第2部-高校生とAI活用/high-school2026-2

高校生という発達段階におけるAI活用のあり方：高校生が使う上での留意点や期待される視点

Transcript

1. 高校生という発達段階における AI活用のあり方 高校生が使う上での留意点や期待される視点 ── 大学生相手の経験から ── 宮崎産業経営大学 経営学部 エコノデータサイエンス学科 岡 夏樹 このスライドはClaude Fable 5 高と相談しながら作成した 内容の全責任は講演者が負う 2026/7/9 10:00-12:00 宮崎県高等学校等教育研究会情報部会研修会 https://speakerdeck.com/okana2ki/high-school2026-2 第 ２ 部
2. 現 状 認 識 高校生は、もう使っている 84 88 73 74 0 10 20 30 40 50 60 70 80 90 100 高校生 (CA調査 2026) 女子高生 (CA調査 2026) 中学生 (CA調査 2026) 高校生 (学研白書 2025) 74.4% 高校生が使うAIの1位は ChatGPT（2位 Gemini 36.9%） 「禁止か許可か」の議論は すでに終わっている 出典：サイバーエージェント調査（2026年3月）／学研「幼児・小学生・中学生・高校生白書2025」。ツール別シェアは学研白書（高校生利用者ベース）。
3. 大 学 か ら の 観 察 大学側で、毎年見ていること 課題レポートは出せる。でも、説明できない AIで完成度の高いレポートは出せるが、口頭で問い直すと止まる学生が一定数いる プロンプトの質は、理解度の鏡 良い質問ができる学生は伸びる；何を聞けばいいか分からない学生はAIを持て余す 「AIで勉強した」の自己申告と、実力の乖離 本人は学べたつもりでも、AIなしのテストで差が出る（後述の研究と一致） 分かれ目は、入学前にできている（仮説） 高校時代に「答えの機械」として使ったか、「先生」として使ったか
4. エ ビ デ ン ス ① 答えをくれるAIは、学力を「借金」に変える 48. 127. -17. -0.4 -40 -20 0 20 40 60 80 100 120 140 GPT Base（素のChatGPT型） GPT Tutor（ヒント誘導型） AIを使った練習中 AIを外した試験 トルコの高校数学 約1,000名のRCT 使っている間は成績が上がる。取り上げ ると、使わなかった生徒より下がる。 松葉杖効果 crutch ── 頼っている間だけ歩ける 出典：Bastani et al. (2025) “Generative AI without guardrails can harm learning,” PNAS 122, e2422633122.
5. エ ビ デ ン ス ① ’ 一番怖いのは、「学べた感」の錯覚 −17% AIなし試験での成績（GPT Base群） なのに 「同じくらい 学べた」 と、本人たちは自己評価していた 生徒の「AIで勉強になった」という自己申告は当てにならない → 「AIなしで測る」場面が要 る 出典：Bastani et al. (2025) PNAS（同研究の副次結果：学習の自己評価と実際の成績の乖離）。
6. エ ビ デ ン ス ② 書く力を借りると、「認知負債」が残る 道具なし 脳内ネットワークの結合が最も強く 、広く分布 検索エンジン 中程度の認知的関与 LLM（ChatGPT） 結合が最も弱い。自分の文章を引用 できず、当事者意識も最低 エッセイ執筆をEEG（脳波）で比較 ── LLM群は4か月にわたり神経・言語・行動の各レベルで一貫して低調 注意：n=54の小規模研究で、方法論への批判コメントも出ている（arXiv:2601.00856）。断定ではなく「示唆」と して。 出典：Kosmyna et al. (2025) “Your Brain on ChatGPT,” MIT Media Lab, arXiv:2506.08872.
7. エ ビ デ ン ス ③ 教育学の知見で設計されたAIは、学習も「動機」も高める 約2倍 教育学の知見で設計されたAIチューターの学習量 （対面アクティブラーニング比・短時間で） 動機 ↑ エンゲージメント・学習意欲も AIチューター群の方が高かった AIが良いか悪いか、ではない。 答えを渡すAIは学習を壊し、問いを返すAIは学習を助ける 出典：Kestin et al. (2025) “AI tutoring outperforms in-class active learning,” Scientific Reports 15, 17458（ハーバード大・物理入門 RCT, N=194）.
