ガイダンス期間も終わり、いよいよ本格的に大学で授業が始まった最初の週が終わりました。ここから何回かは、AIとのつきあい方の話について、考えていきたいと思います。
今回のテーマは、「大学1年生が最初に身につけるべき5つの原則」です。これは、週の中頃に、Xに投稿した内容でもありました。また、4月18日放送のGadgetouch「THE LINTARO SHOW」のお便りでも、この話題を頂き解説しました。
昨年大学では、学長が「生成AIを積極的に使い倒せ」と全学に伝えていました。
残念ながら学生や教職員に、学校から有料の生成AIのアカウントが配られることはありませんでしたが、学生なら飲み会に1度行く代わりに月額3000円のAIサービスを契約する、教職員なら在宅手当の3000円をAIに充てるなどして、1/3が必要性を感じて生成AIに自前で課金して使うようになりました。
そうした状況の中で、すでに「AIを使え」と言って回るフェイズは終わり。AIが使われていることが前提で、評価方法、課題、試験を組み立てたり、グループワークでの効果的な使い方を導入したりする
大学におけるAI利用、5つの原則とは
- AIは下書き担当であり、提出責任者は自分
- 固有名詞・数値・引用・制度は必ず確認
- 出典不明の断定は使わない
- 学びを飛ばして答えだけ取らない
- 個人情報・機密情報をむやみに入れない
このうち、特に大学での4年間のAI利用の初手として、最も重視するべき原則は4つ目「学びを飛ばして答えだけ取らない」だと思います。
課題に関係ある・なしに関わらず、AIが知的な気づきや学びや好奇心をかき立てる「きっかけ」として作用させることができれば、それは膨大な学びのリソースへのアクセスが連鎖し、大学生活、その後の社会人生活、そして人生そのものが豊かになる、と思いました。
もう「生成AIを使ってもいいですか？」と聞かなくて良い
大学の新生活は、だいたいパスワードとの格闘から始まります。
学内Wi-Fiにつなぐ、LMSに入る、履修登録の画面で固まる。4月のキャンパスには、そういう少し慌ただしい空気があります。そこに、この数年でもうひとつ加わった問いがあります。「レポートって、AIを使っていいんですか」という問いです。
今の大学で本当に問われるべきことは、少し違うところに移りつつあります。
もはや生成AIを使ったかどうか、その一点だけを切り出しても、本質は見えません。むしろ、多くの学生が当然のように使い始めているし、専門職大学の立場から言えば、今後出ていく職業の世界でも、当然のように使われている、若しくは卒業までに使われていることが前提となっていくでしょう。
そのため、すでに論点は、「使って良いかどうか」から、使うかどうかにかかわらず「どれだけ質の高いアウトプットを出せるか」、「どこまで自分の理解が進んでいるのか」に移っていると考えたいです。
専門職大学は、答えをきれいに並べるだけの場所ではありません。以下に実務的に問題発見と問題解決を行う能力があるか、が重要です。
問いを立てること、資料を読むこと、根拠を示すこと、比較すること、自分の言葉で説明すること。そうした営みを通じて、知識を自分のものにしていく場所です。
生成AIは強力な補助線ツール。しかしあくまで補助線であるという
だからこそ大学1年生には、テクニックより先に、最初にインストールしておきたい原則があります。プロンプトの上手さより前に必要な、もっと土台の話です。今回は、その5つを整理しておきます。
「使ったか」より、「何を任せて、何を引き受けたか」
これからの大学では、AIの使用有無を入口にして議論しても、あまり建設的ではありません。検索エンジンや辞書アプリ、翻訳ツールやスペルチェックが当たり前になったように、生成AIもまた、多くの学生にとって日常的な道具になっていくからです。
しかも教員の側も、学生がある程度AIを使えてしまう前提で、授業や課題を設計せざるを得なくなります。というより、進んでそう設計すべきで、日常的にAIを伴走させる環境にし、AIを使うことが許可制でも、特別なことでもない状況にしていく方が良いでしょう。
要約や整文が簡単になるなら、その先を問うしかありません。授業で扱った概念をどう比較するのか。文献をどう読み分けるのか。自分の観察や経験とどう接続するのか。問題や対象となる資料は変えなくて良いので、AIを用いて分析し、学生にその先の判断や検討、そして議論に集中してもらい、そこを評価する。
つまり、基準が緩むのではなく、むしろ一段上がるのです。
そのとき評価の軸になるのは、「使ったか」ではなく、「何を自分で判断し、何を自分で確認し、何を自分の理解として説明できるか」です。AIが出してきたことは、全て自分の口で説明できるべきだし、妥当性を判断し、その先の議論についての考えを問いたい。
