳しく鍛えられてからだった。
長期的にはAIが教育に個別最適化学習をもたらし、良い方向に働く可能性があると思う。
口頭試験や伝統的な筆記試験のように知識をごまかしにくい評価もあるし、教師の立場では検証作業の自動化も大きな助けになる。
サブネットのような筆記パートは少しだけで、点数の大半は実際に物理ネットワークを構成してテストし、終わったら退出する方式だった。
先生は私たちが入ってくる前にネットワーク三か所をわざと壊しておき、私たちは約20分で原因を見つけて直さなければならなかった。
大きなDINコネクタをほんの少しだけ緩めて、一見すると正常そうに見せるいたずらが特に印象的だった。
高校のころからパンチカードを使っていて、コンパイル結果を受け取るのに24時間かかることもあったので、コードを本当に深く考えるようになった。
そのため、千行規模のプログラムでも手でdesk checkする習慣がつき、可読性と単純さを高めてタイプミスや論理エラーを見つける訓練が自然にできた。
あるときは、コンパイルが通らないと分かっていてもひとまず修正版を出し、隠れていた別のエラーを表に出すというやり方もしていた。
試験では4〜6回ほどしか試行の機会がなく、きれいにコンパイルが通ることと正しい出力の両方を満たさなければならなかった。
今40年以上たって、似たような緊張感を感じる分野はembedded codeくらいで、昔のこうした技術が生産性の幻想の中でかなり失われたと感じる。
大学で最も楽しく、やりがいがあったのはいつも課題とプロジェクトだった。
ただ、それが今ではAI不正にずっと弱いのが残念だ。
私は昔、数学の授業で電卓解禁論争が起きていたころを覚えている。
ほとんどの学校が電卓を禁止していたとき、私たちの学校は逆に全員に電卓を義務化し、課題と試験もそれに合わせて変えた。
暗算で出せる整数の答えの代わりに、解き方が合っているかどうかでしか正解が分からない複雑な問題を出し、TI-BASICのプログラムを試験で使うことも許可していた。
私は一夜漬けの代わりに、試験に出るタイプごとの解法プログラムを自分で作り、電卓に試験の通り方を教える過程で自分も一緒に学んだ。
その経験がComputer Science専攻とソフトウェアのキャリアにつながり、最新技術を不正ツールではなく潜在力の増幅器として見てくれた先生たちに今でも感謝している。
だから学校はAIを防いだり摘発したりすることに集中するのではなく、むしろAIの使用を前提にした課題を作るべきではないかと思う。
学生はAIが存在する世界で暮らし働くのだから、特定の答えへ誘導しないプロンプトの書き方、幻覚を検証する方法、そして以前よりはるかに複雑な成果物を作る方法を学ぶべきだと思う。
前の世代とまったく同じ教育を繰り返すのは、今の学生にとってむしろ不利益だと感じる。
君が電卓で問題解法プログラムを書きながら学べたのは、方法を十分理解していたからこそ自分で実装できたためだ。
一方でAIに問題解決を任せると、普通は何も学ばずに終わり、試験問題はもともとよく整理されているので、プロンプト技術すら大して必要ない場合が多い。
AIで背景知識を得ることはできても、試験でそのやり方が教育効果を生むわけではない。
本当にAIの使い方を教えたいなら、単独のAIの授業を設ければいいと思う。
電卓や中古コンピュータは一度買えば済んだが、AIは継続的に費用がかかる可能性が高い。
そうなると結局、裕福な家庭とそうでない家庭の格差だけがさらに広がる気がするので反対だ。
電卓は入力された計算を実行するだけだが、LLMは自ら判断した出力を出し、利用者はその判断が正しいか評価できなければならない。
それは結局、先行する教育と経験があって初めて可能になる。
だからLLMは代替物ではなく専門家向けの増幅器に近く、まず非LLMの教育課程を十分に終えたうえでLLM活用を学ぶべきだと思う。
科学電卓は内部回路や所有構造が明確で、金を払えば自分のものになり、本を見てプログラミングもできた。
ところがAIは一部のbig tech企業に従属しており、利用者にはほとんど統制権がない。
慣れた後で価格を上げるbait-and-switchの構造が出てきても、拒むのは難しいかもしれない。
