Exploring Students' Perceptions of Using Generative AI-Assisted Problem Posing

自転車の乗り方を学ぼうとしている場面を想像してみてください。ただ誰かが乗っているのを座って眺めていることもできますし、その人が通った正確な経路を暗記しようとすることもできます。しかし、本当の魔法は、自分自身の小さなスロープを作り、自分自身の障害物を設計し、自分で発明した不安定な表面の上でどのようにバランスを取るかを考え始めた時に起こります。物理教育の世界では、このように自分自身の課題を発明する行為を「問題生成（problem posing）」と呼びます。これは、単に誰かから与えられた数学のパズルを解くのではなく、ルールを捻じ曲げたり、数字を変えたり、あるいは宇宙がどのように機能しているのかを真に理解するために、新しいシナリオを想像したりするという、少し凝った言い方です。

ここで、あなたは超スマートで全知全能のロボットの友人（生成AI）を持っていると想像してください。このロボットは、あなたが自分自身のランプ（スロープ）を作るのを手助けしてくれます。しかし、ここには落とし穴があります。もしあなたがただロボットに「難しい自転車用のランプを作って」と頼むだけなら、ロボットは奇妙で役に立たないものを作るかもしれません。しかし、もしあなたが「プロンプト・エンジニアリング」と呼ばれる特別な「秘密の言語」を使って、非常に具体的な指示、役割、ステップを与えてロボットに話しかける方法を学べば、ロボットは驚くべきパートナーになります。この論文では、学生たちがこの秘密の言語を学ぶと何が起こるのかを探っています。研究者たちは、学生にAIへの正しい話し方を教えることが、彼らが独自の物理学の問題を発明する方法を変えるのかどうかを知りたかったのです。そして、学生たちはこのロボットの友人と一緒に勉強することを楽しんでいるのでしょうか、それとも、それは学習プロセスを損なう方法だと考えているのでしょうか？

---

実験：学生にロボットとの話し方を教える

この研究では、パーデュー大学の研究者たちが、物理学のコースを受講している大学生のグループを招待し、生成AIを使ったゲームを行いました。目的は、少しのトレーニングによって、AIとのぎこちないやり取りを強力な学習ツールに変えられるかどうかを見ることでした。学生たちは、1週間にわたって3つの段階を経て進みました。

まず、「トレーニング前」のフェーズでは、学生たちはすでに解いたことのある物理学の問題の新しいバージョンを作成するために、各自が選んだAIツールを使用するように指示されました。彼らはAIとチャットして新しい問題を作成し、その会話について自分がどう思ったかを書き留めなければなりませんでした。この時点では、ほとんどの学生は「もっと難しいバージョンを教えて」といった基本的な質問をしているだけでした。

次に、「トレーニング」フェーズが来ました。学生たちは15分間のビデオを見ました。これは単なる退屈な講義ではありませんでした。これは「プロンプト・エンジニアリング」の使い方を教えるものでした。これは、GPSに非常に具体的な指示を出す方法を学ぶようなものです。「ビーチへ行って」と言う代わりに、「ビーチへ行って、でも景色の良いルートを通って、高速道路を避けて、途中でアイスクリームを食べて」と言う方法を学ぶのです。また、このビデオは物理学の問題に関する特別な考え方も教え、問題の文脈や難易度を意味のある形で変更する方法を理解させるための助けとなりました。

最後に、「トレーニング後」のフェーズで、学生たちは再びAIに向き合いました。彼らは全く同じこと、つまり新しい物理学の問題を作成することを求められました。しかし今回は、学んだばかりの新しい「秘密の言語」と思考スキルを使わなければなりませんでした。その後、彼らは最初の時と比べて経験がどのように異なったかを振り返りました。

学生たちの発見

結果は、まるで新しいビデオゲームのコントローラーを使いこなせずにもたついていた人々が、プロプレイヤーへと進化していく様子を見ているかのようでした。研究者が学生たちの振り返りを調べたところ、76%の学生が、トレーニング後にAIとのやり取りにおいてポジティブな変化を感じたと回答しました。

