「AIを使えば練習問題は解けるようになるが、それは学んだことと同義ではない」――ペンシルベニア大学ウォートン校のBastaniらによる大規模な学校実験は、この問いに数字で答えた研究です。査読誌PNASに2025年6月、論文「Generative AI without guardrails can harm learning」が掲載されました。

実験の方法

対象はトルコの高校の数学を学ぶ生徒、およそ1,000人です。生徒は、AIを使わない群、通常のChatGPTに近い形のGPT-4（GPT Base）を使う群、教員が設計したヒントを出すよう調整されたGPT-4（GPT Tutor）を使う群に分けられました。練習セッションの成績と、その後AIなしで受けた試験の成績の両方が測られています。同じ生徒について「使っている間」と「外した後」の両方を見たことが、この研究の設計の特徴です。

結果：練習と試験で逆の動き

2026年11月時点の公表情報（論文要旨）では、練習の成績はGPT Base群で48％、GPT Tutor群で127％向上しました。一方、AIを外した試験では、GPT Base群の成績がAIを一度も使わなかった群より17％低くなりました。ヒント中心に設計されたGPT Tutor群では、この悪影響は大部分が緩和されたと報告されています。著者らは、制限のない使い方では生徒がAIを「松葉杖」のように使い、自分で考える過程が痩せてしまった可能性を指摘しています。会話記録の分析でも、答えをそのまま得ようとする使い方が観察されたとされています。

何が新しいか

AIの学習効果を測る研究の多くは、利用中の課題の出来を指標にします。この研究は、利用をやめた後の試験を主な物差しに置いたことで、結論の見え方が変わりました。製品や授業の設計でいえば、答えを出すAIか、ヒントに留めるAIかという設計の違いが、後の成績にまで影響し得ることを示した点が注目されています。

読み方の注意点

対象は高校数学という特定の教科・場面であり、すべての教科や年齢にそのまま当てはまるわけではありません。また、使われたのは特定の時期のモデルです。ただし「使っている間の成績」と「外した後の成績」を分けて測るという評価の考え方は、AI学習ツールを選ぶ際の物差しとして広く参考になります。なお、数字や制度の内容は変更される可能性があります。最新の内容は出典の一次情報をご確認ください。

出典：Bastani, H. ほか「Generative AI without guardrails can harm learning: Evidence from high school mathematics」Proceedings of the National Academy of Sciences（PNAS）122(26)、2025年6月25日 https://pmc.ncbi.nlm.nih.gov/articles/PMC12232635/

あわせて読みたい