AIが平均的な文章をかなりの速度で作れるようになるほど、平均的な文章の価値は下がります。逆に価値が上がるのは、事実確認の精度、問いの立て方、文献の読み方、授業との接続、自分の観察をどう織り込めるか、といった部分です。
大学1年生に必要なのは、高度なプロンプト術よりも、まず編集の原則です。何を採用し、何を捨て、どこを確かめ、どこで立ち止まるか。この感覚が、AI時代の学びの基礎体力になります。
ってなってくると、文章を普段から扱っている自分にとっての、我田引水に聞こえてしまうかもしれませんが……。
ここから先は、5つの原則を1つずつ、紐解いていきます。
原則1 AIは下書き担当であり、提出責任者は自分
最初の原則は、いちばんシンプルです。AIは下書き担当です。提出責任者は自分です。もし答えが間違っていたら、AIのせいではなく、提出した学生のせいです。
提出物に名前が載るのは学生本人であって、AIではありません。レポートであれ、発表資料であれ、メールであれ、最後に「これを出します」と決めるのは自分です。だから、AIが書いた文章をそのまま流し込むのではなく、内容を読み、直し、不要なところを削り、必要なら書き換える。この編集の責任を引き受ける必要があります。
生成AIの文章は、とても流暢です。読んだ瞬間に「それっぽい」と感じても、論理が飛んでいたり、授業の文脈とずれていたり、わかった気にさせるだけの言い回しが混ざっていたりします。
見た目が整っていることと、理解があることは、別の話です。だから、AIが出してきた内容を自分の口で理解しているかが重要であり、分からなかったら理解する「学び」を行わなければなりません。
AIを優秀な下書き係として使うのはよい使い方です。ただし、責任まで渡してはいけません。そこを曖昧にすると、文章は立派でも、中身の伴わない提出物になりやすいのです。
原則2 固有名詞・数値・引用・制度は必ず確認
生成AIでもっとも注意したいのは、細部をもっともらしく埋めるところです。
人名、組織名、論文名、年号、統計、法律、学則、奨学金の条件、入試制度、行政の仕組み。こうした情報は、一か所間違うだけで、文章全体の信頼性を大きく損ないます。
とくに危ないのが引用です。存在しない論文をそれらしく作ったり、実在する文献でも著者名やページを取り違えたりすることがあります。見た目が整っているだけに、気づかず使ってしまうと厄介です。
ここで大事なのは、「重要な細部ほど原典に当たる」という姿勢です。
大学の学びでは、情報を集めること以上に、情報の出どころをたどれることが重要です。検索して出てきたまとめを読むだけではなく、必要なら元の論文、元の統計、元の制度文書を確認する。AIを使う時代ほど、この基本が効いてきます。
原則3 出典不明の断定は使わない
AIの文章には、根拠が薄くても断定が滑らかになる、という特徴があります。
「近年、若者はこう考える傾向がある」「日本ではこれが急速に進んでいる」といった文は、そのまま読むと自然です。しかし、自然に読めることと、根拠があることは同じではありません。
大学で求められるのは、印象のよい文章ではなく、誰が、どのデータや議論に基づいて、どこまで言っているのかを示すことです。出典がわからない断定は、たとえ文体が整っていても、学術的には弱い文章になります。
これはAIに限りませんが、AIはとくに「自信ありげに言い切る」のが得意です。しかも、間違いを指摘すると、平謝りして訂正してくる。別にそこに新年などないのです。
根拠が出せないときは断定しない。自分の意見なら、「私は授業内容とこの文献を踏まえて、こう考える」と主語と理由を明示する。そのひと手間が、文章の信頼性を大きく変えます。
原則4 学びを飛ばして答えだけ取らない
ここが、いちばん重要です。
少なくともうちの大学の課題は、正解を最短距離で回収するゲームではありません。むしろ、すぐには答えが出ない時間の中で、何がわかっていないのかに気づき、問いの形を整え、資料を読み、考えを組み立てていくことに価値があります。
授業を受けた直後はわかった気がしたのに、いざレポートを書こうとすると手が止まる。教科書の一節を読んでも意味が入ってこない。自分の考えを一段落でまとめようとすると、どこが曖昧なのかが露呈する。大学の学びは、そういう「引っかかり」の中で進みます。
ところが生成AIは、その引っかかりを一気に飛び越えて、もっともらしい完成形を出してくれます。
