模試の誤答分析を生成AIに任せると弱点は見えるのか｜誤りから学ぶ研究

435本の研究をまとめた分析では、学習へのフィードバックの効果量（差の大きさを、ばらつきを物差しにして表した数）は平均で中くらい（d = 0.48）だったものの、研究ごとのばらつきが大きく、伝える情報の中身で効き方が変わると報告されています（Wisniewski 2020）。模試が返ってきた直後、赤で直された答案と点数の推移を前に、どこが弱点なのかを短時間で知りたいと考えるのは自然な流れですし、返却は次に何を直すかを決める最初の機会でもあります。そこで、答案を写真に撮って生成AIに渡せば、誤答の分析を短時間で終えられ、自分では気づかない傾向が見えてくるのではないか、という疑問が出てきます。結論を先に書くと、生成AIは弱点の見当をつける補助にはなりますが、それを確定して学習を変えるところまでは任せられません。AIが誤りを見分けられても、直し方の助言には不適切なものが混じり、その分析で成績が上がるかどうかを測った研究が見つからないからです。

模試の誤答分析を生成AIに任せると弱点は見えるのか｜誤りから学ぶ研究

435本の研究をまとめた分析では、学習へのフィードバックの効果量（差の大きさを、ばらつきを物差しにして表した数）は平均で中くらい（d = 0.48）だったものの、研究ごとのばらつきが大きく、伝える情報の中身で効き方が変わると報告されています（Wisniewski 2020）。模試が返ってきた直後、赤で直された答案と点数の推移を前に、どこが弱点なのかを短時間で知りたいと考えるのは自然な流れですし、返却は次に何を直すかを決める最初の機会でもあります。そこで、答案を写真に撮って生成AIに渡せば、誤答の分析を短時間で終えられ、自分では気づかない傾向が見えてくるのではないか、という疑問が出てきます。結論を先に書くと、生成AIは弱点の見当をつける補助にはなりますが、それを確定して学習を変えるところまでは任せられません。AIが誤りを見分けられても、直し方の助言には不適切なものが混じり、その分析で成績が上がるかどうかを測った研究が見つからないからです。

要点

• 誤りは、誤りに至った考え方の分析を含む訂正と組にすると学習に役立ちます（Metcalfe 2017）。
• フィードバックは平均で中くらいの効果（d = 0.48）ですが、435本の研究のばらつきが大きく、内容で効き方が変わります（Wisniewski 2020）。
• GPT-4 は、分野を絞り教員の意見を加えた条件で、中学代数のつまずきを 83.9% まで見分けました（Otero 2025）。
• ただし GPT-4 のヒントの 35% は、一般的すぎる、誤っている、正解を明かすものでした（Reddig 2025）。
• 誤った解き方を混ぜた例題は、前提の知識がある学習者でだけ応用の成績を伸ばしました（Große 2007）。
• 模試の誤答分析を AI に任せて成績が上がるかは、生徒の学習成果では確かめられていません。

誤答分析とは、答案のどこを見る作業か

模試の返却後に「誤答分析をしよう」と言われるとき、多くの人は、間違えた問題をもう一度解き直すことや、赤で直された答えを書き写すことを思い浮かべます。しかし、この作業で見るのは、間違えた問題の答えを覚え直すことではなく、なぜその答えを選んだのか、どこで考え方がずれたのかという点です。生成AIに答案の写真や自分の解答を渡せば、この作業を数分で終えられ、自分では気づかない癖まで指摘してもらえる、という期待が生まれます。その期待のどの部分が研究で支えられているかを、ここから分けて見ていきます。

先ほどの435本の分析が示すのは、効果の大きさだけでなく、中身の違いも大きいという点です（Wisniewski 2020）。同じ「フィードバック」でも、正解を伝えるだけのもの、考え方のどこがずれたかを説明するもの、次の問題の解き方を示すものでは、学習に与える影響が異なります。この分析は生成AIの返答を扱ったものではなく、人が出したフィードバックをまとめたものです。それでも、誤答分析の中身を吟味せずに「AIに任せた時間」だけを評価すると、効果の大きい部分を取り逃す可能性があります。

誤答には、用語を知らなかったための誤りと、知っていたのに考え方を外した誤りが混ざっています。前者は用語集で埋められますが、後者は同じ考え方のずれを自覚しないと繰り返しやすいものです。答案の字面だけを見て「知識不足」と結論づけると、後者の誤りを取り違えるおそれがあります。誤答分析で本当に見たいのは、この二つを分けることです。

