ai-learning-boundary-mapper

AI 学習境界マッパー

このスキルでできること

特定の課題を構成要素ごとに分析し、その課題が担う学習目標に基づいて、AI の支援が役立つ要素、中立的な要素、AI の関与によって損なわれる要素を明らかにします。これは、AI 時代における課題の再設計に向けた、教師用の設計ツールです。既存の課題を入力すると、教師が一律に「AI 使用可」または「AI 使用不可」とするのではなく、具体的で根拠を示せる AI 使用方針を設定できるよう、境界マップを作成します。中心となる考え方は、1 つの課題の中でも、構成要素ごとに異なる学習目標を担っており、ある要素を助ける AI 支援が、別の要素を損なう場合があるということです。調査（AI は背景情報の要約を支援できる）と独自の論証（AI の支援によって、論証を組み立てる認知的作業が省かれる）の両方を必要とするエッセイには、一律の方針ではなく、構成要素ごとの方針が適しています。出力には、各学習目標について AI 支援がそれを促進するか、損なうかを示す目標分析、構成要素の境界マップ、根拠を示せる AI 使用方針の推奨事項、情報収集タスクにおける Google と AI チャットボットの任意のツール比較、そして学習上重要な課題の難しさを維持しながら、本当に役立つ場面では AI の使用を認めるための再設計案が含まれます。このスキルは、教師による設計という点で metacognitive-monitoring-ai-contexts を補完します。境界マッピングはメタ認知上のリスクが生じるのを防ぎ、metacognitive-monitoring-ai-contexts はリスクが生じた場合に対処します。

根拠となる研究

Wiggins と McTighe（2005）は、評価の設計は学習目標（ステージ 1）から始め、学習の証拠（ステージ 2）を経て、学習活動（ステージ 3）へと逆向きに進めるべきだという、逆向き設計の原則を確立しました。この原則は、AI の使用範囲を定める場合にも直接当てはまります。問うべきなのは「この課題で AI を使うべきか」ではなく、「この課題はどの学習目標を担っており、AI 支援はそれらの目標に必要な認知的作業を促進するのか、それとも省いてしまうのか」です。Bjork ら（2013）は、学習者が実際以上に学べたと感じる「有能さの錯覚」が生じる条件を明らかにしました。AI 支援は流暢性の錯覚を生みます。AI 支援を受けて完了したタスクは、完成していて正しいと感じられますが、長期的な学習を生み出す認知的作業は省かれています。この効果の影響を受けやすい課題の構成要素を特定できるよう、境界マップを設計しています。Kazemitabaar ら（2023）は、これを直接裏付ける実証的な証拠を示しました。AI 支援を受けたプログラミング学習者は、タスクをより速く、より少ないエラーで完了しましたが、その後 AI の支援なしで取り組んだタスクでは理解度が低くなりました。この効果を、「AI によって損なわれる」構成要素を特定するモデルとして使用します。つまり、成果物だけでなく認知プロセスも学習目標となるタスクが該当します。Kirschner、Sweller、Clark（2006）は、初心者には明示的な指導よりも、最小限の指導による学習のほうが効果が低いことを明らかにしました。初心者が専門性の獲得に必要な知識構造を築くには、課題そのものがもたらす認知的な難しさが必要だからです。これは、AI によって認知的な難しさを取り除くことが、学習の機会も取り除く構成要素を特定する根拠となります。Wineburg と McGrew（2019）は、ツール比較の観点を間接的に裏付けています。情報ツールごとに認識論的な特性（検証可能な引用と、統合された推論など）が異なり、学生はどの情報ニーズにどのツールを使うかについて、明示的な指針を得ることでメリットを得られます。

入力スキーマ

教師が次の情報を提供する必要があります：

• 課題の説明： 生徒が何をするのか。例：「10年生の歴史：ヴェルサイユ条約が第二次世界大戦の主な原因だったかどうかについて、少なくとも3人の歴史家の名前と主張を挙げ、600語のエッセイを書く」／「9年生の理科：反応速度の実験について、方法、結果、分析、結論を含む実験レポートを書く」／「12年生の英語：授業で学習した2つのテキストを比較するエッセイを書く」
• 学習目標： この課題で何を身につけるのか。例：「生徒は、根拠に基づく歴史的議論を組み立て、歴史学上の対立する解釈を評価し、史料の根拠を適切に使うことを学ぶ」／「生徒は、自分で収集したデータから科学的な分析を書き、妥当な結論を導き出すことを学ぶ」

任意（利用可能な場合、コンテキストエンジンによって追加）：

• 現在のAI利用ポリシー： 現在、何が許可されているか
• 生徒の学年： 学年
• 教科分野： 分野
• 評価の状況： 形成的評価、総括的評価、試験対策
• ツールの比較が必要か： Google と AI の使い分けに関するガイダンスを含めるかどうか

プロンプト

You are an expert in curriculum and assessment design, with deep knowledge of Wiggins & McTighe's (2005) backward design, Bjork et al.'s (2013) research on illusions of competence, Kazemitabaar et al.'s (2023) empirical findings on AI assistance and learning, Kirschner et al.'s (2006) findings on minimally guided instruction, and Wineburg & McGrew's (2019) work on information tool evaluation. You understand that the question for AI boundary-setting is not "is AI helpful?" but "does AI assistance support or bypass the specific cognitive work this assignment requires?"

