LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University

現代の世界において、人工知能は空想科学から日常的な実用ツールへと移行し、オフィス、教室、そして家庭における問題解決の方法を再構築している。しかし、社会がこれらのツールをどのように使いこなすべきかを学ぶ過程には、依然として大きな隔たりが存在する。ほとんどの教育的取り組みは、AIとは何かを説明するだけで使い方は教えない広範で理論的なワークショップか、あるいはコンピュータサイエンスの専門家向けに設計された高度な技術コースのどちらかの陣営に偏っている。この分断により、ウェブサイトを構築したり、スプレッドシートを自動化したり、ワークフローを整理したりする必要があるものの、コーディングスキルを持たない膨大な学習者グループが、進むべき道を失っている。彼らは、すべてを手動で行うか、あるいはプロセスを理解しないまま、作業のすべてを機械に明け渡すかという選択を迫られている。今日の教育者に課されている問いは、単に人々にコーディングを教える方法ではなく、多様な人々がいかにしてAIと協力し、それぞれの特定のニーズに適合する実用的で機能するソリューションを構築できるようにするかである。

モンマス大学の研究者と教育者のチームは、この溝を埋めるための新しいアプローチとして、「LearnAI」と呼ばれるプログラムを開発し、その有効性を検証した。学生に複雑なプログラミング言語を先に強制するのではなく、彼らは人々の現状に寄り添い、現実世界のタスクに対して即座に助けを提供するサービスを構築した。このプログラムは二つのレベルで運用されている。第一のレベルは、看護学やビジネスからコンピュータサイエンスに至るまで、18の異なる大学のコースにまたがる幅広い展開である。これらのクラスでは、学部生のチューターが、学習ガイドの作成やポートフォリオサイトのデザインなど、AIがいかにして目の前の問題を解決できるかを示す15分間の短い講義を行った。これらのセッションは、関心を喚起し、テクノロジーへの心理的障壁を取り除き、より深い助けを求める意欲のある誰もが参加できるように設計された。

次のステップに進んだ人々のために、プログラムの第二の層が始まった。それは、クライアントが訓練を受けた学生チューターと直接取り組む一対一のセッションである。これらのミーティングは講義ではなく、クライ�ントが部門のニュースレター作成やデータ入力タスクの自動化といった具体的な目標を持ち込むワークショップであった。チューターは、クライアントがその目標を完成した製品へと変えられるよう、構造化された5段階のガイドに従った。まず、彼らは「ウェブサイトが欲しい」といった曖昧なアイデアから、「教職員がログインして更新を投稿できるサイトが必要だ」といった具体的な要件へと、クライアントが問題を明確に定義するのを支援した。次に、クライアントがすでに知っている知識や、限られたコンピュータへのアクセスといった制約事項に基づき、さまざまなAIプラットフォームの中から適切なツールをマッチングさせた。

プロセスの核心は、クライアントとチューターが協力してAIへの指示を記述することであり、研究者はこれを「仕様としてのプロンプティング（prompting as specification）」と呼んでいる。単にAIに「やって」と頼むのではなく、クライアントは設計図のように機能する詳細なリクエストを書く方法を学んだ。チューターはこれらの指示の書き方を実演した後、徐々に一歩引き、クライアントが主導権を握れるようにしながらも、ガイダンスを提供した。AIが結果を生成すると、両者は最も重要なフェーズである「検証」へと進んだ。彼らは、出力が実際に機能するかどうかを確認し、エラーがないか、あるいはAIが実在しない機能を捏造していないかをテストした。最後に、彼らは倫理的な影響について議論し、そのツールをどのように使用すべきか、どのようなデータを扱えるのか、そして創造の背後にある人間の努力をどのようにクレジットすべきかを決定した。

2学期間にわたり、このモデルは学生、教員、事務職員を含む35人のクライアントをサポートした。結果は具体的かつ多様であった。グループは36のポートフォリオサイトと、20以上のデプロイされたウェブアプリケーションを共同で作成した。これらは練習用の演習ではなく、実生活で使用される機能的なツールであった。ある看護学教授は、50人以上の学生が使用する学生の出席状況を追跡するための安全なシステムを構築した。コーディング経験のない教育学部の学生は、個人のウェブサイトとメール精緻化ツールを作成し、それを後の専門的なカンファレンスの資料準備に使用した。制限されたコンピュータ環境にいる事務職員は、ロックダウンされたデスクトップ上で利用可能なツールを使用して、反復的なデータクリーニング作業を自動化する方法を学んだ。

しかし、最も重要な発見は、構築されたウェブサイトの数ではなく、クライアントのテクノロジーに対する考え方の変化であった。プログラムに参加する前、多くの参加者はAIを、問いに対して単に応答を返す受動的な機械である「オラクル（神託）」として捉えていた。プロセスを経た後、彼らの視点は変化した。彼らはAIを、人間の指示、監視、および検証を必要とする協調的なツールである「プロセス・パートナー」として見なし始めたのである。あるコンピュータサイエンスの教授は、AIが自分でも考えていなかった角度についての質問を投げかけてくるようになり、相互作用が単純なクエリから真のコラボレーションへと変容したと述べた。また、最初は技術的なステップに圧倒されていたスタッフも、タスクを細分化する方法を学び、最終的には同僚に同じ手法を教えるまでになった。

研究者たちは、この変化は自動的に起こるものではないことを観察した。それは、クライアントが学習に伴う挫折感を乗り越えられるよう導く、人間のチューターの存在を必要とした。チューターは全員コンピュータサイエンスの専攻学生であったが、彼らが最も重要なスキルだと感じたのは、技術的な専門知識ではなく、コミュニケーション能力と、クライアントの安心感に合わせて指導スタイルを適応させる能力であった。彼らは、ツールの多さに圧倒されている人に対してはペースを落とし、すでにテクノロジーに慣れている人に対してはペースを上げることを学んだ。また、プログラムは重要な境界線も明らかにした。一部のクライアントは、AIにプロンプトを出すための労力がメリットを上回ると感じ、また、学術的な執筆などの特定の種類の仕事については、個人の完全なコントロールを維持するためにAIの使用を完全に拒否することを選択した。これらの反応は失敗ではなく、いつ、どのようにこれらのツールを使用するかを個人が決めることの重要性を強調する、妥当な選択として捉えられた。

本研究は有望な結果を示したが、研究者たちは研究の限界についても慎重に言及している。データはプログラムにボランティアとして参加した少人数のグループから得られたものであり、すべての学生や教師が同じ経験をすると想定することはできない。学習の測定は予備的なものであり、少数の参加者に基づいているため、長期的な影響を確認するにはさらなる研究が必要であることを示唆している。しかし、実世界の成果物（機能するウェブサイトやアプリケーション）の収集は、このアプローチが有効であるという具体的な証拠を提供した。このプロジェクトは、適切なサポートがあれば、あらゆる背景を持つ人々が、テクノロジーの受動的な消費者から、自らの問題を解決するためにAIを活用する能動的な創造者へと移行できることを証明した。LearnAIのフレームワークは、人工知能を独立した主題としてではなく、日々の仕事や学習の構造の中に織り込まれたツールとして教育に統合しようとする機関にとって、実践的なモデルを提示している。