学生のAI依存で宿題が形骸化、米大学教員が明かす現場実態と授業再編の動き

生成AIの普及により学生が課題作成をAIに任せる事例が増加し、従来の宿題による学習効果や評価が揺らいでいる。米大学の元教員がCNET Japanで現場の実態を明かす一方、大学側はAIを排除せず前提とした講義設計への転換を進めている。

セカンドデプロイ
・5分で読めます・AIが下書きし筆者が確認
ノートが開かれた学生の机の上に、抽象的なネットワークの線が浮かび上がる様子を描いた概念イラスト
AI 生成画像(FLUX.1 [schnell])

この記事のポイント

  1. 01CNET Japan掲載の寄稿で、元教授は受講者の推定9割が課題にAIを使ったと疑っていた実態を明かした。
  2. 02口頭発表で作成経緯を説明できない学生がいる一方、成績評価の構造上、AI不正の抑止が難しい実態がある。
  3. 03アリゾナ州立大学はChatGPT EDUや独自基盤CreateAI Builderを導入し、学習設計の転換を図っている。
目次
  1. オンライン授業の受講者の推定9割がAI利用か、教員が直面する評価の限界
  2. 成果物の作成経緯を説明できず、罰則よりも「AI不正が得」な構造
  3. アリゾナ州立大学は「不正対策」から「AI活用の学習設計」へ転換
  4. 人間とAIの境界が曖昧になるなか、求められる学習目的の再定義

生成AIの急速な普及に伴い、大学の教育現場で学生が課題作成をAIに委ねる動きが広がり、従来の宿題を通じた能力評価が困難になっている。米アリゾナ州立大学(ASU)の元実務家教授がCNET Japanに寄せた手記で、課題採点の現場における苦悩と宿題の形骸化を指摘した。一方で同大学は、AIの利用を不正として取り締まるのではなく、公式にツールを導入して授業設計そのものを見直す方針を打ち出している。

オンライン授業の受講者の推定9割がAI利用か、教員が直面する評価の限界

CNET Japanが報じた元教員の寄稿によると、2022年後半に登場したChatGPTをはじめとする高性能なチャットボットやAIエージェントの普及以降、学生の課題提出物の確認は極めて困難な作業へと変化したという。以前は授業内容の理解度を確認できた課題提出物が、指定外の資料からの難解な引用であふれ、初日から専門知識を有しているかのような文章で埋まるようになったと元教員は振り返っている。

元教員は課題の不正を見破るため、出題内容の一部を複数のAIチャットツールに入力し、出力結果と学生の提出物を照合する対策をとっていた。しかし、大半のケースではAIが生成した文章であるかどうかの判断がつかなかったという。2026年に教職を離れる頃には、自身が担当していたオンライン授業の受講生の少なくとも90%が、課題の全部または一部をAIに任せているのではないかと疑う状況に陥っていたと説明している。

こうした状況は特定の講義にとどまらない。同寄稿では、カリフォルニア大学バークレー校の数学教授が、学生全員がAIを使っていることを理由に課題の採点をとりやめた事例についても言及されている。

成果物の作成経緯を説明できず、罰則よりも「AI不正が得」な構造

AIへの過度な依存は、学生自身の学習プロセスの喪失にも直結している。元教員の寄稿によると、少人数の対面授業において、事前課題のアイデアをどのように着想したか基本的な質問を教員から投げかけられた学生が、自身の成果物が生まれた経緯を一切説明できなくなる事態が発生した。

その後の個別の話し合いで、学生は課題の一部をChatGPTに作成させたことを認め、再発防止を約束したものの、次の課題でも同様にAIを利用し、約束を破り続けたという。元教員が上司である学部長に不正審査委員会への付託を相談したところ、対応の判断は教員個人に委ねられ、大学や学部としても広く普及するAIへの向き合い方を模索している段階であると伝えられたとしている。

