生成AIで終えた宿題は勉強に入るのか｜丸写しになる境目と学習の研究

提出前夜、空欄の残ったプリントを前に、生成AIの答えをノートへ移せば宿題は終わります。理由まで整った文章が返ってくると、読みながら納得し、自分も解けたように感じることがあります。それでも翌日の授業で説明を求められると、どの知識を使ったのか言葉が出ないかもしれません。こうして終えた宿題は勉強に入るのでしょうか。勉強したかを見極める手掛かりは、提出できる形になったことより、自分で答えを作る仕事をしたか、あとでその理由を説明できるかにあります。

生成AIで終えた宿題は勉強に入るのか｜丸写しになる境目と学習の研究

提出前夜、空欄の残ったプリントを前に、生成AIの答えをノートへ移せば宿題は終わります。理由まで整った文章が返ってくると、読みながら納得し、自分も解けたように感じることがあります。それでも翌日の授業で説明を求められると、どの知識を使ったのか言葉が出ないかもしれません。こうして終えた宿題は勉強に入るのでしょうか。勉強したかを見極める手掛かりは、提出できる形になったことより、自分で答えを作る仕事をしたか、あとでその理由を説明できるかにあります。

同じ正答でも、自分の考えを修正してたどり着いた場合と、表示された答えを移した場合では、終えるまでにしたことが違います。宿題の点は完成した答案を示しますが、試験ではその場で答えを取り出す力が問われます。この違いを調べてきたのが、宿題の正答と試験成績、答えを写す行動を比べた研究です。まず研究の結果を読み、そのうえで、手元の宿題に自分の判断がどれだけ残っているかを考えてみましょう。

要点

• 宿題で正解していても、答えを写した学生は試験で学習上の利益を得ていないという研究があります。
• 宿題に費やした時間だけでは、成績につながる取り組みを十分に捉えられません。
• 不正行動が減っても試験成績が変わらなかった研究や、遠隔授業で広範な写しが見られなかった研究もあります。
• AI検出器の判定より、自分の答案の成り立ちと自力で説明できる部分を確かめることが大切です。

正解した宿題と、試験で使える知識は別に見る

「正しい答えを書いて提出したのだから、学習もできている」という見方は自然です。宿題の欄が埋まり、丸がつけば、本人にも保護者にも進んだことが見えます。しかし、答案に書かれた正解が、本人の中から出てきたものかどうかは別の問いです。宿題の点と試験の点を分けて見ると、この見落としが表に出ます。

Glass・Kang（2022）は、大学の講義で宿題と試験の関係を長期に調べました。対象は2433人、12の講義で、正しく宿題に答えても学習上の利益が見られなかった学生の割合は、2008年の14%から2017年の55%へ増えていました。利益を得た学生は、自分で答えを作ったと報告していました。一方、別の情報源から答えを写したと報告した学生には、宿題からの利益が見られませんでした。

この研究が示す対比は、宿題を提出した人と提出しなかった人の違いだけではありません。正答を用意できた学生の中でも、答えを作ったのか、外から持ってきたのかで、試験につながる様子が違った点が重要です。生成AIの回答を見ながら仕上げた宿題にも、この観点で問いを立てられます。答案を隠したときに、答えの根拠まで自力で説明できるでしょうか。

たとえば記述問題なら、出来上がった文の自然さより、設問のどの要求に答えたのかが焦点です。計算問題なら、途中式の並びを覚えているかより、その変形を選んだ理由を見ます。ここで確かめたいのは、宿題の見栄えと本人の理解のつながりです。完成した答案をそのまま実力の証明にせず、説明できた中身と組み合わせて読むと、次に学ぶ部分が見えてきます。

丸写しの問題は、答えを作る仕事が抜けること

丸写しというと、文章をまったく変えずに移す行為を思い浮かべがちです。けれども学習を考えるときは、語尾を変えたか、手で書き直したかだけでは境目を捉えきれません。答えの根拠を選び、筋道を組み立てるところまで外に任せ、その結果だけ自分の答案にしていれば、考える仕事は外に残ります。逆に、自分の誤りを見つけ、理由を理解して修正した跡があれば、同じ正答でも取り組みの内容が見えます。

