From Objective AI Literacy Assessment to Training Needs Mapping in Greek Secondary Education

技術的要約：ギリシャの中等教育における客観的なAIリテラシー評価から研修ニーズのマッピングへ

問題提起
人工知能（AI）が教育インフラに組み込まれる動きが加速している一方で、教師のAIリテラシーに関する実証的なエビデンスは限られている。既存の研究は、主に自己申告による準備状況、自信、あるいは態度に依存しており、これらは社会的望ましさバイアス、不正確な自己較正、および文脈的な過大評価の影響を受けやすい。このような主観的な指標への依存は、具体的な概念的誤解や知識の偏りを不明瞭にしている。多様な専門分野や不均一な専門的学習経路の中で活動するギリシャの中等教育の文脈において、客観的なAI知識のローカライズされたベースラインが欠如していることは、専門性の開発（PD）が「有用ではないほど一般的すぎる」か、あるいは「実際のニーズと一致しないほど技術的すぎる」ものになるリスクを孕んでいる。本研究は、「AIへの意識（ツールの習熟度）」と「AIリテラシー（システムの挙動を解釈するための安定した概念的リソース）」の間のギャップに対処するものである。そして、教師には、AIの出力を評価し、その限界を理解し、責任ある専門的判断を下すための機能的な概念的知識が必要であると主張する。

方法論
本研究では、2025年6月に実施された、ギリシャの中等教育教員（普通教育および特別支援教育）271名を対象とした横断的なオンライン調査を用いた。サンプリングには、専門的および個人的なネットワークを通じた便宜的サンプリング戦略を用いた。

• 調査用具: 本研究では、LongおよびMagerko [8] のコンピテンシー指向のフレームワークに基づき、Dingら [13] によって開発された26項目の客観的AIリテラシー知識テストのギリシャ語版を用いた。このツールは、概念的な同等性を確保するために翻訳および逆翻訳が行われた。
• 採点: 回答は二値（正解は1、不正解または「わからない」は0）でスコア化された。「わからない」という選択肢を含めることで、自信のある回答と不確かな回答を区別し、機能的な知識の保守的な推定を可能にした。
• 分析:
  • 記述統計: 合計スコアおよび項目レベルの正解率（$p_{correct}$）を算出した。
  • グループ間の差異: 合計スコアの非正規分布（Shapiro-Wilk $p < .001$）のため、非パラメトリック検定であるKruskal-WallisテストおよびDwass-Steel-Critchlow-Flignerによる事後比較を用い、教授専門分野、ICT研修、およびデモグラフィック属性による差異を検証した。
  • 予測因子: スピアマンの相関および多重線形回帰（バイアス補正ブートストラップ信頼区間を使用）を用いて、教師の特性、事前の研修、およびAIリテラシー・スコアの関連性を特定した。
  • ニーズのマッピング: 各項目について、$NeedIndex = 1 - p_{correct}$ として「NeedIndex」を算出した。この指標は、項目レベルの欠損を専門性の開発のための優先順位付けツールへと変換するものであり、値が高いほど研修ニーズが大きいことを示す。

