AIと学習成果の理解

2026年3月4日 グローバル・アフェアーズ

AIと学習成果を理解するための新しいツール

学習環境全体でAIの影響を測定する方法を前進させる

教育はAIの最も有望なフロンティアの一つです。ChatGPTのようなツールにより、個別化された学習支援がいつでも、どこでも、どの学生にも提供できるようになりました。しかし、教育分野はまだAIが学習成果に与える影響の理解において初期段階にあります。

昨年、私たちのチームはstudy modeのようなツールの使用を研究し、学生のパフォーマンスに有望な向上を発見しました。しかし、私たちの研究は重要な疑問も提起しました：最終試験だけでなく、AIが時間の経過とともに学習者の進歩にどのように影響するかをどのように評価できるでしょうか？

これはより広範なエコシステムの課題です。これまでのほとんどの研究手法は、テストスコアなどの狭いパフォーマンス指標に焦点を当てており、学生が実際の環境でAIとどのように学習し、その使用が時間の経過とともに成果をどのように形成するかを評価する能力に欠けています。

このギャップに対処するため、私たちはLearning Outcomes Measurement Suiteを開発しました。これはエストニアのタルトゥ大学とスタンフォード大学のSCALE Initiativeと共同で作成されたフレームワークで、異なる教育コンテキストにわたる学習成果の縦断的測定をサポートします。

現在、ランダム化比較試験を通じて広範な検証が進行中であり、アリゾナ州立大学、UCL Knowledge Lab、MIT Media Labの研究者を含む、OpenAIの学習研究エコシステムであるLearning Labの創設組織とのさらなる研究が計画されています。

本日、私たちは測定スイートがどのように機能し、なぜ重要なのかの概要を共有します。時間をかけて、より多くの研究を発表し、世界中の学校、大学、教育システムのための公的リソースとして測定スイートをリリースする予定です。

「この研究により、私たちは迅速に学習しながら、AIが真に重要な方法で学校に思慮深く統合される方法についてのより深い理解の基盤を築くことができます。これらのツールが厳密な学術学習をサポートしながら、高次思考、創造性、好奇心、そして学習者としての学生の自信を育成する方法を理解したいのです。」

–スザンナ・ローブ、スタンフォード大学教育学教授、SCALE Initiative学部長

要点のまとめ

• 現在のAIが学習に与える影響に関する研究手法は、パフォーマンスについて有望な兆候を示していますが、AIが時間の経過とともに学習成果にどのように影響するかの全体像を捉えていません。
• Learning Outcomes Measurement Suiteは、初めて、教育者、研究者、機関がAIが異なるコンテキストで学習と成果をどのように形成するかを理解するのに役立つ縦断研究の標準フレームワークを提供します。
• OpenAIのLearning Labは、この作業を前進させることに焦点を当てた新しい研究エコシステムです。
• OpenAIは、分野が発展し続ける中で、さまざまなパートナーと共に調査結果を発表します。

起源と初期研究

学生がAIツールを使用して勉強し学習する場合、それは多くの異なることを意味する可能性があります—AIに素早い答えを求めることから、家庭教師のような指導で段階的に問題を解決するために使用することまで。

より深い理解とスキル構築をサポートする方法でユーザーがChatGPTと関わることを奨励するため、OpenAIは昨年study modeを導入しました。内部的には、study modeは、真の学習をサポートする核となる行動セット（単なる答えではなく）を反映するために、教師、科学者、教育学専門家と協力して作成したカスタムシステム指示によって動作します—足場作り、理解の確認、ガイド付き練習を使用します。

この種の教育学的に整合したAI相互作用スタイルがより良い学習成果につながるかどうかをテストするため、私たちは神経科学と微視経済学の試験に備える300人以上の大学生を対象にランダム化研究を実施しました。分析はまだ進行中ですが、初期結果は、study modeのような機能を通じて奨励される教育学的に整合したAI相互作用スタイルが学習成果を改善できるという確信を与えてくれます。

しかし、この研究は重要な現実も浮き彫りにしました：本当に重要なのは、利得と関連する生産的行動が時間の経過とともに持続するかどうかです。

研究デザイン

参加者は3つのグループのいずれかに割り当てられました：

• コントロールグループ：Google SearchやYouTubeなどの従来のオンラインリソースを使用して勉強し、AI生成概要機能は無効
• 2つの追加グループ：学習プロセスを通じて学生を少し異なる方法でガイドするように設計された2つのstudy modeバリアントのいずれかへのアクセスが提供

