Beyond the Zero-Sum Debate: Designing for Agency and Efficiency in the Age of GenAI

教育の世界において、学習の方法をめぐる二つの考え方の間に、長らく静かな緊張関係が存在してきました。一方には、学生が真に主題を理解するためには、自由に探索し、間違いを犯し、困難な問題に苦闘する必要があるという信念があります。このアプローチは、物事を解明していく過程における、混沌とした、しばしばフラストレーションの溜まるプロセスそのものを、学習の原動力として価値を置きます。もう一方には、効率性を求める声があります。そこでは、学生が迷ったり落胆したりすることなく、事実やスキルを習得できるように、教師が明確な構造と段階的なガイダンスを提供します。教育者や研究者たちは数十年にわたり、どの程度の手助けを提供し、どの程度の自律性を与えるべきかを議論し、これら二つの目標が共存できるのかどうかを問い続けてきました。そして今、生成AIという新しい力がこの議論に参入しました。これらはエッセイを書き、数学の問題を解き、アイデアを数秒で生成できるコンピュータシステムであり、学習における「苦労」を不要に見せてしまうことがよくあります。この突然の到来は、古い問いの再検討を迫っています。すなわち、このような強力なツールは学生の学習を加速させるのか、それとも単に、実際には理解していないのに理解していると思い込ませるための罠となるのか、という問いです。

ペンシルベニア州立大学のマルセラ・ボルゲと、Thinkertools, Inc.のトッド・シモダという二人の研究者が、実践的な解決策を提示するためにこの議論に踏み込みました。彼らは、人工知能の到来によって、完全な自由か厳格な統制かのどちらかを選ばなければならないわけではないと主張しています。代わりに、彼らは学習活動を二つの明確な部分として扱うフレームワークを提案しています。それは、学生が深い理解を築くために自分自身で行わなければならない「核となる作業（core work）」と、物事を円滑に進めるためにテクノロジーが担うことができる「支援的な作業（supporting work）」です。彼らの目的は、教育者がこれらの新しいツールを、人間の思考を置き換えるためではなく、人間の思考を強化するためにどのように活用できるかを示すことであり、これにより、学生が真の洞察へとつながる必要な苦闘を依然として経験できるようにすることです。

研究者たちはまず、「構築のパラドックス（Construction Paradox）」と呼ぶ問題を特定することから始めます。これは、学習には多くの場合、ゼロから知識を構築するという困難で時間のかかる作業が必要であるという考えです。学生がエッセイを書いたり、複雑な方程式を解いたり、実験を設計したりするとき、彼らは単に最終的な成果物を生み出しているのではなく、世界がどのように機能しているかについての「メンタルモデル」を構築しているのです。もし学生が人工知能を使ってそのエッセイを即座に生成したり、方程式を解いたりすれば、彼らはその精神的な構築プロセスをバイパスしてしまいます。彼らは洗練された結果を手に入れますが、理解を生み出すためのプロセスそのものをスキップしてしまったのです。パラドックスとは、学生や教師が完成した製品に満足する一方で、学生は知識を自分のものにするために必要な認知的努力を回避したため、実際には学習した内容が少なくなっているという点にあります。研究者たちは、もし人工知能にすべての難しい思考を任せてしまえば、完璧な答えを出すことはできても、新しいあるいは未知の問題に直面したときに批判的に考えることができない世代を生み出すリスクがあると示唆しています。

これを解決するために、著者たちはコンピュータ支援による協調学習（computer-supported collaborative learning）という、テクノロジーの助けを借りて人々が共に学ぶ方法を研究する分野における、数十年の研究に基づいています。彼らは、「フォーカル（焦点となる）タスク」と「サポーティング（支援的な）タスク」という、単純ながらも強力な区別を提案しています。フォーカル・タスクとは、学生が習得すべき主要なことです。もし目標が「論点を主張する方法」を学ぶことであるなら、その議論を構築する行為がフォーカル・タスクとなります。もし目標が「チームを管理する方法」を学ぶことであるなら、他者との交渉や調整を行う行為がフォーカル・タスクとなります。これらは、学習において学生のコントロール下に置かれ続けなければならない部分です。これらは、苦闘、誤り、そして最終的な突破口が起こる場所なのです。一方、サポーティング・タスクとは、フォーカル・タスクが行われるのを助けるものの、それ自体が主要な学習目標ではない背景的な活動のことです。これには、文書のフォーマット作成、データの整理、定義の検索などが含まれます。これらは、テクノロジーが最も有用になり得る部分であり、学生が核となる作業にエネルギーを集中できるように、精神的な負荷を軽減するために介入できる領域です。

