
何が起きたか
経済政策研究センターが中国の中学1年生から高校3年生までの26,811人を調査したところ、AI使用により宿題の成績は18%向上し、完了時間は30%短縮された。しかし月次試験の成績は6カ月以内に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を記録した。
なぜ重要か
成績低下の約80%は、AI に宿題を完全に丸投げした学生から生じた。彼らは正確に宿題を完了させたが、何も学んでいない。生産性の向上(仕事を早く終わらせる)と実際の学習の間に大きなズレがあることが判明した。この現象は、1924年に『教育機械』が発明された時代から、自動化ツールが技能開発を阻害する可能性があることが数十年にわたって指摘されている。
注目点
神経科学者Jared Cooney Horvathは、AIが教育に導入されると1920年代から記録されている『転移問題』が再現される可能性があると警告している。学生はツール使用時には高い成績を上げるが、ツールなしで独立して知識を応用するよう求められると失敗する。つまりAI依存が本来の学習に置き換わるリスクがある。
こういう要約が、毎朝あなたのメールに届きます。
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。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
次の記事へAI研究者が報酬追求行動の11の未解決問題を特定