「市民社会」の意味をChatGPTに聞くと思想家ごとの違いは消えるのか｜定義を比べて学ぶ研究

図書館の参考書コーナーで、同じ「市民社会」という語について、用語集と入試対策本が少しずつ違う説明をしているのを見比べたことはないでしょうか。どれを覚えればいいのか迷ったままスマートフォンを取り出し、ChatGPTに「市民社会とは」と打ち込めば、短く整った答えが返ってきます。その答えは読みやすく、一つの意味にまとまって見えるぶん、思想家ごとの違いがどこへ消えたのかは見えにくくなります。用語集のページをめくるたびに、市民と国家と経済の関係の描き方が変わるように見えるのは、その語が一つの意味に収まらないからです。

「市民社会」の意味をChatGPTに聞くと思想家ごとの違いは消えるのか｜定義を比べて学ぶ研究

図書館の参考書コーナーで、同じ「市民社会」という語について、用語集と入試対策本が少しずつ違う説明をしているのを見比べたことはないでしょうか。どれを覚えればいいのか迷ったままスマートフォンを取り出し、ChatGPTに「市民社会とは」と打ち込めば、短く整った答えが返ってきます。その答えは読みやすく、一つの意味にまとまって見えるぶん、思想家ごとの違いがどこへ消えたのかは見えにくくなります。用語集のページをめくるたびに、市民と国家と経済の関係の描き方が変わるように見えるのは、その語が一つの意味に収まらないからです。

「市民社会」の意味をChatGPTに聞くと、思想家ごとに違う意味が一つに混ざった説明にならないのか、という疑問が残ります。一つの答えをそのまま覚えるより、誰の定義かを分けて並べ、比べてから使うほうが、用語の理解は確かになります。 ここからは、複数の事例を比べる学習の研究と、生成AIの提案が答えを似通わせるという研究を並べ、最後に自分で確かめる手順を示します。

要点

• 複数の事例を並べて似た点と違う点を探すと、一つずつ学ぶより理解と応用が進みやすい。57の実験・336の検定をまとめたメタ分析では、効果量 d = .50（95% 信頼区間 [.44, .56]）だった（Alfieri 2013）。
• 二つの事例を比べさせると、原理を抜き出して別の場面に使える割合が上がった（Gentner 2003）。
• 比べる学習は、前提の知識が足りないと効きにくい。7〜8年生236人では、事前に解き方を試せなかった生徒は例を順に学ぶほうがよかった（Rittle-Johnson 2009）。
• 生成AIの案を使うと、一人一人の作品の評価は上がっても、作品どうしは似通う（Doshi 2024）。36人の研究では案を自分のものと感じにくくなり（Anderson 2024）、インドと米国の118人では書き方が西洋寄りに寄った（Agarwal 2025）。
• 用語の説明そのもので同じことが起きるかを直接調べた研究は見つかっていない。定義は誰の・いつのものかを分けて表にし、教科書と用語集で確かめる。

「市民社会とは」と聞くと、なぜ一つの説明にまとまるのか

生成AIは用語調べの近道だとよく言われます。国語辞典を引くより速く、短い時間で「市民社会」の説明にたどり着けるというわけです。実際、ChatGPTに「市民社会とは」と一行で聞くと、定義らしい文が数秒で返ってきます。忙しい日には、この速さだけでも助かると感じるでしょう。

返ってくる答えは、多くの場合、一つの整った説明になっています。大規模言語モデル（大量の文章から次に来る語を予測するよう学習した仕組み。ChatGPTなどの土台）は、学習した無数の説明の続きとして文を作るため、複数の思想家の説明が一つの流れのよい文章に編まれやすいのです。読みやすいぶん、どの部分が誰の定義なのか、どこまでが一つの学派の考えなのかは、文面から読み取りにくくなります。整っていることと、違いを保っていることは、別の性質です。

「市民社会とは」と聞いたときに、ヘーゲルとマルクスで定義がどう違うかが一つの回答の中で消えるかを直接調べた研究は見つかりませんでした。研究が扱ってきたのは、人が複数の事例を比べるときの学習か、生成AIの案が人の作品をどう変えるかです。用語の説明の内部を覗く課題は、まだ研究の空白になっています。ここを確かめた研究がないからこそ、自分で照らす手順が要ります。

代わりに使えるのは、比べる学習の研究です。複数の事例を並べると理解が進むという結果と、その効果が前提の知識に左右されるという結果の両方があります。次に、その中身を見ていきます。

複数の定義を比べると、理解はどこまで進むのか

Alfieri ら（2013）は、事例を比べる学習の実験を57本、336の検定にまとめてメタ分析（複数の研究の結果をまとめて計算し直す方法）しました。比べた相手は、事例を一つずつ順に学ぶ、事例を一つだけ学ぶ、似ていない事例を並べる、通常の授業などです。事例どうしを比べる活動は、これらのどれよりも学習の成果が大きかったと報告されています。効果量（差の大きさを、ばらつきを物差しにして表した数）は d = .50、95% 信頼区間は [.44, .56] でした。

