こんにちは、株式会社TIMEWELLの濱本です。
高校の探究学習と生成AI。この組み合わせについて、制度の話はN-E.X.T.ハイスクール構想の解説とAI教育編で書いてきました。この記事は実践編です。「で、月曜日の授業で何をするか」に答えます。
先に立場を明確にしておくと、私は「探究学習に生成AIは入れるべき」派です。ただし条件があります。AIを調べ学習の時短ツールとして入れると、探究は確実に劣化します。AIを「生徒が何かを生み出すための道具」として入れたときだけ、探究は加速します。企業のAI導入支援で数百人の大人を見てきた経験からも、この分かれ目は年齢に関係ありません。
丸投げが起きる本当の理由は、問いの設計にある
「生徒がChatGPTに書かせたレポートを出してくる」という悩みをよく聞きます。生徒の倫理観の問題にされがちですが、私の見立ては違います。AIが一発で答えられる問いを課題にしていることが根本原因です。
「地球温暖化の原因と対策を調べなさい」はAIが30秒で答えます。でも、次のような問いはAIだけでは完結しません。
- 自分の通学路にある商店街の空き店舗率を調べ、1軒を再生する企画を立てる（一次情報が必要）
- 学校の文化祭の来場者動線をデータで検証し、改善案を実測で比較する（自分で取るデータが必要）
- 地元企業3社に取材し、AIで変わる仕事と変わらない仕事を自分の進路と結びつけて論じる（自分の立場が必要）
共通点は、一次情報と自分の立場が必須になっていることです。この設計にすると、生成AIの役割は「答えを出す」から「調査の下準備、仮説の壁打ち、アウトプットの制作補助」に自然と移ります。N-E.X.T.ハイスクール構想が言う「自ら問いを立てる力」は、実は課題を出す教員側の問い設計から始まります。
探究プロセス×生成AIの使いどころ早見表
総合的な探究の時間の標準的なプロセスに沿って、AIの使いどころと「生徒が担うべき部分」を整理します。
| 段階 | AIに任せてよいこと | 生徒が担うべきこと |
|---|---|---|
| テーマ設定 | 興味の言語化の壁打ち、問いの分解、先行事例のリサーチ | 最終的な問いの選択と「なぜ自分がやるか」の言語化 |
| 情報収集 | 検索の下調べ、資料の要約、インタビュー質問案の生成 | 一次情報の取得（取材・実験・アンケート）、情報の真偽確認 |
| 整理・分析 | データの集計・可視化、反論・別解釈の提示 | どの解釈を採るかの判断、仮説の修正 |
| まとめ・表現 | スライド構成案、文章の推敲、コード生成によるアプリ試作 | 主張の決定、発表、質疑応答 |
このうち私たちが一番価値を感じているのは、最後の「コード生成によるアプリ試作」です。いまの生成AIは、自然言語の指示からWebサイトや簡単なアプリを作れます。プログラミング未経験の高校生でも、自分の問いから生まれた解決策を「動くもの」にできる。ポスター発表で終わっていた探究が、プロダクトで終われるようになったのは、教育にとって静かな革命だと思っています。
実践ステップ。小さく始めて、作り切らせる
学校で実際に回すときの進め方を、私たちの伴走経験から5ステップで示します。
- 方針を1枚にする。「AIは調査・壁打ち・制作に使ってよい。ただし一次情報と最終判断は自分で」という程度のシンプルなガイドラインを生徒と共有します。禁止事項の羅列より、推奨する使い方の例示が効きます。
- 教員のコアチームで先に体験する。全教員研修の前に、探究担当と情報科の2〜3名が自分の授業準備でAIを使い倒す。校内の説得力が段違いになります。
- 問いを「AIで完結しない形」に磨く。前述の一次情報・立場表明の条件でテーマ設定を見直します。ここに時間の3割を使う価値があります。
- 中間発表で「AIとの対話ログ」も見る。成果物だけでなく、どんな問いをAIに投げ、出力をどう修正したかのプロセスを評価対象にします。丸投げ抑止と思考の可視化を同時に達成できます。
- 最後は動くものまで作り切らせる。レポートで終わらせず、Webページ、試作アプリ、データ可視化など、第三者が触れる形に落とします。「自分の問いが形になった」という経験が、生徒のエンパワーメントの核です。
このステップ5まで学校内のリソースだけで到達するのは、正直ハードルが高いです。コード生成AIの使い方、つまずいたときのデバッグ、成果物の品質管理には、実務でAI開発をしている人間の伴走があるほうが確実に速い。N-E.X.T.ハイスクール構想も、探究伴走支援の専門チームや外部人材の活用を交付金対象の取組として例示しています^1。
学生のエンパワーメントこそ本丸
最後に、私たちがこの領域に取り組む理由を書かせてください。
TIMEWELLのWARPは、もともと企業向けのAI伴走支援プログラムです。数百人の大人にAI活用を教えてきて痛感するのは、大人になってから学習観を変えるのは本当に難しいということです。「正解を早く出す」訓練を20年受けてきた人に、「問いを立てて、試して、直す」働き方への転換を促すのは、時間もエネルギーもかかります。
高校生は違います。問いの立て方と、AIで形にする経験を高校で一度でも通過した生徒は、進学しても就職しても「AIで何かを生み出す側」に立てます。文科省がグランドデザインで描いた「生徒を主語にした」教育^1は、私たちの言葉で言えば学生のエンパワーメントです。AI駆動開発のスキルはその手段であって、目的は生徒が自分の可能性を自分で広げられるようになることだと考えています。
こうした考えで、学校・教育機関向けのWARPプログラムを提供しています。探究学習の設計支援から、生徒がプロダクトを作り切るまでの伴走まで、学校の状況に合わせて設計します。改革先導拠点への応募を検討している学校、探究とAIの接続に悩んでいる先生方、まずは情報交換からでもお声がけください。
まとめ
- 丸投げの根本原因は生徒ではなく問いの設計。一次情報と立場表明が必須の問いに変える
- 探究の全段階でAIは使えるが、「AIに任せる部分」と「生徒が担う部分」の線引きを先に決める
- コード生成AIにより、探究の成果を「動くプロダクト」で終えられる時代になった
- 実践は小さく始める。方針1枚、コアチーム、問いの磨き込み、対話ログの評価、作り切る経験の5ステップ
- 目的はAIスキルではなく学生のエンパワーメント。問いを立てて形にする経験が生徒の可能性を広げる