Palazzoら（2010）は、米国のMITの物理入門で、オンライン宿題の写しと試験成績の関係を調べました。分析的な解答を要する問題を写す行動は、学期を通じた類似の試験問題の相対的な得点の低下と結びついていました。一方、学習前後のテストで測った概念理解の変化との関係は、有意ではありませんでした。有意とは、観測した関係を偶然のばらつきだけでは説明しにくいと統計的に判断することです。同じ「理解」でも、解答を組み立てる試験と概念を測るテストでは結果が違いました。

中等教育にも、デジタル機器で宿題を済ませる行動を調べた研究があります。Désiron・Petko（2023）は、スイスの生徒に関する国際的な学力調査のデータを分析しました。情報通信技術に関する要因を考慮した分析で、デジタル機器を利用して宿題への取り組みを避ける行動は、低い試験成績を予測する要因でした。大学の物理だけでなく、学校段階のデータにも、宿題の中身を省く行動と成績の関係が現れています。

これらは、写しと成績の関連を示す結果であり、写す行為だけが低下の原因だと切り分けたものではありません。それでも、自分の答案について「何を根拠にそう答えたか」が空白なら、学び直す場所は具体的です。AIが出した正答に自分の名前を添える前に、その空白を自分で把握することが、学習の境目を考える出発点になります。

長く机に向かったことだけでは判断しない

保護者から見てわかりやすいのは、宿題に使った時間です。本人も、長く机に向かった日は「今日は勉強した」と感じやすいでしょう。ところが、その間に問題を考えていたのか、答えを探していたのか、画面の文章を移していたのかで活動は変わります。時間の記録には、その違いがひとまとめに入ります。

Trautwein（2007）は、宿題に使う時間、出される頻度、取り組みに注ぐ努力を区別して検討しました。学級単位では宿題が出されること、個人単位では宿題に取り組むことが、成績やその向上と関連していました。しかし、宿題が出されることや取り組むことのプラスの関係は、「宿題に使った時間」という測定では十分に捉えられませんでした。時間の長さをそのまま学習の中身の代わりにする見方に、見直しを求める結果です。

家庭でこの違いを読むときは、終えた量に加え、どんな判断をしたかを見ると具体的になります。問題文から条件を選んだ、根拠に合わない答えを捨てた、自分の間違いの場所を特定した、といった仕事です。これらは、AIの説明を読んだという報告よりも、本人が何に取り組んだかを表します。努力も「疲れた」「長く座った」という感覚だけで測るより、答案の中の行動として話すほうが共有しやすくなります。

たとえば、宿題を終えて「全部わかった」と言う代わりに、どの判断を自分でしたか説明してみます。保護者は、完成したページを最初から採点し直す必要はなく、子どもが選んだ箇所の理由を聞けます。説明の途中で止まれば、その場所が次に確認する対象です。終わったかどうかに加えて、本人が担った仕事を言葉にすることで、短時間で終えた日にも長引いた日にも使える物差しになります。

成績が変わらない研究も、対象を分けて読む

写しと低い成績が結びつく研究だけを読むと、答えを写せば点が下がると考えたくなります。しかし、試験中の不正行動を減らしても、成績が変わった証拠が得られなかった研究があります。また、遠隔授業という環境だけで、写しが広く行われていると扱うのも早計です。結果が異なる研究は、何を調べたのかを並べて読む必要があります。

Pleasantsら（2022）は、オンラインの生物学入門科目で、監督者のいない試験の不正行動を調べました。不正が観測された学生は70%から15%に減りましたが、その行動の変化に伴って試験成績が変わった証拠は得られませんでした。ここで扱われたのは宿題の写しではなく、試験中の行動です。学習の確認では、宿題の成績、試験中に得た点、後で自力で出せる答えを区別することが重要になります。