効果を大きくする条件も調べられています。似ている点を探させる、比べた後に原理を示す、目で見てわかる内容を使う、すぐにテストする、の四つです。対象者の国や学年は、論文の要約である抄録に書かれていません。生成AIを使った比較ではなく、人が紙や画面の上で事例を並べる実験です。

Gentner ら（2003）は、交渉の方略を学ぶ初心者を対象に三つの実験を行いました。二つの事例を別々に学ぶ群と、二つの事例を比べる群を置くと、比べた群のほうが原理を抜き出して別の場面で使える割合が高かったのです。比べる手助けを増やすと、対面の交渉の場面でも転移（学んだことを別の場面で使うこと）の割合が上がりました。こちらも人数・国・学年は抄録からはわかっていません。

ただし、比べればいつでも深まるわけではありません。Rittle-Johnson ら（2009）は、7〜8年生（日本の中学1〜2年に相当）236人に、方程式の解き方を比べる学習と、例を順に学ぶ学習を割り当てました。事前に解き方を試せなかった生徒は、解き方を比べるより、例を順に学ぶほうがよく学べました。著者らは、比べる学習から利益を得るには、その分野の十分な事前知識が要ると結論づけています。定義を比べる前に、その語の基本を一通り押さえておく理由がここにあります。

生成AIの案は、なぜ人どうしの答えを似通わせるのか

生成AIの案を使うと、一人一人の出来は上がるのに、集団としては似たものになる、という研究があります。Doshi ら（2024）は、短編小説を書く人に大規模言語モデルから話の案を渡す群と、人だけで書く群を比べました。案を受け取った人の作品は、創造的だと評価される割合が上がりました。一方で、作品どうしを比べると、人だけで書いた作品より互いに似ていたのです。

Anderson ら（2024）の36人の比較研究では、ChatGPTを使う群と別の創造支援ツールを使う群を比べています。ChatGPTを使った人のほうが、詳しい案を多く出しましたが、利用者どうしの案の意味の違いは小さくなりました。さらに、出した案を自分のものと感じにくいと答えています。Agarwal ら（2025）は、インドと米国の118人に文化に根ざした文章を書かせ、AIの提案ありとなしを比べました。AIの提案を使うと、インドの参加者の書き方が西洋の書き方に寄り、文化による表現の違いが薄れました。

これら三本が扱っているのは、小説、発想の課題、文化的な作文です。小説や発想の課題で見られたことを、用語の説明の場面にそのまま当てはめることはできません。それでも、AIが返す一つの型が多数派の書き方に寄っていれば、自分で考える前に違いが均される可能性は残ります。定義を調べるときも、答えの型が一つにそろう方向へ働くと考えておくほうが安全です。

使われたモデルの名前は、三本とも抄録に書かれていません。モデルはその後も更新されているため、いま同じ頼み方をしたときに同じ傾向が出るかは、改めて測る必要があります。研究の数字は、どのモデルの時点のものかを添えて読むと、意味を取り違えにくくなります。

一つの説明にまとめると、どこでつまずくのか

ここまでの研究をつなぐと、つまずきやすい場面が見えてきます。一つは、違いが見えないまま一つの定義を覚えてしまうことです。もう一つは、比べる学習の前提になる知識が足りないまま、複数の定義を並べてしまうことです。

使わないほうがよい場面は、はっきりしています。その語を初めて学ぶとき、用語集の一つの説明も読まずにAIへ聞くのは避けたほうがよいでしょう。前提となる知識がないまま複数の定義を比べると、Rittle-Johnson らの実験のように、かえって遠回りになることがあります。小論文の定義をAIの一文で固定し、自分の言葉で説明できないまま提出するのも同じです。

聞き方を変えると、答えの形も変わります。たとえば「この語の定義を、思想家ごとに分けて、それぞれの出典と一緒に短く示して」と頼むと、一つの説明にまとまりにくくなります。「この説明のうち、教科書や用語集で確かめられない部分を指摘して」と添えるのも一つの方法です。どちらも答えの正しさを保証するものではありませんが、どこを自分で確かめるかは見えやすくなります。

自分で確かめる手順

調べる手順は、五つに分けると実行しやすくなります。どれも特別な道具は要らず、教科書、用語集、ノート、そして生成AIがあれば足ります。大切なのは、AIの答えを最初に置かず、確かめた事実の後ろに置くことです。

