AI宿題活用の効果が消滅、試験成績は6カ月で20%低下

経済政策研究センターの新しい調査は、学生がAIを使用して宿題を完了すると学業成績が大きく反転するという不安な傾向を記録している。研究者は中国の中学1年生から高校3年生までの26,811人を追跡し、AIの初期導入がもたらす宿題成績の18%増加と完了時間の30%短縮を発見した。しかし、その効果はすぐに消滅した。6カ月以内に月次試験の成績は20%低下し、大学入試の成績は18～24%低下。2年後には最悪の成績に達した。

研究者らは、この低下を起こしている特定の学生像を特定した。『丸投げ』をした学生、つまり最小限の労力で正確に宿題をAIに完了させてもらった学生たちである。試験成績が悪い学生の約80%を占めるこのグループは、正しい宿題の答えを生み出す方法は学んだが、基礎となる教材は学ばなかった。研究チームは「学生にとって重要なのはこれらのタスクを効率的に完了することではなく、そこから学ぶことである。したがって、近年の学生における生成型AI ツールの急速な普及は、その学習に関する広範な懸念を生み出している。わが知見は、教育において一般的なテクノロジーになる可能性が高い生成型AIが、学生の学習に実質的な悪影響を及ぼすことを示している」と記述している。

神経科学者Jared Cooney Horvathは、この発見を100年以上前に認識された問題の現代的な反響として位置づけている。1924年、オハイオ州立大学の心理学教授Sidney Presseyは『教育機械』を発明した。この装置は問題を表示し、学生が正解を入力するとすぐに次の問題に自動的に進むものだった。数十年後、行動主義心理学者B.F. Skinnerは、学生がキーを押して答えを示す機械的システムを使用した改良版を作成した。両発明者は同じ重大な欠陥を発見した。学生は機械そのものでは良好な成績を上げたが、装置の外で知識を一般化または応用することはできなかった。研究者がこれを『転移問題』と呼ぶものである。Presseyはプロジェクトを放棄し、Skinnerへの手紙で「学生は主題を習得していなかった。単に機械を習得していたのである」と記述した。Horvathは、生成型AIが同じ障害に直面する可能性があると警告している。「専門家が人生を楽にするために使用するツールは、専門家になる方法を学ぶために子どもが使用すべきツールではない。初心者として、学生として、専門家が人生を楽にするために使用するアウトソーシングツールを使用する場合、その技能を学ぶことはない。依存を学ぶだけである。」

Western大学の保健法律学准教授Jacob Shelleyからのコンテキストは、学生が学業的リスクにもかかわらずAIを使用することを強いられる理由を明らかにしている。5月、Shelleyは自分のクラスの試験結果で異常を観察した。複数選択問題で満点を獲得した学生が8%いた一方で、カリキュラムでカバーされていない資料を含む論述答案を提出していた。20年の教育経験を持つShelleyは「結果は異常だった。そのようなことは以前に起きたことはない」と述べた。Shelleyはこれが AI使用に関わるものと疑っているが、学生を非難することは控えている。代わりに、彼は学生の将来への不安を指摘している。求人検索プラットフォームMonsterによると、2026年卒業予定者の約90%が、AIや自動化により入門レベルの職が置き換わる可能性があると懸念を報告している。AnthropicのDario AmodeiやOpenAIのSam Altmanを含むテックリーダーは、「AI失業の黙示録」に関する以前の悲観的予測を後退させたが、労働力に参入する準備をしている学生の間では不安が残っている。Shelleyは学生が保証を見抜き、競争力を保つためにAIを採用することを強いられていると信じている。「AIは彼らを、少なくとも多くを置き換えるだろう。彼らはそのことを知っている。そして私たちはそれがないと装っている。彼らはそれを見抜いていると思う。だから学生には責任がある。だが、ここで彼らを非難することはできない。」この調査は、したがって不安な悪循環を捉えている。学生はAIを使用して宿題を管理し、先んじることで期待するが、試験成績と本当の学習の両方が損なわれる。それは彼らが期待していたこととは正反対である。

この調査は、タスク完了と学習の間の根本的な断絶を明らかにしている。学生がAIを使って宿題を素早く正確に終わらせる場合、研究によれば保持と技能転移に不可欠な認知的摩擦—試行錯誤、混乱、葛藤—をバイパスしている。研究者らは「学生にとって重要なのはこれらのタスクを効率的に完了することではなく、そこから学ぶことである」と強調しているが、報酬体系（宿題の成績、時間的プレッシャー、将来への不安）は学生を関与ではなくアウトソーシングへと押し進めている。

このパターンは根深い歴史的背景を持つ。神経科学者Jared Cooney Horvathは、この問題をSidney Presseyが1924年に開発した『教育機械』に遡り、後に行動主義心理学者B.F. Skinnerが1950年代に改良したと追跡している。両者の心理学者は『転移問題』を発見した時点でプロジェクトを放棄した。学生はツール使用時には良好な成績を上げたが、独立して知識を応用することに失敗したのだ。PresseyがSkinnerへの手紙で認めたように、学生は「主題を習得したのではなく、単に機械を習得していた」。生成型AIでも同じメカニズムが機能しているようだ。宿題の問題を解決するが、学生をツールに依存させ、ツールが利用できないときに基礎知識を検索または応用できない状態にしてしまう。

Western大学の保健法律学准教授Jacob Shelleyからのコンテキストは、この発見に緊急性をもたらしている。彼は1つの試験で異常な結果を観察した。複数選択問題で満点を獲得した学生が8%いた一方で、論述部分では苦戦していた。Shelleyはこれに関わるAI不正行為を疑っているが、同時に学生がAIの仕事置き換えへの不安から使用を強いられていることにも注目している。2026年卒業予定者の約90%が、AIや自動化により入門レベルの職が置き換わる可能性があると懸念しているという。Shelleyは学生を非難するのではなく、彼らは認識された脅威に理性的に対応し、実際の学習を損なわせるとしても競争力を保つためにテクノロジーを使用していると示唆している。