# AIは子どもの学びを妨げているのか？（#1036）

- 番組: [Super Data Science: ML & AI Podcast with Jon Krohn](https://ai-curator.jp/podcasts/shows/cmv3z5c0j000j5o10v3e8e8p9)（Jon Krohn）
- 元のタイトル: 1036: Is AI Holding Kids Back from Learning?
- 配信日: 2026年10月16日
- 長さ: 13分
- 要約作成日: 2026年10月16日
- トピック: [#AI教育](https://ai-curator.jp/topics/AI%E6%95%99%E8%82%B2) [#LLM](https://ai-curator.jp/topics/LLM) [#ChatGPT](https://ai-curator.jp/topics/ChatGPT) [#AIチューター](https://ai-curator.jp/topics/AI%E3%83%81%E3%83%A5%E3%83%BC%E3%82%BF%E3%83%BC) [#学習科学](https://ai-curator.jp/topics/%E5%AD%A6%E7%BF%92%E7%A7%91%E5%AD%A6) [#評価方法](https://ai-curator.jp/topics/%E8%A9%95%E4%BE%A1%E6%96%B9%E6%B3%95)
- URL: https://ai-curator.jp/podcasts/cmvavga6r00016t0zsya3iqp6

## 要約

Jon Krohn が、AI は子どもの学習を妨げるのかという問いを最新の研究から検討した回。中国の約3万人規模の研究では、AI で宿題の点は上がったが試験の点は下がった。一方、トルコ、ハーバード、ナイジェリアなどでは、チューター型に設計された AI が学習効果を示した。結論は「使い方次第」であり、大人の仕事にも当てはまると述べている。

## ポイント

- 中国の約3万人の生徒を対象にした研究では、AI 導入後に宿題の点が18%上がり所要時間は約30%減ったが、月例試験は20%下がり、入試でも18%・24%の低下が見られたという。
- 損失は、極端に短時間で高得点を取る「宿題の丸投げ」型の約80%の利用者に集中した。宿題に50〜65分かけた約20%は、試験成績が非利用者と同等だった。
- トルコの実験では、標準の GPT-4 を使った生徒は AI なしの試験で対照群より17%低かったが、学習用に設計された GPT Tutor の群は対照群と統計的に差がなかった。
- Middlebury College、ハーバード大、ナイジェリアの世界銀行の試験では、概念の説明やフィードバックに使う AI が学習効果を示した。ただしナイジェリアの結果は、構造化プロンプトや教師の支援などを含むパッケージ全体の効果だと注記されている。
- 実践上の示唆は三つ。宿題の質が上がり時間が激減したら丸投げを疑う、学習モードなどチューター型の設定を使う、AI なしの試験の重要性が増す、というもの。

## 章立て

- [00:00] **学生の AI 利用の広がり** — 学生の AI 利用率の高さと、学習への影響を示す厳密な証拠が最近まで乏しかったことが紹介される。
- [01:02] **中国3万人の自然実験** — 導入時期のずれを利用した差の差分析で、宿題の点は上がる一方、試験や入試の成績が下がったという結果が示される。
- [03:05] **丸投げ型と学習型の違い** — 宿題の点が試験成績を予測しなくなったこと、損失が丸投げ型の利用者に集中したことが説明される。
- [03:49] **トルコの GPT Tutor 実験** — 標準の GPT-4 と、学習を守る設計の GPT Tutor を比べた実験の結果が語られる。
- [07:20] **効果を示した研究群** — Middlebury College、ハーバード大の物理、ナイジェリアの世界銀行の試験など、AI が学習に役立った例が紹介される。
- [09:31] **結論と三つの実践的示唆** — 望ましい困難の観点から、使い方次第という結論と、親・教育者向けの三つの要点が示される。
- [11:34] **大人の仕事への示唆** — 自分で先に考える、推論を説明させるなど、仕事で AI を使う際の指針が述べられる。

## 解説記事

Super Data Science Podcast の Jon Krohn は、第1036回で「AI は子どもの学習を妨げるのか」という問いを取り上げた。複数の新しい研究を引きながら、答えは AI の使い方で決まると整理している。

#### 学生の AI 利用は急拡大している

Jon によれば、ed tech 企業 Chegg の昨年の調査では、富裕国の学部生の80%が学習に AI を使っていた。英国とドイツの最近の調査では93〜94%という数字もあるという。教員が ChatGPT 由来に見えるよく似たエッセイを採点しているという話にも触れている。一方で、AI 利用が学習に与える影響についての厳密な証拠は、最近まで乏しかったと述べている。

