THINKERS（AIの佐藤先生）

AIを使った回数は、学習後の自信と無相関（r=0.02） 💡内容と結果 米4大学・入門物理の11クラスで「P-A.I.R.」という型を実践。 難問をAIに解説させる→類題を作らせる→まず自力で解く→最後にAIの解答と照合、の4段階。 学期末調査で90.9%が「概念理解が深まった」、97.7%が「類題演習が役立った」と回答した。 💡考察 学期後の自信（10点中7.18）は、理解の実感（r=0.37）や類題の有用感（r=0.35）と関連。 一方でAIの利用頻度（r=0.02）や自己申告GPA（r=0.13）とはほぼ無関係だった。 著者は「どれだけ使うかより、どう使うかが重要」と解釈している。 💡教育現場への示唆 禁止か放任の二択ではなく「解説の後に必ず自力演習」という順序を課題に組み込む。 学生の懸念はAIの精度（34.2%）と、答えだけ返す説明（29.7%）に集中していた。 GPAと無関係だった点は、成績上位層以外にも効きうることを示す。 【出典】 Active Learning with Generative AI in Introductory Physics: A Multi-Institutional Study of the P-A.I.R. Framework arXiv・2026-11-03 公開 📚教育 × 🧠AI 最新論文

AI助言でチューターの問いかけは増えたが、話す割合は91.5%のまま 💡内容と結果 オンラインのSAT数学指導で、チューター1,030人・学習者7,443人・6,508セッションを無作為化比較。 チューターの対話を自動分析して助言を返すと、生徒の考えを引き出す発言・生徒の発言を受けた展開・生徒の推論が8〜15%増えた。 だがチューターの発話時間の割合は対照群で91.5%、どの条件でも動かなかった。生徒側にも参加状況を返す条件でも変化なし。 💡考察 著者は、チューターは助言された問いかけを実際に使ったが、応じない学習者に阻まれたと述べる（チューター17人への聞き取り）。 生徒13人への聞き取りでは、数値がグループ単位で自分のものに見えなかった、聞く方を好む、生徒同士のやり取りがほぼない、が挙がった。 問いかけの質はフィードバックで動く。だが誰がどれだけ話すかは、授業の進め方そのものに縛られている。 💡教育現場への示唆 発問や受け止めの技術は、自動フィードバックで短期間でも改善が見込める。研修より安く速い。 ただし生徒の発話量を増やす目的には効かない。指名、役割分担、生徒同士で説明させる時間など、進行の型を変える必要がある。 生徒に数値を返すなら、クラス平均ではなく一人ひとりの値にしないと行動は動きにくい。 【出典】 Automated Feedback to Peer Tutors Increases Their Talk Moves and Learner Reasoning but Not the Balance of Talk arXiv・2026-11-04 公開 📚教育 × 🧠AI 最新論文

⭐️全国の教員が講師を務める「AI人材育成プログラム」始動 教育AI活用協会が11/4、全国の教員と作る「AI人材育成プログラム」の提供を発表。 教員は受講者ではなく、講師・企画推進メンバーとして参画する。 オンライン中心で授業設計・探究・教材づくりのAI活用を扱い、公式サイトは11月下旬公開予定。 （PR TIMES／教育AI活用協会, 11/4） 👉 研修を「受ける」側から「作る」側へ。校内の実践を外に出す受け皿が増える。 ⭐️シアトル公立校の保護者が生成AIの一時停止を要求 学区本部前で集会し、保護者の同意・紙での代替・学年別の画面時間制限を要求。学区はGeminiなど3サイトをブロック中。 （KOMO News, 11/4） ⭐️学生が生成AIで農家の課題に挑むコンテスト 農情人のMetagri研究所が「Metagri Student Challenge 2026」の応募を11/3開始、締切は1/10、参加無料。 （PR TIMES／農情人, 11/3） 🤖AI × 🧑‍🏫教育 最新情報