8. 処 方 箋 ① 3社が揃って「学習モード」を作った ChatGPT Study and Learn ソクラテス式の問いかけ・段階的説 明・理解度チェック Gemini Guided Learning 学習特化モデルLearnLMを統合。図 ・動画・クイズで段階誘導 Claude Learning Mode 概念理解を重視し、思考を促す問い で導く（※18歳以上） 共通の設計思想：答えを渡さず、問いとヒントで導く（＝GPT Tutorの製品化） ただし、生徒が押し切れば答えは出る（検証報告あり）。「モードの指定」では解決しない ── 使いたくなる仕 掛けが要る 参考：各社公式ヘルプ／15歳の生徒を装った検証で学習モードでも数分でエッセイが完成した事例報告（Nest, 2025, Why Try AI）。
9. 処 方 箋 ② AIから聞き出せるのは、「理解の周辺」だけ いま理解 していること 理解の周辺＝AIが足場をかけられる領域 何を聞けばいいかも分からない領域 ヴィゴツキー「発達の最近接領域（ZPD）」 AIは優秀な家庭教師になれる。ただし—— 足場をかけられる範囲は、本人の現在の理解に規定 される プロンプトの質は、理解の関数 帰結：理解を増やすほど、AIは強力になる → AI時代こそ、基礎の勉強が「割に合う」
10. 処 方 箋 ③ 最重要は動機付け ── AIは「やる気」にも使える Kestinの研究で動機まで高まったのは偶然ではない。個別最適な学習支援の、その先へ： ① チャットで対話 好きなこと・過去に頑張れた場面・つ まずきを聞き出す → ② 個人の特徴を抽出 その生徒に固有の「やる気スイッチ」 を推定する → ③ スイッチを押す 生徒ごとに違う声かけ・目標設定・課 題の出し方を提案 デモ：「やる気スイッチアプリ」試作版（1分） こういうものが、いま目の前で数分で作れ ます → 第4部（実技）で体験
11. 問 題 提 起 ただし、3つの「壁」がある 年齢の壁 先端的な体験環境ほど18歳以上 （Claude、Google AI Studio 等）。 高校生に「今いちばん面白い体験」を 正規に提供できない お金の壁 サブスクリプションと従量課金。 AIエージェント級の体験は 学校予算では届きにくい 交流の壁 「雑談相手」「悩み相談」としての AI利用が国内調査でも上位に。 人との交流時間との競合を注視 年齢制限の一覧と現実解（Gemini中心の無料構成）は、第3部・第4部で具体的に扱います 参考：各社利用規約（2026年7月時点・詳細は参考資料R1）／クロス・マーケティング「AIに関する調査（2025年）」ほか。
12. 先生方への提言 ── ３つだけ １ 「AIなしでできるか」を測る場面を、意図的に作る 自己申告の「学べた感」は当てにならない（松葉杖効果への対策） ２ 学習モードを「指定」せず、使いたくなる課題を設計する モードは迂回できる。動機の設計こそが本丸 ３ 生徒がAIに何を聞いているかを、対話の材料にする 質問の質は理解の鏡。プロンプト履歴は最高の形成的評価 高校で育てるべきは、AIの操作スキルより―― AIに聞けることを増やす「理解」と、聞きたくなる「動機」
13. 参考資料 Appendix ── 本編では触れない詳細データ・出典（配布・閲覧用） R1 年齢制限一覧 R2 文科省ガイドライン R3〜R5 研究詳細 R6 出典一覧
14. 参 考 資 料 R 1 主要生成AIサービスの年齢制限（2026年7月時点） サービス 年齢条件 補足 ChatGPT 13歳以上 18歳未満は保護者の同意が必要。年齢予測システム＋ペアレンタルコントロールを導入 Gemini（個人） 13歳以上 ファミリーリンク管理下なら13歳未満も利用可（2025年5月〜）。EU域内など地域差 あり Gemini（学校） 条件付き Workspace for Education 経由。管理者の許可が必要で、年齢条件・利用可能機能は 設定による Microsoft Copilot 実質18歳〜（個人） 日本の個人アカウントは16歳基準＋18歳未満はアプリ制限運用。学校配布アカウント は13歳以上で Copilot Chat 利用可（2025年夏〜） Claude 18歳以上 例外なし。保護者の同意があっても18歳未満は利用不可（Artifacts等の体験も不可） Google AI Studio 18歳以上 Build環境でのバイブコーディング体験も18歳以上が対象 各社の利用規約は頻繁に改定される。実施前に必ず公式の最新規約を確認すること。 出典：各社利用規約・ヘルプ／tAiL.法律事務所 生成AI Q&A（2026年2月）／松坂（2026年4月, note）ほか。
15. 参 考 資 料 R 2 文科省ガイドライン Ver.2.0（令和6年12月26日）の要点 基本となる2つの考え方 人間中心の原則 AIは人々の能力を拡張し、多様な幸せの追求を可能にするために活 用されるべき 情報活用能力の育成 仕組み・役割・法制度の科学的理解に裏打ちされた、適切かつ効果 的な利活用の態度を育てる 利活用の5つのチェックポイント ① 安全性を考慮した適正利用（規約遵守） ② 情報セキュリテ ィ ③ 個人情報・プライバシー・著作権 ④ 公平性の確保 ⑤ 透明性・説明責任 パイロット校の知見（両面性） ＋ 意図した出力を得ようと試行錯誤する中で、学習意欲 ・創造性が高まる可能性 − 回答を鵜呑みにする／活用場面を自分で選べないケー スも → 教師のガイダンスが必要 生成AIの出力はあくまで参考の一つ。 最後は自分で判断できるよう指導する ── 本編のエビデンスと同じ方向を指す 出典：文部科学省「初等中等教育段階における生成AIの利活用に関するガイドライン（Ver.2.0）」令和6年12月26日。
16. 参 考 資 料 R 3 研究詳細①：Bastani et al. (2025) PNAS 実験デザイン • トルコの高校（9〜11年生・約1,000名）の数学授業で実 施した無作為化比較試験 各回90分：教師による復習 → AI補助つき練習 → AIなし30分 試験 3群：GPT Base（素のChatGPT型）／GPT Tutor（答えを出さ ずヒントを段階提示・教師の入力を反映）／統制（教科書・ノ ートのみ） 主な結果 • 練習中の成績：Base +48%／Tutor +127% AIなし試験：Base −17%（統制群より悪化）／Tutorは統制 群と統計的に差なし Base群は誤答も含めて写す「答えの機械」的使用。自己評価 は「学べた」と楽観的 成績のばらつきは縮小（弱い生徒ほどAIの恩恵大）／出席率 には影響なし 含意：既製のAIをそのまま渡すと学習を損ない得る。ガードレール（答えを出さない設計・教師の関与）が学習 を守る。 Bastani, Bastani, Sungu, Ge, Kabakcı & Mariman (2025) “Generative AI without guardrails can harm learning: Evidence from high school mathematics,” PNAS 122, e2422633122.