1. 教科書か用語集で「市民社会」の項目を開き、最初の説明を一つだけノートに写す。
2. ノートを三列に分ける。左から、思想家と時代、定義の要点、出典の三つにする。
3. 同じ語を扱う資料をもう一つ探し、最初の説明と違う点だけをメモする。
4. ChatGPTには、思想家ごとに分けて出典を示すよう頼み、返ってきた説明のうち、教科書と用語集で確かめられない部分は表に入れない。
5. 表を見ながら、自分の言葉で二文の定義を書き、最後に誰の定義を採ったかを一行で添える。

この手順で大事なのは、比べる前に一つの説明を理解しておくことです。Rittle-Johnson らの結果を踏まえると、基本の用語すらおぼつかない段階では、二つ目を並べるより一つの説明を固めたほうが安全です。一つの説明を自分の言葉で言えるようになってから、二つ目を開くと混乱が小さくなります。表が埋まったら、違いを一つだけ声に出して説明してみます。

保護者が見るところは、AIの文を写したかどうかより、説明できるかどうかです。提出物の見た目だけでは、理解したかはわかりません。次の四つをチェックリストとして使えます。

• AIの答えをそのまま写していないか。
• 誰の定義かを、思想家の名前か出典で書いているか。
• 「市民社会」を自分の言葉で二文にできるか。
• 比べた定義の違いを、一つ言えるか。

確認できた項目と、まだ資料に戻る必要がある項目を分けておきます。逆に、全部AIの文で埋まっているときは、もう一度用語集に戻ったほうが早いです。小論文の準備では、定義の違いを説明できることが、そのまま答案の中身になります。

よくある質問

ChatGPTに「市民社会とは」と聞けば、思想家ごとの違いも教えてくれますか。

短い質問では、複数の定義が一つの説明にまとまって返ることがあります。ChatGPTは、学習した文章の続きとして文を作るため、複数の説明が流れのよい一つの文章に編まれやすいからです。思想家ごとに分けて示すよう頼めば形は変わりますが、示された説明が正しいかは、教科書と用語集で照らして確かめる必要があります。返ってきた説明をそのまま定義として使うのは避けたほうがよいでしょう。

複数の定義を比べると、かえって混乱しませんか。

前提の知識が足りないと、比べる学習はかえって負担になります。7〜8年生236人を対象にしたRittle-Johnson ら（2009）の実験では、事前に解き方を試せなかった生徒は、例を順に学ぶほうがよく学べました。まず一つの説明を理解し、用語の基本を押さえてから二つ目を並べると、混乱は小さくなります。比べる範囲は二つか三つに絞るのも一案です。

小論文で「市民社会」を使うとき、AIの説明をそのまま書いてもよいですか。

そのまま書くと、誰の定義なのかがわからない文章になりやすいです。読み手が定義を確かめられないと、論の土台が弱くなります。定義は、思想家の名前と出典を添え、自分の言葉で二文に直してから使います。AIの文は整っているぶん、消すべき違いまで消えていることがあります。書いた後に、用語集の説明と見比べて、意味がずれていないかを確かめてください。

保護者は何を見ればよいですか。

提出物の見た目より、子どもが説明できるかを見てください。「この定義は誰のものか」「こちらの定義とどこが違うか」と聞いて、自分の言葉で答えられれば、調べた内容は残っています。AIの文をそのまま写した場合でも、出典を確かめて書き直せば学びになります。答えに詰まったときは、用語集の項目を一緒に開くところから始めるとよいです。

この記事の限界

定義を比べる学習への示唆は、事例比較の研究から得たものです。Alfieri らのメタ分析は事例を一つずつ順に学ぶ群や通常の授業と、Rittle-Johnson らの実験は例を順に学ぶ群と比べた値なので、どの相手と比べたかによって効果の大きさの読み方は変わります。

対象を見ると、Rittle-Johnson ら（2009）の236人、Anderson ら（2024）の36人、Agarwal ら（2025）の118人と規模も国もさまざまで、報告は英語の論文が中心で、学年が抄録に無い研究もあります。生成AIの三本は小説・発想・文化的な作文を題材にしていて、モデル名は抄録に無く、その後の更新で同じ傾向が続くかは改めて測る必要があります。日本の中高生や日本語の定義比較を調べた研究は見つからず、課題で使える範囲は学校や大学の規則によります。

参考文献

1. Alfieri ほか. Learning Through Case Comparisons: A Meta-Analytic Review. Educational Psychologist. 2013;48(2):87-113.
2. Gentner ほか. Learning and transfer: A general role for analogical encoding. Journal of Educational Psychology. 2003;95(2):393-408.
3. Rittle-Johnson ほか. The importance of prior knowledge when comparing examples: Influences on conceptual and procedural knowledge of equation solving. Journal of Educational Psychology. 2009;101(4):836-852.
4. Doshi ほか. Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances. 2024;10(28):eadn5290.
5. Anderson ほか. Homogenization Effects of Large Language Models on Human Creative Ideation. Creativity and Cognition (C&C ’24). 2024:413-425.
6. Agarwal ほか. AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. 2025:1-21.

よくある質問