Illustration · not a service recordカーンアカデミーの創設者サル・カーン(Sal Khan)は今年、同団体の AI チューターを多くの生徒が実はあまり使っていないと率直に認めた。同じ学年度に、新北市のある小学校の子どもたちは、AI に問うことができるようになり始めた。答えを「先に」は与えない二つの AI チューター、Khanmigo vs. 均一(Junyi Academy)の AI ノートブック。どちらがより効果的なのか。
先に結論を言えば、どちらがより効果的かは、いまはまだ言えない。
しかし、この二つの研究を並べてみると、「どちらが勝つか」よりも大切なことが見えてくる。
(写真は昨年、私がカーンアカデミー創設者のサル・カーンと台湾の『天下雑誌』のオンライン対談で話したときのものだ。均一はずっとカーンアカデミーに学んできたし、私たちも同じ問題を解こうとしている。AI チューターは、すべての子どもがよりよく学べるようにできるのか。当時の対談動画もコメント欄に置いてある)
米国:テネシー州の中学校18校、Khanmigo
・対象:数学が遅れており、毎日25〜40分の補習授業を受けている6〜8年生の生徒。
・デザイン:2学年度にわたるランダム化比較試験。学校ごとに学年単位でくじ引きを行い、当たった学年は補習授業でカーンアカデミーを使って練習し、その傍らに AI チューターの Khanmigo がいる。Khanmigo は終始答えを与えず、ヒントと問い返しだけで導く。ほかの学年は従来どおりの方法で授業を受けた。
・成果:数学は向上し、1学年度あたり約0.06〜0.08標準偏差、コストは1人あたり年間約15米ドルだった。ただし著者らは、向上は主に構造化された練習によるものだと判断している。ほかの研究が推定する「AI なしのカーンアカデミーでの練習」の効果と近いからである。
・子どもたちの使い方:96%の生徒が Khanmigo にメッセージを送ったことがある。しかし、ちょうど真ん中に位置する生徒は、自分が間違えた問題のうち、メッセージを送ったのは17%にすぎない(提案ボタンを押した場合も含む)。実際に数学の質問をしたり、自分がどう考えたかを説明したりするメッセージは、およそ7件に1件だった。
・一つの重要な細部:今年1月、Khanmigo は練習ページで自動的に立ち上がるように変更された。その結果、子どもたちがメッセージを送る割合に、見て取れるほどの変化はなかった。
台湾:新北市の龍埔小学校6年生、均一の AI ノートブック
・対象:6年生227人、1学年度、算数の授業。
・デザイン:国家教育研究院(国教院)、新北市教育局、龍埔小学校、均一が共同で行った1学年度を通した追跡研究。10月12日に発表されたばかりで、対照群はない。
・AI ノートブックは半ソクラテス式の設計を採用している。まずヒントと解説で導き、必要なときにだけ答えを与える。
・授業での進め方:教師が問い方の手本を見せ、子どもたちが「分からない」から「どこでつまずいているか」まで言えるように促す。子どもたちは自分の質問記録を振り返る。教師用の管理画面は赤・黄・緑の信号で、誰の質問がまだ答えを求める段階にとどまっているかを見せる。
・子どもたちの使い方:1年間で解答は8万件近く、質問は1万件以上。AI に直接答えを求める割合は22.6%から5.6%に下がった。理解や解き方に関わる質問が6割近くを占めた。深く問い、自分で解答しようとする子ほど、伸びがはっきりしていた。
では、どちらがより効果的なのか。私にできるのは、できるだけ誇張を避けた三つの分析を示すことだけだ。
① 証拠の強さについて:テネシーのほうが強い。18校、ランダム割り付け、2年間、標準化テストあり。龍埔は1校だけで、対照群がない。もう少し機が熟した段階で、台湾が証拠力のますます強い第三者研究へと少しずつ進んでいけることを願っている。
② 学業成果について:テネシーには小さいが確かな向上があるが、著者らはそれを AI の功績とはしていない。龍埔が現時点で公表しているのは「質問の深さと伸びに関連がある」ということであり、これは相関であって因果ではなく、効果量もまだない。
③ 子どもが口を開いて問うかどうかについて:龍埔の数字のほうが見栄えがよい。しかしテネシーは補習クラスの生徒であり、もともと自分から助けを求めることが少ない。両者は質問の数え方も異なるので、そのまま大小を比べることはできない。そして、まだ確かな証拠のない私自身のさらなる推測としては、台湾の教師のほうが、子どもに問い方を教えることに時間をかけている可能性がある。
この二つの研究で最も興味深いのは、スコアの比較ではなく、同じ一つの発見である。
二つの AI はどちらも答えを「先に」は与えない。違いは、主に AI の外側にある。
テネシーでは、ほとんどすべてのハードルが取り除かれていた。無料で、時間割に決まった時間があり、教師がその場にいて、AI は目の前に直接飛び出してきさえする。それでも子どもたちはめったに口を開かなかった。
龍埔が余分にやったのは、「どう問うか」を、教え、練習し、見えるようにすべき一つの能力として扱ったことである。
サル自身も実に率直である。今年 Chalkbeat の取材を受けた際、多くの生徒は実のところ Khanmigo をあまり使っていないと語った。彼はこうたとえた。自分が教室のいちばん後ろに座って生徒が質問に来るのを待っているようなもので、来るのはいつも少数だ、と。カーンアカデミーの最高学習責任者も、生徒は実は問いをうまく立てるのがあまり得意ではないと述べている。サルの結論はこうだ。AI は助けになるが、「最大のてこは、人のシステムに投資することだ」。
