🤖 AI

Practitioner Beliefs and Behaviors in AI-Enhanced Education: DOT Framework Survey Evidence

本研究は、72 名の高等教育従事者に対する横断調査を用いて DOT フレームワークを検証し、教育者が AI を教育的支援ツールとして好意的に捉え人間の監督を重視している一方で、その現在の導入実践は体系的な設計要素を欠くことが多く、限られた政策や研修といった制度的障壁によって阻害されていることを明らかにした。

原著者： David Gibson (Curtin University), M. Elizabeth Azukas (Georgia Institute of Technology), Gerald Knezek (University of North Texas)

公開日 2026-05-29

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： David Gibson (Curtin University), M. Elizabeth Azukas (Georgia Institute of Technology), Gerald Knezek (University of North Texas)

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

72 人の教師と教育の専門家が集まり、彼ら全員が実験してきた新しい強力なツール、人工知能（AI）について議論する様子を想像してみてください。この論文は、彼らが何を考え、どのように使用し、なぜより効果的に活用できていないのかを報告したものです。

以下に、その報告書を簡単な言葉で語ります。

大きなアイデア：「DOT」フレームワーク

研究者たちは、これらの教師を理解するために「DOT フレームワーク」と呼ばれる特定の地図を使用しました。このフレームワークを、非常に賢いが時として信頼性に欠ける見習いシェフ（AI）を使って料理をするためのレシピだと考えてください。

D（デザイン思考）： これは「調理プロセス」です。単に材料を鍋に放り込むのではなく、味見をし、調整し、再挑戦します。
O（オープンシステム）： これは「キッチン環境」です。シェフと見習いシェフだけでなく、キッチンに良いオーブンがあるかどうか、管理者に規則書があるかどうか、そして顧客（生徒）が満足しているかどうかに関わります。
T（変容）： これが最終的な料理、つまり教室で実際に起こる授業です。

この研究は問いかけました：「教師たちはこのレシピに従っているのか、それとも適当にやっつけているのか？」

教師たちが実際に行っていること（「適当にやっつけている」部分）

調査によると、これらの教師は AI に非常に精通しています。実際、大多数がすでに使用していますが、主に料理の「簡単な」部分に限られています。

好きなこと： 彼らは AI を使って授業計画を作成し、配布資料を作り、アイデアを練ります。これは、野菜を切ったり、生地を混ぜたりするために見習いシェフを使うようなものです。
避けていること： 彼らは AI に答案を採点させたり、生徒に最終的なフィードバックを与えたりすることに非常に消極的です。彼らは AI を、作業はこなせるが、決して最終決定を下すボスのような存在とは見なしていません。
欠落しているステップ： レシピでは、まず「生徒は何を必要としているか？」（ニーズ評価）と問いかけ、最後に「これは機能したか？」（評価）と問いかけるべきだとされています。研究によると、教師たちは中間部分（もの作り）は得意ですが、始めと終わりをよくスキップします。彼らはレシピを確認もせず、最終的な料理の味見もせずに料理をしているのです。

彼らが信じていること（3 つの柱）

研究者たちが教師たちに AI に関する信念を評価させたところ、答えは 3 つの明確なカテゴリに分類されました。

「スーパー見習い」信念： 教師たちは、AI はタスクを迅速にこなすのに優れていると考えています。それは彼らをより創造的かつ効率的にするのに役立つと信じています。
「安全第一」信念： これが最も強い信念でした。ほぼ全員が同意しました：「AI は間違いを犯すので、人間が常にその作業を確認しなければならない」。彼らは AI が教師の判断を置き換えるべきではないと考えています。これは GPS を信頼しつつも、常に道路に目を向けているようなものです。
「パートナー」信念： 教師たちは AI を協力者と見なしています。ロボットに支配されたいのではなく、計画や整理を助けてくれるパートナーを求めています。