テーマを入れれば構成案が出てくる。要約も出る。結論まで整えてくれる。それ自体は便利です。ただ、その便利さに乗りすぎると、頭の中に残りません。提出物はできても、なぜその結論になったのか、自分で説明できない。
期末試験やゼミで質問されたときに理解してないことが分かる。プレゼンで一問返されると急に弱くなる。理解をショートカットした分の請求は、少し遅れてやってきます。
ここで考えたいのは、「AIを使うな」という話ではありません。そうではなく、AIをどこに入れるかです。学びの入口から出口までを全部任せるのではなく、自分が考える途中を支える道具として使う。その使い分けが大切です。
たとえば、こんな方法を取り入れるのはどうでしょう。
- 最初に自分で20分だけ考えてから、論点整理を手伝ってもらう。
- 文献を読んで自分なりの要約を作ったあとで、抜けや誤解がないかチェックしてもらう。
- 自分の仮説に対する反論を出してもらう。
- わからない概念を、高校生向け、大学1年生向け、専門家向けと説明し直してもらう。
- 小テストを作ってもらって理解確認に使う。
こうした使い方なら、学びは飛びません。むしろ、理解を深くする方向に働きます。
ではそのための基準はどうすれば良いか。これも、例えば、というレベルの話ではありますが、
- 自分のメモがゼロの状態で、完成原稿を取りにいかない。
- 提出前に、AIを見ずに3分で内容を説明できるかを確かめる。
説明できないなら、まだ自分の理解になっていません。
大学教育で本当に育てたいのは、答えを当てる速度ではなく、問いを扱う力です。
わからないことに向き合う時間、資料と格闘する時間、考えを言葉に変換する時間。その手触りをまるごとAIに渡してしまうと、学びの中心が空洞になります。逆に、その手触りを保ったままAIを使えれば、AIは近道の道具ではなく、思考の補助輪になります。
ここを最初に理解しておくかどうかで、4年間の差はかなり大きくなるはずです。
原則5 個人情報・機密情報をむやみに入れない
AIは便利です。便利な箱が目の前にあると、つい何でも入れたくなります。しかし、ここにも境界線があります。
友人や家族の個人情報、相談内容、成績、連絡先、顔写真。ゼミで配られた未公表資料。インターン先やアルバイト先の社内情報。研究データや、公開前の企画書。こうしたものは、むやみに入力しないほうがよい情報です。
サービスによってデータの扱いは異なりますし、大学の契約環境か、個人で使っている無料サービスかでも条件は変わります。
だから基本は、「入れないで済むなら入れない」です。
必要があって使うなら、匿名化する、固有名詞を伏せる、数字を必要最小限にする。これはAI活用のテクニックというより、情報を扱う人の作法です。
大学で学ぶというのは、知識を増やすことだけでなく、情報との適切な距離感を身につけることでもあります。
AIを味方につけると、大学で問われるものはむしろ増える
ここまで読むと、「結局、気をつけることが増えるだけでは」と感じるかもしれません。たしかに、気をつける点は増えます。ただ、それは悪いことではありません。
むしろ、大学教育が本来重視してきたことが、AIによってよりはっきり見えるようになったとも言えます。
AIが得意なのは、整理、要約、たたき台づくり、言い換え、比較の補助です。これらは、学びの周辺にある摩擦を減らしてくれます。あるいは、どうしても面倒くさかったり二の足を踏んでしまうスタートの部分をアシストしてくれます。クルマで言うと、マイルドハイブリッドみたいな。
その結果、大学でより強く問われるようになるのは、その先です。
どんな問いを立てるのか。どの資料を採用するのか。どこまでが事実で、どこからが解釈なのか。授業で学んだ概念を、社会や自分の経験とどう接続するのか。つまり、知識の再生より、知識の運用が問われるようになります。
これは学生にとって厳しい話でもありますが、同時に面白い変化でもあります。
AIが平均点を取りやすくするほど、平均点もしくは合格点の水準は上がり、教員はその先を見ようとします。だからこそ、大学1年生の段階で必要なのは、派手なAI活用術ではなく、地味でも強い原則です。
自分で引き受けること、確認すること、断定に慎重であること、学びを飛ばさないこと、情報の境界線を守ること。この5つがあれば、AIは学びを壊す道具ではなく、学びを増幅する道具になります。
大学生活は、最初の数か月で姿勢が決まりやすい時期でもあります。だから、生成AIとの付き合い方も、最初に基準を入れておくほうがよいのです。
問われるのは、AIを使ったかどうかではありません。AIがいる環境の中で、何を自分で考え、何を自分で確かめ、どう学びを深くしたかです。まずは、この5つの原則から始めてみてください。
コメント