私はこうした率直さに敬服する。聞こえをよくし、見栄えをよくするために Khanmigo は多くの人に使われていると言うこともなく、自然な導入という原則に反してまで利用量を稼ごうとすることもなかった。一方、龍埔では、「人のシステム」は子どもだけでなく教師も支えている。教師は一人で手探りしているのではない。国教院の研究チームとテクノロジーに詳しい中核教師がまず一緒に授業準備をし、そのうえで中核教師がほかの教師を導きながら使っていく。
だからこそ私は、台湾の次の一歩は「生生用平板」(すべての生徒にタブレットを)から「師師用 Tokens」(すべての教師に Tokens を)へ進むことだと考えている。すべての教師に十分な AI の利用枠を与え、自分の授業準備と授業のなかで毎日使えるようにする。そしてさらに重要なのは、実戦経験のある人が導き、要所で助言してくれる人がいることだ。同じ AI でも、大人に導き手がいれば使い方は変わってくる。教師自身が体験してこそ、子どもにどう問い方を教えるかがよく分かる。子どもは大人よりも、間違いなくもっと導きを必要としている。
これこそ台湾が注目してよい点である。AI を学校に入れる話になると、私たちは「与えるべきかどうか」「写すのに使うのではないか」というところで止まりがちだ。しかし龍埔のような教室で教師が扱っているのは、もっと細かな問題である。子どもは AI にどう話しかけるのか。教師にはそれが見えるのか。授業のデータをツールの改善に還元できるのか。教育に AI を導入するうえで、台湾はよりきめ細かな道を歩んでいるのかもしれない。
AI チューターは、スポーツジムの会員証に少し似ている。入会したからといって通うとは限らず、通ったからといって鍛えているとは限らない。鍛え方を教えてくれるコーチがいるかどうかが、おそらく本当の鍵なのだ。そしてコーチ自身も、まず自分で鍛えた経験がなければならない。
最後に、限界についての補足
・龍埔には対照群がないため、「子どもの質問が変わった」とは言えても、「AI ノートブックがそれをもたらした」とは言えない。教師による手本、プラットフォームの改版、子どもが使うほど慣れていくこと、これらはすべて同時に起きていた。
・二つの AI は設計も異なる。Khanmigo は終始答えを与えず、AI ノートブックは必要なときには与える。問い続ければ最終的には答えが得られると子どもが知っていれば、口を開くなり答えを求めることも少なくなるのかもしれない。米国でも、どうやっても答えが得られないために生徒が挫折感を抱くと観察している教師がいる。どちらの設計がよいのかは、この二つの研究のどちらもまだ答えられない。
・教師には質問が見えるので、子どもはそのために直接答えを求めることが少なくなっている可能性もある。これは良い授業設計であると同時に、今後切り分けて検証すべき変数でもある。
・テネシーの研究は、まだ学術誌の査読を経ていないワーキングペーパーであり、州テストの結果は著者らがまだ整理中である。カーンアカデミーのより大規模な改版は研究終了後にようやく公開されたもので、まだ評価されていない。
・子どもが家に帰り、そばに教師がいないときにも同じようになるかどうかも、まだ検証が必要である。
利益相反の開示:AI ノートブックは均一がつくったものである。この研究は均一が調査し執筆したものではないが、関係がある以上、自分たちを美化する方向に傾く可能性はやはりあるので、あらかじめ自ら開示しておく。だからこそこの文章を書くにあたって、「見栄えのよい数字」を「より効果的」と言ってはならないと、いっそう自分に言い聞かせた。教育 AI の良し悪しは、自分たちで言えば決まるというものではない。国教院が研究によって関門の役割を果たしてくれていることに深く感謝している。次の段階では5・6年生に拡大し、OECD の AI リテラシーの枠組みを取り入れてカリキュラムを開発する。今後、テネシーのように対照群のあるデザインが実現することも強く願っている。
これは、私たちが「問・用・管・造」(問=問う、用=使う、管=管理する、造=つくる)の AI リテラシーを語るとき、「問」を最初に置く理由でもある。AI はすでに答えるのがとてもうまい。これから鍛えるべきは、子どもが問えるかどうかである。
- 原文:呂冠緯(Ray Lu)個人の Facebook 投稿(2026年10月14日公開)
講座名は提供元の表記です。受講言語は各講座のページでご確認ください。
Dissecting the Crawfish: How AI Agents Work, via OpenClaw
An OpenClaw-based introduction to how AI agents work. Free public lecture; no self-study certificate. Costs of independently using external models or tools are separate.
Introduction to Model Context Protocol
Build MCP servers and clients with Python tools, resources, and prompts. Python/async familiarity required; connected model API usage may incur charges.