障害物（キッチンが壊れている）

教師たちはこの「見習いシェフ」を効果的に使いたいと考えていますが、壁にぶつかっています。研究によると、問題点は教師ではなく、キッチンそのものにあります。

規則書がない： ほとんどの学校には、AI の使用方法に関する明確な方針がありません。
研修がない： 学校が十分な研修を提供していないため、教師たちは自己主導学習で教えています。
ツールがない： 時には技術やインフラが整っていないこともあります。

研究者たちはこれを「マクロシステム的なボトルネック」と表現しています。これは、速く走る準備ができているレーシングカーのドライバー（教師）が、ガードレールも、ピットクルーも、信号もないトラック（学校）で走らされているようなものです。ドライバーは立ち往生しています。

結論

この論文は、AI が教育の未来であるとか、すべての問題を解決するとか主張するものではありません。代わりに、現在の状況をスナップショットとして提示しています。

教師たちは慎重だが好奇心旺盛です。 彼らは AI を代替ではなく、補助として使用しています。
彼らはレシピの一部に従っています。 アイデア出しや作成は得意ですが、生徒のニーズを確認し、結果を評価するステップはスキップしています。
システムが彼らを妨げています。 学校全体の支援、明確な規則、より良い研修がなければ、教師たちは一人でそれを解明しなければなりません。

研究者たちは、AI が教育を真に支援するためには、学校がそれを輝く新しいガジェットとして扱うのをやめ、正しく機能させるために堅固な基盤、明確な規則書、そしてチームワークが必要な複雑なシステムとして扱い始める必要があると提案しています。

技術的サマリー：AI 強化教育における実践者の信念と行動（DOT フレームワーク調査エビデンス）

問題提起
高等教育への生成人工知能（AI）および大規模言語モデル（LLM）の急速な統合は、一貫性があり、教育学的に根拠のある組織戦略の発展を上回っている。導入は広範に行われているものの、共有された規範やフレームワークの欠如により、教育者間で断片的で場当たり的な実践が生じている。この断片化は、AI の変革的潜在能力が実現されず、リスクが管理されないままの教育環境をもたらしている。本研究は、教育者が AI の教育的役割をどのように概念化しているか、その現在の使用行動、そして責任ある統合を促進または制約する組織的条件に関する実証データの欠如に取り組むものである。

方法論
本研究は、アメリカ合衆国の高等教育実践者 72 名の信念、行動、および組織的条件を検証するため、横断的調査デザインを採用した。教育技術カンファレンスおよび専門ネットワークから募集されたサンプルは、フルタイム教員（54%）とインストラクショナルデザイナー（14%）が主に構成しており、自己申告による AI 関与度が非常に高い（76% が AI を積極的に使用または研究している）。

調査ツールである「DOT 調査」は、DOT フレームワークに基づいて開発された。この理論モデルは、デザイン思考（D）とオープンシステムモデル（O）を統合し、教授実践の変革（T）を導くものである。調査には以下の項目が含まれた：

AI の教育的潜在能力、ガバナンス、自動化能力、および協働的役割に関する見解を捉えるように設計された19 項目のリア克尺度信念項目。
11 のタスクカテゴリ（例：コンテンツ生成、採点、研究）にわたる使用パターンに関する質問。
設計思考行動（ニーズ評価、目標の概要作成、実験、フィードバック収集）の頻度を評価する省察的実践に関する質問。
政策、トレーニング、インフラに関する組織的課題の評価。

データ分析には、記述統計、信頼性テスト（クロンバックのアルファ）、および信念項目内の潜在的構成概念を特定するための主軸因子法とプロマックス回転を用いた探索的因子分析（EFA）が含まれた。

