授業でAIをより賢く使うには 米国の高校がAI利用を赤・黄・緑で分類
米国の高校が、教員研修、課題の許可範囲、生徒の判断力トレーニング、人の確認を組み合わせた授業向けAIルールを導入しました。この記事では、その仕組みを解説し、三色の課題カード、授業演習、教員用チェックリスト、学校での試験運用プランを紹介します。
- Cheshire Academyは統一ツールを強制せず、プロンプト作成、エラー、バイアス、結果の検証といった汎用的なスキルを育成しています。
- すべての課題は初期状態で赤信号です。黄信号の場合は、許可される操作、段階、プロセスの証跡、最終的な責任の所在を明記する必要があります。
- 生徒はAIによる修正履歴の確認、匿名化された表現の診断、生徒委員会での判断演習を通じてスキルを磨きます。教員はAIで教材を作成した後も、引用、数式、事実、プライバシーを確認します。
- 学校は、一ページのルール、課題説明ブロック、判断演習、教員用チェックリスト、フィードバックの仕組みから試験運用を始められます。現時点の報道には学習効果のデータは含まれていません。
MIT Technology Review は2026年8月24日、米国コネチカット州のCheshire Academyにおける授業でのAI活用を報じました。この私立の寄宿制・通学制高校には約400人が在籍し、対象は9年生から12年生です。同校は教師へのAI利用を強制しておらず、全校を特定の製品に縛ることもしていません。その代わりに、教師向け研修、課題の利用許可、振り返りの練習、生徒の参加を並行して進めています。
赤・黄・緑の信号方式は、この取り組みの中でも特に目を引く部分です。この仕組み全体は、五つの問いに答えています。教師が最初に何を学ぶのか、各課題で何が許可されるのか、生徒が利用後に何を証明するのか、どの結果を人が必ず確認するのか、そして学校がルールを更新し続ける方法です。
AIが宿題に入り込み、教師には見えない追加の仕事が生まれる
生徒がスマートフォンを手にすれば、数秒で答えや文章を生成できます。教師は、モデルによく見られる論理エラーや定型表現、句読点の癖を見抜けることもありますが、これらの痕跡だけでは、文章が誰によって書かれたかを確実に証明できません。「AIらしさ」だけで判断すれば、誤判定も見逃しも起こりえます。
生成AIは教師に新たな仕事ももたらしました。授業準備、問題作成、採点に加えて、特定の使い方がルール違反かどうか、内容が信頼できるかどうか、課題のどの段階までAIの利用が許可されているかを判断する必要が出てきました。OpenAIやユネスコなどの機関がAIリテラシーを提唱できますが、現場の教師は、その原則を次の課題の具体的な指示に置き換えていかなければなりません。
授業のルールは、少なくとも次の三つの現実的な問いに答える必要があります。
- 生徒は課題を始める前に、許可された行動と禁止された行動を正確に言えるか？
- 教師が新しいツールに遭遇したとき、製品のブラックリストを新たに作らずに、既存のルールを適用できるか？
- 生徒がAIを使った後、教師はその確認、取捨選択、修正のプロセスを見ることができるか？
Cheshire Academyの方法は、この三つの実行上の問題に焦点を当てています。
学校は共通スキルの研修を優先し、ツールは統一しない
学校の技術コーディネーター、George Aiello氏によると、ほとんどの教師が何らかの形でAIをすでに利用しているとのことです。これは学校関係者の観察であり、独立した調査によるものではありません。また、学校は全員にAIの使用を義務付けているわけでもありません。約30年間フランス語を教えてきたMiriam Przybyla-Baum氏は、すでに多くの授業資料を蓄積しており、授業準備にAIの助けは必要ないと考えています。
学校はコンサルタントの助言を受け入れ、研修の重点を製品を問わないスキルに置きました。具体的には、使えるリクエストの書き方、エラーや偏りの見抜き方、生成結果の検証方法です。教師はChatGPT、Perplexity、MagicSchool、その他のツールを選択できますが、製品が変わっても、これらの判断方法は有効です。
教師は現在、主に準備段階でAIを活用しています。
