🤖 AI

AI-Generated Slides: Are They Good? Can Students Tell?

本研究は教育用スライド作成における各種生成 AI ツールを評価し、コーディング支援ツールが最も教育的に妥当なコンテンツを生成し、学生は AI 生成スライドを人間作成のスライドと同等の品質とみなすが、しばしば知覚される品質の低下を AI 発生源に起因すると関連づけることを明らかにした。

原著者： Juho Leinonen, Lisa Zhang, Arto Hellas

公開日 2026-05-14

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Juho Leinonen, Lisa Zhang, Arto Hellas

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

あなたがクラスの生徒のために素晴らしい分厚い教科書を書いた教師だと想像してください。さて、そのページを講義用のカラフルなスライドに変える必要があります。これは、既製のキットを組み立てたいのに、一軒一軒レンガを積み上げて家を建てようとするようなもので、非常に多くの作業です。

この論文は、その重労働をAI ツールに任せることに関する成績表のようなものです。研究者は、2 つの単純な質問を投げかけました：

AI が作成したスライドは実際に優れているのか？
生徒は、AI が作ったスライドと人間が作ったスライドの違いを区別できるのか？

以下に、彼らが発見したことをわかりやすく解説します。

「ツールボックス」テスト

研究者は AI を一つだけ選んだわけではありません。彼らは、どのツールが最も良い棚を作るかを見るために、5 つの異なる電動ドリルのブランドを試すように、5 種類のツールをテストしました：

「汎用」ツール: これらはスイスアーミーナイフのようです（例：NotebookLM、M365 Copilot、Claude）。多くのことに優れていますが、特定の細部においては見当外れになることがあります。
「コーディング支援」ツール: これらはプログラマー向けに設計された、特殊でハイエンドな電動工具のようです（例：Cursor、Claude Code）。スライド作成は厳密には「コーディング」ではありませんが、これらのツールが最も優れた結果を生み出しました。

品質に関する判決:
「汎用」ツールは、少し不器用な見習い職人のようでした。表面はそれなりに見えるスライドを作成しましたが、重要な事実が欠けていたり、図解が混乱していたり、無関係な画像が含まれていたりしました（HTML コードに関するスライドに鳥の画像が載っているような場合です）。

一方、「コーディング支援」ツールは、熟練した職人のようでした。彼らが作成したスライドは正確で完全であり、論理的な教育の流れに従っていました。単なるコピペではなく、教室での情報整理の仕方を理解していました。

「ブラインド・テイスティング」テスト

研究者は、最高の AI スライド（コーディング支援ツールから選んだもの）を選び出した後、少しトリッキーなことをしました。それらの AI スライドのフォントや色を教師のいつものスタイルに合わせ、教師が手作業で作ったスライドと混ぜて、実際の講義に組み込みました。

生徒には、「ねえ、これらのスライドの中には AI が作ったものがあるかもしれないよ」と伝えられましたが、どれがそうなのかは教えられませんでした。講義の各セクションの後、生徒は以下のことを行わなければなりませんでした：

スライドの質を評価する。
推測する：「これは人間が作ったのか、それともロボットが作ったのか？」

結果:

テイスティング: 生徒は AI スライドと人間のスライドを同様に優れていると評価しました。違いはわかりませんでした。両方の平均点は堅実な「7 点満点中 5 点」でした。
推測ゲーム: 生徒の推測はひどいものでした。「AI」と推測する頻度と「人間」と推測する頻度はほぼ同じであり、これは basically 単なるランダムな推測に過ぎません。
「バイアス」の逆転: ここが面白い部分です。研究者は奇妙なパターンを発見しました：生徒がスライドは AI によって作られたと思った場合、その評価を下げる傾向がありました。 スライドが実際には素晴らしくても、ロボットが作ったと疑えば、低い評価を与えました。まるで料理評論家が、「このスープは美味しいが、機械が作ったと思うから、念のため低く評価しよう」と言うようなものです。

