top of page

Office for StudentsのAI評価ガイダンス、コースワークに圧力

45 分前
読了時間: 17分
Illustrative photograph. Photo: Matheus Bertelli / Pexels.

Office for Studentsはイングランドの大学に対し、学生への人工知能の使い方の教育を続けながら、AIを使わない評価を拡大するよう求めている。11月11日に公表されたOffice for StudentsのAI評価ガイダンスは、広がりつつある隔たりに向き合うものだ。完成度の高いコースワークが、必ずしも学生の理解を示すとは限らない。

中心となる対立は、大学が提出物から何を立証できるかという点にある。エッセイは採点基準を満たしていても、執筆者自身の独立した思考をほとんど示さない可能性がある。反対に、準備段階でAIを使ったからといって、その学生が学習を避けた、あるいは評価ルールに違反したことを自動的に意味するわけではない。

University of Readingによる以前の実験は、通常の採点を通じてAIによる提出物を特定する難しさを明らかにした。イングランドの規制当局は現在、学生の達成を確認できる評価を設計する責任を教育機関に課している。これは大学、評価ソフトウェアの提供企業、そして一貫しない期待に対応する学生に圧力をかける。

Office for StudentsのAI評価ガイダンス、学習の証拠を重視

規制当局の介入は、AIを認める評価の余地を残しながら、成績の根拠となる証拠に問いを投げかけている。

OfSは11月11日、Advance HEとともに教育機関におけるAI研究を公表した。2026年6月から9月にかけて実施されたこのプロジェクトでは、120を超える教育機関の300人以上の学生と職員との対話が行われた。

調査結果は、学生が意図された知識を示さなくてもAIが完了できる、監督のない課題への懸念を描いている。参加者は、学習における有益な利用法や、評価方針をめぐる不確実性についても語った。これらの証言は制度上の問題を示しているが、全国的な不正行為率を立証するものではない。

広く流布した「ほぼ不可能」という表現は、一部の分野で学生を評価することへの職員参加者の懸念を反映したものだ。その発言を普遍的な結論として扱えば、重要な留保を消し去ることになる。この報告書は、すべてのエッセイがAI生成であるとも、すべてのコースワークの成績に価値がないとも示していない。

付随する評価遵守ガイダンスは、既存の品質条件がどのように適用されるかを説明している。B1は学術的経験、B2はリソースと支援、B4は評価と信頼できる資格を対象とする。

ガイダンスは、必要に応じた安全な評価を支持している。これらはAI利用を防ぐもので、試験、プレゼンテーション、口頭試問、実演、実践課題などが含まれる。また、評価が意図された学習成果を引き続き測定する場合には、AIの利用も認めている。

この区別は、教育機関が問うべきことを変える。大学は、AIを支持する、あるいは学術的公正性に取り組むと表明するだけでは問題を解決できない。各評価が学生について何を立証するのかについて、擁護可能な説明が必要となる。

たとえば、学生に政策提案の評価を求める経済学の課題を考えてみよう。説得力のある最終エッセイは、確かな論証を示すかもしれないし、広範な支援を反映しているかもしれない。追加の証拠がなければ、採点者は学生自身の寄与について不確実性に直面する。

フォントを変更する、宣誓文を加える、あるいは不正行為について学生に注意を促すだけでは、その不確実性は解消しない。こうした措置は期待を伝えるが、成績を裏づける証拠を必ずしも改善しない。

学生に自らの前提を説明させる評価は、異なる判断の基盤をつくる。教員は、なぜモデルが選ばれたのか、どの証拠が重要なのか、競合する説明がなぜ退けられたのかを検討できる。

したがって、Office for StudentsのAI評価ガイダンスが持つ実務上の意義は、試験の形式を超える。その中核となる要求は、教育機関が採点する成果物と、認定すると主張する能力を結びつけることにある。

このつながりは、なぜコースワークが引き続き議論の対象となるのかも説明する。長期的なプロジェクトは、調査、改訂、持続的な思考を示すことができる。課題は、完成した成果物が誰の理解を表すのかを確認しながら、こうした強みを維持することだ。

