教育DXとは、子どもを“読む権力”の移動である——紙か電子かではなく、分類の制度設計を問う

教育DXとは、子どもを“読む権力”の移動である——紙か電子かではなく、分類の制度設計を問う

教育DXをめぐる議論は、すぐに「紙か電子か」に流れる。

紙の本で読ませるべきだ。
いや、今の子どもは電子に慣れている。
AIを使うと考えなくなる。
いや、AIは学びの支援になる。

どれも一部は正しい。
しかし、この対立の立て方では、肝心なものが見えなくなる。

問題は、紙か電子かではない。
デジタルが善か悪かでもない。

本当に問うべきなのは、
誰が子どもの学びを読み、分類し、その分類によって子どもの未来を動かすのか
である。

言い換えれば、教育DXとは、便利な教材の導入ではない。
子どもを“読む権力”の移動である。

教育市場化は、デジタルで始まったのではない

まず確認しておきたい。

教育の市場化は、デジタル教科書や生成AIで始まったのではない。

日本では、かなり前から教育は市場の中にあった。

幼児教育。
通信教育。
公文式。
進研ゼミ。
塾。
予備校。
模試。
専門学校。
資格学校。
企業研修。
リスキリング講座。

子どもは学校だけで学んできたわけではない。
家庭は教材を買い、塾に通わせ、模試を受けさせ、偏差値を見て、進路を選んできた。

つまり、教育の市場化は新現象ではない。

さらに言えば、子どもを分類する装置も、デジタル以前から存在していた。

内申書。
調査書。
偏差値。
模試のA〜E判定。
能力別クラス。
進路指導。
推薦基準。
学校ランク。

これらもすでに、子どもを“読む”装置だった。

「この子はこの程度」
「この学校なら届く」
「この進路が現実的」
「この成績なら安全圏」

そうした分類は、本人の自己像、保護者の期待、教師の接し方、進路選択を変えてきた。

だから、教育DXの問題を「市場化が今から始まる」と書くと弱い。
それは歴史を見落としている。

正確には、こう言うべきである。

教育DXの問題は、教育市場化そのものの開始ではない。
すでに存在していた教育市場と分類装置が、データ化・自動化・民営化・リアルタイム化されることである。

何が新しいのか

では、デジタル化で何が変わるのか。

内申書や模試も、子どもを分類してきた。
それなら、AIや学習ログによる分類は、何が違うのか。

違いは、少なくとも六つある。

第一に、粒度が違う。

紙の時代の成績は、単元テスト、定期テスト、模試、通知表のように、ある程度まとまった単位で記録された。
しかしデジタル教材では、どの問題に何秒かけたか、どこで間違えたか、何回やり直したか、どの動画を見たか、どこで止めたかまで記録できる。

第二に、連続性が違う。

模試は年に数回だった。
通知表は学期ごとだった。
しかし学習ログは、毎日の行動を連続的に取れる。

第三に、自動性が違う。

昔の分類には、教師や塾講師の判断が介在していた。
もちろんその判断にも問題はあった。
しかし、少なくとも相手は人間だった。

デジタル教材では、推薦、判定、進度調整、弱点分析が、アルゴリズムによって自動化される。

第四に、可搬性が違う。

紙の記録は、学校、塾、家庭のあいだで分断されていた。
しかしデータは、形式がそろえば、学校、自治体、教材会社、プラットフォーム、研究機関、行政のあいだを移動できる。

第五に、保有主体が違う。

学校や教師が持っていた情報が、企業プラットフォームや外部サービスに蓄積される。
すると、教育判断の材料が、公共教育の内側だけでなく、企業システムの内側にも蓄えられる。

第六に、異議申し立てのしにくさが違う。

教師の判断には、保護者や本人が直接問い返せる場合がある。
もちろん現実には難しいことも多い。
それでも、相手は一応見える。

しかし、推薦アルゴリズムが「この教材が適切」「この進路が妥当」「このレベルで十分」と判断したとき、誰に反論すればよいのか。

担任か。
校長か。
教育委員会か。
企業か。
システム設計者か。
AIのモデルか。

ここが曖昧になる。

だから、デジタル化の新しさは「分類が始まったこと」ではない。
分類は昔からあった。

新しいのは、分類が細かく、常時、自動的に、文脈を越えて持ち運ばれ、企業システムに蓄積され、しかも異議申し立てしにくくなることだ。

紙と電子の話は、条件を分けないと間違える

ここで、紙と電子の話に戻る。

「紙の方がよい」
「電子でも同じ」
この二択も粗い。

英語による研究を見ると、小説や物語を読む場合、紙と電子で、内容理解や楽しさに大きな差は出にくい。

Kindleと紙の文庫でミステリー小説を読ませた研究でも、多くの理解課題では成績差がなかった。
ただし、出来事の順番を思い出す課題では、紙の本を読んだ人の方が成績がよかった。