だからAIを電卓のような教育ツールと見るのはapples and orangesに近く、学生に無料でAIに慣れさせることは、結局サブスクリプション型のbig tech依存を強めることになると思う。
学生にとって親はほとんど何でも知っている専門家のように見えるが、ときどきでっち上げることもあり、学生にはそれを見分ける基礎知識がないかもしれない。LLMも似たようなものだ。
だから、エッセイを親に代わりに書いてもらったり、美術の課題を親に代わりに描いてもらったり、試験中に地理の問題を親に聞かせたりしないのと同様に、AIも無制限に許可するのは難しいと思う。
私は以前、授業評価をプロジェクト60〜80%、オンライン小テスト40〜80%くらいで運用していた。
今はプロジェクト50%、対面小テスト50%に変え、メモ1枚持ち込み可の鉛筆・紙試験へ移行しているところだ。
授業中に読んで注釈を付ける論文を印刷するなど、だんだん紙中心のワークフローへ移っている。
皮肉なことに、大学の遅い事務手続きと既存インフラがこうした転換にはむしろ役立っている。
今後、大学の学位が単なるAIプロンプト能力ではなく、実際の力量のシグナルになり得るのではないかと感じる。
特に通常の課題が監督されていない場合、個人評価をごまかせない環境にするとチーム課題の質がずっと良くなるのを何度も見てきた。
メディアが騒ぎ立てるドラマ的な記事の多くは、たいてい怠惰な機関の問題を示しているように感じる。
私の試験はプロジェクトを含めてほぼすべて対面実施で、提出物を持ってきたらコードを一行ずつ指して自分で説明させている。
うちの学校は試験制度をまだ大きく変えられていないが、私は少人数クラスなので、こうした対面検証が可能だ。
本当に何も学んでいない学生が試験で20〜40%以下になるような難しさにしているのか気になる。
もし四択なら、当てずっぽうでも**期待値25%**は出るからだ。
私が受けている授業の一つは正反対で、学部生なのにPh.Dレベルの作業を求め、AIの使用も期待している。
別の授業はAIを使ったと明かしさえすれば問題ないし、また別の授業はAIを即座に不正行為と見なす。
方針の違いが大きいという言葉でも足りないほどバラバラで、誰も正解を知らない雰囲気だ。
個人的には、今のところAIで自分のレベルを超えることをやってみるほうがいちばん多く学べていて、一学期ずっと必死に勉強するより学んだ気がしている。
私は日本の二つの大学で教え、他校でもAI関連の講演をしているが、教員も学生も合意がないという点でだけ合意しているような雰囲気だ。
文章、コード、事業計画、音楽のような複雑な成果物を作らせる方法は、もともと学習や記憶に効果的で、卒業後の実生活にもつながっていた。
しかしAIは、その成果物を作る過程を近道に変えてしまい、学生がほとんど学ばなくても結果だけ出せるようにしている。
同時に、文章作成・プログラミング・企画のような技能が将来もどれほど直接的な価値を持つのかも不確かになった。
このように既存の教授法の前提は崩れているが、教育者・学生・事務は依然として過去のやり方に縛られている。
AIは新しすぎ、進歩も速すぎるので、方向性を自信を持って語るのは難しいが、私の考えでは教育は根本的に変化しなければならず、その過程は決して容易ではないだろう。
基礎的な算数を学ぶときには電卓は学習経路を短絡させるのでチートだが、微積分ではむしろ必要になる。
AIも同様に、ある授業では学習を壊し、別の授業では学習を促進し得るので、状況別の方針は十分に合理的だと思う。
そのレベルの作業に必要な基礎知識がまだない可能性が高く、今学んでいる内容の何が正しいのかすら自力で判断しにくいのではないかと思う。
学校の子どもたちは先生ごとに食い違うメッセージを受け取り、もっと混乱しているだろう。
私が興味深いと思うのは、人が論文を書くときにGoogle Docsを使えば、文書のライフログをかなり簡単に分析できるという点だ。
何をどうタイピングしたか、どれくらい速かったか、何を貼り付けて消したかまで、文書というよりほとんどイベントログのように残ると理解している。
だから理論上は、文書が作られる過程を再生して、どう書いたかを見ることもできる。
ただAI時代には、タイプライターで書くとしても、結局AIが先に草稿を作り、人間がそれを打ち直す方式のほうが効率的かもしれず、それ自体で目的が崩れる可能性がある。
