成績を上げる計画を生成AIに立てさせると続くのか｜学習計画と自己調整の研究

模試後、答案と成績表を並べて生成AIに勉強の予定を作ってもらったら、今度こそ続けられるのでしょうか。苦手な単元が曜日ごとに並び、復習まで組み込まれていると、取り戻す道筋が見えたように感じます。けれども、予定表に書かれた教材を開くことと、空いた時間を予定で埋めることは別の作業です。AIの計画は下書きにし、始める条件を自分で決め、実際の進み方に合わせて直す使い方が、学習計画の研究から考えられる方針です。

成績を上げる計画を生成AIに立てさせると続くのか｜学習計画と自己調整の研究

模試後、答案と成績表を並べて生成AIに勉強の予定を作ってもらったら、今度こそ続けられるのでしょうか。苦手な単元が曜日ごとに並び、復習まで組み込まれていると、取り戻す道筋が見えたように感じます。けれども、予定表に書かれた教材を開くことと、空いた時間を予定で埋めることは別の作業です。AIの計画は下書きにし、始める条件を自分で決め、実際の進み方に合わせて直す使い方が、学習計画の研究から考えられる方針です。

計画を考えるときには、行動を始める助け、続けるための見直し、学力が伸びたかの確認を分けると整理しやすくなります。子どもが具体的な計画を持つことを支える研究がある一方、学習への取り組みが初めだけ増えて、最後まで終える割合は変わらなかった研究もあります。模試後に必要なのは、すべての弱点を並べた完成品より、予定と実行の食い違いを残せる計画です。答案のどこから取りかかるかを決めるところから、次の見直しまでをつないで考えます。

要点

• 行動のきっかけと取り組む内容を結びつける計画
• 予定の時間と、実際にかかった時間の記録
• 初めの取り組みと、最後まで続いたかの区別
• AIによる案の作成と、本人による優先順位の決定
• 保護者が見る、実行の跡と計画を変えた理由

計画を立てる力には、始めた後の見直しも含まれます

「成績が低かった科目に多くの時間を割り当てればよい」と考えると、計画づくりは時間割を埋める仕事に見えます。しかし、同じ科目でも、解説を読めば進む問題と、前の内容に戻る必要がある問題では、かかる時間が違います。模試後の答案を見ながら、何を終えたらその日の作業を終えるかまで決めると、実行した結果を見直す基準ができます。単元名だけの予定では、着手しただけなのか、解き直しまで終わったのかが曖昧になります。

こうした計画、実行中の確認、振り返りを自分で調節する学び方を、自己調整学習と呼びます。Jansen（2019）は大学など高等教育の学生を対象に、この学び方を支える働きかけをまとめたメタ分析、つまり複数の研究の結果をまとめて計算し直す研究を行いました。支援を受ける条件では、比較条件に対して自己調整の活動と成績が改善しました。ただし、成績の改善を「自己調整の活動が増えたこと」で説明する経路は一部にとどまり、課題への意欲や実際に取り組む時間も候補に挙がっています。

この結果を計画の読み方に生かすなら、予定表の詳しさだけで評価しないことです。たとえば「模試の復習」という項目を見たとき、答案のどの部分を使うのか、何を手元に残すのかが見えるかを点検します。さらに、途中で解説が理解できなかった場合に、予定を止めて調べる余地があるかも見ます。最初に決めた分量を守ることだけを目標にすると、理解を確かめる作業が後回しになりやすいからです。

「いつ・どこで・何を」が行動の入口になります

実行意図とは、ある状況になったら特定の行動を始める、とあらかじめ結びつけておく計画です。「苦手を克服したい」という目標から、「決めた開始時刻になったら、教材を置いた机で、印を付けた問題の解き直しを始めます」という行動へ移します。時刻を決めるだけでなく、最初に開く教材と着手する作業が見える形にします。生成AIが並べた単元名を、この行動の言葉に直す作業は本人が担えます。

Breitwieser（2026）は子どもを対象とする42研究から52の効果量を集め、参加者は計12,957人、平均年齢は10.67歳でした。効果量とは、比較した条件の差を、成績などのばらつきを物差しにして表す数です。実行意図の全体の効果量はg = 0.31で、小〜中程度の効果と報告されました。95%信頼区間、つまり推定の不確かさを表す範囲は[0.21; 0.41]で、研究ごとの結果には大きなばらつきもありました。

この研究の結論が重視するのは、子ども自身が質の高い計画を作れるように支えることです。計画を読んだ本人が、その場面で何をするかを思い浮かべられるようにする、という方向です。模試後なら、答案に付けた印と予定の項目を対応させると、作業の対象を選び直す手間を減らせます。自分で選んだ問題とAIが提案した復習範囲が違うときは、その違いを残し、実行するほうを本人が決めます。

Koole（2000）の期限つき課題の実験でも、いつ、どこで取り組むかを決める群は、そうした計画を決めない群より実際の完了が増えました。計画を決めた群では完了の予想も楽観的になりましたが、実際の改善がそれを上回り、予想と現実の隔たりが縮まりました。作業中の中断が少なくなったことも報告されています。予定の欄を増やすより、始めた作業をどこまで進めるかがはっきりしているかに注目できます。