Chen（2022）は、感染症流行に伴う遠隔授業で、宿題の答えを短時間で写す行動がどの程度あったかを調べました。自分で宿題を終えたと申告した学生と、残りの学生を比較する分析を行っています。その結果、素早い答えの写しが広範に行われているという証拠は得られませんでした。この研究は、写しによる成績低下の有無よりも、写しがどれだけ起きていたかを扱うものとして読むのが適切です。

点が維持されたことと、学習のための仕事を自分でしたことは、別々に確かめられます。成績だけで行動を正当化するより、何を省いたのかに戻ると、宿題の使い方を考えやすくなります。生成AIを利用したという事実だけで疑うことも避け、答案ができた経緯を具体的に見ましょう。

AI検出器では、学んだかどうかを判定できない

「生成AIで書いたかを機械に調べてもらえばよい」という考え方もあります。AI検出器とは、文章の特徴からAIが生成した可能性を判定する道具です。けれども、その判定は、本人が内容を理解したかを測るテストではありません。さらに、文章の作成者の判定そのものにも誤りが報告されています。

Weber-Wulffら（2023）は、AIが生成した文章を見分ける複数の検出器を調べ、正確さと信頼性が十分でないと結論づけました。AIの出力を人が書いたものとして扱う傾向があり、文章の特徴を変える操作で検出の性能も悪化しました。つまり、AIの文章を見逃す問題があります。判定が人間作成だったことを、自分で答えを作った証明として使うのは不適切です。

反対向きの誤りもあります。Liangら（2023）は、英語を母語としない人の文章が、AIによる文章だと誤って判定されやすいと報告しました。英作文の宿題では、書き手が外国語を学んでいることも文章の特徴に関わります。機械のラベルをそのまま本人への疑いに変えると、自分で書いた努力まで見落とすおそれがあります。

学習の確認なら、文章が機械らしいかより、答えを選んだ理由を本人と確かめるほうが目的に合います。途中の案があれば、その案から提出した答えへ何を変えたかを聞けます。途中の案がなくても、関連する問いに自分で答える様子は見られます。検出器のラベルを根拠に責めるのではなく、本人の説明と答案の経緯を確かめる姿勢が大切です。

一方、学校が認める利用の範囲は、課題の説明に沿って判断します。利用を明記したことと、その内容を学んだことも別の確認事項です。学習が進んでいても提出条件には従う必要があり、提出条件を満たしていても理解は確かめられます。この区別を保つと、不正の取締りと学習相談を同じ話にせずに済みます。

提出した答案のどこまでを、自分の力として説明できるか

宿題を終えた後に見る対象を、出来上がった答案だけから、本人が説明できる範囲へ広げてみましょう。これは、宿題の全問をもう一度やり直すという意味ではありません。自分で考えた部分、AIを頼った部分、まだ理由が曖昧な部分を、本人が区別して話せるかを見ます。答えの出どころと理解の状態を並べると、「終わったけれど身についていない部分」が具体的になります。

本人が確かめるときは、提出した答えの中から説明したい箇所を選びます。そこを正しいと判断した根拠を、AIの表示を見ずに言葉にしてみます。続いて、授業のノートや教科書のどの内容とつながるかを照らします。説明が食い違った場合は、AIの文章を覚え直すより、その根拠を先生に確かめる材料にします。

保護者が見るところも、完成度を監視する形から変えられます。問いかけは「本当に自分でやったのか」だけにせず、「この答えを選んだ理由はどこにあるか」と具体的にします。言葉に詰まったときは、考えを図や途中式で示してもらう方法もあります。口頭で滑らかに話すことだけを合格条件にせず、本人が判断した跡を一緒に見ます。

• 自分で作った答えや途中の考えを示せるか。
• AIから取り入れた部分と、その理由を区別して話せるか。
• 答案を隠しても、使った知識や根拠を示せるか。
• まだ説明できない箇所を、質問として取り出せるか。

