英語教育に必要なのは、多言語学習だった――AIを「正解生成器」ではなく、言語の比較実験装置にする
英語教育に必要なのは、多言語学習だった
――AIを「正解生成器」ではなく、言語の比較実験装置にする
最初は、ずいぶん画期的なことを思いついたつもりだった。
英語教育に、多言語学習を入れたらどうだろう。
日本語と英語だけを比べているから、英語がよく見えない。
そこへ中国語やフランス語やドイツ語を入れればよい。
しかも今なら生成AIがある。
教師が中国語を知らなくても、
「この文を中国語ではどう言いますか」
とAIに聞ける。
これはひょっとして、新しい言語教育法ではないか。
世界初だったりして。
――と思って調べた。
もちろん、そんなに世の中は甘くなかった。
四十年ほど前から先祖がいた。
「知らない言語を見せる」という方法は、すでにあった
ヨーロッパには、Language Awareness、さらに Awakening to Languages、フランス語では éveil aux langues と呼ばれる教育の流れがある。
学校で正式に学習している言語だけを見るのではない。
子どもが知らない言語も教室へ持ち込む。
いろいろな言語を比べる。
音が違う。
語順が違う。
物の数え方が違う。
親族の呼び方が違う。
そういう違いを調べながら、
「言語というものは、みんな同じ仕組みを別の単語で言っているわけではない」
と気づかせる。
つまり、
知らない言語を、習得するためではなく、言語について考える材料として使う
というところまでは、すでにあったのである。
しかも日本でも、「言語への目覚め」として研究や教育実践が行われている。
では私が思いついたものは、全部先行研究に回収されてしまったのか。
そうでもなかった。
調べているうちに、自分が面白がっていた場所が、少し違うところにあることが分かってきた。
英語教育では「＝」が増えていく
英語を習い始める。
dog は犬。
book は本。
brother は兄弟。
こうやって覚える。
これは必要である。
何も対応関係を作らなければ、外国語学習は始まらない。
問題は、この対応関係をいつまでも「＝」だと思ってしまうことである。
たとえば、
brother ＝ 兄弟
と習う。
だが日本語では、実際には「兄」と「弟」を分けることが多い。
英語の brother だけでは、年上か年下か分からない。
そこで、
日本語は細かく区別するが、英語は区別しない
と思うかもしれない。
ここへ中国語を入れる。
哥哥と弟弟がある。
すると話が変わる。
日本語だけが妙に細かいわけではない。
少なくとも、中国語も年上と年下を語彙で分けている。
だから第三の言語を入れる意味は、
「正しい答えを教えてもらう」
ことではない。
日本語と英語だけを見て作った、
「日本語はこういう言語で、英語はこういう言語なのだ」
というモデルを壊してみることである。
三点目を置いても、正解は出ない
私は最初、これを「言語の三角測量」と考えた。
日本語と英語という二点だけでは、位置関係が分からない。
第三の言語を置けば、位置が分かる。
だが、これは少し言いすぎだった。
中国語を一つ足したからといって、世界の言語全体の中で英語の位置が確定するわけではない。
日本語と中国語がたまたま似ているだけかもしれない。
第四、第五の言語を調べれば、また見え方が変わるかもしれない。
だから三点目の役割は、
正解を出すことではない。
二点だけから作った思い込みを壊すことにある。
この方が正確である。
そこで「プローブ」という言葉が生きてくる。
プローブとは、正解を教えてくれるものではない。
何かを差し込んでみて、対象がどう反応するかを見る。
第三の言語を差し込む。
第四の言語を差し込む。
すると、日英二言語だけで作った説明のどこが壊れるかが見えてくる。
ただし、ここでも第三言語だけが重要なのではなかった
さらに考えてみると、私は別の操作まで一緒にしていた。
たとえば、
「もういいです。」
をAIに英訳させる。
That's enough.
I'm fine.
No, thank you.
Forget it.