大きな教訓

コーディングツールの勝利: 教育資料を AI に作らせたい場合、スライド作成のような非コーディングタスクであっても、汎用チャットボットよりもプログラマー向けに設計されたツール（コーディング支援ツール）の方が優れています。
人間はまだ必要: AI はまだ完璧ではありません。作業を確認し、書式を整え、スタイルが一致していることを確認するために、人間のチェックが必要です。AI を、クライアントに提出する前にマネージャーが確認する必要がある、非常に速く非常に知識豊富なインターンと考えるとよいでしょう。
生徒は気にしない（あるいは区別できない）: 人間の教師が小さな誤りを修正し、プロフェッショナルに見えるようにすれば、生徒は違いを区別できず、教師が自分で作った場合と同じ品質評価を下します。

要約すると: AI は教師が時間を節約するための強力な助けとなり得ますが、それは教師が「生成」ボタンを押して立ち去るのではなく、「編集長」として機能するときに最も効果的です。そして心配しないでください。あなたが正しく行えば、生徒は違いに気づきません。

技術的サマリー：AI 生成スライドは有用か？学生は判別できるか？

問題提起

生成 AI（GenAI）と大規模言語モデル（LLM）がますます利用可能になるにつれ、コンピューティング教育者は、それらを教育ワークフローに統合することに関して、機会と不確実性の両方に直面しています。GenAI ツールはプログラミングや執筆タスクにおける生産性向上に有望視されていますが、誤った出力や幻覚（ハルシネーション）を頻繁に生成します。特定のギャップは、教育者が作成したコースノート（特にオンライン教科書の章）を高品質な講義スライドに変換する GenAI の能力を評価する点に存在します。この変換は、テキスト、コード、図を調整しつつ、教育的妥当性を維持する必要があるため、困難を伴います。さらに、学生が人間が作成した教材と比較して AI 生成の教育教材をどのように知覚し、また学生が両者のソースを確実に区別できるかどうかについての理解は限られています。

方法論

本研究は、アールト大学の学部上級課程「Web ソフトウェア開発」コース内で、混合研究法のケーススタディアプローチを採用しました。研究は 2 つの主要なフェーズに分けられました。

フェーズ 1：教育者によるツールの品質評価

研究者は、アクセシビリティとワークフロー統合のスペクトルにわたる 5 つの異なる GenAI ツールを評価しました。

エンドツーエンドの教育ツール： NotebookLM。
汎用 LLM： M365 Copilot および Claude（Sonnet 4.5）。
コーディングアシスタント： Cursor および Claude Code。

プロセス：

入力： 基本 HTML/Svelte、状態共有、CRUD 操作、Fetch API を扱う 4 つの教科書の章をソース資料として使用しました。
プロンプト： 研究者は、高度なプロンプトエンジニアリングなしで、反復的かつ単純なプロンプトを使用し、ツールにピア・インストラクション演習を含む 10〜15 分間の講義セグメント用のスライド生成を依頼しました。
評価基準： 2 人の研究者（いずれもコンピューティング教育者）とコースの教育者が、以下の 3 つの要素に基づいて定性的な物語的評価を行いました。
1. 事実の正確性： ソース資料との照合と幻覚の特定。
2. 完全性： 主要な概念や例が欠落していないかの評価。
3. 教育的妥当性： 認知的負荷の管理、二重符号化（視覚/テキストのバランス）、概念の足場かけの評価。

フェーズ 2：学生の知覚研究

フェーズ 1 に基づき、研究者は最高性能を示したツール（Cursor および Claude Code）を選択し、教室実験を行いました。

実験デザイン： 5 週間にわたり、コースでは人間が作成したスライドと AI 生成のスライド（教育者の視覚スタイルと書式に合わせるよう修正済み）を併用しました。
盲検化： 学生には講義に GenAI コンテンツが含まれる可能性があることを伝えましたが、どの特定のセグメントが AI 生成であるかは伝えませんでした。
データ収集： 各講義セグメントの後、学生はスライドの品質を 7 段階のリッカート尺度（1 = 非常に悪い、7 = 優秀）で評価し、ソースを推測する（1 = 間違いなく人間、7 = 間違いなく AI）アンケートに回答しました。
分析： 本研究は、平均評価、中央値、および品質評価とソース推測の相関を、マン・ホイットニーの U 検定とスピアマンの順位相関係数を用いて分析しました。