研究者たちは、自身の過去の教育ソフトウェア設計の例を用いてこれを説明しています。科学の学習を支援するために設計されたあるシステムでは、ソフトウェアは学生に何をすべきか、あるいはあらゆる問題をどのように解くべきかを正確に指示することはありませんでした。代わりに、科学的な探究（問いを立てること、仮説を立てること、アイデアをテストすること）を完全に学生に委ねましたが、探究サイクルの重要な部分に対しては、一般的なアドバイスを提供するソフトウェア・アドバイザーを組み込んでいました。これがフォーカル・タスクであり、学生の全注意と努力を必要とする部分でした。しかし、ソフトウェアは実験後に行われる「リフレクション（振り返り）」に対しては、構造化されたサポートを提供しました。それは、学生が自身の行動を振り返る方法をガイドし、協調的な能力に関する理論に基づいた特定の次元へと注意を向けさせ、レポート作成のメカニズムに足を取られることなく、自身のミスから学ぶことに集中できるように、何をリフレクションの対象とするかを制限しました。この二つを分離することで、システムは学生が科学的発見の重みをフルに体験させつつ、それを理解するために必要なガイダンスも提供することができたのです。

この論理を生成AIに適用するにあたり、研究者たちは、テクノロジーを使用する前に教師や設計者が特定の質問を投げかけるべきだと提案しています。「私たちが学生に学ばせたい主要なことは何か、そしてこの活動のどの部分がその学習にとって不可欠なのか？」という問いです。もし答えが「学生に批判的思考の方法を学ばせたい」ということであれば、その思考プロセス自体は保持されなければなりません。人工知能は、例を生成したり、代替的な視点を提供したり、情報を整理したりするために使用できますが、学生に代わって思考を行わせることは許されません。研究者たちは、もしこれらのツールを単に宿題やエッセイの生産を加速させるために使うのであれば、私たちが育てようとしているスキルそのものを損なう可能性が高いと警告しています。危険なのはテクノロジーを使うこと自体ではなく、成長に必要な認知的作業を回避するためにテクノлоジーを使うことにあるのです。

また、この論文は、このバランスはテクノロジーだけで達成できるものではないことも強調しています。それは、レッスンの目標を理解し、いつ学生に苦闘させ、いつ助けを差し出すべきかをリアルタイムで判断できる教師の積極的な関与を必要とします。かつて、教育ソフトウェアは固定されたスクリプトに従い、あらかじめ定められた経路へと学生を導いてきました。しかし生成AIを用いると、その経路はもはや固定されたものではありません。テクノロジーは予測不可能な方法で反応し、予期せぬ回答や、時には誤った情報さえ提供することがあります。このことは、教師の役割をこれまで以上に重要なものにします。教師は指揮者のように振る舞い、学生と人工知能が自由に相互作用させるべき時と、会話を導くために介入すべき時を判断しなければなりません。教師は、学生が間違いを犯すことを恐れず、グループが情報を検証し問題を解決するために協力し合えるような教室環境を作り上げなければなりません。

結局のところ、研究者たちは、学習の価値は成果物ではなく、そのプロセスにあると主張しています。答えが分からないというもどかしさ、さまざまなアプローチを試みる努力、そして解決策を見つけたときの満足感こそが、深い理解と、新しい状況で知識を応用する能力を築くのです。生成AIは、このプロセスにおける強力なパートナーとなる可能性を秘めていますが、それは慎重に使用された場合に限られます。それは、人間の学習努力を支えるためのツールとして見なされるべきであり、それを置き換えるものであってはなりません。学生が行うべき「核となる作業」と、テクノロジーが扱える「支援的な作業」を区別することで、教育者は、好奇心、協調性、批判的思考という不可欠な人間的要素を失うことなく、これらの新しいツールを活用することができるのです。目標は、学習を容易にすることではなく、学習を有意義なものにすることです。これにより、学生が単なる事実の集まりとしてではなく、自力で考え、創造し、問題を解決する能力を備えて、教育を終えられるようにすることなのです。