いろいろ出てくる。
なぜこんなに違うのか。
「もういいです」という日本語だけでは、
怒っているのか、
勧めを断っているのか、
満足したのか、
関係を打ち切りたいのか、
分からないからである。
そこで、
「店員にもう勧めなくていいと言う場合」
「恋人と喧嘩している場合」
「食事を勧められて断る場合」
と条件を変えてみる。
すると英訳が変わる。
これは中国語もフランス語も必要ない。
ここで変えているのは言語ではなく、文脈である。
つまり、実際にAIでできる比較実験には少なくとも三種類ある。
同じ内容について複数の英訳を作る。
別の言語へ変える。
話者、聞き手、場面、目的を変える。
私はこの三つを全部「第三言語プローブ」と呼ぼうとしていた。
それでは広すぎる。
そこで一段上に、
AI媒介型言語比較実験
という傘を置いた方がよい。
第三言語プローブは、その中の一つの操作である。
AIで何が新しくなったのか
ここで、ようやくAIが出てくる。
未知の言語を比較材料にする教育は、AI以前からあった。
だから、
AIによって初めて多言語教育が可能になった
とは言えない。
変わったのは、別のところである。
昔なら、教材を作る人が、
日本語、
英語、
中国語、
フランス語、
ドイツ語、
それぞれについて例を調べて教材を作る。
授業では、その完成した教材を使う。
教材は基本的に固定されている。
ところが生成AIなら、授業中に生徒が、
「では、相手が上司なら？」
「子どもなら？」
「百年前なら？」
「中国語では？」
「韓国語では？」
「もっと乱暴な言い方なら？」
と条件を変えられる。
そしてその場で新しい比較材料が出てくる。
ここで起きた変化は、
未知言語が使えるようになったことではない。
比較条件をその場で動かせるようになったことである。
固定教材だった比較が、
動く実験になった。
これはかなり大きい。
AIに正解を聞かない
ただし、ここで妙な問題が起こる。
教師も生徒も中国語を知らない。
そこでAIに聞く。
AIが答える。
では、それを誰が正しいと判断するのか。
ここを飛ばすと、この方法は一瞬で壊れる。
AIが、
「アラビア語ではこう言います」
と言った。
だから、
「アラビア語では、この区別が存在する」
とは言えない。
AIの出力には、
実際の言語の特徴だけでなく、
翻訳の慣習、
与えられた文脈、
AIが勝手に補った文脈、
訓練データの偏り、
言語による性能差、
質問の仕方、
生成時の揺れ、
いろいろなものが混じっている。
特に英語以外の言語同士や、資料の少ない言語では、現在のLLMの性能は安定しない。
だからAIの答えは、
言語事実ではない。
ここが一番重要である。
では何なのか。
仮説である。
AIは仮説生成器にする
たとえばAIが、
「この言語では年長と年少を違う語で表します」
と答えた。
そこで終われば、AI依存である。
そうではなく、
「本当にそうなのか」
を調べる。
辞書を見る。
参照文法を見る。
コーパスを見る。
言語類型論の資料を見る。
必要なら母語話者の用例を見る。
すると、
AIの説明が正しかったり、
半分だけ正しかったり、
完全に間違っていたりする。
間違っていたらどうするか。
そこまで含めて教材になる。
ただし、
間違いだと検証できた場合に限る。
教師も生徒も間違いに気づけないなら、それは教材ではなく誤情報である。
したがって授業の流れは、
AIに聞く
→答えを覚える
ではない。
AIに比較候補を作らせる
→差を見る
→仮説を立てる
→外部資料で検証する
→説明を書き直す
となる。
AIは正解生成器から、
仮説生成器
条件変更器
比較対象生成器
へ役割を変える。
「you は敬語を区別しない」ではない
この方法を使うと、説明そのものも少し精密になる。
たとえば英語の you とフランス語の tu / vous を比べる。
そこで、
英語には敬意や距離の区別がない
と言えば間違いである。
英語にも、
sir、
Professor、
first name、
please、
間接表現、
丁寧な依頼、
レジスターの違い、
いろいろな形で社会関係を表す方法がある。
違うのは、
現代標準英語では、二人称代名詞そのものに tu / vous のような区別を必須にしていない
ということである。
