---------------------------------------------------------------------------
皆さまの１日を５％元気にするビジネス系メルマガ『カレッジサプリ』
---------------------------------------------------------------------------
令和８年９月１６日（第4586号）


生成AIは、本当に学習効果を高めるのか？
―85研究の系統的レビューから見えた「効果的な使い方」


株式会社カレッジ　紀藤康行
---------------------------------------------------------------------------

※このメールは、メールマガジンにご登録頂いた方、名刺交換をさせていただいた方、研修にご参加頂いた方に配信をしております。
ご不要の場合は大変お手数ですが、メール下部の「配信停止はこちら」より解除くださいますようお願い申し上げます。

（本日のお話 4250字／読了時間５分）


■こんにちは。紀藤です。

さて、本日は「生成AIが学習に与える影響」について調べた、
2026年出版予定の系統的レビューとメタ分析をご紹介します。

85件の研究を対象とした、かなり情報量の多い論文です。
しかし、読み進めていくと、「確かにそうだよなあ…」と感じることが、
たくさんありました。

生成AIを使うことで、私たちは多くのことを得ています。
一方で、知らず知らずのうちに失っているものもあるのかもしれません。

ということで、早速中身を見てまいりましょう。それでは、どうぞ！

---

＜本日の論文＞
タイトル：Evidence of Impact and Interpretational Limits of Generative AI in STEM Education: A Systematic Review and Meta-Analysis on Cognitive Learning Outcomes
（STEM教育における生成AIの影響の証拠と解釈上の限界：認知的な学習成果に関する系統的レビューおよびメタ分析）
掲載誌：Artificial Intelligence Review（2026年出版予定）
著者：Chiara Boolzen, Jochen Kuhn, Salome Flegr, Eva-Maria Rott, Niklas Stausberg, Stefan Küchemann
所属：ルートヴィヒ・マクシミリアン大学ミュンヘン、ドレスデン工科大学

---

■30秒でわかる本論文のポイント

・本研究では、STEM教育における生成AIの効果を調べた85件の研究をレビューし、
 そのうち49研究・59効果量をメタ分析した。

・従来の分析では、生成AIに大きな学習効果があるように見えたが、
 出版バイアスを補正すると、全体的な効果はほぼ見られなくなった

・一方、生成AIを「概念理解の支援」や「深く考えるための足場」として
 使った場合には、効果が期待できた

つまり、生成AIを使えば自動的に学習効果が高まるわけではない。
大事なのは、「使うかどうか」よりも「どのように使うか」だということですね。

---

■研究の背景と目的

ChatGPTをはじめとする生成AIは、
教育現場でも急速に使われるようになりました。

わからないことを質問すれば、すぐに説明してくれますし、
文章やプログラムも作ってくれる。
学習者にとって、非常に便利な道具です。

一方、これまでの研究は、特定のツールの使いやすさや
利用者の感想に焦点を当てたものが多く、
「実際に知識や技能は高まったのか？」という点については、
十分に整理されていませんでした。

そこで本研究では、科学・技術・工学・数学を扱うSTEM教育に焦点を当て、
次の3点を検討しました。

・１．生成AIとのやり取りによって、学習効果はどの程度高まるのか。

・２．学習者が生成AIを使う際、どのような課題に直面するのか。

・３．どのような授業設計や支援が、生成AIを効果的な学習ツールにするのか

---

■研究の方法

2017年から2026年5月までに発表された関連研究を収集しました。

そのうち85研究を系統的レビューの対象とし、
テスト成績やルーブリック評価など、
外部から評価された認知的パフォーマンスを測定していた
49研究・59効果量をメタ分析に用いました。

