From Search to GenAI Queries: Global Trends in Physics Information-Seeking Across Topics and Regions

本研究は、物理学に関する検索およびWikipediaの閲覧データの長期的推移を分析することで、生成AIの普及に伴い、英語圏以外の地域を中心に従来の検索ベースの情報探索行動が世界的に減少している傾向を明らかにしています。

要約

タイトル： 「ググる」から「AIに聞く」へ：物理学の勉強はどう変わったのか？

🌟 ひとことで言うと？

「これまでは、わからないことがあったら図書館や検索エンジン（Googleなど）で『自分で答えを探しに行く』のが当たり前でした。でも最近、生成AI（ChatGPTなど）が登場したことで、学生たちの『調べ方』が劇的に変わってしまったのではないか？」ということを、世界中のデータを使って調査した研究です。

---

📚 例え話で理解する「情報の探し方」の変化

これまでの勉強スタイルと、これからのスタイルを**「料理」**に例えてみましょう。

• これまでのスタイル（検索エンジン）：
  あなたは「美味しいカレーの作り方」を知りたいと思っています。まず、レシピ本を何冊もめくったり、ネットで「カレー レシピ」と検索したりします。そこにはたくさんの材料や手順が載っていますが、「どのレシピが一番自分に合うか」を自分で選んで、自分で料理を作る必要があります。これが、これまでの「検索」による学習でした。

• これからのスタイル（生成AI）：
  あなたはキッチンに立たず、魔法のシェフ（AI）にこう言います。「冷蔵庫にあるジャガイモと玉ねぎで、最高に美味しいカレーを作って！」すると、AIが完成した料理を目の前にパッと出してくれるようなものです。自分でレシピを探して試行錯誤する時間は減りますが、料理はすぐに手に入ります。

---

🔍 この研究が明らかにした「3つの驚きの事実」

研究チームは、世界中のGoogle検索データやWikipediaの閲覧数を見て、以下のことが分かりました。

1. 「検索」の回数が世界中でガクンと減っている！
物理学の用語（「運動エネルギー」など）を検索する回数が、世界的に大きく減っています。これは、学生たちが「自分で検索して探す」のをやめて、「AIに直接答えを聞く」スタイルに乗り換えているサインだと考えられます。

2. 「物理学の種類」によって、AIへの頼り方が違う！
ここが面白いポイントです。

• 「力学（メカニクス）」（ボールがどう転がるか、など）：
  これは言葉で説明しやすいので、AIに「これってどういうこと？」と聞くと、AIが完璧な答えを返してくれます。そのため、検索が激減しました。
• 「電磁気学」（目に見えない電気の力、など）：
  これは図やグラフ、複雑なイメージが必要な分野です。今のAIはまだ「図解」や「視覚的なイメージ」を扱うのが少し苦手です。そのため、学生たちはまだAIだけに頼らず、検索や他の方法を使い続けており、検索の減り方は緩やかでした。

3. 「英語圏」と「それ以外」で大きな差がある！

• アメリカやイギリスなど（英語圏）：
  まだ「検索」を使い続けている人が多いです。AIへの信頼度が少し低かったり、英語で十分な情報が検索で見つかったりするからです。
• インドやラテンアメリカなど（非英語圏）：
  検索の回数がものすごく激減しています。なぜか？ それは、AIが「英語が苦手な人でも、自分の言葉で簡単に高度な答えを教えてくれる魔法の通訳」として、ものすごく役に立っているからです。AIが「言葉の壁」を壊しているのです。

---

🎓 これからの勉強はどうなる？（結論）

研究者はこう言っています。
「これからは、**『答えを見つける力』よりも、『AIが出してきた答えが正しいかどうかを見極める力』**が、もっと重要になるぞ！」と。

AIは、もっともらしく聞こえる「もっともらしい嘘（ハルシネーション）」をつくことがあります。魔法のシェフが作った料理が、実は塩辛すぎたり、毒が入っていたりしないか？ それを見抜く「味見の力（批判的思考）」こそが、これからの学生に求められる新しいスキルなのです。

技術概要

論文要約：検索から生成AIクエリへ：物理学の情報探索におけるトピックおよび地域別の世界的トレンド

1. 背景と問題提起 (Problem)

生成AI（GenAI）の台頭は、学術情報のアクセス方法における転換点となっており、学生の学習における「検索」の役割に変容を迫っています。従来の学習モデルは、検索エンジンを用いて情報を「見つける（Finding）」ものでしたが、現在はAIによって回答を「生成する（Generating）」モデルへと移行しつつあります。