- 新しい授業のためのアクティビティや指導案の構想
- 特定の学年向けの練習問題やワークシートの追加
- 評価ルーブリック、教材、管理資料の下書き
一部の教師は、AIに直接、生徒向けのフィードバックを生成させることを検討しましたが、最終的には品質、個別化、プライバシーの問題から採用しませんでした。この判断は重要です。出力が特定の生徒に近づくほど、誤りが与える影響は直接的になり、必要な人の確認作業も増えるからです。
赤・黄・緑の信号で、各課題に利用許可を明記する
Cheshire Academyの2026-27年度版 生徒・家庭向けハンドブックのセクション2.8.3では、各課題を赤、黄、緑の三つのカテゴリーに分類し、すべての課題はデフォルトで赤とすることが規定されています。
生成AIの使用を許可しない
すべての課題は、教師が別途指定しない限り、デフォルトで赤です。
教師が使用を制限
教師は使用可能なツール、段階、程度を明記します。例えば、スペルチェックは可、チャットボットへの回答要求は不可などです。
生成AIの使用を許可
学生はAIを使用できます。タスクでは、プロセスの説明や最終結果への責任が求められる場合があります。
三つの色は、異なる許可レベルを表します。
- 赤： 生成AIの使用は禁止。
- 黄： 使用は許可されるが、教師が使用方法と程度を定義する必要がある。報道での例は、スペルチェックは許可されるが、チャットボットに回答を求めることはできないというものです。
- 緑： 生成AIの使用が許可される。
最も教師の課題設計が試されるのは黄信号です。「AIを適切に使用してもよい」とだけ書いても、曖昧さは解消されません。生徒は、どの段階で使用できるのか、本文を生成してよいのか、プロセスを開示する必要があるのか、誰が引用を検証するのかが分からないままです。
以下の課題カードは、Cheshireの事例に基づいて実行可能な形に書き換えたものです。学校が提供した原文にこの表はありません。
赤信号の課題カード
- 許可： 教師が別途許可した非生成系ツール。
- 禁止： 生成AIを使用した課題の作成、修正、回答。
- プロセスの証拠： 独立して完了したという宣言。必要に応じて下書きを保管。
- 責任： 生徒がすべての内容に対して責任を負う。
黄信号の課題カード
- 許可： 教師が明示したブレインストーミング、エラー検出、翻訳、コード補助。
- 禁止： 許可のない本文生成、回答の代行、言い換え。
- プロセスの証拠： AIが関与した箇所を明記し、採用、修正、または拒否した提案とその理由を記載する。
- 責任： 生徒が事実、引用、計算式、表現を検証する。
緑信号の課題カード
- 許可： 課題の指示で許可された生成と共同作業。
- 禁止： 使用の隠蔽、未検証の結果の提出、保護情報の入力。
- プロセスの証拠： AIの使用説明、主要なプロンプトまたは修正記録、最終的な検証結果。
- 責任： 生徒が最終成果物に責任を持ち、教師が課題の目的に照らして確認する。
黄信号の作文課題は、以下のように直接書くことができます。
スペルチェックとAIによるブレインストーミングは許可します。ただし、チャットボットに本文を生成させてはいけません。提出時には、AIが関与した箇所を明示し、採用、修正、または拒否した提案を三つ、その理由とともに挙げてください。最終的なテキスト、事実、引用については、あなたが責任を持ちます。
色はまず境界線を示し、行動、証拠、責任によって、その境界線が実際に実行可能になります。
生徒は答えとともに、自身の判断も提出する
Przybyla-Baum氏は、生徒がGoogle Translateを使って近道をしようとするのを早い段階で目撃しました。彼女が設計したフランス語の課題は、「翻訳ツールの禁止」で終わりませんでした。生徒はまず、大規模言語モデルに自分の課題を編集させ、次に、どの修正が正しいか、どの修正が自分の表現を奪ってしまうかを、一つずつ判断します。
大規模言語モデルに自分の課題を編集させる
- 修正は正確か？
- 言語は本当に改善されたか？
- 自分の表現のままか？
理由を説明し、自分が責任を持つバージョンを提出する
AIが提案を生成しても、生徒は依然として検証、取捨選択、説明を行う必要があります。そのため、教師は最終的な答えだけを見るのではなく、学習のプロセスを観察することができます。