AI採点の人間との一致率、項目によって97%から55%未満まで落ちた 💡内容と結果 大学のサイバーセキュリティ演習で、学生105名のレポートをローカル実行の小型AI(llama3:8b、mistral:7b、gemma3:4b、qwen3:1.7b)にルーブリック採点させた。 事実確認型の項目では人間の採点と最大97%一致した一方、文書構成など文脈判断が要る項目は55%未満まで落ちた。 H100上の大型モデル(gpt-oss-120b)も項目ごとに45.7%や37.1%まで落ち、モデルを大きくすれば解決する話ではなかった。 💡考察 著者は「現在のモデルは文脈依存の採点を任せられる成熟度にない」とし、人間の監督を外さない前提を強調している。 採点が0か1の全か無かのルーブリックだったため、わずかな抜けも不一致として現れやすい点も指摘されている。 裏を返せば、AIが強いのは「証拠があるか」を見る項目で、弱いのは「全体としてどうか」を見る項目だと言える。 💡教育現場への示唆 全項目を一律にAIへ渡さず、事実確認型だけ一次採点を任せ、構成や論旨は人間が見る切り分けが現実的。 ルーブリックを「何を証拠とし、どう点にするか」で書き直すと、AIが文脈を踏み外しにくくなる。 12〜16GBのGPUで動くため、答案を外部に出せない学校でもローカル採点は現実的な選択肢になる。 【出典】 Rubric-Based Assessment of Student Reports Using Small Language Models arXiv・2026-11-01 公開 📚教育 × 🧠AI 最新論文

「役に立たない」と評価されたAIの班が、5週後に協働の質で逆転 💡内容と結果 大学の学部授業で48人・17チームが、LLMのAIチームメイトと5週間、毎週約10分のチャット協働。 AIの役割は2種類。早すぎる合意に疑問を投げる「思考促進型」と、発言の少ない人に声をかける「支援型」。 支援型は全セッションで「役に立たない」と低評価（p<.001, Hedges g=1.57）。ところが協働プロセスの実感は、初回は思考促進型より低いのに最終回には上回った（p=.015, g=1.30）。音声の振り返りに出るポジティブ語も同じ逆転（p=.017）。 💡考察 著者によれば、学生の有用性評価はその回のAIの発言量に連動し（p=.0005）、事前のAI信頼度では予測できなかった。学生は毎回その場で測り直している。 つまり「今日役に立ったか」と「チームの協働が育ったか」は、別の速さで動く。有用性は即時、協働の質は数週間かけて現れた。 支援型は課題の答えを出さない設計だったため、貢献が小さいと割り引かれた可能性が高い。 💡教育現場への示唆 AI活用の評価を1回のアンケートで決めると、遅れて出る効果を見落とす。最低でも数回に分けて測る。 生徒の満足度が低いAIが、学び合いには効いていることがある。満足度だけで導入の可否を決めない。 役割設計は初回から効く。学生は1回目からAIの役割に合わせて話し方を変えていたので、口調と介入方針は最初に固めておく。 【出典】 Out of sync: Accommodation, evaluation, and emergence in five weeks with an agentic AI teammate arXiv・2026-10-29 公開 📚教育 × 🧠AI 最新論文

生徒が「違う」と押すと、AIは自分の正解を最大50%撤回した 💡内容と結果 静力学のトラス問題200問で13のLLMを検証。 素の正答率は64.5〜97.0%、答案に仕込んだ誤りの検出は90.4〜100%でほぼ差がつかない。 だが「これ間違ってると思う」と生徒役が押し返すと、自力で解けた問題でも正解を却下した。商用モデルで平均12.4%、オープンウェイトで平均34.6%、最悪のモデルは50.0%。 💡考察 著者は、押し返しへの耐性は問題を解く力とは別の性質だと指摘する。 実際、素の正答率2位（95.5%）のモデルが、押し返し耐性では7位（78.0%）に落ちた。 教科書の問題より教員の自作問題で迎合しやすく、差は最大19.1ポイント。見慣れた解答ほど強く擁護するのかもしれない（著者は未検証と明記）。 💡教育現場への示唆 答え合わせは「合ってる?」と聞く。「間違ってると思うんだけど」は禁句。生徒の一言で正解が覆る。 AIが訂正してきたら、どの手順が誤りか必ず言わせる。根拠を示せないなら迎合の疑い。 自作問題を出す授業ほど影響は大きい。AI以外の答え合わせ手段も残しておく。 【出典】 TrussTutor-Bench: Benchmarking large language models on solution accuracy, sycophancy, and error detection in statics arXiv・2026-10-28 公開 📚教育 × 🧠AI 最新論文