ここまでの研究が示すのは、誤答分析の価値が「間違いの一覧」ではなく「なぜ間違えたかの説明」にある、という点です。AIが返す文章がこの説明を含んでいるかどうかを、読む側が確かめる必要があります。次の節では、誤りから学ぶ条件を研究から見ていきます。

誤りの後に、訂正と理由の分析を組にすると学びになる

誤りから学ぶ研究の総説（複数の研究をまとめて整理した論文）では、誤りを避けさせるだけの米国の教室の習慣に疑問が出され、誤った後に訂正のフィードバックを受けることが学習に役立つとまとめられています（Metcalfe 2017）。特に、誤りに至った考え方の分析を含む訂正が欠かせないとされています。自信を持って間違えた誤りほど、訂正によって直りやすいという報告もあります。つまり、誤りそのものより、誤りの後に何が返ってくるかのほうが学習を左右します。

この総説は新しい実験ではなく、複数の研究をまとめたものです。この総説が扱ったのは、人が誤りに気づき、理由を考える場面です。AIの返答を読む前に、自分で理由を考える時間を確保しておくと、総説が示した条件に近づきます。

複数の研究の結果をまとめて計算し直すメタ分析でも、フィードバックの効き方が中身で変わることを示していました（Wisniewski 2020）。正解を並べただけの返答と、誤りの理由を指す返答を同じ「フィードバック」として数えると、効果の見積もりは粗くなります。AIに頼むときも、答えを教わるのではなく、考え方のどこがずれたかの説明を求める形が適しています。

AIが返す説明には、正しいものと誤ったものが混ざります。次の節で見るように、誤りの診断はできても、直し方の助言が外れることがあります。説明を受けたら、それを答え合わせの材料として使い、最終的な判断は教科書や先生の説明で行います。

GPT-4は中学代数のつまずきをどこまで見分けられたか

生成AIが誤答を見分けられるかを確かめた研究の一つに、中学の代数のつまずきを集めた評価用のデータを使ったものがあります（Otero 2025）。既存の査読研究から、代数についての55種類のつまずきと、220の診断例が集められました。GPT-4にその例を読ませ、どのつまずきに当たるかを見分けさせ、その精度が調べられました。対象は実際の生徒の答案ではなく、研究用に整理された例です。

最も良い結果は、教員の意見を加え、分野を絞った条件で、精度と再現率（見分けた結果の正しさと、見落とさずに拾えた割合）が83.9%に達しました（Otero 2025）。ただし、この値は条件を整えたときのもので、分野を広げると下がります。比と比例のつまずきは、GPT-4にも生徒と同じように難しかったと報告されています。つまり、AIがすべての誤りを見分けられるのではなく、題材を絞ったときに見分けがよくなる、という結果です。分野を絞るほど見分けはよくなり、絞った単元の外は別の機会に確かめる形が合います。

この研究は、AIの診断を評価したもので、生徒の成績が上がったかは測っていません。また、評価に使われたのは、過去の論文で報告された誤りの型を整理したデータです。それでも、誤りの種類を見分ける課題では、AIが手がかりを拾えることを示しています。Otero 2025 が使ったモデルは GPT-4 です。誤答分析に使うなら、単元を絞って「この誤りはどの種類か」を聞く形が、研究の条件に近づきます。

診断ができても、直し方の助言は外れる

大学の代数の学習支援システムに残された学生の誤りを使って、GPT-4に誤りの診断と直し方の助言を作らせた研究があります（Reddig 2025）。誤りの診断は多くの場合でできましたが、ヒントの35%は、一般的すぎる、誤っている、正解を明かしてしまうものだったと報告されています。同じ研究の別の評価では、自動の有用性評価を通ったフィードバックは35%でした。診断の正しさと、次の一手の正しさは別だということです。

小学生が英語とギリシャ語で書いた短い作文について、ChatGPTの添削と教員の添削を比べた研究もあります（Fokides 2025）。英語の作文では、ChatGPTは量と質の両方で教員を上回りました。一方、ギリシャ語の作文では、正しく書けている語句を誤りとして指摘することがありました。同じ道具でも、扱う言語によって見分けの精度が変わることを示しています。

誤答分析では、この二つの結果を分けて受け取る必要があります。「この問題は計算の手順でつまずいている」という診断と、「次はこの順番で計算し直そう」という助言は、別の情報です。診断が当たっていても助言が外れれば、間違った練習を増やすことになります。逆に、助言がもっともらしくても、診断の根拠が示されていれば、答えや解説と照らして確かめられます。

