AIに「答え」を作らせるのではなく、「考える相手」にする―即興の授業から考えた、生成AI時代の学習設計
授業開始直前、「今日やる予定だったコンテンツがない」ことに気づいた。
そこで、以前1年生の「考える力」で使った緑黄色社会の「恥ずかしいか青春は」を引っ張り出し、2年生の「基礎ゼミB」再履修クラス向けに、その場で授業を組み立てた。
学生自身が歌詞から意味を見つけ、対話し、付箋を並べ、パターンや構造を考える。その後に、初めて生成AIを使った。
結果的に、この「順序」が重要だったのではないかと思う。
授業後、生成AIと認知的オフローディングを扱った研究を読んで、この即興の授業がなぜうまく機能したのか、少し見えてきた。
今回は、その授業の記録と、そこから考えた「人間はどこまで考え、どこからAIに委ねるのか」という問題について書いてみたい。
授業開始直前、「今日のコンテンツがない」と気づいた
先日の「基礎ゼミB」再履修クラス第1回。
この授業では、通常のクラスで実施するコンピテンシー診断を行わない。それに授業開始直前になって気づいた。
つまり、用意していたコンテンツがない。
さて困った。
そこで、「考える力」という1年生の大学基盤科目で以前使った、緑黄色社会の「恥ずかしいか青春は」を使うことにした。
今の2年生は私の「考える力」を受けていないので、この教材には触れたことがない。
同じ教材を使いながら、「基礎ゼミB」のシラバスに則った授業をその場で組み立てることにした。
「質問は相手に対する貢献でもある」
最初は、自己紹介を兼ねた対話から始めた。
このとき学生には、「質問は相手に対する貢献でもある」と伝えた。
質問は、自分が知りたいことを聞くだけではない。問われることで、本人もそれまで言葉にしていなかったことを考えることがある。
対話によって相手の思考が動くなら、それも一つの貢献なのではないか。そんな話をした。
その後、「恥ずかしいか青春は」の歌詞とMVを見てもらい、印象に残ったフレーズを一つ選び、その理由を付箋に書いてもらった。
あえて、相手の目を見ずに話してみる
書いた付箋を、2人または3人で共有する。
このとき、あえて「相手の目を見ないで、付箋を見ながら話してみて」と指示した。
対話では、相手を見ることが大切だと教えられることが多い。しかし、相手の表情を見ていると、「つまらなそうだ」「共感してくれている」と反応を読みながら、自分の話を修正してしまうこともある。
もちろん、それが必要な場面もある。
一方で、ときには相手の反応から少し離れ、自分がなぜその言葉を選んだのか、自分の内側に意識を向けながら話すことも必要なのではないか。
今回は、そんな実験をしてみた。
「個人の感想」を並べると、構造が見えてくる
その後、全員の付箋を前に出してもらった。
まず歌詞の流れに沿って並べ、その上で、似ているものをまとめてカテゴリー分けしてもらった。すると学生たちは、「過去―現在―未来」という時間軸を見つけた。
一枚ずつ見ていると「個人の感想」だったものが、並べてみるとパターンとして見えてくる。
「今しかない時間」「失敗や後悔」「人との関係」「自分らしくあること」「有限だからこその価値」といった構造が少しずつ現れてきた。
学生本人たちはそこまで意識していなかったと思うが、やっていることは小さな質的分析でもある。
一人ひとりが歌詞の中から意味のある箇所を選択する。これは一種の「データ抽出」である。
理由を書くことで、その箇所に意味づけをする。それを「過去・現在・未来」に配置すれば、個別データに時間軸という分析枠組みを与えることになる。さらにカテゴリー分けをすれば、複数のデータから共通性を探し、概念化していくことになる。
つまり、この授業の中では、
経験 → 言語化 → データ化 → 比較 → 分類 → 解釈 → 概念化
という流れが生まれていた。
ここで初めてAIを使った
ここで初めてAIを使った。
全員の付箋を撮影し、その写真を学生それぞれのAIに読み込ませ、次のようにプロンプトを与えた。
これはある曲の歌詞のフレーズと、そのフレーズを選んだ理由を書いたものを集めた写真です。
この曲の歌詞を分析して、歌詞の意図やその中にある価値観を探ってください。
そして、AIによってどんな分析が返ってきたかを見比べた。
面白かったのは、ここからだった。
私は学生に、「AIに回答を作らせる使い方だけをしていると、AIとの関係も表層的なものになりやすい」と話した。
「要約してください」
「答えを作ってください」
「レポートを書いてください」
もちろん、それが役立つ場面もある。
しかし、AIには別の使い方もある。
「ここにどんなパターンがあるのか」
「なぜこのパターンが生まれているのか」
「背後にどんな構造やシステムがあるのか」
「何が価値あるものとして扱われているのか」
「この解釈では説明できないものは何か」
こうした問いを投げながら、目に見えているものの一段下を一緒に考える対話相手として使うこともできる。
私自身、会議の内容をAIに入れて、「この議論の構造はどうなっているか」「対立しているように見える意見の前提は何か」と対話しながら会議に臨むことがある。
AIによって「考えなくてよくなる」のではなく、AIによって「もう一段考える」。
そんな使い方を身につけてもらえないだろうか、と話した。
「認知的オフローディング」という考え方
授業後、ちょうど興味深い論文を読んだ。
Nakamura（2026）は、生成AIが学習を良くするか悪くするかを、AIという「道具」の性質だけで考えるべきではないと論じている。
重要なのは、人間とAIの間で、認知的な仕事をどう分担するかである。
学習目標とは直接関係のない作業をAIに任せ、その分、人間がより重要な思考に集中できれば、AIは学習を拡張する。一方、本来学習者自身が経験すべき推論や意味生成までAIに渡してしまえば、その能力の形成を迂回してしまう可能性がある。