17. 参 考 資 料 R 4 研究詳細②：Kosmyna et al. (2025) MIT Media Lab 実験デザイン • 54名（第4セッションは18名）がエッセイを執筆。LLM群 ／検索エンジン群／道具なし群 4か月・計4セッション。第4回では群を入れ替え（LLM→道具 なし、道具なし→LLM） EEG（脳波）で認知的関与を測定し、NLP分析・人間教師とAI による採点を併用 主な結果 • 脳内結合の強さ：道具なし ＞ 検索 ＞ LLM LLM群は自分の文章を正確に引用できず、エッセイへの当事 者意識も最低 LLM→道具なしに切り替えた後も低調 ＝「認知負債」の残存 を示唆 限界と批判（引用時は必ず添える）： 小規模（n=54）・ChatGPTのみ・ラボ環境。批判コメント（arXiv:2601.00856）は設計・再現性・EEG解析・報告の一 貫性・透明性を指摘。プレプリントであり査読誌掲載ではない。 Kosmyna et al. (2025) “Your Brain on ChatGPT: Accumulation of Cognitive Debt…,” arXiv:2506.08872／批判：arXiv:2601.00856.
18. 参 考 資 料 R 5 研究詳細③：Kestin et al. (2025) Scientific Reports 実験デザイン • ハーバード大の物理入門講義（PS2, 2023年秋）で N=194 のクロスオーバーRCT 同一教材を「対面アクティブラーニング」と「自作AIチュータ ー（PS2 Pal）」で交互に学習し、事前・事後テストで比較 AIチューターの設計（ここが肝） 足場かけ・認知負荷の管理・成長マインドセットの声かけ等、 教育学の知見をプロンプトに組み込み。正解データを与えてハ ルシネーションを抑制 主な結果と限界 • 学習量は対面アクティブラーニングの約2倍（しかも短 時間） エンゲージメント・学習意欲の自己報告もAIチューター群が 有意に高い 限界：ハーバードの学生（高い自律性）・著者ら自作のツー ル・単一講義 ── そのまま高校へ一般化はできない 含意：Bastaniと同じ結論を正の側から支持 ──「設計」がすべてを分ける。 Kestin, Miller, Klales, Milbourne & Ponti (2025) “AI tutoring outperforms in-class active learning,” Scientific Reports 15, 17458.
19. 参 考 資 料 R 6 出典一覧 学術研究 • Bastani et al. (2025) PNAS 122, e2422633122 pnas.org/doi/10.1073/pnas.2422633122 • Kosmyna et al. (2025) arXiv:2506.08872 （批判コメント：arXiv:2601.00856） • Kestin et al. (2025) Scientific Reports 15, 17458 doi.org/10.1038/s41598-025-97652-6 公的資料 • 文部科学省「初等中等教育段階における生成AIの利活用に関するガ イドライン（Ver.2.0）」令和6年12月26日 mext.go.jp（20241226-mxt_shuukyo02-000030823_001.pdf） 年齢制限・利用規約 • tAiL.法律事務所 生成AI Q&A「利用可能年齢」(2026年2月) tail-legal.jp/genai-qa/jf456f81ywns • 松坂孝紀「生成AIは何歳から使って大丈夫？」note (2026年4月) note.com/matsuzaka01/n/nb1e794ab6bd9 利用実態調査・学習モード • 川西健雄「高校生の生成AI利用実態まとめ」note (2026年) note.com/kawa24t/n/n3bceddea84a9 • MMD研究所「2025年高校生のスマホとAIの利用実態調査」／ク ロス・マーケティング「AIに関する調査（2025年）」 • Nest, D. (2025) “I Tested Three Different AI Study Modes” whytryai.com/p/ai-study-modes URLはいずれも2026年7月時点。規約・調査データは更新されるため、引用時は最新版を確認。
20. https://speakerdeck.com/okana2ki/high-school2026 第1部、第3部、第4部のスライドへ