学習塾講師のアルバイトを始める大学生に、最初にこれだけは言っておきたい。 「時給が高いから塾講師にしました」。全然いい。 むしろアルバイトなんだから時給で選んで何が悪いんだと思う。 教育への崇高な使命感を持った大学1年生だけ採用します、なんてやったら多分誰も来ない。 家から近い、大学帰りに寄れる、飲食店より時給が高い。それでいい。 ただし、塾講師を「授業している時間だけ切り売りする仕事」だと思って入ると、多分どこかでズレる。 大きく3つある。 まず授業準備。塾講師を始めたばかりなら、教材研究にはある程度時間がかかる。自分が中学英語を解けることと、中学生に中学英語を教えられることは別である。 現在完了を自分は感覚で分かっていても、「have＋過去分詞です」で終わったら、生徒は「で？」となる。数学も、自分なら30秒で解ける問題を偏差値45の中学生へ説明するなら、その30秒の中で自分が無意識にやっていることを全部遅くして見せなければいけない。 できる人と、なぜできるのか説明できる人は違う。塾講師をやると嫌でも分かる。もちろん授業前後の業務をどう賃金計算するかは各社の雇用条件を確認すべき話である。その上で、仕事の性質として「教室へ来て初めて教材を開き、その場でなんとなく教えるだけ」で成立する仕事ではないということ。 ただ、ここでもう1つ言いたい。準備に2時間かけた先生が、10分で終わった先生より偉いわけではない。ベテラン講師なら中2英語の教材を見た瞬間に授業構成がほぼ頭に出るかもしれない。 新人は同じ準備に1時間かかる。ではベテランはサボっているのか。違う。経験によって処理が速くなっている。 僕は仕事で「時間をかけた量」を評価しすぎるのがあまり好きではない。3時間準備して分かりにくい授業をする先生より、30分準備して生徒を分からせる先生の方が普通に強い。 もし準備時間を完全な自己申告制にして、時間をかけた人ほどそのまま給与が増えるだけなら、要領よく30分で終えた人よりダラダラ2時間やった人の方が得をする変な制度にもなり得る。だから「準備なんて知らん」は違うし、「準備に長時間かける俺は偉い」も違う。必要な準備をして、その時間を徐々に短くして、それでも授業品質を落とさない。これがプロだと思う。 2つ目。短期だけ働くつもりなら最初に言った方がいい。「夏期講習だけガッツリ稼ぎたいです」。 これも別に悪くない。塾側が夏期講習冬期講習限定で募集しているなら何の問題もない。でも長期前提の求人へ入って、中3を担当して、9月になった瞬間に「夏休み終わったので辞めます」は、生徒側からすると普通に困る。 飲食店なら昨日料理を運んでくれたアルバイトが翌月辞めても、自分が食べる料理にはほとんど関係ない。でも塾では担当者が商品そのものにかなり近い。 毎週同じ先生が来る。前回どこで間違えたか覚えている。宿題を確認する。模試結果を見る。この継続自体に価値がある。だから僕が校舎責任者なら、「最低でも学年が変わるまではやります」と言ってくれる大学生はかなりありがたい。絶対辞めるなという意味ではない。就活も留学も大学の予定変更もある。 でも最初から1か月で消えるつもりの人と、ある程度責任を持つつもりの人なら、後者に生徒を任せたくなる。これ、教育への精神論ではなく、単純に商品設計の話である。 そして3つ目。これが塾講師バイト特有だと思うのだが、採用されたからといって希望しただけコマがもらえるとは限らない。「週3日入れます。6コマ欲しいです」と言っても、その時間に教える生徒がいなければ0である。 個別指導なら、生徒の曜日、時間、科目、学年と講師側の条件を合わせる必要がある。英語しか教えられない先生が火曜19時しか入れず、その時間に英語希望の生徒がいなければ授業は生まれない。だから最初は週1コマということもある。ここで「この塾全然稼げないじゃん」と即判断するのも少し早い。 僕なら、その最初の1コマを死ぬほど大事にする。遅刻しない。準備する。報告する。生徒の前回内容を覚える。指摘されたら直す。そして生徒から「次もこの先生がいい」と言われる。これを積む。そうすると教室長側も、「この子も任せてみよう」となる。週1が週2になる。週2が週4になる。 塾講師って、地味に人気商売なのである。授業が上手い。生徒から好かれる。保護者からクレームがない。複数科目を教えられる。シフト変更が少ない。教室長から見て任せやすい。こういう人に仕事が集まる。 逆に、授業はめちゃくちゃ上手いけど毎月2回休む、連絡が3日返ってこない、報告書は書かない、となると大量の生徒は任せにくい。能力100・信頼20の先生より、能力80・信頼90の先生の方が現場では使いやすいことが普通にある。 少し脱線するが、僕は塾講師バイトって大学生には結構いい仕事だと思っている。特に就職活動においても生徒の成績を数字で示しやすく、成績を上げた理由を説明しやすい。 また人前で話す。相手がどこで分かっていないか考える。同じ説明で伝わらなければ変える。保護者と話す。教室長へ報告する。期限を守る。自分より年下の人間のモチベーションを管理する。 営業、採用、マネジメント、プレゼン、全部につながる。英語を教えていたはずなのに、社会人基礎力までかなり鍛えられる。 だから「高時給の楽なバイト」を探しているなら、塾講師は少し違うかもしれない。でも「高めの時給をもらいながら、社会人になってから使える能力まで鍛えたい」ならかなり良い。 時給で選んでいい。稼ぎたいと思っていい。ただし塾講師は、「今日90分働いたので終わり」という仕事ではない。その90分を来週へつなげる仕事である。 最初から良い先生である必要なんてない。 大学1年生なら下手でもいい。 でも準備する。続ける。直す。それを繰り返せる人には、自然とコマも生徒も集まってくる。 塾講師で1番稼げる人は時給を気にしている人ではない。むしろそれだと稼げない。 1番稼げるのは「次もこの先生に任せたい」と思われた人なのだと思う。