主要な貢献

ツールの比較評価： 本論文は、理論的なシステム開発を超え、現実の教育者の経験に基づき、教育用スライド生成のための 5 つの異なる GenAI ツールカテゴリの実用的な物語的評価を提供します。
最適なツールタイプの特定： 本研究は、コーディングアシスタント（特に Cursor および Claude Code）が、この特定のタスクにおいて汎用 LLM や教育向けツールを上回り、より正確で完全かつ教育的に妥当なスライドを生成することを特定しました。
学生知覚データ： 本研究は学生の知覚に関する実証データを提供し、学生は高品質な AI 生成スライドと人間が作成したスライドを確実に区別できないことを示しています。
ワークフローの洞察： 本論文は「教育者ループ内」のワークフローを記録し、AI 草案（特にスタイルと書式面）には反復作業が必要ですが、既存の教育実践に効果的に統合できることを浮き彫りにしています。

結果

教育者による評価（フェーズ 1）

コーディングアシスタント（Cursor, Claude Code）： 最も説得力のある結果を生み出しました。これらは正確で完全、かつ教育的妥当性が強いと評価されました。コード例の生成に成功し、論理的な進行を維持し、コンテンツ提示における並列性を活用しました。軽微な問題としては、たまにレンダリングエラーが発生することや、内容が「過度に完全」で教育者の選定が必要になることが挙げられました。
汎用 LLM（Claude, M365 Copilot）： 一般的に正確なスライドを生成しましたが、しばしば不完全で教育的に問題があるものでした。問題点には、コード例の欠落、表面的な内容、無関係な大きな画像、そしてテキストと画像のバランスの悪さが含まれます。
教育ツール（NotebookLM）： 視覚的には魅力的でしたが、出力は非常に不完全で教育的に非常に問題があると判断されました。内容はしばしば表面的で、必要なコード例が欠落しており、「ビデオ概要」形式は講義セグメントには長々としすぎていました。

学生の知覚（フェーズ 2）

品質評価： AI 生成スライド（中央値 = 5.0）と人間生成スライド（中央値 = 5.0）の間、品質評価に統計的に有意な差はありませんでした。マン・ホイットニーの U 検定により、学生は両方のソースの品質を同等と知覚していることが確認されました（ $p = 0.84$ ）。
ソースの特定： 学生はスライドのソースを確実に特定できませんでした。AI スライドと人間スライドの両方に対する推測の中央値は 4.0（中立）であり、マン・ホイットニーの U 検定は推測の精度に有意な差がないことを示しました（ $p = 0.1$ ）。
相関： 品質評価とスライドが AI 生成であると推測することの間には、有意な負の相関（ $\rho = -0.28, p < 0.01$ ）が見られました。これは、学生がスライドの品質を低いと知覚したとき、それを AI 生成に帰する可能性が高くなることを示しており、低品質を AI 生成と関連付けるバイアスを示唆しています。

意義と主張

本論文は、特に汎用チャットボットや専用教育ツールではなくコーディングアシスタントを使用する場合、GenAI を教育設計ワークフローに統合することは有望であると主張しています。著者は以下を強調しています。

時間の節約： 教育者がスタイルの反復と内容の検証のためにループ内に留まることを前提とすれば、これらのツールの使用は教育者の時間を大幅に節約できます。
学生の経験： AI 生成の教材が高品質で、人間が作成した教材とスタイル的に一貫している場合、学生の知覚や経験に悪影響を及ぼすことはありません。
教育的アプローチ： 教育者は、完璧な初稿を期待するのではなく、反復的なプロンプト、洗練、既存のドキュメントの活用を通じて、プログラマーがコーディングアシスタントを使用するのと同様に GenAI の使用に取り組むべきです。

著者は、この作業を 2025 年末の能力の「スナップショット」として、また決定的で一般化可能な研究結論というよりはケーススタディとして、控えめに位置づけています。彼らは、単一機関の文脈、コースの特定性（Web プログラミング）、および実際の学習成果の測定不足を含む限界を認めています。そして、教育者がこれらの進化するツールを責任を持って効果的に活用する方法に関するさらなる研究を呼びかけています。