こちらの方が正確だ。
brother についても、
英語は年齢差を区別しない
ではない。
必要なら older brother、younger brother と言える。
違うのは、
brother という基本語を選ぶだけでは、年上か年下かを必ず示す必要がない
ということである。
英語が世界をどう見ているか、と大きく言う前に、
その言語では、何を語彙や文法の上で明示しなければならないのか。何は言わなくてもよいのか。
を見る。
こちらの方が、言語教育として扱いやすい。
これは「英語がうまくなる方法」なのか
ここも区別しておかなければならない。
多言語を比較して、
「英語ではここを明示しなくてもよい」
と説明できるようになった。
それで英会話がうまくなるか。
必ずしもそうとは限らない。
言語について説明できる能力と、
実際の会話中にすばやく適切な英語を使える能力は、
同じではない。
関係はあるかもしれない。
しかし、自動的に転移すると決めてはいけない。
だから、この教育法の第一の目的は、
英語運用能力を直接上げること
ではなく、
英語についてのモデルを作り、比較し、壊し、修正できる能力を育てること
とした方がよい。
それが結果として読解や作文や語用論的判断を改善するかどうかは、実験して確かめればよい。
ここで目的と測定を合わせておく。
では学校では何を評価するのか
たとえばテストで、
「brother を日本語に訳しなさい」
と聞く。
「兄弟」。
正解。
これでは対応表しか測っていない。
代わりに、
「英語の brother、日本語の兄・弟、中国語の哥哥・弟弟を比較し、それぞれが親族関係について何を必ず明示し、何を明示しなくてもよいか説明しなさい」
と聞く。
あるいは、
「『もういいです』について三種類の英訳が出た。話者と聞き手の関係、発話目的、文脈を変えると、どの訳が適切になるか説明しなさい」
と聞く。
ここでは英文を作れるかだけではなく、
なぜその英文を選ぶのか
を測っている。
目的を変えるなら、評価も変えなければならない。
ここを変えずに授業だけ変えても、結局は余興になる。
そして日本の教室は、そもそも二言語ではない
もう一つ、以前の私の考え方には単純化があった。
日本の英語教室を、
日本語母語話者が英語を学ぶ場所
として考えていた。
だが実際には、中国語、韓国語、ポルトガル語、ネパール語などを家庭言語にもつ子どもがいる。
その子にとって、中国語やポルトガル語は「未知の第三言語」ではない。
生活している言語である。
だから第三言語を単なる展示物にして、
「中国語って面白いね」
で終わってはいけない。
教室にすでに存在している複数の言語資源も、学習の中へ戻した方がよい。
ここでは従来の plurilingual education や translanguaging の知見が重要になる。
AIが外国から多言語を持ってくる前に、
教室そのものがすでに多言語である可能性
を見なければならない。
英語だけを使えば、英語を最もよく学べるのか
こうして最初の問いへ戻ってくる。
英語教育なのだから、英語をたくさん使う。
これは当然である。
英語を聞き、
読み、
話し、
書かなければ、
英語を使えるようにはならない。
だから、
多言語比較をすれば英語練習は要らない
という話ではまったくない。
問題は別である。
英語を使う練習と、
英語という言語を対象化して考えることは、
同じ活動ではない。
英語を使うためには英語の中へ入らなければならない。
しかし、
英語そのものを見るためには、ときどき英語の外へ出なければならない。
一種類の魚だけ見ていても、
どこまでが魚一般の特徴で、
どこからがその魚だけの特徴なのか分からない。
別の魚を見る。
さらに哺乳類を見る。
そこで最初の魚をもう一度見る。
すると、前には見えなかったものが見える。
言語でも同じことができる。
英語教育に必要なのは、多言語学習だった
もちろん、これは何カ国語も習得しろという意味ではない。
一つの翻訳を正解としない。
一つの言語対だけから言語一般を推論しない。
AIが出した比較結果も正解としない。
別の言語を入れる。
条件を変える。
説明が壊れる。
もう一度調べる。
モデルを書き直す。
そのための多言語学習である。