また、通常のランダム効果モデルに加えて、
出版バイアスを補正するベイズモデル平均化（RoBMA）も実施しました。

さらに、生成AIが従来の学習活動をどのように変えたかを、
次のISARモデルで分類しています。


・Inversion（逆転）：AI利用によって、かえって学習活動の質が下がる

・Substitution（置換）：従来の作業をAIに置き換える

・Augmentation（増強）：AIによって従来の学習を補助・改善する

・Redefinition（再定義）：AIによって、これまで難しかった学習活動を可能にする

---

■主な結果（わかったこと）


◯わかったこと1：生成AIの「大きな効果」は、割り引いて考える必要がある

通常のランダム効果モデルでは、
生成AIの学習効果はg=0.839と、大きな正の値を示しました。

しかし、研究間のばらつきは極めて大きく（I²＝96.32％）、
出版バイアスを補正すると、全体効果の推定値はμ＝0.076まで小さくなりました。
（参考：g=0.20：小さな差、g=0.50：中程度の差、g=0.80：大きな差）

つまり、「生成AIを使えば、学習成果が大きく高まる」と
単純に結論づけることはできません。

効果が出なかった研究よりも、効果が出た研究のほうが
世に出やすかった可能性があるためです。


◯わかったこと2：「知識の理解」には効果があるが、「技能の習得」には効果が見られなかった

概念的な知識の獲得を目的とした場合、
生成AIには比較的大きな正の効果が見られました。
出版バイアス補正後も、平均効果はμ=0.49でした。

一方、プログラミングや問題解決など、
実践的な技能の向上では、明確な効果は確認されませんでした。
補正後の平均効果はμ=-0.34でした。

生成AIは、難しい概念を言い換えたり、
具体例やアナロジーを示したりすることには向いています。

しかし、実際に手を動かし、試行錯誤を重ねて身につける技能まで、
簡単に代替してくれるわけではないようです。


◯わかったこと3：AIへの「置き換え」は逆効果になり得る

従来の学習作業を、単純に生成AIへ置き換えた場合、
効果はむしろマイナスの傾向（※RoBMA平均 -0.47）を示しました。

一方、AIを学習の補助として用いる「増強」で
正の効果を示しており（RoBMA平均 0.22）、
また、より深い思考や新しい学び方を可能にする「再定義」は、
正の効果を維持していました（RoBMA平均 0.41）。

要するに、AIに答えを作らせるだけでは学びになりにくい。

しかし、自分で考えた後にフィードバックをもらう、
異なる説明を求める、仮説を検証するといった使い方であれば、
学習を深める可能性があるということです。

（※補足：Robust Bayesian Meta-Analysis＝頑健ベイズ・メタ分析：
　複数の研究で算出されたHedgesのgなどを統合し、
　全体としての平均効果μを推定する方法）