主な結果

• 全体的なパフォーマンス: サンプルは中程度のベースラインとなる客観的AIリテラシーを示した（$M = 15.82/26$, $SD = 3.53$; 全体的な$p_{correct} = 60.85%$）。しかし、パフォーマンスは項目間で有意に変動した（$p_{correct}$ の範囲：0.09–0.90）。
• 概念的なギャップ（最も成績の低かった項目）: 最も顕著な知識の欠落は、基礎的な技術的概念に集中していた：
  • 自動化とAIの区別（例：全自動洗濯機）。
  • 特化型AIと汎用AIの区別（例：SiriやAlexaなどの音声アシスタント）。
  • 機械学習のワークフロー（データ収集 $\to$ 学習 $\to$ デプロイメント）の理解。
  • AIの手法とアプリケーションのマッチング。
  • AIの知覚能力および汎化能力の限界（未知の文脈における性能）の認識。
• 最も成績の良かった項目: 教師は、データの解釈、AIは常に人間より賢いという誤解、および危険な作業におけるAIの使用に関する項目については、比較的良好な成績を示した。
• リテラシーの予測因子:
  • 有意な要因: 教授専門分野（ICT教員は非ICTグループよりも高いスコアを示した）、ICT研修のレベル、自己申告によるPC/インターネットの習熟度、およびAI特化型の研修への露出が、高いスコアと有意に関連していた。
  • 非有意な要因: 年齢、性別、最終学位、勤続年数、および勤務地域（都市部/地方）などのデモグラフィック変数は、客観的なパフォーマンスとの間に統計的に有意な関連は見られなかった。
  • 研修の影響: 回帰分析の結果、AI特化型の研修への露出が支配的な予測因子であることが示された。学期または年間プログラム、認定された知識、あるいは学部レベルのAIコースを経験した教師は、短期セミナーのみ、あるいは研修を受けていない教師よりも有意に高いスコアを示した。

主要な貢献

1. 客観的なベースライン: 本研究は、自己申告による指標を超えて、実際の概念的理解を特定することにより、ギリシャの教員に対する初のローカライズされた客観的なAIリテラシーのベースラインを提供する。
2. 診断の粒度: 項目レベルの分析を用いることで、本研究は「中程度」の平均スコアが、実態としては大幅な概念的な不均衡を隠蔽していることを明らかにしている。教師は、倫理やデータに関する知識は強く持っている一方で、基礎的な技術的理解が欠けている可能性がある。
3. 研修ニーズのマッピング（NeedIndex）: 本研究は、評価データを専門性の開発の優先事項に直接変換するための実用的なメカニらズム（$NeedIndex = 1 - p_{correct}$）を導入している。これにより、PD設計者は、想定される関連性ではなく、観察された概念的欠損に基づいてコンテンツを順序立てることが可能になる。
4. 差別化されたPDモデル: 本研究の結果は、以下の階層的な専門性の開発（PD）モデルを支持している：
   • 第1層：基礎的な技術的概念（AI対自動化、機械学習のワークフロー）。
   • 第2層：能力、限界、および不確実性。
   • 第3層：教室に関連する教育学的応用。
   • 第4層：倫理、ガバナンス、およびアカウンタビリティ。

意義と主張
著者らは、本研究を、ツールの妥当性確認や教室での実践の予測器としてではなく、応用的なベースラインおよび研修ニーズのマッピング研究として位置づけている。主な意義は、「AIへの意識」から「概念的な正確性」へと焦点を移すことにある。本研究は、AIシステムの仕組み（例：データ依存性、確率的な出力、汎化の限界）に関する安定した理解なしには、教師はAIツールを効果的に評価したり、システムのエラーを生徒に説明したり、あるいは現実的な教育的利点と誇張された約束を区別したりすることはできないと主張している。

本研究の結果は、AIリテラシーが世代の問題であったり、一般的な教育経験の副産物であったりするという仮定に異を唱えるものである。むしろ、AIリテラシーは、専門分野の背景や構造化された学習機会と強く結びついた、訓練可能な専門知識の領域であることを主張している。したがって、著者らは、倫理的または教育的な応用へと進む前に、基礎的な技術的概念を優先する、エビデンスに基づいたキャパシティ・ビルディングを提唱しており、これにより、教師がAIを活用した学校において責任ある人間による監視を行うために必要な概念的リソースを確実に備えられるようにすることを求めている。

限界
著者らはいくつかの限界を明示している。便宜的サンプリングの使用により、ギリシャの全教員への一般化には限界があること、横断的な設計であるため研修の影響に関する因果推論ができないこと、本ツールは教育的実践ではなく概念的知識を測定していること、そして26項目のテストは、AIリテラシー（例：生成AIの細かなニュアンス）の全容をカバーするには「広さと深さ」のトレードオフが生じることを挙げている。今後の研究では、客観的なテストと、シナリオベースおよび実践ベースの測定法を組み合わせることが推奨される。