CRITICAL PRINCIPLES:
- **The learning objective is the boundary.** If the learning objective is "students will construct an argument," then AI-generated arguments bypass the learning, regardless of whether the final product is good. If the learning objective is "students will edit their argument for clarity," AI assistance does not bypass the learning — it supports a stage after the core cognitive work.
- **Blanket AI policies are not justified by this analysis.** The answer is almost never "no AI anywhere" or "AI everywhere." Within any assignment, some components are AI-beneficial, some AI-neutral, some AI-undermining. A defensible policy is component-specific.
- **Process components are more vulnerable than product components.** AI undermines learning most severely when the PROCESS of doing the task is the learning objective. Research, drafting, data analysis, problem construction — these are process objectives. Formatting, spell-checking, citation formatting — these are product objectives where AI assistance is generally neutral.
- **Novelty and transferability are the indicators.** AI is most harmful where students are building new knowledge structures or practising a transfer of learning to a new situation. It is least harmful for rote or clerical tasks. The boundary map should identify which components are knowledge-building and which are not.
- **The tool comparison matters.** For information-gathering tasks, search engines (verifiable citations, current information) and AI chatbots (synthesised inference, no attribution, training cutoff) have fundamentally different epistemic properties. Students should be explicitly directed to the appropriate tool for each information need.

Your task is to generate an AI learning boundary map for:

**Assignment description:** {{assignment_description}}
**Learning objectives:** {{learning_objectives}}

The following optional context may or may not be provided. Use whatever is available; ignore fields marked "not provided."

**Current AI policy:** {{current_ai_policy}} — if not provided, assume no formal policy has been set.
**Student level:** {{student_level}} — if not provided, design for a general secondary school context.
**Subject area:** {{subject_area}} — if not provided, infer from the assignment.
**Assessment context:** {{assessment_context}} — if not provided, treat as a formative assessment task.
**Tool comparison needed:** {{tool_comparison_needed}} — if not provided, include tool comparison guidance if the assignment has a research or information-gathering component.

Return your output in this exact format:

## AI Learning Boundary Map: [Assignment Name]

**Assignment:** [Brief description]
**Key learning objectives:** [List]
**Assessment context:** [How this is assessed]

### Objective Analysis

[For each learning objective, a one-paragraph analysis of whether AI assistance supports, is neutral to, or undermines it — with explicit reasoning from the backward design principle]

| Learning Objective | AI Impact | Reasoning |
|---|---|---|
| [Objective] | Supports / Neutral / Undermines | [Why] |

### Component Boundary Map

[Break the assignment into 4-8 components. For each:]

**Component [N]: [Name]**
- **What students do:** [Description]
- **Serves objective:** [Which learning objective]
- **AI boundary:** AI-BENEFICIAL / AI-NEUTRAL / AI-UNDERMINING
- **Reasoning:** [Why this boundary — what cognitive work AI bypasses or supports]
- **Specific policy:** [Exactly what AI use is permitted or restricted for this component]

### AI Policy Recommendations

[Based on the component analysis, a specific, defensible AI use policy for this assignment. Not blanket allow/prohibit — component-specific guidance in plain language for students]

**Recommended policy statement:**
> [The exact wording a teacher could use in an assignment brief]

**Rationale for each restriction:** [Brief, student-accessible rationale for each restricted component — "AI is restricted here because this component develops [specific skill] that requires you to do the cognitive work yourself"]

### Tool Comparison

[If the assignment has information-gathering components — or if tool_comparison_needed is true:]

**For [information component]: Use [search / AI / library] because:**
[Guidance on which tool to use for which information need, with reasoning about the epistemic properties of each tool]

| Task | Best tool | Why |
|---|---|---|
| [Task] | [Tool] | [Epistemic reason] |

### Redesign Suggestions

[3-5 specific modifications to the assignment that strengthen the boundary between AI-assisted and learning-critical components, without fundamentally changing the assignment]

**Suggestion [N]: [Name]**
- **Current design:** [What the assignment currently asks]
- **Modification:** [What to change]
- **Why it helps:** [How this modification makes the learning-critical component more AI-resistant or makes AI assistance more obviously beneficial]

**Self-check before returning output:** Verify that (a) the objective analysis is specific to these learning objectives, not generic, (b) each component boundary is justified by a clear reasoning from the backward design principle, (c) the policy is component-specific rather than blanket, (d) the policy statement is in plain, student-accessible language, and (e) redesign suggestions are practical modifications, not wholesale rewrites.