開始直後の勢いと、長く続くことを分けて見ます

模試後は、結果を受けて新しい計画に取りかかるきっかけが生まれます。そのときに教材を開けたことと、その後も復習を続けられたことは、別々に記録する必要があります。初めの取り組みだけを見て計画を完成扱いにすると、通常の予定と重なったときの負担が見えにくくなります。学習支援の研究でも、どの時点の結果を測るかで評価が変わっています。

Kizilcec（2020）は、ほぼ全ての国から参加したオンライン講座の学習者を対象に、247講座で行動を支える働きかけを調べました。調査は2.5年にわたり、自己調整を支える働きかけは最初の数週の取り組みを増やしましたが、最終的な修了率を上げませんでした。先行する小規模な研究で期待された効果が、幅広い講座に広げた条件では縮んだという結果です。始めやすさの改善を、そのまま最後まで続く証拠として扱うと、ここで測られた違いを見落とします。

計画を読むときに役立つ比較を、結果の種類ごとに並べます。表では、実行意図を作ること、自己調整を支えること、作文中にAIを使うことを、それぞれの研究の条件として分けています。結果を見る欄も、目標達成、講座の修了、作文と知識という別々の物差しです。

時間の見込みには、前にかかった時間を戻します

模試後の計画で「この範囲ならすぐ終わる」と考えるとき、頭の中では、途中で止まらずに進む順序を描きがちです。ところが実際には、解説を読み返したり、必要な知識を探したりする作業が入ります。計画の錯誤とは、自分の作業が終わるまでの時間を短く見積もる偏りです。AIに予定を作らせる場合も、入力する自分の時間の見込みを点検することから始められます。

Buehler（1994）は、学業と学業以外の課題で、参加者が自分の完了時間を楽観的に予想することを調べました。人は過去に予想を外した経験より、今回の計画の筋書きに目を向けていました。関連する過去の経験と今回の予測を結びつけるよう求めると、楽観的な偏りは消えました。計画を作る際に振り返る材料として、前に似た作業をしたときの記録が役立つという結果です。

そこで、模試の解き直しを予定するときは、前に同じ教材を使った際の開始と終了の記録を探します。記録がなければ、まず着手した作業について時間を測り、その日の終わりに予定の横へ書き添えます。問題を解く時間と、解説を読み直す時間をまとめて見積もるなら、実績も同じ範囲で記録します。作業の範囲をそろえずに比べると、予定より遅れた理由を取り違えます。

時間が延びた場合は、理由を「やる気が足りなかった」で終わらせず、止まった作業を短く残します。たとえば、解説中の用語を調べた、答え合わせの後にもう一度解いた、といった記録です。その内容を次の計画に入れるなら、同じ時間枠に詰める問題を減らす、調べる作業を先にする、といった変更が選べます。必要な復習で増えた時間まで失敗と扱わず、予定に入っていなかった仕事として拾い直します。

AIに任せるときも、学びの確認を本人の仕事に残します

生成AIの計画には、科目の配分や作業の順序を文章にする役割を持たせられます。ただ、模試の結果だけを渡しても、本人がどの解説で止まるか、実際にどれだけ時間を使えるかは入力に含まれません。そこを推測した予定を採用すると、すでに終えた範囲が繰り返されたり、必要な復習が抜けたりするおそれがあります。計画が届いた時点で、教材、範囲、使える時間を自分の記録と照らす作業が残ります。

Fan（2025）は大学生117人を、ChatGPT、人の専門家との対話、作文の分析ツール、支援なしの条件に分けて作文課題を調べました。ChatGPT群は作文の点の伸びで上回りましたが、知識の獲得や転移、つまり学んだことを別の課題に使う力には有意な差がありませんでした。著者らは、道具への依存によって、自分の理解や学び方を見張る働きであるメタ認知が怠られる可能性を指摘しています。これは観察された学習過程を踏まえた懸念であり、AIが怠惰を引き起こしたと確定した結果ではありません。

計画づくりにこの問題意識を移すなら、AIが項目を埋めた後も、本人が進み具合を判断する欄を残します。「教材を開いた」「解説を読んだ」「何も見ずに解き直せた」を同じ完了印にすると、行った作業と身についたことが混ざります。予定を終えた日に、答案や解き直しの跡を見て、次に残す作業を自分で選びます。AIに尋ねる前にその選択をしておくと、返ってきた案との相違を検討できます。

計画の作り直しを繰り返すだけで教材に着手していない場合は、いったんAIを使わずに進める場面です。手元の答案から取りかかる箇所を選び、取り組んだ時間と終わった範囲を記録します。採点済みの答案と予定の対象が食い違う場合も、まず答案を見て対象を直します。計画の見栄えを整える作業より、次の修正に使える実績を得る作業を先に置けます。