トレーニングの前、多くの学生はAIとの会話を「基本的すぎる」「焦点が定まっていない」、あるいは「自分が必要としているものと一致しない答えを得ている」と表現していました。それは、カスタムピザを注文する際に、ただ「ピザが欲しい！」と叫んで、うまくいくことを祈っているような状態でした。トレーニングの後、学生たちは会話がより「対話」に近づいたと感じました。彼らは「ロールプレイング（AIに特定のキャラクターとして振る舞うよう指示すること）」や「思考の連鎖（AIにステップごとに作業を示すよう求めること）」といったテクニックを使用しました。ある学生は、以前は回答が詳細さに欠けていたが、新しいテクニックを学んだ後は、AIの回答が「より明確になり、より徹底しており、含まれるステップがより良く説明されるようになった」と述べています。

興味深いことに、大きな変化を感じなかった数少ない学生たちは、すでにAIへの話し方を知っていたか、あるいはすでに自分自身で簡単なテクニックを使っていた学生たちでした。彼らにとって、このトレーニングは彼らが既に行っていたことに名前を付けてくれただけでした。

学生たちはAIを使って勉強することを好むか？

2つ目の大きな問いは、「学生たちは自発的にこの方法を使って勉強したいと考えているのか？」という点でした。答えは、ほとんどが明るい「イエス」でしたが、いくつかの不満混じりの「ノー」や「たぶんね」もありました。

約68%の学生が、問題生成にAIを使用することに対して肯定的な態度を示しました。彼らは、パーソナライズされた練習問題を得たり、チューターのようなフィードバックを受けたり、自分の弱点となっている特定の領域を重点的に学習したりするための方法としてAIを見ていました。彼らは試験対策や、トリッキーな概念の理解を深めるためにAIを使うことを想像していました。それは、あなた専用に100万通りのドリルを考案してくれるパーソナルコーチを持っているようなものです。

別の**17%**の学生は、複雑な気持ちを持っていました。彼らはアイデア自体はクールで有用かもしれないと考えていましたが、躊躇していました。一部の学生は、AIが間違いを犯したり、偽の問題を出したりする可能性があるため、すべてをダブルチェックする必要があるのではないかと心配していました。また、AIは有用ではあるものの、教師から与えられた公式の宿題や練習テストに従う方が良いと感じる学生もいました。彼らは、自分自身のレゴのお城を作るアイデアは好きだが、始める前に指示書が完璧であることを確認したいと考えている子供たちのようでした。

最後に、約9%の学生が否定的な見解を持っていました。これらの学生は、学習にAIを使用することに対して断固として反対していました。彼らの理由は、問題の質についてではなく、倫理についてでした。AIを学校の勉強に使うことは道徳的に間違っていると感じる学生もいれば、これらの強力なコンピュータを動かすことによる環境への影響を心配する学生もいました。彼らは、学生は教科書や人間の教師を使って、AIなしでも長年物理学を学んできたのであり、AIを推奨すべきではないと考えていました。

全体像

すべてのピースを組み合わせると、研究は明確な傾向を示唆しています。トレーニングは重要であるということです。AIとのやり取りがトレーニング後に改善したと感じた大多数の学生は、問題生成にAIを使用することに対して肯定的な見解を持つようになりました。AI全般に対して懐疑的であった学生の間でも、AIとのやり取りが改善したと感じた学生は、AIへのプロンプトの仕方を学ぶことが極めて重要であることを認めていました。

研究者たちは、ほとんどの学生が学習パートナーとしてAIを使うことにオープンであるが、道徳的な反対から決して使用しない小さなグループが存在することも発見しました。しかし、それ以外の学生にとって、AIへの適切な話し方を教えることは、その可能性を解き放つ鍵であるようです。それは、AIを単に答えを出すだけの道具から、自分自身の理解を構築するためのパートナーへと変えるものです。この研究は、学生が自身の批判的思考能力を失うことなく、AIから最大限の成果を得られるよう、学校はこれらの「プロンプト・エンジニアリング」のスキルを教えることを検討すべきであると結論付けています。それは、学生をロボットに置き換えることではなく、学生にロボットの操縦方法を教えることなのです。