#### 中国の約3万人研究：宿題は伸び、試験は下がった

最大の研究は、ストックホルム大学と香港大学によるもので、中国の7〜12年生（約12〜18歳）約3万人の2年半分のデータを使っている。生徒ごとに AI の導入時期が異なることを利用し、差の差分析（導入前後の変化を、未導入の生徒の推移と比べる手法）で分析した。

結果は対照的だった。AI 導入後、宿題の点は18%上がり、1課題あたりの時間は平均64分から45分へ約30%減った。しかし月例の試験は半年以内に20%下がり、高校・大学の入試では18%と24%下がった。入試への影響が完全に現れるまでには約2年かかったという。

Jon が興味深い点として挙げたのは、宿題の点が試験成績の信頼できる予測因子だったのに、AI の普及でその関係が逆転したことだ。宿題で最高点を取る生徒ほど、試験では悪くなりやすい。宿題の点で理解度を測る教員にとって、その信号は壊れたと指摘している。損失は社会科学で最大で、次いで STEM、言語の順だった。また低学年、成績上位層、男子で特に大きかったという。

#### 禁止すべきか：問題は「丸投げ」

ニューヨーク市の学校のように AI を禁止すべきかについて、Jon は「そう急ぐべきではない」と述べる。損失が集中したのは、極端に短い時間で高得点を取る「宿題の丸投げ」型の約80%の利用者だった。一方、宿題に50〜65分かけた利用者（約20%）は、宿題の点は高いのに試験成績は非利用者とほぼ同じだった。Jon は、この層が概念の説明や行き詰まりの解消に AI を使っていたのだろうと推測している。

#### 設計された AI は結果を変える

ペンシルベニアの Wharton School の研究者が主導したトルコの実験では、高校生約1000人の数学を対象に、標準の GPT-4 と、学習を守る安全策を備えた GPT Tutor を比べた。GPT Tutor のプロンプトは500語超で、標準版は約50語だった。練習中の成績は標準版で約50%、GPT Tutor で127%向上した。ところが AI なしの試験では、標準版を使った生徒は AI を使わなかった対照群より17%低く、GPT Tutor 群は対照群と統計的に区別できなかった。さらに AI 利用者は、高成績層も含め、自分の学習量を過大評価していたという。Jon は、LLM が利用者を持ち上げがちなことと関連づけている。

プラスの結果を示した研究もある。Middlebury College のランダム化実験では、AI を使った学部生の直後のテスト成績が0.27標準偏差上がり、1週間後も維持された。概念の説明に使った「拡張型」の利用者は1週間後のエッセイの質も上がったが、文章生成に頼った「自動化型」は短期の利得が消えた。ハーバードの物理の研究では、講師自身の解答を学ばせ、回答を数文に抑えるよう指示したカスタム AI チューターが、アクティブラーニングの授業の2倍超の学習効果を、より短い時間で出したという。ナイジェリアの世界銀行の試験では、6週間の放課後プログラムで0.31標準偏差の向上があり、通常の学校教育の1.5〜2年分に相当するとされる。ただし世銀のチームは、構造化プロンプト、カリキュラムとの整合、教師の支援、ピア学習を含むパッケージ全体の効果だと注記している。

#### 三つの実践的示唆

Jon は「望ましい困難」という認知科学の概念を挙げる。学習には努力を伴う思考が必要で、AI が先に答えを出せば宿題はよく見えても学習は起きない。逆に、説明、ヒント、フィードバックに使えば優れたチューターになる。そこから三点を示した。

1. 親や教育者は、課題にかけた時間を警告信号に使える。宿題の質が上がり時間が激減していれば、丸投げの可能性がある。
2. ツール設計が重要。トルコ、ナイジェリア、ハーバードの結果はいずれもチューター型の AI を示しており、各プラットフォームの学習モードを使う価値がある。
3. 宿題の点が理解度を示さなくなったため、授業中の閉本試験など AI なしの評価の重要性は増す。

Jon は、提出後にレポートについて対話形式で口頭試問を行う AI ツール OralExam.ai にも触れた。共同講師の John Rennie が数週間後に番組へ出演する予定だという。

#### まとめ

この回の核心は、AI の有無ではなく、思考を肩代わりさせるのか、説明やフィードバックに使うのかという点にある。Jon はこれが子どもだけの話ではなく、仕事で AI を使う大人にも当てはまると述べる。先に自分で解いてみる、モデルに推論を説明させる、AI を思考の置き換えでなく拡張に使う、という指針だ。日本の読者にとっても、教育現場での AI 方針だけでなく、社内でのスキル育成や評価設計を見直す手がかりになるだろう。なお、挙げられた数字は番組での紹介に基づくもので、個々の研究の詳細は原典の確認が必要である。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Super Data Science: ML & AI Podcast with Jon Krohn「1036: Is AI Holding Kids Back from Learning?」