この実験で使われた電子端末はKindleである。
つまり、原因は単純に「画面の光」ではない。

ページの厚み、めくる感触、今どのあたりを読んでいるかという身体的な手がかりが、物語の時間構造を覚える助けになった可能性がある。

一方で、教科書や論説文のような説明文、時間制限のある読解、精読、校正では、紙がやや有利になりやすい。
特に、読むことが苦手な子どもや、読解力がまだ弱い子どもでは、画面読解の負荷が大きくなる可能性がある。

だから、整理はこうなる。

小説を楽しむなら、電子でも大きな問題はない。
説明文をじっくり読む、試験勉強をする、時系列が複雑な文章を追う、校正する、そういう場面では紙が有利なことがある。
文字拡大、音声読み上げ、辞書、翻訳、読み書き支援が必要な子どもには、電子の方が助けになることもある。

紙か電子かは、一つに決められない。

読む対象、読む目的、読者の技能、時間制限、UI、支援機能によって変わる。

したがって、「紙は善、電子は悪」も粗い。
「慣れれば全部同じ」も粗い。

PIAACの死角——平均が高くても、下位層は存在する

ここで重要になるのが、読解力の分布である。

OECDのPIAAC、つまり成人技能調査を見ると、日本は平均的には高技能国である。
2023年調査でも、日本の成人は読解力、数的思考力、適応的問題解決でOECD平均を上回っている。

しかし、それで安心してよいわけではない。

日本にも、読解の低技能層は存在する。
OECDの報告では、日本の成人の10%が読解でレベル1以下とされている。

さらに、日本では2011–12年から2022–23年にかけて、平均的な読解力と数的思考力はおおむね安定している一方で、読解では高技能層の割合は安定し、低技能層の割合が増えたと報告されている。

ただし、ここで因果を急いではいけない。

この低技能層の増加は、教育DXが引き起こしたものではない。
調査時点の成人の多くは、GIGAスクール以前に学校教育を受けている。
また、高齢化、労働市場の変化、外国人労働者、社会階層、健康、言語環境など、複数の要因がありうる。

だから、「デジタル化で日本人の読解力が落ちた」と読むのは誤りである。

本当に重要なのは別の点だ。

すでに読解下位層が存在する社会に、AIと教育データ化が入ってくる。
そのとき、この層は、支援の対象にもなるが、操作や依存や固定化の対象にもなりうる。

ここが本丸である。

機能的非識字とデータ同意

読解下位層というと、「文字が読めない人」を想像するかもしれない。

しかし問題は、そう単純ではない。

日常的な短文なら読める。
買い物もできる。
スマホも使える。
SNSも読める。

しかし、制度文書、契約、利用規約、行政文書、医療情報、ニュース、統計、AIの出力を正確に読み解くのは難しい。

これは、機能的非識字に近い問題である。

ここに教育DXが重なると、深刻な問題が出る。

たとえば、教育プラットフォームの利用規約。
学習データの保存期間。
第三者提供。
二次利用。
AI推薦の仕組み。
自動判定への異議申し立て。

これらを十分に読めない子どもや保護者が、「同意」ボタンを押す。
形式上は同意している。
しかし、その同意はどこまで有効なのか。

ここで、機能的非識字は単なる読解問題ではなくなる。
データ主体性の問題になる。

読めない人ほど、データを取られる。
読めない人ほど、AIの出力を疑いにくい。
読めない人ほど、推薦や判定に依存しやすい。
読めない人ほど、異議申し立ての手続にたどり着きにくい。

