世界の教育機関で主流となっている教育モデルは時代遅れであり、AI時代に対応する準備が根本的に整っていません。
AIは、講義と試験を中心とする従来のモデルの欠点を浮き彫りにするだけでなく、その価値を積極的に損なっています。
AIが苦手とするスキルを育み、無思慮なAI利用に対しても強靭であるという点で、スキルベースの新たな教育モデルは従来のモデルよりもAI時代に適しています。
生成AI（人工知能）ツールの台頭は高等教育の在り方を変えつつあり、期待と懸念の両方を呼び起こしています。多くの人はその教育変革の可能性を歓迎する一方で、広範な不正行為や盗用を可能にすることで学術的誠実性が急速に損なわれるのではないかと警鐘を鳴らす人もいます。
こうした懸念は妥当であり理解できるものですが、より重大なジレンマを覆い隠しています。それは、世界の教育機関で主流となっている教育モデルが時代遅れであり、AI時代に対応する準備が根本的に整っていないという問題です。
新たなモデルが急務です。学習科学に基づき、「いかに考えるか」を学生に教えることを主眼とし、そのために「持続可能なスキル（durable skills）」、すなわち批判的思考や創造的思考、倫理的推論、感情的知性などを育成するものです。これにより、学生はAIにはできないことを行えるようになり、将来にわたって通用する力を身につけられるだけでなく、AIツールを倫理的かつ効果的に活用し、AIに取って代わられることを避けることができます。
従来のモデルが持続不可能になった理由
教室で身につけたスキルを現実世界に応用できる、非常に効果的な学習者を育成するためには、時間と文脈の両方にわたって情報を積極的に想起し、意図的に応用できるようにする必要があります。また、理解のギャップを埋めるための、継続的かつ建設的なフィードバックも必要です。
最も一般的で普及している教育モデル（講義に加えて重要度の高い試験）がこうした条件を満たせない理由は、主に次の4点です。
講義は一方向の知識伝達経路であり、学生は情報を能動的に扱うのではなく、受動的に受け取ることを求められます。研究によると、および繰り返し示されているように、受動的な学習は最適とは言えない学習であり、他の（能動的学習の）方法と比べて教育成果が低くなります。
講義を通じて伝えられる知識は、技術、業界動向、そして専門職に求められる要件の急速な進歩に遅れを取ることがしばしばあります。その結果、多くの卒業生は、雇用主のニーズや要求に合わない「陳腐化しやすい」スキルを身につけたまま労働市場に参入することになります。
重要度の高い評価（論文や試験）は、学生の学業の過程のうち一つの時点しか捉えず、事後的な洞察は得られるものの、実行可能なフィードバックはほとんど得られません。
また、こうした評価は誤った種類のスキル（暗記や想起）を評価しがちであり、協働的な問題解決やオープンリソースを用いた解決策が一般的な実世界の場面をほとんど再現しない、人為的な条件下で行われています。
AIは、講義と試験を中心とする従来のモデルの欠点を浮き彫りにするだけでなく、その価値を積極的に損なっています。AIが複雑な情報を、いつでも、好みの方法で解釈、可視化、要約でき、それも学習者の習熟度やニーズに合わせて提供できるのであれば、学生が講義に出席する意味を疑問視するのは当然でしょう。論文や試験の成績では、AIツールが提供できる非常に個別化された（リアルタイムの）形成的フィードバックには太刀打ちできません。
さらに、卒業時の価値が専門知識を想起する能力にのみ見出されるのであれば、AIツールはそのスキルセットをはるかに低コストで、より高い効率で再現できることに学生はすぐに気づくでしょう。
AI時代のための教育（スキルベース）モデル
学習科学の知見を活用して、教育、学習、評価を飛躍的に高めるための新たなモデルが明らかに必要です。学生が、AIツールとその出力を倫理的、効果的、批判的に活用し、それに基づいて判断できるよう準備させるモデルです。要するに、AIに対して強靭な「持続可能なスキル」を学生に備えさせるモデルです。