大学は自らの成績が実際に何を認定しているのかを説明しなければならない

直近の圧力は、明確な方針がありながら学生の達成を示す証拠が弱い機関も含め、資格を授与する教育機関にかかる。

OfSは評価の質を自らの規制責任と結びつけている。AI評価に関する発表では、条件の付加、金銭的制裁、資金制限を含む、教育機関の失敗への対応の可能性を示している。

これらは規制手段であり、この報告書を理由に大学がすでに制裁を受けたことを示す証拠ではない。警告は期待を示す一方で、執行結果を確定するものではないため、この区別は重要だ。

OfSの戦略・デリバリー担当ディレクターであるJosh Flemingは、AIを使わない評価のさらなる活用を求めた。Advance HEの副最高経営責任者Kathryn Harrison-Gravesは、教育機関としての方針、一貫したガイダンス、職員と学生のためのリソースを重視した。

これらの立場は、同じ問題の異なる部分に対応している。管理された評価は、個々の成果に対する信頼を高められる。教育機関内の連携は、その手法をどこで用いるべきか、部局が一貫して実施できるかを判断する助けとなる。

大学の指導層にとって、結果として生じる圧力は学術的不正行為チームの範囲を超える。評価設計は、人員配置、授業日程、教室の利用可能性、アクセシビリティ、そして科目目標と最終的な資格との関係に影響する。

口頭試問には、有用な追加質問を行える資格を持つ人が必要となる。実践課題には適切な環境と一貫した採点が必要だ。改訂された課題には、何を成功した思考とみなすかについて教員間の合意が求められる。

これらは報告書で測定されたコストではなく、実施上の考慮事項である。新たな評価方針を採用することよりも、その方針が大学全体で機能していることを示すほうが難しい理由を説明している。

教員にとって、この転換は採点の役割も変える。最終回答を読むことは引き続き必要だが、信頼はますます、その回答の前後で集められる証拠に依存する。

教員は、プロジェクトと、学生によるその中心的な判断の説明を比較するかもしれない。別の教員は、監督下のセッションで応用課題を評価するかもしれない。適切な基準がなければ、いずれの方法も公正さを保証しない。

学生にとっては、予測可能性が不可欠になる。授業ではAI支援による探究を奨励する科目であれば、評価対象の作業における境界を説明しなければならない。そうでなければ学生は、散在するコメントや一貫しない例からルールを推測することになる。

その不確実性は、誰もが遵守しようとしている場合でも問題を生む。文法支援、情報源の発見、論証の展開、完全な下書き作成は、それぞれ異なる寄与を伴う。AIを責任を持って使うよう求める一つの指示だけでは、これらの違いは解消されない。

雇用主にも利害があるが、この報告書は採用慣行がどのように変化するかを立証していない。資格は、卒業生の能力についての主張を伝える。評価をめぐる不確実性は、その主張の有用性を弱める。

重要な区別は、受け入れ可能な結果を生み出すことと、それを評価するために必要な判断力を持つことの間にある。多くの専門的業務には両方が関わる。大学は、特定の成績がどの能力を表すのかを示すよう圧力を受けている。

テクノロジー提供企業にとっても、その含意は同様だ。課題の作成を加速する機能は、教育上の証拠を自動的に強化するわけではない。学習における製品の有用性と、評価における適性には、別々の判断が必要となる。

AIリテラシーと独立した能力には異なる証拠が必要

学生はAIを効果的に扱う方法を学べる一方で、AIなしに理解を示す必要もある。

評価目標を明確にすれば、規制当局の立場にあるように見える矛盾は解消する。ツールを適切に使う能力と、科目を独立して理解する能力は関連しているが、必要とする証拠は異なる。

例としてプログラミング科目を考えると、この区別は具体的になる。学生はAIを使ってコードの提案を得たうえで、その動作を調べ、セキュリティ上の弱点を特定するかもしれない。この演習は、生成された出力に対する判断力を試すことができる。

別の課題では、学生に支援なしで簡単なプログラムを追跡させることができる。その目的は、基礎的な理解を確認することだ。AI支援を受けた演習で成功しても、独立した課題での成功が自動的に示されるわけではない。