Nakamuraは前者を augmentation、後者を erosion として捉え、「何をAIに任せ、何を自分で考えるのかを調整する能力」そのものを、AIリテラシーの重要な要素として位置づけている。
この論文を読んで、今回の授業がなぜうまくいったのか、少しわかった気がした。
人間が先に「意味を生成する」
AIを使う前に、学生はすでにかなり考えていた。
歌詞から一つ選び、なぜ選んだのかを書き、自分の経験と結びつける。さらに他者に説明し、他者の話を聞き、全員の言葉を並べ、共通点を探してカテゴリーを作った。
つまり、意味を生成し、比較し、構造化する仕事を先に人間がやっていた。
その後にAIを入れた。
だからAIの分析を「正解」として受け取るのではなく、自分たちとは異なる「もう一人の分析者」の見方として扱うことができた。
もし最初からAIに「この歌詞の価値観を分析してください」と聞いていたら、意味の発見も、分類も、構造化も、AIが先にやってしまう。
出てきた答えを読んで「なるほど」と思うことはできる。しかし、それと自分自身が分析できるようになることは同じではない。
AIを使えば、自動的に深く学べるわけではない
これは近年の別の研究とも重なる。
Vendrell & Johnston（2026）は、高等教育で生成AIを批判的思考に生かすためには、学習者に必要な「認知的摩擦」をすべて取り除いてはいけないと指摘している。LLMを暫定的な思考相手として位置づけ、AIを使う段階と使わない段階を組み合わせることなどを提案している。
一方で、「生成AIは学習に悪い」と単純に言えるわけでもない。
57研究を統合したChen & Cheung（2025）のメタ分析では、生成AI利用は大学生の学業成績や高次思考などには平均的にはプラスの効果を示している。ただし、メタ認知については有意な効果が確認されなかった。
つまり、AIを使えば自動的に「自分の考え方を振り返る力」まで育つわけではない。
また、Barcaui（2025）のランダム化比較試験では、ChatGPTを自由に使って学習した学生は、従来型の方法で学習した学生より45日後の知識保持が低かった。
もちろん、一つの研究だけで一般化することはできない。
ただ、「その場で課題ができること」と「その人の中に学習が残ること」は同じではない、という問題は考える必要がある。
「AIを使わせるか、使わせないか」ではない
だから、大学で考えなければならないのは、「AIを使わせるか、使わせないか」という二択ではないのだと思う。
むしろ、
どこまでは自分で考えるのか。
どこからAIに委ねるのか。
AIから返ってきたものを、どうもう一度自分の思考に戻すのか。
という学習設計なのだろう。
AI利用のルールを決めるだけではなく、人間とAIの間で、どの認知的な仕事を誰が担うのかを設計する。
おそらく、生成AI時代の授業では、そこまで考える必要がある。
同じ教材でも、要求する思考は変えられる
今回の授業は、そんなことを考えて設計したものではない。
授業開始直前に「今日のコンテンツがない」と気づき、以前使った教材を引っ張り出し、その場で学生の反応を見ながら組み立てただけである。
でも、だからこそ面白かった。
同じ教材でも、問い方や活動の順序を変えれば、1年生の「自分の考えを言語化する」活動から、2年生の「複数のデータからパターンや構造を見つけ、さらにAIの解釈を吟味する」活動へ変えることができる。
教材そのものを難しくしなくても、そこで行わせる認知活動の水準を変えることはできる。
そしてAIも、答えを代わりに作る道具ではなく、人間がもう一段深く考えるための対話相手として位置づけることができる。
予定していなかった授業から、思いがけず面白い発見ができた。
参考にした研究
Nakamura, D. (2026). Augmentation or Erosion? Regulating Cognitive Offloading in Generative AI-Supported STEM Learning. Educational Psychology Review, 38, 124. DOI: 10.1007/s10648-026-10224-6.
Vendrell, M., & Johnston, S.-K. (2026). Scaffolding critical thinking with generative AI: Design principles for integrating large language models in higher education. Computers and Education: Artificial Intelligence, 10, 100572. DOI: 10.1016/j.caeai.2026.100572.
Chen, S., & Cheung, A. C. K. (2025). Effect of generative artificial intelligence on university students learning outcomes: A systematic review and meta-analysis. Educational Research Review, 100737. DOI: 10.1016/j.edurev.2025.100737.
Barcaui, A. (2025). ChatGPT as a cognitive crutch: Evidence from a randomized controlled trial on knowledge retention. Social Sciences & Humanities Open, 12, 102287. DOI: 10.1016/j.ssaho.2025.102287.