さらに、成績評価の仕組み自体が不正を後押ししている側面も指摘されている。シミュレーションや口頭発表の録画などAIによる代行が難しい課題を課した場合、普段AIに依存している学生は低い評価を受ける傾向にある。しかし、学期を通じて提出される通常の課題で高い評価を取り続けていれば、1回程度の不調は最終成績に大きく影響しない。結果として、学生にとってAIを利用して課題を提出するほうが合理的であるという計算が成り立ってしまう構造が浮き彫りになっている。

flowchart TD
    A[教員が課題を出題] --> B[学生が生成AIで回答を作成]
    B --> C[完成度の高い課題を提出]
    C --> D[教員はAI利用の判別が困難]
    D --> E[高い平常点を獲得]
    
    B -.-> F[作成経緯を理解できず]
    F -.-> G[口頭試問や対面発表で説明不能]
    G -.-> H[単発の減点にとどまり全体成績は維持]
    
    subgraph 大学側の新たな対応
    I[AI検知・禁止の限界] --> J[AI前提の授業設計]
    J --> K[ChatGPT EDU / CreateAI Builder導入]
    end

課題作成におけるAI依存の悪循環と大学側の対応転換

アリゾナ州立大学は「不正対策」から「AI活用の学習設計」へ転換

個別の教員がAI検知に苦慮する一方、大学組織としてのASUは、AIを教育から排除するのではなく、公式に取り込むアプローチを採用している。ASU教務担当副学長室の公式資料によると、大学側はAIを教育上の課題解決に役立てるだけでなく、倫理的かつ包摂的な教育実践を優先しながら授業設計にAIを取り入れる方針を示している。

同大学は、不正行為としての取り締まりに終始する議論から脱却し、AIが教育をいかに向上させられるかという対話への転換を提唱している。学生とAIが生成したコンテンツの境界が急速に曖昧になるなか、教員向けに倫理的な利用ガイドラインやワークショップ、事例研究を提供している。

その一環として、ASUは独自開発した「CreateAI Builder」と、OpenAIの教育機関向けプラン「ChatGPT EDU」の2つのプラットフォームを教職員および学生向けに整備した。大学のインフラ内でデータを保護し、米国の教育権利プライバシー法(FERPA)に準拠した形でAIプロジェクトや独自GPTを構築できる環境を提供している。

両ツールの主な仕様の違いは以下の通りである。

項目 CreateAI Builder ChatGPT EDU
学生のアクセス 申請制 利用可能
学習管理システム(LMS)連携 提供予定(Spring A/C) なし
文書アップロード数 無制限 1プロジェクトあたり20件、3時間ごとに80件
RAGによる知識ベース連携 あり なし
利用可能なモデル数 40以上 OpenAIの4モデル
Ethical AI Engineによる評価 あり(バイアスや正確性の検証) なし
有効性研究用データの取得 可能 不可
高度なデータ分析(Deep Research) 通常の分析のみ 対応
エージェント型ワークフロー 対応(アルファ版) なし
ダッシュボードと利用状況分析 あり なし
FERPA(教育権利プライバシー法)準拠 準拠 準拠
GPT/プロジェクト作成 テンプレートと共同編集に対応 ASUアカウント間での共有に対応

人間とAIの境界が曖昧になるなか、求められる学習目的の再定義

ASUの公式資料では、生成AIを「テキスト、画像、動画、音楽、合成データなどをプロンプトに基づいて作成できる人工知能」と定義し、ChatGPTのほかDALL-EやStableDiffusionなどの画像生成モデルの仕組みを解説している。そのうえで、AIが学術的誠実性だけでなく、批判的思考力、研究、文章作成能力に与える影響について慎重な検討を呼びかけている。

宿題をAIに任せることで、学生は短時間で一定水準の成果物と良好な成績を得られる。しかし元教員は寄稿の中で、学習とは単に競争で勝利を収めるためのものではなく、言語を自在に操るように自らの能力を培う過程そのものであると指摘している。学ぶ過程をAIに丸投げすることは、専門性を身につける機会を損ない、自身の信用を失う危険を伴うと結んでいる。

SOURCES 出典

本記事は AI を活用して作成し、筆者が確認のうえ公開しています。詳しくはAI 利用ポリシーをご覧ください。