◯わかったこと4：学習者は5つの課題に直面する

レビューでは、生成AIを使う学習者の課題が、
5つに整理されていました。

ーーーーーーーー
＜学習者が生成AIとの相互作用で直面する５つの課題＞

・1．何をどう質問すればよいかわからない

・2．長く複雑な回答によって認知負荷が高まる

・3．専門知識がなく、誤りを検証できない

・4．ハルシネーションや一貫性のない回答に惑わされる

・5．どこまでAIに任せ、どこから自分で考えるべきか判断できない
ーーーーーーーー

どれも、生成AIを使ったことがある方なら、
「わかる」と感じる内容ではないでしょうか。

---

■考察

本研究から見えてくるのは、
「生成AIを導入したかどうか」だけを見ても、
教育効果は判断できないということです。

生成AIに思考を丸投げすれば、
学習者が課題に認知的に関わらなくなり、
「認知の負債」が生じる可能性があります。

目の前の作業は早く終わっても、
自分で考える力や、試行錯誤する機会は失われてしまいます。

一方、まず自分なりの答えを出し、
その後でAIからフィードバックをもらう。
別の視点を求める。
理解できなかった概念を、異なるたとえで説明してもらう。

こうした使い方であれば、AIは思考を代替するものではなく、
思考を増強するものになります。

大切なのは、AIを「答えを出してくれる機械」として使うのか、
それとも「自分の思考を深める対話相手」として使うのか。
その違いなのだと思います。

---

■まとめと感想

この論文は、AIを使うことで「得られるもの」と
「失われるもの」の両方を示してくれているように感じました。

なかでも、私がもっとも納得したのが、
**「知識の理解には効果がある一方で、
技能の習得には明確な効果が見られなかった**」という点です。

例えば、私は論文を読む際に、AIも活用することを勧めています。
わからない概念を質問したり、
論文の概要を噛み砕いて説明してもらったりすることで、
自分の思考の枠が、加速度的に広がっているような感覚があるからです
（きちんと記憶できているかどうかは、置いておいて）。

これはまさに、AIによって自分の学習を「増強」してもらっている
部分の一つだと思います。

一方、実際にデータを扱い、
自分の手で統計解析を行う技能については、話が違います。

私はまだ、その途中にある考え方や手順について、
十分にトレーニングできているわけではありません。

それにもかかわらず、AIはその中間のプロセスを飛び越えて、
分析や答えを出してくれてしまいます。

もちろん、目の前の作業を進めるうえでは、とても助かります。

しかし、自分が本当に統計解析の技能を身につけたいのであれば、
AIに任せきりにせず、自分で手を動かして勉強しなければなりません。

＊＊＊

また、＜学習者が生成AIとの相互作用で直面する５つの課題＞も納得でした。

「どこまでAIに任せ、どこから自分で考えるのか」という問題もそう。

私の場合は、AIに質問するときにも、
「自分ではこう考えているのですが、どうでしょうか」と、
先に自分の仮説を伝えるようにしています。

選択肢が複数あるなら、自分なりに考えたメリットとデメリットも
言葉にしたうえで、意見をもらいます。

生成AIは、まとまっていない思考を、
あっという間に滑らかな文章へ変えてくれます。

その一方で、自分の言葉で起承転結を組み立てる筋力は、
使わなければ少しずつ衰えてしまうのかもしれません。

だからこそ、人に話すときには、
これまで以上に構造的に伝えることを心がける。

そんなふうに、自分なりにバランスを取ろうとしています。

ゲームや動画との付き合い方について、
それぞれの「マイルール」を設けるように、
これからは一人ひとりが、
「学習においてAIとどう付き合うのか」という
自分なりのルールを持つ必要があるのかもしれません。

AIに考えてもらうのではなく、AIとともに、より深く考える。

そのために、生成AIをどのような「学習パートナー」にしていくのか。
そんな関係づくりを考えさせられる論文でした。

最後までお読みいただき、ありがとうございました！

※ 本日のメルマガは「note」にも、図表付きでより詳しく掲載しています。
https://note.com/courage_sapuri/n/n1a95fb803a9e?app_launch=false
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

【編集後記】
◯今月のランニング：174km

【メルマガのご感想について】
メルマガのご感想は、このメールに直接ご返信いただければ紀藤にのみ届きます。
皆さまのメッセージが励みになります！ぜひお気軽にメッセージくださいませ。

■□━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━□■
　メルマガ「カレッジサプリ」公式サイト　https://www.courage-sapuri.jp/
　★バックナンバーはこちらから読めます★　
　https://www.courage-sapuri.jp/backnumber/
■□━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━□■
このメールは、メールマガジンにご登録頂いた方、名刺交換をさせていただいた方、
研修にご参加頂いた方に配信をしております。
ご不要の場合はお手数ですが、メール下部の「配信停止はこちら」より解除くださいますようお願い申し上げます。

【メルマガ登録・解除について】
※メールアドレスの変更について
　⇒「現在のメールアドレスの配信停止」→「新アドレスでの登録」にてご対応お願い申し上げます。
※メルマガのご登録はこちらから
　⇒　https://1lejend.com/stepmail/kd.php?no=HSfoIRnMfw
※メルマガの配信停止はこちらから
　⇒　https://1lejend.com/stepmail/delf.php?no=HSfoIRnMfw