AI が教えると、教えることはどうなるでしょうか?

による： イルファン・アーメッド氏、オマーン、ソハール大学学部長

AI はもはや教育への未来的なアドオンではありません。それは静かにインフラになりました。アダプティブ ラーニング プラットフォームや分析ダッシュボードから、生成的な授業計画ツールや自動フィードバック システムに至るまで、AI は現在、日常的な教育のあり方を形作っています。

一般の人々や学術的な議論の多くは、AI に何ができるかに焦点を当ててきました。 学生向け: 学習をパーソナライズし、ギャップを埋め、進歩を加速します。 AIが何をしているかについてはほとんど注目されていない 先生たちに、 それは職を失うという意味ではなく、認知力、判断力、そして専門的な成長という点でです。

私たちの最近の質的研究では、この無視されている質問を調査することに着手しました。 AI 対応の指導ツールを定期的に使用している 5 か国 (UAE、エジプト、バーレーン、英国、米国) の 23 人の高校教師へのインタビューを基に、私たちは一見単純な質問をしました。 AI との継続的な関わりは、教師の専門的思考をどのように再形成するのでしょうか?

教えることは単なるタスクの実行ではなく認知作業です

教えることは常に認知能力を要求します。 AI が教室に導入されるずっと前から、教師はすでに継続的な診断推論に従事していました。次に何を教えるかを決定し、生徒の混乱を解釈し、指導の順序を決め、リアルタイムで説明を調整していました。これらは管理タスクではありません。それらは専門知識の認識の中心です。

認知負荷理論 (CLT)、通常、方法を研究するために使用されるフレームワーク 学生 ここで便利なレンズを紹介します。 CLT は以下を区別します。

• 固有負荷 (タスクの複雑さ)、

• 外部負荷 (不適切な設計により避けられない労力)、および

• ゲルマン負荷 （理解と専門知識を構築する生産的な努力）。

伝統的に、教師は学校の管理者とみなされてきました。 学生の 認知負荷。私たちの研究では、この論理を教師自身にも拡張しました。私たちの理論は、AI システムが指導上の決定を引き継ぐと、教師の作業負荷が軽減されるだけでなく、認知的責任がコンピューターに再配分されるというものです。

効率は向上するが、認知力は低下する

プラットフォームや状況を問わず、私たちがインタビューした教師たちは、一貫したパターンについて説明しました。それは、AI ツールが間違いなく効率的であるということでした。授業計画は数秒で表示されます。ダッシュボードは学習上のギャップを即座に特定しました。フィードバックは自動的に生成されました。多くの教師が安堵と感謝の言葉を口にした。

「ダッシュボードを開くと、すべての生徒のギャップが表示されますが、もう自分でギャップを見つける必要はありません。システムが表示してくれるので、私はその示唆に従うだけです。」

しかし、この安堵感とともに、静かな認識も生まれました。

AI システムが計画、順序付け、診断、フィードバックを処理するようになるにつれて、教師はそれらのプロセスについてあまり深く考えなくなっていることに気づきました。診断推論はモニタリングになりました。レッスンデザインはテンプレート受け入れになりました。評価は解釈ではなく確認となった。

CLT の観点から見ると、これは単なる作業負荷の削減ではありません。これは、密接な認知的負荷が教師からアルゴリズムへと移行することです。教師が判断力を磨き、専門知識を構築するための精神的な努力そのものが、徐々に置き換えられていきます。

重要なのは、これが突然スキルを解除するような感じではなかったということです。教師は一夜にして能力を「失った」わけではありません。代わりに、彼らは認知的課題がゆっくりと薄れていくことを説明しました。ある教師はそれを厳しく捉えました。

「もう疲れているとは感じません。でも、成長しているとも感じません。」

データが自分よりも賢いと感じ始めるとき

もう 1 つの繰り返しのテーマはアルゴリズムの権威であり、教師はアルゴリズムの方が自分たちよりも正しい可能性が高いと感じていました。ダッシュボード、パフォーマンス指標、AI が生成した推奨事項には、客観性のオーラがありました。教師がシステムに同意しないとき、多くはアルゴリズムではなく自分自身を疑ったと述べました。

専門知識は不確実性の下での判断に依存するため、これは重要です。 AI が学習をクリーンで可視的、最適化されたものとして提示すると、あいまいさ、実験、エラーから離れて、期待を微妙に再トレーニングできます。たとえば、理科の教室では、教師たちは、両方の生徒が経験した厄介な失敗が完璧なシミュレーションに取って代わられるのではないかと心配していました。 そして先生たち 学ぶ。

AIは教師の主体性を排除しませんでしたが、それを条件付きかつ努力的なものにしました。自動化に抵抗した教師は意図的にそうしました。AI の出力を、従うべき指示ではなく議論の出発点として扱いました。

「AI (Century Tech) は数字を教えてくれますが、ストーリーは教えてくれません。私は会話を始めるために数字を使います。なぜシステムが彼らをそのように評価したと思うのかを生徒に尋ねます。それが私の教えが今も生きているところです。」

しかし、これらの抵抗行為は、スピード、指標、目に見えるデータを優先する組織文化に反することがよくありました。

抽象的な政策ではなく、認知的負担としての倫理

教育における AI 倫理に関する議論は、透明性、偏見、ガバナンスなど、抽象的なままであることがよくあります。私たちの調査結果は、これらの問題がはるかに密接に経験されていることを示唆しています。

教師たちは、十分に理解していない決定を正当化し、生徒や管理者に対してアルゴリズムの結果を擁護し、ロジックが不透明なままのシステム内で作業することの負担を説明しました。

「それ（ブリスク）は、『証拠をうまく活用せよ』とか『議論を展開せよ』といったコメントをくれます。問題は、なぜそのようなことが書かれたのか必ずしも分からず、学生たちはそのコメントが私のものだと思っていることです。」

これらのプレッシャーは哲学的なものではなく、日常の教育に重ねられた認知的および感情的な負荷でした。

この意味で、倫理的懸念は教育学の外部にあるものではありません。それらは教師が働く精神状態に直接影響を与えます。

AIはツールではなくインフラとして

この研究から得られた最も重要な洞察の 1 つは、AI を個別の教室ツールとして理解すべきではないということです。これはインフラストラクチャとして機能し、正当な仕事、貴重な専門知識、職業上の成功とは何かを静かに再定義します。

まったく異なるプラットフォームにわたって、同じパターンが現れました。中核となる教育的判断の自動化が、同様の認知的結果をもたらしました。これは、問題は不十分な実装や個々のツールではなく、教育自体の再編成方法のより深い変化であることを示唆しています。

効率性が支配的な論理になると、この専門職は、教育を手続き的管理ではなく専門的実践の形式にする知的闘争を失う危険があります。

学習者だけでなく教師を中心とした AI 統合を再考する

つまり、問題はAIを教育に活用すべきかどうかではない。すでにそうです。より緊急な問題は、AI がどのような教師の育成に貢献しているかということです。

AI が教師の不確実性、解釈、判断への関与を維持しながら無関係な負担を取り除くことができれば、専門的な成長をサポートできる可能性があります。しかし、認知的に生成的な実践を体系的に軽減すれば、専門知識を犠牲にして効率が向上する可能性があります。

教師の認知を通じて AI の統合を再構成し、CLT のようなフレームワークを生徒を超えて拡張することで、これらのトレードオフをより明確に見る方法が提供されます。

結局のところ、課題は技術的なものではありません。それは教育的かつ専門的です。教育における AI の将来は、アルゴリズムに何ができるかということよりも、教育システムに教師が考える余地を残しているかどうかにかかっています。