つまり、教育DXは読解支援にもなるが、同時に、読解弱者をより深く分類装置へ組み込む可能性もある。

分類は、人を変える

ここで重要なのは、測定がただの測定ではないということだ。

「この子は読解力が低い」
「この子は基礎問題だけでよい」
「この子はこの進路が妥当」
「この子にはこの教材が最適」

こう分類されると、教師の接し方が変わる。
保護者の期待が変わる。
本人の自己像が変わる。
教材の出され方が変わる。
進路の選択肢が変わる。

そして、その変化が次のデータに反映される。

分類が人を変え、人が変わることで、次の分類がまた変わる。

これは、哲学者イアン・ハッキングが「人間を分類すると、その分類が人間側に取り込まれ、対象そのものが変わる」と論じた問題に近い。
フーコーが『監獄の誕生』で論じた「試験」も、単なる評価ではなく、個人を記録し、比較し、分類し、正常／異常の座標に置く装置だった。

教育データ化は、この古い問題を新しい形で再起動する。

個別最適化は、支援にも固定にもなる

教育DXでは、「個別最適化」という言葉がよく使われる。

一人ひとりに合った教材を出す。
苦手なところを補う。
進度に合わせる。
先生の負担を減らす。

この方向には意味がある。

しかし、個別最適化は、いつでもよいものとは限らない。

子どもに合った支援を出すことと、子どもの可能性を早く分類してしまうことは、紙一重である。

さらに、企業型プラットフォームには独自の利害がある。

継続利用してほしい。
離脱してほしくない。
毎日使ってほしい。
保護者に「効果がある」と感じてほしい。
自治体に「成果が見える」と示したい。

その結果、システムは「深く考えさせる教材」よりも、「すぐ解ける教材」「達成感が出る教材」「継続しやすい教材」を選びやすくなる可能性がある。

これは、子どもに優しいように見える。
しかし、読解力や思考力は、ある程度の負荷、迷い、失敗、再構成を通じて育つ。

何でもすぐに言い換えてくれる。
難しい文をすぐ簡単にしてくれる。
次にやる問題を自動で選んでくれる。
つまずく前に支援してくれる。

それは短期的には助けになる。
しかし長期的には、「自分で複雑な文章を読み、迷い、構造を作り直す経験」を減らすかもしれない。

ここに、アクセシビリティと認知発達のジレンマがある。

読み上げや言い換えは必要である。
支援がなければ学びに入れない子どもがいる。
それを否定してはいけない。

しかし、支援がずっと代替になり、自力で読む訓練の機会を奪うなら、それは別の問題になる。

支援は必要である。
だが、支援が依存を固定しないように設計しなければならない。

測れるものだけで教育を作ると、教育は貧しくなる

データは、見えるものを重視する。

点数。
正答率。
学習時間。
ログイン回数。
提出率。
進度。
クリック。
解答速度。

これらは測りやすい。

しかし、教育には測りにくいものが多い。

沈黙。
迷い。
葛藤。
読み飛ばし。
分かったふり。
読めないふり。
家庭の圧力。
友人関係。
教師への不信感。
急に伸びる前の停滞。
まだ言葉になっていない関心。

測れるものだけで教育を設計すると、測れないものは存在しないかのように扱われる。

しかも、指標は目標になると歪む。

「読解下位層を減らす」という目標は必要である。
しかし、それがテスト対策だけに変われば、また別の貧しさが生まれる。

だから、評価指標は必要だが、万能ではない。
指標は教育の最低保障を確認するための床であって、教育全体を最適化する唯一の目標ではない。

ここを間違えると、「市場化批判」をしていたはずの側も、別の指標ゲームに巻き込まれる。

必要なのは、デジタル拒否ではない

では、どうすればよいのか。

デジタルを拒否すればよい、という話ではない。

紙に戻せばすべて解決するわけではない。
紙教材にも市場はある。
紙の問題集、参考書、検定、模試、塾、通信教育も、教育市場の一部である。

また、デジタル教材には、紙では難しい支援もある。

文字を拡大できる。
音声で読める。
翻訳できる。
読み書きに困難のある子どもを支援できる。
病気、不登校、遠隔地、家庭資源の不足を補える場合もある。

必要なのは、デジタル拒否ではない。

必要なのは、分類の制度設計である。

制度闘争とは何か

「制度闘争」というと大げさに聞こえるかもしれない。

しかし、ここで言っていることは単純である。

教育データを誰が取るのか。
何を取ってよいのか。
何を取ってはいけないのか。
どれくらい保存するのか。
誰が見られるのか。
企業は二次利用できるのか。
AIの判定理由を説明できるのか。
教師はAI判定を拒否できるのか。
子どもや保護者は異議申し立てできるのか。
自治体は特定ベンダーに囲い込まれていないか。
第三者が監査できるのか。
低読解層に本当に効果があったのか。
効果がなかったとき、誰が責任を取るのか。