どちらの課題も、科目全体を代表する必要はない。両者を組み合わせれば、洗練された最終プログラムだけでは解決されない問いに答えられる。

以前の証拠は、この区別が注目に値する理由を示している。2024年の試験への浸透実験で、University of Readingの研究者は、AI生成の回答を心理学の学部試験に提出した。

同大学は、その94%が見逃され、生成された提出物の平均成績が実際の学生の提出物より高かったと報告した。この実験は、特定の試験システムと科目の文脈に関するものだった。

これは大学全体における現在の検出率を立証するものではない。しかし、通常の採点だけでは著者性や独立した理解を自動的に立証できない理由を示している。

Readingの実験とOfSの介入は、異なる方向からこの問題に取り組んでいる。実験は、提出された回答が既存のシステムを通過できるかを検証した。規制当局は、教育機関に評価システムを擁護可能なものにするよう求めている。

この転換は、異なる種類の達成の間をより明確に区別することを後押しする。AI支援を受けたレポートは、評価、検証、責任あるツール利用を示すことができる。独立した説明は、学生がその背後にある論理を理解しているかを確認できる。

評価が専門性の見かけを報いるとき、その緊張はより鋭くなる。流暢な文章、整然とした参考文献、確信に満ちた結論は有用な性質になり得る。採点者がそれらを科目知識の十分な証拠として扱うとき、誤解を招くものとなる。

モデルは、利用者が擁護できないもっともらしい説明を作り出せる。学生もまた、根本的な問題を理解していながら、ぎこちない文章を書くことがある。評価は、どちらかを前提とせずに、これらの可能性を区別する必要がある。

同じ区別は、教育の外にいるナレッジワーカーにも重要だ。AI生成の要約は情報の確認に役立つが、その結論を受け入れるには証拠を検証する必要がある。

パーソナルナレッジマネジメントを探究する読者にとって、このつながりは実践的だ。人々がその出所と論理を検討できるとき、整理された資料は理解を支える。

その観察は、特定のソフトウェアが成績を向上させることや、著者性を検証することを立証するものではない。学習と専門業務に共通する課題、すなわち、情報へのアクセス可能性と信頼できる理解は別の達成であることを示している。

したがって、規制当局のアプローチを最も妥当な形で解釈するなら、両方の期待を維持することになる。卒業生は専門分野を理解し、AIに関する判断力を身につけるべきである。評価制度は、それらの能力を一つの完成文書に還元するのではなく、明らかにすべきだ。

試験への回帰では重要な問いが残る

より管理された評価は個人の成果に対する信頼を高め得るが、公平性や教育的価値に関するすべての問いを解決するわけではない。

監督下の試験は、外部からの支援を受ける機会を制限する。しかし、その課題が最も重要な能力を測定していることを自動的に保証するものではない。

例として、研究方法論の授業を考えてみよう。時間制限のあるテストでは、学生が研究設計の弱点を認識できるかを評価できるかもしれない。継続的なプロジェクトでは、問いを設定し、アプローチを修正できるかが明らかになる可能性がある。

どちらの証拠形式にも意義があり得る。無許可のAI利用を難しくできたとしても、プロジェクトを完全に置き換えれば、その授業が測定するものは変わる。

これは、試験への広範な回帰に対する最も強い懐疑的な論点である。大学は、改訂された評価が認定しようとする学習成果を維持しているという証拠を必要としている。

したがって、セキュリティと妥当性は別々に検討する必要がある。セキュリティは、学生が課題を完了する条件に関わる。妥当性は、課題が意図した知識や技能を測定しているかに関わる。

教育機関は、一方を強化しながら他方を見落とすことがある。厳格に管理された記憶テストは、長期的な調査を要する能力については限られた証拠しか提供しない。一方、意欲的な持ち帰りプロジェクトでは、本人による独立した貢献が不明確なままになる可能性がある。

設計上の課題は、こうした限界の均衡を取ることにある。従来型試験がAI時代の評価を解決すると主張すれば、課題を単純化しすぎることになる。職場でのAI利用が独立した評価を不要にすると主張することも、同様に裏付けのない飛躍である。

アクセシビリティも別の制約を加える。OfSのガイダンスは、障害のある学生に対する合理的配慮を認め、AI検出ツールの出力に不釣り合いな重みを置かないよう警告している。