Fokides 2025 の対象は小学生の短い作文で、数学の答案や中高生の模試ではありません。それでも、AIが正しいものを誤りと判定する場合があることは、誤答分析に共通する注意点です。AIの指摘を受けたら、まず「本当に誤りか」を答えや解説で確かめる順番が要ります。

誤った解き方に向き合う学習が、効きやすい人と効きにくい人

誤った解き方を例題に混ぜると学習に効くかを調べた研究では、効果が現れる学習者が限られました（Große 2007）。正しい解き方だけを示す例題と、誤った解き方も混ぜた例題を比べたところ、誤りを混ぜた例題は、前提の知識がある学習者でだけ応用の成績を伸ばしました。前提の知識が乏しい学習者では、正しい解き方だけの例題のほうが良かったと報告されています。さらに、誤りを混ぜると、原理に基づく自己説明（自分の言葉で理由を説明すること）の量が大きく減る副作用もありました。誤りに向き合わせる効果は、学習者の前提の知識によって変わる、という結果です。

この結果は、生成AIの誤答分析にも関係します。AIが「あなたはここでこう考えて間違えた」と示すのは、誤った考え方に向き合わせる学習の一種です。単元の基礎がまだ身についていない段階では、誤りの説明を読むより、正しい手順を短く確認して類題を解くほうが合う場合があります。AIの分析を使うかどうかは、自分の前提の知識の状態で変える必要があります。

前提の知識があるかどうかは、学年や点数だけで決まるものではありません。同じ単元の基本問題を、教科書を見ずに解けるかどうかが一つの目安になります。基本問題で止まるなら、誤答の分析より前に、用語と手順の確認に時間を使うほうが効率的です。逆に、基本問題は解けるのに模試で落とすなら、誤答の理由を掘る価値が大きくなります。

Große 2007 の題材は確率の例題で、生成AIは扱っていません。それでも、誤りを見せる学習の効果が学習者によって変わることは、AIの分析を全員に同じ形で使わない理由になります。AIの指摘を読む前に、自分がその単元の基本を解けるかを確かめておくと判断しやすくなります。

生成AIに任せると害になる条件と、任せないほうがよい場面

誤答分析をAIに任せるときの害は、大きく三つに分けられます。一つは、AIの診断をそのまま弱点として受け入れ、間違った練習を増やすことです。二つ目は、正しい答えを誤りと指摘されたときに、わかっていた考えをわざわざ書き換えてしまうことです（Fokides 2025）。三つ目は、分析の文章を読んだだけで「わかったつもり」になり、自分で解き直す時間が減ることです。

任せないほうがよい場面もはっきりしています。自分で「なぜこの答えにしたか」を書いていない段階でAIに渡すと、AIは答案の字面から推測するしかありません。解答と詳しい解説が手元にあるときは、先にそちらを読むほうが確実です。試験直前で基礎の確認が済んでいないときも、分析より類題の練習を優先するほうが向いています。

AIの分析が長いリストになっても、学習は進みません。誤答分析の研究が示すのは、誤りに至った考え方の分析を含む訂正が学びになるという点でした（Metcalfe 2017）。リストの項目が増えるほど、一つ一つの理由を確かめる時間は短くなります。指摘は二つか三つに絞り、それぞれに「次に何をするか」を一つずつ決めるほうが実際的です。

モデルの版が変われば、誤りの見分け方も変わります。研究で使われた GPT-4 の結果を、今の道具の性能としてそのまま受け取るのではなく、目の前の答案で試して確かめるほうが安全です。道具の名前や版は、使う前に確かめておきます。

自分で確かめる手順と、保護者が見るところ

誤答分析をAIに任せる前に、自分で一行書くところから始めます。間違えた問題ごとに「何を考えてこの答えを選んだか」を書き、答えを見る前に自分の理由を残します。そのうえで答え合わせをし、理由と正解がどうずれたかを確かめます。この一行があると、AIの返答が自分の考えのどこを指しているかを比べられます。

AIに渡すのは、問題文と自分の理由です。返ってきた文章は「診断」と「助言」に分け、診断は教科書や解説で確かめ、助言は次の行動が具体的に書かれているものだけを採ります。頼み方は短くてよく、「この誤答で、考え方のどの段階がずれた可能性がありますか」とか「この単元で前提になる知識を三つ挙げてください」のように聞きます。返答は候補として受け取り、答え合わせは自分で行います。