こうしたルールを決めることである。

すでに参考になる制度の方向性はある。

EU AI Actでは、教育や職業訓練に関わるAIのうち、入学・配属、学習成果評価、教育水準判定、試験中の行動監視に用いられるものが、高リスクAIとして位置づけられている。

GDPR22条には、完全自動処理によって本人に法的または同程度に重大な影響を与える決定について、本人がその対象にならない権利が置かれている。例外がある場合でも、人間の介入、本人の意見表明、異議申し立ての権利が問題になる。

日本にも、文部科学省の「教育データの利活用に係る留意事項」や、デジタル庁・総務省・文科省・経産省による教育DXロードマップがある。教育データ利用と安全・安心の両立、標準化、相互運用性、生成AI活用、デジタル公共インフラの検討は、すでに政策課題になっている。

だから、論点は「デジタルを入れるか入れないか」ではない。

入れるなら、どの制度で囲うのか。
誰が監査するのか。
誰が異議を言えるのか。
誰が拒否できるのか。
どこから先は企業に渡してはいけないのか。

ここである。

当事者は誰か

この制度闘争の当事者は、政府や企業だけではない。

教師。
保護者。
子ども本人。
教育委員会。
地方議会。
個人情報保護委員会。
学校設置者。
研究者。
教材会社。
EdTech企業。
障害支援の専門家。
読解困難を抱える当事者。
不登校や病気で通学が難しい子ども。

それぞれ利害が違う。

企業は継続利用と市場拡大を求める。
行政は効率化と標準化を求める。
学校は運用可能性を求める。
教師は判断権と労働時間の問題を抱える。
保護者は不安と期待の間で揺れる。
子どもは、支援される存在であると同時に、分類される存在でもある。

だから、教育DXは単なる技術導入ではない。
利害の配置換えである。

教育DXの評価軸を変える

教育DXを、端末配備率で評価してはいけない。
AIを使った授業数でも足りない。
ログイン率でも足りない。
市場規模でも足りない。
校務が何時間削減されたかだけでも足りない。

見るべきなのは、次の点である。

読解下位層を本当に底上げしたか。
機能的非識字に近い困難を減らしたか。
説明文を読む力を育てたか。
AI出力を疑い、検証する力を育てたか。
教師の判断権は残っているか。
AI判定を拒否できるか。
子どもや保護者は異議申し立てできるか。
企業の利益相反は開示されているか。
学習ログは最小限に抑えられているか。
保存期間は限定されているか。
二次利用は禁止または厳格に制限されているか。
ベンダーロックインは防がれているか。
分類が子どもの未来を狭めていないか。

これらは、教育DXを止めるための問いではない。
教育DXを公共的に使うための問いである。

佐藤・豊福・稲田論争の位置

この観点から見ると、佐藤学氏のデジタル教科書批判には、重要な警戒が含まれている。

教育が市場化され、子どもと教師が劣化するのではないか。
この不安は、まったく無根拠ではない。

しかし、それを「紙がよい、デジタルが悪い」という形で語ると、問題を取り逃がす。

紙にも市場はある。
電子にも支援機能はある。
媒体差は、物語か説明文か、精読か流し読みか、読者の技能が高いか低いかで変わる。

豊福晋平氏の議論が重要なのは、問題を「デジタルそのもの」ではなく、「市場化と統治」の問題として捉え直している点である。

稲田友氏の議論が重要なのは、単なる反対ではなく、市場の中に公共性や望ましさをどう埋め込むかという実装問題に向かっている点である。

ただし、そこにも注意が必要である。

市場の内側に「望ましさ」を入れれば解決する、とは限らない。
企業が教育の善を語るとき、そこには当然、企業自身の利害も入る。

だからこそ、利益相反の開示、第三者監査、データ利用制限、ベンダーロックイン防止、教師の拒否権、子どもと保護者の異議申し立て権が必要になる。

善意の教育サービスでも、制度的な歯止めがなければ、分類装置になる。

結論

教育DXの問題は、紙か電子かではない。
AIを使うか使わないかでもない。

すでに市場化され、すでに分類装置を持っていた教育が、AI・学習ログ・プラットフォームによって、より細かく、より連続的に、より自動的に、より民間企業の内部へ移されていくことが問題なのである。