最初、私は「第三言語を使う新しい英語教育法」を思いついたつもりだった。
調べてみたら、その部分には四十年前から先祖がいた。
だが先祖を調べたために、逆に何が変わったのかが見えてきた。
生成AIがもたらしたのは、
多言語教育そのものではない。
言語比較を、固定された教材から、その場で条件を動かせる実験へ変える可能性である。
AIに正解を言わせるのではない。
比較対象を増やさせる。
モデルを壊させる。
そして人間が調べ直す。
そう考えると、
AI時代の英語教育で必要なのは、
英語だけをたくさん生成することではない。
ときには英語の外へ出て、
英語をもう一度見直すことである。
英語を理解するために、英語の外へ出る。
そして最後には、日本語もまた外から見る。
そうなって初めて、
「外国語を学ぶ」ということが、
別の単語を覚えることから、
自分が当然だと思っていた言葉の仕組みを、比較によって作り直すこと
へ少し広がる。
私はそちらの方を、
AI時代の「英語教育学」として考えてみたい。
出典
FREPA/CARAP：Awakening to Languages の公式説明
「学校が通常教える予定のない言語」も扱うこと、多数の言語を比較対象にすることが明記されています。今回もっとも重要な先行研究です。
FREPA/CARAP – Pluralistic approachesCouncil of Europe：CEFRの複言語・複文化能力
個別言語能力の単純な寄せ集めではなく、言語資源を相互に関連づけて使うという現在の公式整理です。
CEFR – Plurilingualism and pluriculturalism大山万容『言語への目覚め活動――複言語主義に基づく教授法』2016
日本語圏で「未知言語を比較材料にする教育」がすでに論じられていたことを確認する基本文献。
CiNii Research – 言語への目覚め活動大山万容「複言語教育の日本における文脈化に関する研究」京都大学博士論文
日本の教育を「日本語＋英語」に偏る構造として批判し、「ことばを学ぶ」と「ことばについて学ぶ」を分けています。改訂稿との接続がかなり強いです。
京都大学学術情報リポジトリ – 複言語教育の日本における文脈化に関する研究大山ほか 2021：日本の小学校での「言語への目覚め」実践
西日本の小学校で、中国語・韓国語・フランス語なども含めて実践されています。「日本ではまだ誰もやっていない」を否定する重要資料です。
J-STAGE – フランス語学習を準備する小学校での複言語教育Kuzu 2026：AI-Supported Translanguaging Processes in Primary School
ChatGPTを複言語資源の活性化に利用した2026年の実証研究。「AI＋多言語教育」まで既に先行があることを示します。
Springer – AI-Supported Translanguaging Processes in Primary SchoolQian & Scherrer 2026, EAMT：LLM多言語翻訳の性能差
15モデル・22言語対を比較し、非英語中心の言語対で英語中心対より一貫して翻訳性能が低かったという、改訂稿の「AI出力＝言語事実ではない」を支える重要資料です。
ACL Anthology – Why do Large Language Models Fail in Low-resource Translation?文部科学省：中学校学習指導要領解説・外国語編
「授業は英語で行うことを基本」としながらも、その趣旨に沿えば必要に応じて補助的に日本語を用いることも考えられると明記されています。したがって改訂稿は学習指導要領との全面衝突ではありません。
文科省 – 中学校学習指導要領解説 外国語編 PDF
補助資料として、日本で既に**オンライン多言語教材「コトバハカセ」**を用いた小学校実践まであります。これは今回の新規性を「デジタル多言語教材」からもさらに絞るために有用です。
CiNii – 「コトバハカセ」を用いた小学校外国語教育での複言語教育
石部統久・ChatGPT5.６
査読：ChatGPT5.６・Claude Opus5・Grok・Gemini3.7（Parcae Protocol）