自分の理解を確かめる場面では、AIを開かずに取り組む時間を設けるほうが、今ある力を見やすくなります。とくに、理由が曖昧なまま提出文だけを整え続けているときは、いったん生成を止める場面です。説明できなかった部分は、宿題を無意味だったと決める材料ではなく、次の学習の対象になります。提出を終えた今、その答案を自分の力と呼ぶために何を確かめますか。

よくある質問

AIの答えを手書きで写したら、勉強したことになりますか

手で書く動作と、答えの根拠を自分で選ぶ仕事を分けて考えます。書き写しながら内容を追っていても、答案を閉じたときに理由を説明できるかを確かめる余地があります。Glass・Kang（2022）の研究では、自分で答えを作ったという報告と、宿題から得た学習上の利益が結びついていました。手書きか入力かより、自分がどの判断を担ったかを見てみましょう。

宿題の点も試験の点も良ければ、写していても問題ないですか

得点と提出条件、それから自分が学んだ内容を分けて確かめます。試験の点が良かったことはその試験で答えられた証拠ですが、提出物の作り方は学校の課題の条件に沿って判断する必要があります。Pleasantsら（2022）の研究でも、不正行動の変化に伴う得点変化は見られませんでした。点が変わらないことを利用の許可に読み替えず、自分で説明できる範囲と提出条件を確認します。

自分で書いたのに、AI検出器に疑われたらどうしますか

検出器の表示だけで話を終えず、途中のメモ、直した箇所、参照した資料など、答案ができた経緯を先生に伝えます。Liangら（2023）は、英語を母語としない書き手の文章が誤ってAI作と判定される問題を報告しました。自分の言葉で内容の根拠を説明することも、経緯を伝える助けになります。判定を変えるために文体を加工するより、実際にした作業を具体的に示しましょう。

この記事の限界

中心となる根拠は、海外の大学講義、米国の大学物理、スイスの中等教育などで、生成AI普及前の宿題やデジタル利用を調べた研究です。長期の講義データや学期内の成績を扱うものもありますが、日本の中高生が生成AIで日本語の宿題を済ませた後の成績を長期に追う研究は、ここで検討した範囲では見つかりませんでした。検出器の研究も当時の道具と主に英語の文章を扱っており、現在の生成モデルや日本語で同じ結果になるかは未検証です。学校の課題の規則は学校ごとに違うため、学習の手掛かりとして示した観点と、提出時に求められる条件は分けて確認してください。

参考文献

1. Glass AL, Kang M. Fewer students are benefiting from doing their homework: an eleven-year study. Educational Psychology. 2022;42(2):185-199.
2. Palazzo DJ, Lee YJ, Warnakulasooriya R, Pritchard DE. Patterns, correlates, and reduction of homework copying. Physical Review Special Topics - Physics Education Research. 2010;6(1):010104.
3. Désiron JC, Petko D. Academic dishonesty when doing homework: How digital technologies are put to bad use in secondary schools. Education and Information Technologies. 2023;28(2):1251-1271.
4. Trautwein U. The homework–achievement relation reconsidered: Differentiating homework time, homework frequency, and homework effort. Learning and Instruction. 2007;17(3):372-388.
5. Pleasants J, Pleasants JM, Pleasants BP. Cheating on Unproctored Online Exams: Prevalence, Mitigation Measures, and Effects on Exam Performance. Online Learning. 2022;26(1).
6. Chen Z. Measuring the level of homework answer copying during COVID-19 induced remote instruction. Physical Review Physics Education Research. 2022;18(1):010126.
7. Liang W, Yuksekgonul M, Mao Y, Wu E, Zou J. GPT detectors are biased against non-native English writers. Patterns. 2023;4(7):100779.
8. Weber-Wulff D, Anohina-Naumeca A, Bjelobaba S, et al. Testing of detection tools for AI-generated text. International Journal for Educational Integrity. 2023;19(1):26.

よくある質問