紙と電子は、使い分ければよい。
小説は電子でもよい。
説明文や精読では紙が有利な場面がある。
支援が必要な子どもには電子が助けになることもある。

しかし、それは本丸ではない。

本丸は、子どもを読む権力である。

誰が子どものつまずきを読むのか。
誰が可能性を分類するのか。
誰が進路を予測するのか。
誰がそのデータを持つのか。
誰が異議を申し立てられるのか。
誰が「この分類は間違っている」と言えるのか。

教育DXとは、便利な道具の導入ではない。
子どもを“読む権力”を、公共の側に残せるか、それとも企業・行政・プラットフォームの分類装置に渡してしまうのかをめぐる制度闘争である。

出典・参考リンク

OECD “Survey of Adults Skills 2023: Japan”
https://www.oecd.org/en/publications/2024/12/survey-of-adults-skills-2023-country-notes_df7b4a60/japan_c63b2ef1.html

OECD Education GPS “Japan - Adult skills (Survey of Adult Skills, PIAAC, 2023)”
https://gpseducation.oecd.org/CountryProfile?primaryCountry=JPN&topic=AS&treshold=10

Delgado, P., Vargas, C., Ackerman, R., & Salmerón, L. “Don’t throw away your printed books: A meta-analysis on the effects of reading media on reading comprehension.”
https://www.uv.es/lasalgon/papers/Delgado%202018%20dont%20throw%20away%20your%20printed%20books.pdf

Mangen, A., Olivier, G., & Velay, J.-L. “Comparing Comprehension of a Long Text Read in Print Book and on Kindle: Where in the Text and When in the Story?” Frontiers in Psychology, 2019.
https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2019.00038/full

Furenes, M. I., Kucirkova, N., & Bus, A. G. “A Comparison of Children’s Reading on Paper Versus Screen: A Meta-Analysis.” Review of Educational Research, 2021.
https://journals.sagepub.com/doi/10.3102/0034654321998074

Dotan, S. et al. “The effect of modality on reading comprehension of struggling and typical readers in the second and third grades.” Journal of Research in Reading, 2024.
https://onlinelibrary.wiley.com/doi/full/10.1111/1467-9817.12467

Ian Hacking, “Kinds of People: Moving Targets.” Proceedings of the British Academy, 2007.
https://www.thebritishacademy.ac.uk/documents/2043/pba151p285.pdf

Jonathan Y. Tsou, “Hacking on Looping Effects and Kinds of People.” The Monist, preprint.
https://philsci-archive.pitt.edu/25137/1/Tsou-2025-Hacking-Monist-Preprint.pdf

Sharon Slade & Paul Prinsloo, “Learning Analytics: Ethical Issues and Dilemmas.” American Behavioral Scientist, 2013.
https://oro.open.ac.uk/36594/

Ben Williamson, Big Data in Education: The Digital Future of Learning, Policy and Practice. SAGE, 2017.
https://sk.sagepub.com/book/mono/big-data-in-education/toc

EU AI Act Service Desk, Annex III: High-Risk AI Systems
https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-3

GDPR Article 22: Automated individual decision-making, including profiling
https://gdpr-info.eu/art-22-gdpr/

文部科学省「教育データの利活用に係る留意事項について」
https://www.mext.go.jp/a_menu/other/data_00007.htm

デジタル庁・総務省・文部科学省・経済産業省「教育DXロードマップ」
https://www.digital.go.jp/assets/contents/node/information/field_ref_resources/511df327-5ba3-456e-a5cd-2ebeddd8c960/29c4e154/20250613_edu-dx-full.pdf

ベネッセコーポレーション 公式サイト
https://www.benesse.co.jp/

公文式オフィシャルサイト
https://www.kumon.ne.jp/

関連

石部統久・ChatGPT5.5
査読：Fable5・Grok・Gemini（Parcae Protocol）