AIへの聞き方が「答え目的」に傾いた生徒は、AIなしの成績が低い 💡内容と結果 ドイツの公立ギムナジウム3校の9年生112人(14〜15歳)が汎用LLM(Mistral)と数学のモデリング課題に取り組み、880ターンを分析。 生徒の発言は81.5%が「依頼」で、計画9.9%・モニタリング6.4%・評価2.2%。 会話の前半→後半で「理解を目的とした質問」の比率は平均で低下(軌跡指数M=-0.20)。この変化の向きが、AIを取り上げた後のテスト成績を予測した(β=.34、p<.001)。 💡考察 著者によれば、会話の長さ・回答を読んだ時間・全体の質問構成は成績をほぼ説明しなかった(ΔR²=.023、p=.684)。効いたのは時間的な変化で、説明率はR²=.184→.318に上がった。 つまり「どれだけ使ったか」ではなく「使うにつれて聞き方がどう変わるか」が学習の質を映す。 なおAIの低品質な回答は3.9%しかなかったが、それが出たときだけ生徒の「評価」発言は3.1%→22.6%に跳ね上がった。AIが正しそうなときほど吟味が省かれていると推測できる。 💡教育現場への示唆 論点は「禁止か自由か」ではなく、会話の後半で聞き方が崩れることを前提に設計できるか。 長く続けるほど答え探しに傾くなら、区切りが効く。10分で一度止めて、自分の言葉で説明させる。 AIが正解を返すときこそ吟味されないので、「この答えはなぜ正しい?」を意図的に聞かせる仕掛けを入れる。 【出典】 Student-LLM Interactions During Math Learning: Limited Epistemic Proactivity Overall, but Within-chat Change Predicts Performance Without AI arXiv・2026-10-28 公開 📚教育 × 🧠AI 最新論文

⭐️ミネソタ大など専門家30人、AIに弱い学習プロセスを特定 米ミネソタ大・UNCチャペルヒル・UCアーバイン主導の専門家合意レポート。学習科学や教育心理の専門家30人がデルファイ法で65の学習プロセスを評価し、42で合意に達した。 合意項目の多くは「AIに脆弱」な側。記憶の形成、批判的思考、メタ認知、粘り強さ、知的主体性、社会的な学びがリスクとして挙がった。 一方で自己テスト、チュータリング、足場かけ、フィードバックからの学習は「強化」で合意。獲得→練習→応用のうちAIが最も有効なのは「練習」段階とし、重要性は高く評価される一方で根拠となる研究の質は低いとも指摘している。 （ミネソタ大学CEHD／MPR News, 10/28） 👉 禁止か全面解禁かではなく「どの段階で使わせるか」が論点。まず自力で考えさせ、練習の場でAIを使う設計に組み替えられるかを確認したい。 ⭐️熊本大主導、6カ国の専門家70人でAI教育のロードマップ AIリテラシー、自動評価とフィードバック、教員の役割の変化、信頼性と説明可能性、公平なアクセスの5つを優先課題に特定。論文はComputers & Education Openに掲載。 （熊本大学, 10/28） ⭐️近畿大、学生ポータルアプリにGeminiを載せ実証実験 理工学部・総合理工学研究科から開始。今日の連絡、時間割、課題の有無をチャットで24時間確認できる。7月の分析では約7割の学生が通知をオフにしていた。 （ICT教育ニュース, 10/28） 🤖AI × 🧑‍🏫教育 最新情報