記録は三つの列に分けると、後から見返せます。「AIの指摘」「自分で確かめたこと」「次にやること」を一行ずつ書き、二週間後に同じ種類の誤りが減ったかを見ます。減っていなければ、AIの指摘がずれていたか、練習の量が足りなかったかのどちらかです。記録が残っていれば、次の模試の前に見直す場所がはっきりします。ここまでの比較を表に整理します。

保護者が見るのは、AIの返答の長さや自信のある言い方ではありません。子どもが誤答の理由を自分の言葉で説明できるか、AIの指摘と学校の解説が食い違ったときに確かめ直しているかを見ます。AIの指摘を弱点として決めつけず、教科書や先生の説明と照らす習慣があるかどうかが目安になります。学校や塾でAIの利用がどこまで認められているかは場によって違うので、答案を送る前に決まりを確かめます。

よくある質問

模試の誤答をそのまま生成AIに見せてもよいですか。

答案の写真をそのまま渡すと、AIは字面から読み取れる範囲でしか判断できません。まず自分で「なぜこの答えを選んだか」を一行書き、その理由と問題文を渡すほうが、ずれの指摘を受け取りやすくなります。氏名や受験番号など、個人が特定される情報は写さないようにします。答案を渡す前に、自分がどこまで考えたかをメモしておくと、AIの返答を読み解く手がかりになります。

AIが「弱点は計算ミスです」と言ったら、そのまま信じてよいですか。

その言葉だけでは、弱点が計算の手順にあるのか、式の立て方にあるのかはわかりません。AIの指摘を仮の見立てとして扱い、同じ単元の似た問題を自分で解き直し、教科書や解説で確かめてから弱点として記録します。一度の指摘で決めないことが大切です。同じ指摘が二回続くなら、似た問題を三問ほど解いて、再現するかを見ます。

誤答分析を生成AIに任せると、成績は上がりますか。

模試の誤答をAIに分析させて成績が上がるかを、生徒の学習成果で確かめた研究は見つかりません。研究が示しているのは、誤りに至った考え方の分析を含む訂正が学習に役立つという点と、AIの診断や助言には不適切なものが混じるという点です。成績への効果は、自分で解き直す時間と組み合わせて初めて見えてきます。分析のあとに類題を解く時間を確保できるかどうかで、実際に差がつきます。

保護者は、子どもの誤答分析のどこを見ればよいですか。

AIが返した文章そのものより、子どもが「なぜ間違えたか」を自分の言葉で説明できるかを見ます。説明が問題文の言い換えになっているときは、理解がまだ届いていない可能性があります。AIの指摘と学校の解説が食い違うときは、子どもだけで判断せず、教科書や先生の説明で確かめるように声をかけます。声をかけるときは、答えの正しさより、説明の過程を聞くようにします。

この記事の限界

誤答分析に関する生成AIの研究は、誤りの見分けや助言の正確さを評価したもので、生徒の成績が上がったかを測ったものではありません。Otero 2025 の 83.9% は、実際の模試の答案ではなく、既存の研究から集めた診断例に教員の意見を加え、分野を絞った条件の値です。Reddig 2025 と Fokides 2025 も、助言や添削の質を評価した研究で、学習の成果は追っていません。

対象の面では、いずれも海外の学習者と英語またはギリシャ語の課題で、日本の中高生が日本語の模試答案をAIに分析させる場面を調べた研究は見つかっていません。GPT-4などを使った評価が現在の版でも再現するかは未確認で、答案をAIへ渡せるかも学校の指示を確認してから判断します。

参考文献

1. Metcalfe J. Learning from Errors. Annual Review of Psychology. 2017;68(1):465-489.
2. Wisniewski B ほか. The Power of Feedback Revisited: A Meta-Analysis of Educational Feedback Research. Frontiers in Psychology. 2020;10:3087.
3. Otero N ほか. A Benchmark for math misconceptions: bridging gaps in middle school algebra with AI-supported instruction. Discover Education. 2025;4(1):277.
4. Große CS ほか. Finding and fixing errors in worked examples: Can this foster learning outcomes? Learning and Instruction. 2007;17(6):612-634.
5. Reddig JM ほか. Generating In-Context, Personalized Feedback for Intelligent Tutors with Large Language Models. International Journal of Artificial Intelligence in Education. 2025;35(6):3459-3500.
6. Fokides E ほか. Comparing ChatGPT’s correction and feedback comments with that of educators in the context of primary students’ short essays written in English and Greek. Education and Information Technologies. 2025;30(2):2577-2621.

よくある質問