ベースラインクイズとオンボーディング調査は、事前のコースワーク露出、勉強習慣、学術的自信、AIツールへの親しみやすさの違いを調整するために事前に収集されました。

学生は各試験前に時間制限のあるstudy modeセッションを完了し、2つのstudy modeバリアントは科目間でカウンターバランスされました。この設定は、厳密に制御された実験室環境ではなく、現実世界の勉強条件を反映するように設計されました。

調査結果

各試験のパフォーマンスを個別に測定しました。ランダム化研究では、改善は科目間で均一ではなく、study modeへの関与レベルは参加者間で異なりました。

神経科学（主要ITT）：コントロールと比較してstudy modeで方向的に正の差を観察しましたが、結果は従来のオンラインリソースで勉強する学生と区別できませんでした。一部のオンボーディングと技術的問題がstudy modeを使用する学生の勉強時間に影響しました。

微視経済学（主要ITT）：study modeへのアクセスを割り当てられた学生とAIなしのコントロールグループの間で試験パフォーマンスに意味のある向上を観察しました—相対的に約15%高いスコア。

これは現実世界の変動を反映していますが、学習成果が通常どのように測定されるかのより深い限界を浮き彫りにしました。既存の評価アプローチのほとんどは、短い時間枠で評価される固定介入に依存し、テストスコアや最終エッセイなどの結果を主要な指標として使用します。

これらの手法は、AIが実際に学習に影響を与える核心メカニズムを捉えるように設計されていません：学習者自身の戦略、好み、勉強習慣と共に進化する継続的で個別化された相互作用です。

より良い測定システムの構築

OpenAIのstudy mode研究からの学びに基づいて、私たちは大規模で学習者に対するAIの影響を測定し、それらの成果に基づいてモデルを改善するメカニズムを作成する構造化された測定システムを構築してきました。

それは3つのシグナルに基づいています—モデルがどのように動作するか、学習者がどのように反応するか、そして時間の経過とともにどのような測定可能な認知成果が生じるか。

それには以下が含まれます：

• モデル動作を改善するためのシステム指示：特定の教育学的アプローチにより良く整合するようにモデルのデフォルト動作を変更するための自然言語の使用
• 学習相互作用分類器：実際の、非識別化された学習者-モデル相互作用内の「学習の瞬間」を自動的に検出し、関与やエラー修正などの顕著な特性をラベル付け
• 学習品質評価器：学習者が目標を達成したかどうか、および相互作用が失敗モードの識別を含む強力な教育学的原則にどの程度従ったかによって、それらの学習の瞬間を評価し採点
• 縦断学習評価器：個人およびコホートレベルで、関与、持続性、メタ認知戦略を含む、時間の経過とともに同じ学習者のモデルとの相互作用の変化を追跡
• 標準化された認知およびメタ認知測定：批判的思考、創造性、記憶などの基礎能力のベースラインを確立し変化を測定するために、ChatGPTを介してアクセス前/中/後に配信される検証済みの第三者機器

組み合わせると、私たちはこの測定システムをLearning Outcomes Measurement Suiteと呼んでいます。

今後の展開

私たちは、Learning Outcomes Measurement Suiteを広く利用可能にする前に、大規模研究を通じて検証しています。この作業は、タルトゥ大学とスタンフォードのSCALE Initiativeと共に、エストニアのような国家規模のパートナーで進行中です。そこでは、測定スイートが数ヶ月にわたって16-18歳の約20,000人の学生と研究されています。

「エストニアは常に教育を静的なものではなく、継続的に改善するシステムとしてアプローチしてきました。AIがその図の一部になると、大きな疑問はAIの学習への長期的影響をどのように測定するかです。それが私たちがOpenAIと協力して解明していることです。学生は開発プロセスに関与することに熱心で、多くの人がAIで学習をサポートする方法を学びたがっています。それは真の転換点のように感じられ、他の教育システムが再利用し構築できる方法に貢献することに興奮しています。」

–ヤーン・アル、タルトゥ大学コンピュータサイエンス研究所准教授

この作業は、進行中のより広範な共同研究の本体に基づいています。Learning Labの創設パートナーを通じて実施されている成果研究に加えて、OpenAIは学習の交差点での研究をサポートしています。