報道では、さらに二つの方法も紹介されています。一つは、AIを活用した課題の匿名相互評価で、生徒がAIによって処理されたと思われる断片に印を付けます。この活動は、言語への気づきを養うのに適していますが、クラスメートの不正を証明するために使うことはできません。もう一つは、試験的に行われている生徒によるAI委員会で、生徒がコンテンツを作成し、議論を進行し、学習と学校コミュニティにとって有益なAIの使い方を考えます。
これらの事例を、すぐに使える授業の練習問題に変えると、次のようになります。
演習一：AI修正の監査
- 生徒が自分の原稿を提出する。
- モデルに修正を提案させ、原稿を直接上書きしない。
- 各修正に対して「採用、修正、拒否」を記す。
- 少なくとも三つの取捨選択について説明する：正しいか、より明確か、それでも自分の表現のままか。
- 原稿、AIの提案、判断記録、最終稿を一緒に提出する。
演習二：匿名の言語診断
- 教師がAI支援を受けたテキストを匿名化する。
- 生徒が、事実誤認、曖昧な表現、文体の突然の変化、情報源の欠落がある箇所に印を付ける。
- クラス全体で判断の相違を比較し、言語的な感覚がなぜ作者を証明できないのかを議論する。
- 評価は、証拠の質と修正提案に基づいて行い、作者を当てたことを成績に含めない。
演習三：生徒によるルール評価
生徒は、今学期に最も誤解を招きやすい黄信号の課題を収集し、ルールの中の曖昧な言葉を見つけ、修正案を提示し、生徒向けの一ページの説明資料を作成します。生徒のAI委員会は、毎月、新しいツール、新たな誤解、実際の衝突をまとめ、教師はそれに基づいて事例を改訂します。
三つの演習が鍛えるのは、観察可能な行動です。つまり、エラーを見つけること、選択肢を比較すること、個人的な表現を保つこと、決定を説明することです。モデルが変わっても、これらの能力は役立ちます。
MagicSchoolは準備時間を短縮できても、教師による結果の検収を代替できない
MagicSchoolは、報道で紹介された教育専用ツールの事例です。このプラットフォームは、クイズ、ワークシート、評価ルーブリック、教材、指導案、管理レポートを一つの場所にまとめています。教師は課題を生成する際に、学年、問題数、選択式か記述式かなどの問題タイプを指定でき、参考資料をアップロードして、生成内容をカリキュラムに近づけることも可能です。
2026年8月25日時点で、MagicSchoolの公式価格ページには、個人向けFree版は0ドル、Plus版は年払いで月額8.33ドル（合計99.96ドル）、月払いで12.99ドルと記載されています。Plus版は、無制限の生成、完全な出力履歴、出力の編集、高度な機能を提供します。学校や学区向けのEnterprise版は価格問い合わせが必要です。価格と機能は今後も変更される可能性があり、これらの数字はツール導入コストの規模感を示すためのものです。
教育専用プラットフォームの利便性は、主にタスクテンプレート、履歴記録、学校レベルの管理機能に由来します。しかし、次の四種類のチェックが不要になるわけではありません。
ブレインストーミング、問題タイプの追加
- 利点： 選択肢を素早く広げられる。特に問題集が少ない新任教師に有効。
- リスク： 内容の重複、難易度の不一致。
- チェック： 教師が選別し、コースの目的に合わせて書き直す。
ワークシート、指導案、ルーブリックの下書き
- 利点： 構成を作る時間を節約できる。
- リスク： 知識の誤り、評価基準の歪み。
- チェック： 教科書と学習目標に照らして項目ごとに確認する。
生徒向けの教材
- 利点： 説明、例題、フィードバックの下書きを素早く生成できる。
- リスク： 堅苦しいトーン、個別化の欠如、生徒の誤解を招く。
- チェック： 教師が最終テキストを書き直し、プライバシーを確認する。
数式、引用、事実の記述
- 利点： 生成が速い。
- リスク： 幻覚がそのまま教材に入り込む可能性がある。
- チェック： 数式を再計算し、元の情報源を開き、事実を一文ずつ検証する。