スキルベースのモデルは、スキルの習得を中心に学習の過程を構成し、基礎的なスキルを、より複雑なスキルを築くための土台として位置づけます。このアプローチでは、講義を廃止し、「反転授業」を採用します。学生は自宅で独自にスキルを習得し、授業中はソクラテス式対話やシミュレーションなどの能動的学習技法を用いて、実世界の課題にそのスキルを応用します。
重要度の高い試験や論文も同様に、実世界の課題に基づく体験型の課題に置き換えられます。これにより、学生は自らのスキルを現実の問題に応用できるだけでなく、直面する動的な課題に基づいて、思考を繰り返し振り返り、修正し、改善する能力によって評価されるようになります。
スキルベースのモデルは、次の点で従来のモデルよりもはるかにAI時代に適しています。
無思慮なAI利用に対して強靭であること：能動的学習技法（ディベート、ロールプレイ、ディスカッション）は、動的で、社会的であり、展開が速いものです。学生は実際に出席して交流し、創造的かつ批判的に「その場で考える」ことが求められます。実世界の問題に結びついた真正かつ体験型の課題では、学生が特定の（地域の）パートナーが直面している特定の現代的課題に取り組むために、自らの具体的なスキルを応用することも求められます。AIはインスピレーションや提案を提供することはできますが、こうした問題を解決するために無思慮に使われるべきではありません。
AIが持たないスキルを育むこと：AIツールは印象的ではありますが、真の創造性、倫理的推論、感情的知性、そして他者と協働し、導き、交渉する能力は依然として欠けています。こうしたスキルを学生に明示的に訓練することで、AIにはできないことを学生が行えるようにします。さらに、批判的思考などのその他のスキルを訓練することで、学生がAIを効果的かつ倫理的に活用し、その出力を批判的に評価できるようにします。
AIを活用してスキルベースのモデルへ移行する
AIツールは、スキルベースのモデルにおいて、学術リーダー、教育者、学生によって活用され得るし、活用されるべきです。例えば、次の用途が挙げられます。
1. カリキュラム設計とスキルのマッピング：学術リーダーは、AIを用いて市場動向、職務記述書、業界の需要を分析し、学生に習得させたいスキルを特定できます。AIはそれらのスキルを階層的な分類体系に整理し、段階的なカリキュラムを構築するためのスキルの順序付けを提案することもできます。
2. コンテンツの生成：教育者はAIを用いて、創造的な能動的学習の演習を生成することができます。その演習は、担当するコースで育成しているスキルを直接的な対象とします。また、AIは、現在の業界の課題や進行中の地域社会の問題に関するデータベースを活用して、体験型の課題のアイデアを生成することにも役立ちます。
3. 適応的な学習とフィードバック： 教育者はAIからのリアルタイムのデータとフィードバックを活用して、その場で指導方法を調整し、採点の自動化を支援できます。一方、学生は同じツールを使い、スキルや概念の習熟度に応じて学習教材の難易度や焦点を動的に調整し、成績に基づいて継続的かつリアルタイムの形成的フィードバックを受け取ることができます。
4. パフォーマンス指標： AIは、学生の参加度、スキルの習得率、そしてそれらと卒業後の成功指標との関係などの主要業績評価指標を追跡することで、学術リーダーが新しいスキルベースのモデルの有効性を監視するのに役立ちます。この情報は、育成されているスキルの持続性に関するフィードバックを提供し、継続的なカリキュラムの改善を方向づけるために活用できます。
従来の教育モデルは、講義と試験を通じて学生に「何を考えるか」を教えることに重点を置いていましたが、AI以前においても不十分であり、AIが統合された世界ではさらに欠陥が目立つようになっています。さらに悪いことに、このモデルでは、AIによって容易かつ低コストで再現されうるスキルセットを卒業生に身につけさせてしまいます。
「いかに考えるか」というモデルを取り入れる教育機関は、AIに欠けている「持続可能なスキル」を備えた卒業生を育成することになるでしょう。そうした卒業生は、同じツールを活用して社会に情報に基づいた、影響力のある貢献をすることができ、社会によって取り残されることはありません。
高等教育におけるAIの統合について詳しく知るには、完全版のホワイトペーパーをお読みください。