こうした保護措置は重要である。なぜなら、文体の変化も検出器のスコアも、学生がどのように課題を完了したかを説明しないからだ。疑義の申し立てと評価上の判断には、適切な証拠が必要である。

大学はまた、支援と代替を区別すべきである。論旨を構築する過程で許可された支援を利用する学生は、自ら説明できない成果物を提出する学生とは異なる立場にある。

その境界は、課題の性質にも左右される。言語練習では受け入れられる支援でも、支援なしの文章作成を評価するために設計された課題では、その目的を損なう可能性がある。一般的な機関ルールには、評価ごとに具体的な意味づけが必要だ。

また、立証責任を学生に過度に移すリスクもある。あらゆる下書き作業の詳細な記録を求めても、理解を立証せずに文書だけが増えるおそれがある。

完全な活動履歴にも、なお解釈が必要になる。それは学生がツールとやり取りしたことを示せるかもしれないが、そのやり取りだけでは学習が生じたかどうかは分からない。

これらは、既存のあらゆる課題を維持すべき理由ではなく、再設計を慎重に評価すべき理由である。教育機関は、信頼できる判断に各構成要素がどのように寄与するかを説明する必要がある。

したがって未解決の問題は、試験が復活するかどうかより広範である。Office for StudentsのAI評価ガイダンスは、選択した組み合わせが達成度を公正に測定していることを大学が示す責任を残している。

その有効性は、実施に関する証拠に依存する。改訂されたハンドブックはより強い期待を示せるが、それらの期待が満たされるかを示せるのは、評価の実際の運用だけである。

学生の利用拡大により一律の前提は信頼できない

AIの広範な利用は評価上の課題の規模を示す一方で、個々の行動や学習成果については未解決のままである。

HEPIが2026年3月に実施した学生AI調査は、有用な文脈を提供している。Savantaが2025年12月に実施し、英国のフルタイム学部生1,054人から回答を集めた。

この調査では、95%が何らかの形でAIを利用したと回答し、94%が評価対象の課題を支援するために生成AIを利用したと回答した。これとは別に、12%が評価対象の課題にAI生成テキストを直接含めたと回答した。

これらの分類は異なる行動を測定している。評価対象の課題への支援には、生成テキストを挿入することより幅広い活動が含まれる。いずれの数値も、それだけでは学生の所属機関の規則における不正行為を立証しない。

調査ではさらに、65%がAIへの対応として評価が大きく変化したと答えた。したがってこれは、11月の調査で提起された懸念と並行して、すでに進行している教育機関の適応に関する文脈を提供する。

これらの結果は、AI利用者と独立した学習者を単純に二分する見方を崩す。学生はAIを利用しながら、教材に深く取り組むことができる。別の学生は、同様のツールを教材への取り組みを避けるために利用することもできる。

教育上の違いは、学生がなお自ら行う作業にある。説明を求めることは、生産的な調査の始まりになり得る。その説明を確認せずに受け入れることは、その調査を早期に終わらせる可能性がある。

例として歴史の課題を考えると、似た行動でも異なる結果につながり得る。学生はAIに解釈の候補を提案させ、その後に一次資料と比較するかもしれない。

別の学生は、その根拠を検討せずに提案された解釈を提出するかもしれない。最初のツールとのやり取りは似て見えるが、成績評価の基礎となるものは異なる。

だからこそ、利用状況の統計だけで評価設計を決めることはできない。それらは教育機関がAIにどれほど広く直面しているかを示す一方、特定の学生が何を学んだかについては限られた情報しか与えない。

課題を素早く終える同級生についての報告にも、同じ注意が必要である。そうした証言は調査に値するもっともな懸念を示す。しかし、その行動が教育セクター全体でどの程度の頻度で起きているかを測定するものではない。

したがって教育機関には、自らの授業から得られる証拠が必要である。提出された回答のどこで理解が不確かになるのか。どの評価要素がその不確実性を解消するのか。どの変更が、調査や修正の有益な機会を維持するのか。