主要な結果

信念の因子構造：19 項目の信念に対する EFA は、堅牢な 3 因子構造を明らかにした（説明された総分散：54.4%、 $\alpha$ = .90）：
1. AI 機能能力（ $\alpha$ = .910）：フィードバック、採点、創造性、およびティーチングアシスタントとしての役割など、特定のタスクにおける AI の効率性と有効性に関する信念。
2. 監視とガバナンス（ $\alpha$ = .786）：人間の監視、AI 出力の批判的評価、透明性、および教材に対する教員の統制への原理的なコミットメント。この因子は高い同意度（平均値 > 4.60）を示したが、天井効果が見られた。
3. 指導者の協働と計画（ $\alpha$ = .851）：指導計画、包括性、および指導者の主体性を支援する協働パートナーとしての AI への信念。
- 注目すべき発見：「AI は教員の専門性を代替できる」という項目はどの因子にも負荷されず、ほぼ普遍的に拒絶された（71% が反対）。これは、「代替」ではなく「共知性（co-intelligence）」というマインドセットを強化するものである。
使用パターン：実践者は、生成およびコンテンツ作成タスク（例：教材の生成、 $M=3.43$ ；研究の支援、 $M=3.21$ ）において高い使用率を報告した。一方、評価および自動化タスクでの使用は有意に低かった（例：採点の自動化、 $M=1.60$ ；個別化フィードバックの提供、 $M=2.17$ ）。
デザイン思考行動：反復的なプロンプト作成と実験は一般的であったが、完全なデザインサイクルへの体系的な準拠は一貫していなかった。「AI 使用前のニーズ特定」と「反復のためのフィードバック収集」は最も頻度が低い実践であり、フレームワークの理論的要件と現在の実装との間にギャップがあることを示している。
組織的障壁：特定された主要な課題は、倫理的懸念/学術的誠実性（64%）、不十分なトレーニング（61%）、組織方針の欠如（50%）、および限られたインフラ（47%）であった。データは、教員が組織的支援構造よりも急速に進展しているというマクロシステム的なボトルネックを示唆している。

主要な貢献

DOT フレームワークの実証的検討：本研究は、DOT フレームワークを、実践者の信念を理解するための妥当なモデルとして示す予備的な記述的支援を提供する。教育者の視点が、フレームワークのデザイン思考およびオープンシステムアーキテクチャと整合する形でクラスター化することを示している。
測定ツールの開発：AI 使用のデザイン指向およびシステム意識の側面を捉えることができる調査ツールを導入・評価し、将来の研究のための 3 因子構造（機能能力、監視/ガバナンス、協働/計画）を提供する。
実装ギャップの特定：DOT フレームワークが提案する完全なデザインサイクルと現在の実践者の行動との間の具体的な不一致、特に「共感（ニーズ評価）」および「テスト/フィードバック」段階の未利用を浮き彫りにする。

意義と主張
著者らは、この研究を探索的かつ予備的なものとして位置づけ、信念、行動、および教育成果の間の因果関係を確立するものではないと明示している。その意義は以下の点にある：

記述的妥当性の確認：DOT フレームワークの概念的区別（マイクロシステム設計対マクロシステムガバナンス）が、実際の実践者の認知にマッピングされているという初期エビデンスを提供すること。
マクロシステムボトルネックの強調：持続可能な AI 統合は、個々の教員の能力ではなく、政策、トレーニング、インフラにおける組織的欠如によって制約されていることを確認すること。
「共知性」規範の定義：関与する実践者が、専門性の代替として AI を拒絶し、代わりに批判的協働と人間の監視というレンズを通じて AI を見ていることを示すこと。

本論文は、将来の研究は記述的モデリングから、DOT 整合実践が教育の質にどのように影響するかを決定するための確認的妥当性検証（CFA の使用）および成果に基づく研究へと移行しなければならないと結論づけている。また、組織に対し、専門開発およびガバナンス構造をオプションの強化策ではなく、倫理的かつ効果的な AI 統合のための前提条件として扱うよう呼びかけている。

大きなアイデア：「DOT」フレームワーク

教師たちが実際に行っていること（「適当にやっつけている」部分）

彼らが信じていること（3 つの柱）

障害物（キッチンが壊れている）

結論

関連論文