導入前には、少なくとも五つの質問をする必要があります。生徒データがどこに送られるのか、学校がアカウントと権限を管理できるのか、出力記録を遡れるのか、教師が編集してから送信できるのか、エラーが発生した場合の責任の所在はどこか。ツールの機能がどれだけ豊富でも、これらのガバナンス問題を代替することはできません。
原文の三つの提案は、教師の三つの行動に置き換えられる
MIT Technology Reviewは最後に、三つの応用提案を示しています。これらを仕事上の行動に置き換えると、教師はより直接的に採用しやすくなります。
1. 生徒がAIを試すことを認識し、事前に境界を教える
宿題は学校が完全に監視できるものではありません。教師は学期の最初の週に、同じ質問に対する信頼できる回答、誤った回答、捏造された情報源を提示し、モデルの能力の変動を生徒に先に見せることができます。その後、三色の課題カードを使って、このコースで許可される範囲を説明します。最初の衝突が起こる前にルールを明確にすることは、衝突後に生徒の動機を推測するよりもはるかに労力がかかりません。
2. 教師自身の確認プロセスを見せる
教師がチェックしていないAI素材をそのまま送信すれば、生徒は「答えがあれば納品できる」と学びます。授業では、チェックのプロセスを一度公開してみてください。曖昧な文を削除し、引用元を開き、数式を再計算し、なぜ特定の問題を置き換えたのかを説明します。生徒は完全な作業プロセスを見ることができます。
3. AIで下書きを作成し、最後に人が修正・置換する
AIは、若手教師が指導案のブレインストーミングをしたり、問題集を拡充したり、初期のルーブリックを生成したりするのに非常に適しています。最終的な教材を生徒に渡す前に、少なくとも次のチェックリストを完了してください。
- すべての引用が開いて、隣接する結論を裏付けているか？
- すべての数式と数値が再計算されているか？
- 事実の記述が教科書、論文、公式情報源に照らして確認されているか？
- 問題の難易度、表現、例が現在の学年に適しているか？
- 内容に生徒の名前、成績、健康情報など、モデルに入力すべきでないデータが含まれていないか？
- 教師はこの教材に自分の名前を載せて、その結果に責任を持つ用意があるか？
どれか一つでも答えられない事項があれば、その教材はまだ完成していません。
学校がこの方法を導入するための最低限の五つの要素
赤・黄・緑の信号方式は一週間で試験運用できますが、色のポスターを配るだけでは不十分です。最低限の導入パッケージには、以下が含まれます。
- 一ページのルール要約： 赤・黄・緑を定義し、初期状態と違反時の対応を明記します。
- 課題ごとの説明ブロック： 各タスクに色、許可される操作、禁止される操作、プロセスの証拠、担当者を記載します。
- 一回の判断練習： 生徒が生成、検証、受理、修正、却下を実際に体験します。
- 教員向け納品チェックリスト： AIが生成した引用、数式、事実、生徒からのフィードバックは、すべて公開前に人手で確認します。
- フィードバックと改訂の仕組み： 教員と生徒が定期的に誤解されやすいルールを収集し、事例を更新します。新しい製品が出るたびに制度を書き直す必要はありません。
試験運用では、「AIを使った回数」を数えるだけでは不十分です。少なくとも四種類の結果を記録してください。生徒が開始前に権限を説明できるか、黄信号の課題で境界を巡る争いがどの程度あったか、生徒が提出した判断の証拠の質はどうか、教員が準備と確認にそれぞれどれだけ時間を費やしたか、です。さらに、成果物の品質を抜き打ちで確認し、資料内の事実誤認、引用ミス、数式の誤りを記録すれば、学校はこの制度を拡大する価値があるかどうかを判断できます。
既存の報道には、こうしたデータがありません。赤黄緑のルールが成績を向上させたのか、不正を減らしたのか、教員の労働時間を短縮したのかは示されていません。生徒のAI委員会はまだ試行段階ですし、教員がAIで個別フィードバックを直接生成する取り組みも、まだ実運用には至っていません。Cheshire Academyはこの仕組みの進め方を示しましたが、実際の効果は各学校がデータで検証する必要があります。
学校は次の課題から試せます。まず色を付け、次に許可される操作を書き、判断の証拠を求め、最後に担当者を決めます。この四つが揃って初めて、授業内のAIは曖昧な姿勢から、確認可能なタスクのルールへと変わります。