完璧な下書きを先にもらって、あとはタイプするだけというのは、あまりに自然な流れに見える。
昔はIBM Selectricをプリンタのようにつなぐ奇妙なインターフェースもあったし、結局Typing as a Serviceみたいな冗談もそこまで荒唐無稽ではないと感じる。
学生の一人がLLMに画面を操作させて文書を直接タイプさせ、偽の修正履歴まで作る方法を見つけるのに一日もかからない気がする。
そのコツはすぐ広まり、そうしたメトリクスだけではますます判断しにくくなるだろう。
昔、ある学生が以前の学生の文章を持ってきて貼り付け、少しだけ直して新しい文書に見せかけたが、提出した.docx内の修正履歴を消していなかったため、そのまま発覚したという話を聞いたことがある。
でも今は、むしろ修復して使ってみようかという気になっている。
個人ごとのタイプミス率までまねし、USBキーボードのように動作する、キーロガー学習型LLMが出てきてもまったく不思議ではないと感じる。
なぜ最近は試験をもう対面・筆記でやらないかのように言われるのか、よく分からない。
私は比較的最近卒業したが、教育課程全体を通してtake-home examは一度くらいしかなく、残りは全部対面監督付き筆記試験だった。
その一度のtake-homeも普通の試験よりずっと難しく、より簡単だとは感じなかった。
その後は、教授が不正を放置するか、あるいは毎回新しい問題タイプを延々と作り続けるしかなくなり、AIの登場でその選択肢も事実上ほぼ死んだと感じる。
多くの学校や大学がオンラインシステムへ移行し、再登校後もそのとき作った仕組みを捨てなかった。
私は2020年卒業で全部を直接経験したわけではないが、教師の知人や数年後に卒業した兄弟を通じて見た変化の大きさは本当に大きい。
事前に勉強できる一方で、教室試験特有の極端な圧力や詰め込みがなく、たとえより長く難しくても、時間をかけて取りこぼした概念を理解できるので、むしろより多く学べたと感じる。
人間はいつもそうだが、自分たちにとって有益なものを誤った最適化で自ら台無しにしてしまうのが残念だ。
タイプライターは極端すぎると感じる。
私は学校で字がひどかったので AlphaSmart を使っていたし、インターネットにつながらないノートPCがあれば十分だと思う。
これらのコメントを読んでいると、アメリカの大学は少し滑稽に見えるとまで思えてくる。
私は試験を全部対面で受け、成績も100%試験で決まった。
そうして卒業した人は何百万人もいて皆ちゃんとやっているのだから、学生が特別に害を受けたとも思わない。
返信にある「ラボがないの？」のような反応のほうがむしろ奇妙に感じる。
ラボや課題はそのままやればよく、最終成績に直接入れず、試験受験資格を与える閾値条件にしておけば十分だ。
アメリカ式がすごいという話ではなく、単にもっと良くできる方法があり、学ぶ相手もいるという意味だと思う。
そんな狭い技能セットしか身につけていない人材を経済に送り出すのは惜しいように見える。
オンライン学位工場のような場所でもない限り、そうしたものがまったくない大学はほとんど見たことがない。
何百万人も出願し、多くの留学生がアメリカの大学で学んでいるからだ。
私はタイプライターでは、ワープロのように考えながら書くことがうまくできない。
たぶん先に手書きで初稿を書くことになるだろうが、そうしてタイプが単なる清書になるなら、AIが書いた文書を書き写すのと変わらなくなってしまう。
どうせ教室で書き、機材も学校が用意するなら、むしろロックされたChromebookのほうが安くて作文にも向いていると思う。
その文化が消えたなら、戻ってきてもよいと感じる。
私が大学に通っていたときは、成績が全面的に教授との口頭試験／討論で決まっていた。
それ以外はすべて受験資格を得るための入場券のようなものだった。
そういう構造では、そもそも誰が不正をしようとしたのかさえあまり想像できず、一夜漬け型の学生にはとてもストレスだったが、対話そのものはたいてい素晴らしかった。
ただし学部低学年の授業はほとんどが数百人規模なので、現実的には運用が難しそうだ。
その代わり大学後半の授業なら本当に試してみる価値があり、私もそういう方式があればよかったのにと感じる。