本研究は、「従来の検索行動の減少」を、独立した情報探索習慣の変化を示す定量的プロキシ（代理指標）として捉え、GenAIの普及が物理学の学習プロセスにどのような影響を与えているかを明らかにすることを目的としています。

2. 研究手法 (Methodology)

本研究は、大規模なデータセットを用いた多角的な分析を行っています。

• データソース:
  • Google Trends: 物理学の主要概念（古典力学および電磁気学）に関する相対検索ボリューム（RSV）を、2022年から2025年までの3学年度にわたって分析。
  • Wikipedia: プラットフォーム依存性を排除するため、7つの主要言語におけるページビューデータを補完的に使用。
  • ChatGPT検索量: 生成AIの採用状況を測るため、「Science」カテゴリ内でのChatGPTの検索トレンドを分析。
• 分析対象:
  • トピック: 教科書に基づき、「古典力学（Mechanics）」と「電磁気学（Electromagnetism）」の2つのドメインに分類。
  • 地域: 世界の人口上位40カ国から、データの質と可用性に基づき選定された20カ国以上。
• 統計的手法:
  • 学術カレンダーの周期性を制御するため、年度ごとの平均RSVを用い、基準年（2023年）と統合年（2025年）の間の**パーセンテージ変化（%Δ）およびCohen’s d（効果量）**を算出。
  • 対応のあるt検定を用いて、変化の統計的有意性を検証。

3. 主な貢献 (Key Contributions)

• 情報探索行動の変容の定量化: 検索エンジンからGenAIへのシフトを、物理学という具体的な学問領域を通じて世界規模で初めて定量的に示した。
• ドメイン別の差異の解明: 物理学の異なる概念領域（力学 vs 電磁気学）におけるAIの影響の違いを特定した。
• 言語・地域間の格差の可視化: 英語圏と非英語圏におけるAI採用と検索行動の変化の乖離を明らかにした。

4. 研究結果 (Results)

分析の結果、以下の主要な知見が得られました。

• 全体的な検索量の減少: 調査したほとんどの物理学トピックにおいて、検索およびWikipediaの閲覧数が系統的かつ持続的に減少している。一方で、学術活動に伴う「季節性（試験期間にピークが来るパターン）」は維持されており、学習活動自体は継続していることが示唆された。
• ドメインによる違い: 「古典力学」に関連するコンテンツの方が、「電磁気学」よりも検索量の減少が顕著で一貫している。 これは、力学が言語的な因果関係の説明に依存しやすいのに対し、電磁気学は図解や視覚的表現（場やポテンシャルなど）を必要とするため、現在のLLM（大規模言語モデル）の得意不得意が影響している可能性がある。
• 地域・言語による顕著な不均一性:
  • 英語圏（米国、英国、豪州など）: 検索量の減少は比較的緩やか、あるいは安定している。
  • 非英語圏（インド、ラテンアメリカ、韓国、ブラジルなど）: 検索量が50%以上減少するケースが多く、大幅な減少が見られる。
  • GenAIとの相関: 検索量の減少が著しい地域ほど、科学的文脈におけるChatGPTの検索ボリュームが高い。これは、非英語圏の学生が言語の壁を越えるためにGenAIを積極的に活用している可能性（「言語税」の軽減）を示唆している。
• 対照的な事例: イランではGoogleが主流であり、かつGenAIへのアクセスが構造的に制限されているため、検索量が安定または増加しており、GenAIの利用可能性と検索減少の関連性を裏付ける自然実験的な結果となっている。

5. 意義と結論 (Significance & Conclusion)

本研究は、教育における情報探索の「エピステミック（認識論的）なシフト」を提示しています。

• 教育的示唆: 学習の焦点は「説明を見つけること」から、**「生成された説明の質を評価すること」**へと移行しています。AIが生成するもっともらしいが不完全な説明を批判的に分析する能力（メタ認知スキル）が、今後の物理学教育において重要になります。
• タスク設計の変革: 教師は、AIの回答の誤りを見つけさせたり、AIの回答と公式な解法を比較させたりするような、AIとの対話を前提とした課題設計を行う必要があります。
• 結論: GenAIは単なる一時的なツールではなく、学生の学習習慣における新たな基盤となっており、教育現場は「検索」の時代から「生成と評価」の時代への適応を迫られています。