模試後の下書きを、実行して直せる計画にします

以下は、計画と自己調整の研究を踏まえた実践案です。まず模試の答案から復習する対象を選び、使う教材、動かせない予定、取り組める時間帯を手元に書きます。点数だけで科目の配分を決めず、どの範囲を解き直す予定なのかを添えます。AIに渡す前にこの作業を行うと、返ってきた案が何を材料に作られたのかを追えます。

指示文は、たとえば「この教材と使える時間に合わせて、復習の計画案を作ってください。不足する条件は質問してください」と短く頼めます。返ってきた案は、実際に使う教材と照らし、存在しない章や違う範囲が混ざっていないかを見ます。その後、毎日の行動を「いつ・どこで・何を」の形で自分の言葉に直し、作業を終える目印も添えます。迷いが残る項目は、細かい時間割を作る前に、復習の対象を選び直します。

実行したら、予定の横に実際の時間、終えた範囲、止まった理由を残します。毎週の見直しでは、予定より長かった作業について、次に扱う量か手順を変えます。終わらなかった項目をそのまま翌日に重ねるときは、その日に置いていた作業をどこへ移すかも決めます。計画を変更した日付と理由を残せば、何を直した後に進めやすくなったかをたどれます。

保護者が見る場所は、予定表の空欄だけではありません。本人が変更を説明するときは、答案と時間の記録をそばに置くと、気分だけの評価から離れて話せます。確認する項目を次のようにそろえると、実行のどこを支えればよいかを探せます。

• 着手する教材と範囲が本人の言葉になっているか
• 予定の時間と実際の時間が並んでいるか
• 終了印に対応する答案や解き直しの跡があるか
• 遅れの理由に合わせて、量や順序を変更したか
• 次の作業を本人が選んだ理由を説明できるか

「予定を守れたか」だけで聞くと、変更がすべて悪いことに見えます。理解に時間が必要だったなら、その理由を記録して配分を直すことも、計画を使う仕事の一部です。保護者が代わりに全項目を決め直す前に、本人の変更案と実績を見比べます。模試後の計画を、提出して終える表から、学習に合わせて更新する道具へ変えていきます。

よくある質問

AIが作った計画と、自分で作った計画のどちらを使えばよいですか

採用するときは、本人が対象の教材と分量を説明でき、実行後に直せるほうを選ぶ方法があります。AIの案を使うなら、動かせない予定と照らし、開始のきっかけと最初の作業を自分で書き足します。自分で作った案でも、使える時間を超えていれば修正が必要です。完成した表を保存するだけで終えず、実際の時間を書く欄を隣に用意します。

予定どおりに終わらない日は、全部作り直したほうがよいですか

まず、終わらなかった作業とその理由を記録し、変更する箇所を絞ります。解説を読む時間が抜けていたなら、次の予定にはその作業を入れ、同じ枠の問題量を減らします。開始時刻がほかの予定と重なったなら、作業の量より開始の条件を直します。見直すたびに計画全体を消すと比較する材料も失うため、前の予定を残したまま変更を書き添えます。

最初は続いたのに止まった場合、計画に意味はなかったのですか

始める助けにはなっていても、その後の負担に合っていなかった可能性があります。Kizilcec（2020）でも、初めの取り組みの改善と、最終的な修了率の改善はわかれていました。自分の記録では、止まった直前に作業量、教材の難しさ、使える時間のどれが変わったかを調べます。変わった条件に合わせて、再開する対象と分量を選び直します。

この記事の限界

比較した支援は、子どもの実行意図、高等教育の自己調整支援、各国のオンライン講座、大学生の作文中のChatGPT利用と異なり、AIが作った計画と自作の計画の直接比較ではありません。生成AIに勉強の計画を立てさせたときの継続、日本の中高生の日本語での学習計画、受験勉強の長期的な継続を調べた研究は見つからず、引いた研究はいずれも模試の偏差値への効果を測っていません。

作文で使われたChatGPTの結果が、更新されたモデルでの計画支援にも再現するかは未検証です。必要なのは、計画を作った時点の評価に加えて、実際の取り組みと計画の修正を長期間追い、学力の変化まで測る研究です。

参考文献

1. Breitwieser J ほか. The effectiveness of implementation intentions in children: A systematic review and meta-analysis. Br J Psychol. 2026;117(4):1711-1758.
2. Jansen RS ほか. Self-regulated learning partially mediates the effect of self-regulated learning interventions on achievement in higher education: A meta-analysis. Educ Res Rev. 2019;28:100292.
3. Koole S ほか. Overcoming the planning fallacy through willpower: effects of implementation intentions on actual and predicted task-completion times. Eur J Soc Psychol. 2000;30(6):873-888.
4. Buehler R ほか. Exploring the “planning fallacy”: Why people underestimate their task completion times. J Pers Soc Psychol. 1994;67(3):366-381.
5. Kizilcec RF ほか. Scaling up behavioral science interventions in online education. Proc Natl Acad Sci U S A. 2020;117(26):14900-14905.
6. Fan Y ほか. Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. Br J Educ Technol. 2025;56(2):489-530.

よくある質問