【悲報】AIで48%も点が伸びた高校生、AIを取り上げたら未経験者より17%低かった

トルコの高校で、こんな実験が行われました。

数学の練習問題を解く生徒の横に、ChatGPTみたいな画面を置きます。詰まったら聞けます。

結果、練習中の得点が 48%アップ 。

素晴らしい。教育の未来です。AIは学びを変えます。

……という話で終わっていれば、よかったんですが。

そのあと、AIを取り上げました

練習が終わったところで、研究者たちはAIも教材も全部回収しました。

そして試験をやりました。

AIを一度も使わなかった生徒より、 17%低い点 でした。

48%高かったはずの人たちです。取り上げた瞬間、未経験者に負けています。

約1,000人の高校生を対象にしたランダム化比較試験で、2025年にPNASに載った結果です。ちゃんとした研究です。

「AIに答えを出させると学習に悪い」

そう読まれました。まあ、そう読めます。

ただ、この実験には第三の群がいました

条件は3つあったんです。

• 教科書と授業ノートだけの対照群

• 普通のチャット画面でGPT-4に聞ける群（GPT Base）

• 答えを渡さず、ヒントだけ返す群（GPT Tutor）

さっきの悲惨な結果は、2番目の話です。

では3番目はどうだったか。

練習中の得点、対照群より 127%高い 。

そしてAIなし試験での悪影響が、 ほぼ消えました 。

正の効果までは確認されていませんが、少なくとも刺さっていません。

モデルは同じGPT-4です

念のため、もう一度言います。

2番目と3番目、 使っているモデルは同じGPT-4 です。

違ったのは一点だけ。

学習者に何を返すか。

答えを返すか、ヒントを返すか。それだけで、片方は未経験者に負け、もう片方は無傷でした。

論文のタイトルも正直で、「Generative AI without guardrails can harm learning」です。ガードレールのないAIは、という限定つき。