これらの問いは、AI製品の評価においても重要である。ベンダーは、自社ソフトウェアが学習問題を生成したり文書を要約したりできることを示すかもしれない。しかし、その実演は独立した成果の向上を立証するものではない。

教育分野の購入者は、製品上の活動と教育上の達成を区別すべきである。頻繁な利用、魅力的な出力、学生の満足度は意思決定に役立ち得るが、実証された学習とは異なる問いに答えるものだ。

学生にとって実務的な意味は、準備と証明の関係がより明確になることだ。許可される場合、AIは準備に参加できる。評価は依然として、授業が育成すると約束する能力を立証しなければならない。

大学にとっては、これは両方向の一律な前提を捨てることを意味する。広範な利用は広範な不正を証明せず、AIに寛容な方針も評価の信頼性が維持されることを証明しない。

評価の変更、規制上の証拠、教職員支援を注視する

次の試金石は、大学が再設計した評価が従来の仕組みよりも明確に学習を示すことを証明できるかどうかである。

今後数か月で最初に注目すべき兆候は、評価ごとの具体的な変更である。教育機関は、どの課題が独立した遂行を求め、どの課題がAIを許可し、各構成要素が何を立証するのかを説明すべきだ。

責任あるAIに関する一般的な発表は、進展の限られた証拠しか提供しない。改訂された課題、明確な基準、その目的の説明は、より確かな判断の基盤となる。

大学が学生の貢献に関する不確実性に対処しつつ、意義のあるコースワークを維持すれば、この兆候は効果的な適応の根拠を強めるだろう。単純に試験を増やすだけでは、教育上の問いは残されたままである。

二つ目の兆候は、規制当局が教育機関の証拠をどのように評価するかである。公開された規制上の次のステップでは、新たな規制を導入するのではなく、既存の手段を用いるとしている。

OfSは、提案された将来の品質アプローチの下での期待も示している。こうした期待は、最終的な実施スケジュールや公表された執行判断とは区別して扱うべきである。

十分な証拠がどのようなものか、より明確な例に注目したい。教育機関は、特定の形式が伝統的に見えるかどうかからコンプライアンスを推測するのではなく、評価がどのように達成度を示すのかを理解する必要がある。

証拠に基づく精査は、この介入を強化する。学習を検討せず、目に見える制限だけを重視すれば、変更が資格の質を守るという主張は弱まる。

三つ目の兆候は、教職員への実践的支援である。Advance HEは、加盟機関向けのAI重視のChange Academyを2027年初頭に開催すると発表している。

その意義は、教育機関の計画が授業設計や教育実践に届くかどうかにかかっている。共通原則は、教員が実際の課題に適用し、学生に説明できるようになって初めて有用になる。

支援は、授業全体にわたる期待の連携にもつながるべきである。学生は、ある課題では支援が奨励され、別の課題では制限される理由を理解する必要がある。一貫性は、どこでも同一の規則からではなく、明確な教育目的から生まれる。

Office for StudentsのAI評価ガイダンスが注目に値するのは、AI方針を成績の信頼性と結び付けているからだ。その成功は依然として実証的な問いである。改訂された評価は、学生の達成度に関するより良い証拠を提供するのか。

学生、教員、教育分野の購入者にとって、次の段階は発表の背後にある評価の詳細を検討することだ。課題が独立して何を立証するのか、支援を受けて何を立証するのか、そしてその判断がどのようにつながるのかを問うべきである。

利用状況の統計を読むときや新たなツールを評価するときは、有用な区別を保つ必要がある。AI支援、生成された提出物、不正行為、学習の不足は、それぞれ異なるものを指す。信頼できる対応には、それぞれに関する証拠が必要だ。

大学がアプローチを改訂する際には、採点基準と併せて課題規則を読むべきである。学生は何を説明、検証、または実演できるほど理解しなければならないのか。そして評価は実際にそれをどこで示しているのか。

 
 

無料で始めましょう

ローカルファーストのパーソナル知識管理付きAIアシスタント

より良いAI体験のために、

remio は現在、 Windows 10+ (x64)とM-Chip Mac のみをサポートしています。

仕事のAIパートナー
remioでもっと仕事が進む

計画・作成・仕上げまで
すべてをひとつに

bottom of page