つまりこれ、AIの性能の話じゃないんですよ。

どの作業を人間の側に残すかという、設計の話です。

で、そもそもの話をしていいですか

一段手前の話をします。

7384×5927を暗算できますか。

できないですよね。私もできません。

電卓が普及して、その能力は消えました。で、それを「教育上の損失だ」と嘆いている人、見たことありますか。

いないんですよ。

社会が必要とする能力が、「巨大な掛け算を実行する」から「何を計算すべきか決めて、出てきた数字が変じゃないか確かめる」へ移っただけだからです。

私は前に、AIで起きているのは能力の喪失ではなく重心の移動だと書きました。実行から指揮へ。力を発揮する場所が変わっているだけだと。

その考えは、いまも変えていません。17%の低下も、それだけでは損失と断定できません。

文字が記憶力を奪う。印刷が学問を浅くする。電卓が計算力を殺す。

この手の心配は、繰り返し語られて、繰り返し外れてきました。

だから今回も杞憂でしょう、と言いたい。

言いたいんですが、一個だけ違うところがあります

電卓が肩代わりしたのは、問題を解く工程のうち 計算という一部分 でした。

何を計算すべきか決めるのも、出た数字から次を考えるのも、人間の側に残っていた。

生成AIは、工程をまるごと持っていきます。

問題を読んで、方針を立てて、計算して、説明までして返してくる。全部です。

部分を渡すのと、全部を渡すのは、同じ委譲ではありません。

GPT Tutorが無傷だったのも、ヒントという形で工程の一部だけを渡したからでした。

The Effortless Trap という論文は、これを診断ルールにしています。

AIを入れて課題が楽に感じられるようになったなら、それは置き場所が間違っている。

耳が痛い。

全部渡すと、渡したものを採点できなくなります

ここが本当に厄介なところです。

完全に委譲すると、 AIを評価するために必要な最低限の能力まで、一緒に消えます 。

掛け算を電卓に任せるのはいい。でも「100×100はだいたい1万」という感覚は残っていたほうがいい。

じゃないと、桁が一個ずれた答えが出てきても気づけません。

コードをAIに書かせるのもいい。でも、まったく読めなければ、誤りは見つけられません。

これ、気分の問題ではなく、構造の問題なんです。

検証は、生成と同じ能力を要求します。

学習者がAIの出力を意味のある形で問い詰められないとき、判断に必要な内部モデルを持っていない、という言い方もされています。

数万本から一本を選んだ人の話

博報堂の元コピーライターが、AIに数万本の案を出させました。

そこから選んだ一本が、宣伝会議賞の最終23本に残りました。

生成は任せられる。でも、拮抗した候補から最後の一本を選ぶ判断は人間に残る。その人はそう整理しています。

ただ、です。

その「選ぶ力」、おそらく自分で書いていた時間の上に乗っていますよね。

重心が移動するという話には、移動先の足場が移動元でできている、という条件が隠れています。

そこを外すと、移動は自分の足場を削る作業になります。

自分が立っている板を、自分で引き抜いている絵です。

じゃあ、どこで線を引くのか

こうなると、問いが変わります。

「自力で全部できるべきか」ではありません。

委譲してよい部分と、理解を保持すべき部分の境界はどこか です。

数学なら、こう分けられそうです。

渡してよさそうなほう。

• 方程式を機械的に解く

• 微分を実行する

• 長い式変形をする

残しておいたほうがよさそうなほう。

• そもそも何を求めればよいのか

• どんなモデルを立てるか

• AIの答えはおかしくないか

• 前提は妥当か

• その結果から何を判断するか

教育目標も動きます。「AIなしで最後まで解ける人を作る」から、「AIを使いながら、自分で問題を定義し、AIを監督し、誤りを発見できる人を作る」へ。

ここで真面目な反論が来ます

教育研究には プロダクティブ・ストラグル という考え方があります。

つまずくこと、間違えること、居心地の悪さを経ること。それ自体に学習上の価値がある、と。

もっともです。

ただ、その研究も「苦労のための苦労」は学習を妨げると言っています。

求めているのは適切な難度の苦労。で、それってやっぱり、どこを残すかという話に戻ってくるんですよ。

やっかいなのは、この境界が固定ではないこと。

AIが強くなるたびに動きます。 動く前提で設計するしかありません。

これ、学校だけの話じゃないですからね

学習支援AIを「利用中の正答率」だけで測るな、という主張があります。正しいと思います。

ただ、「AIを外した後に残る技能」の中身を旧来の自力解答力のままにしておくと、測るものがずれます。

測るべきは、AIの誤答を検出できるか。前提の妥当性を判断できるか。なぜその答えになるのかを説明できるか。そちらです。

そして、これは学校だけの話ではありません。

AIを入れた職場で「作業時間が何割減った」と言うとき。

私たち、 利用中の性能しか見ていません 。

練習中に48%上がって喜んでいた、あの状態です。

一応、冷静なことも言っておきます

この研究、トルコの高校1校です。教科は数学。授業は4回。

使われたのも一般公開版ではなく、研究用の画面でした。

境界の位置を実証的に決められる段階にも、まだ来ていません。

スタンフォード大の 2026年のレビューは、800本を超える研究のうち、AIが生徒や教員の成果を厳密に測れている因果研究は 20本だけ だと報告しています。

800本超のうち、20本です。

ここから「AI教育は危険」も「AI教育は安全」も出てきません。

出てくるのは、 境界をどこに引くかという問題が、抽象的な心配ではなく実測できる現象として存在する という事実だけです。

結論：残すべきは、解く力ではなく疑う力

PNASの研究は、「AIに頼ると学習に悪い」という研究として読むより、境界の設計問題を可視化した研究として読むほうが、ずっと面白いと思います。

AIが解ける問題を、人間が自力で解けるようになる必要はありません。

これは本気でそう思っています。

ただし。

AIが出した答えを見て「これはおかしい」と言えなくなったとき。

そのときだけは、 自分で解けたほうがよかった という話になります。

残すべきは解く力そのものではなく、 疑える力 のほうです。

そして、もし疑える力が、解いた経験からしか育たないのだとしたら。

そのときだけは、遠回りに見えるあの練習問題を、まだ手放せません。

というわけで、宿題はなくなりません。残念でした。