出力例

シナリオ： 課題の説明：「10年生の歴史のエッセイ：ヴェルサイユ条約が第二次世界大戦の主な原因だったかについて、600語の論述エッセイを書く。少なくとも3人の歴史家の名前と主張を使うこと。提出期限は来週。」／学習目標：「生徒は、根拠に基づく歴史的議論を組み立てる。歴史学上の対立する解釈を評価する。史料の根拠を適切に選択して使う。歴史的議論にふさわしい分析的な文体で書く。」／評価の状況：「総括的評価 — 単元の成績の30％」

---

AI 学習境界マップ：ヴェルサイユ条約に関する論述エッセイ

課題： ヴェルサイユ条約が第二次世界大戦の主な原因だったかについて、600語の論述エッセイを書く 主な学習目標： 歴史的議論を組み立てること、歴史学上の解釈を評価すること、史料の根拠を使うこと、分析的な文体で書くこと 評価の状況： 総括的評価 — 単元の成績の30％

目標の分析

学習目標	AI の影響	理由
根拠に基づく歴史的議論を組み立てる	妨げる	AI が議論を組み立てると、生徒が練習するのはAIの文章を読んで編集することであり、歴史的議論を組み立てることではありません。立場を選び、その立場を根拠に基づいて裏付けるという認知的作業が省かれてしまいます。これは主要な学習目標であり、ここでAIを制限することが最も重要です。
歴史学上の対立する解釈を評価する	妨げる	フィッシャーとクラーク、あるいは他の歴史家を比較・評価するには、生徒が双方の見解を理解し、根拠の質を比較して、理由に基づく判断を下す必要があります。AI にこの比較をさせると、評価の認知的作業が省かれてしまいます。
史料の根拠を選択して使う	妨げる	どの根拠を使うかを選び、議論の中に配置することは、知識を築く作業です。AI に根拠を選ばせると、この作業が省かれてしまいます。ただし、特定の歴史家の著作が存在することをAIに調べさせるのは（書誌情報の支援）、影響はありません。目標は根拠の特定ではなく、その活用です。
歴史的議論にふさわしい分析的な文体で書く	一部妨げる	新しい文体で書くには練習が必要です。ただし、生徒が自分で書いた草稿をAIで改善すること（発展的な編集）は、AIに草稿を作成させることとは異なります。前者は支援となり、後者は妨げとなります。

コンポーネント境界マップ

コンポーネント 1：調査 — 関連する歴史家とその主張を特定する

• 学生が行うこと： ヴェルサイユ条約が第二次世界大戦の原因であることについて、誰が何を書いているのか、その主張は何かを調査します
• 目標との関連： 歴史学的解釈を評価する
• AI の境界： 注意事項付きで AI-NEUTRAL
• 理由： フィッシャーが X と主張したことを見つけるのは情報検索タスクですが、フィッシャーの主張を理解して評価することが学習タスクです。AI は「関連する歴史家は誰か」を調べるのに役立ちますが、学生自身が主張を読んで理解しなければなりません。
• 具体的な方針： AI を使って、関連する歴史家を特定し、その立場の簡単な要約を得てもかまいません。ただし、引用する歴史家ごとに、一次資料または二次資料を少なくとも 1 つ読んでください。

コンポーネント 2：議論の計画

• 学生が行うこと： 立場を決め、それを裏付ける証拠に基づいた論拠を計画します
• 目標との関連： 歴史的議論を組み立てる
• AI の境界： AI-UNDERMINING
• 理由： 議論を組み立てることは、学習目標の中核です。AI に計画させると、何を論じ、どのように裏付けるかを決めるという重要な認知作業を回避してしまいます。
• 具体的な方針： 議論の計画に AI を使用することは認められません。計画は手書きするか、AI の支援を受けずに作成してください。

コンポーネント 3：エッセイの執筆

• 学生が行うこと： 歴史的文章にふさわしい分析的な文体で議論を書きます
• 目標との関連： 歴史的議論と文体
• AI の境界： AI-UNDERMINING
• 理由： 主な学習が行われるのはここです。書くことは考えることです。議論を生み出すことは、理解を生み出すことです。AI に執筆させると、この過程をすべて回避してしまいます。
• 具体的な方針： 草稿は自分で書いてください。オンラインで見つかった AI の出力があれば、それと草稿を照合します。

コンポーネント 4：改訂と編集

• 学生が行うこと： 草稿を改善します — 明瞭さ、構成、議論の説得力
• 目標との関連： 分析的な文体で書く（発展段階）
• AI の境界： 制約付きで AI-NEUTRAL から AI-BENEFICIAL
• 理由： 学生が自分で草稿を書き上げた後に、AI を使って議論の構成上の弱点を見つけたり、より明確な表現を提案させたりすることは、議論の生成ではなく、成長を促すフィードバックです。元となる考えは学生自身のものです。
• 具体的な方針： 学生自身が書いた草稿が完成したら、「議論の構成にどのような弱点がありますか？」や「この段落は明確ですか？」と AI に尋ねてもかまいません。AI にセクションを書き直させてはいけません。問題点を特定させ、自分で修正してください。

コンポーネント 5：引用の書式設定

• 学生が行うこと： 引用を正しく書式設定します
• 目標との関連： 明示された目標には該当しません
• AI の境界： AI-BENEFICIAL
• 理由： 引用の書式設定は事務的な作業であり、明示された学習目標には関係しません。ここで AI の支援を使えば、学習に影響を与えずに時間を節約できます。
• 具体的な方針： AI による引用書式設定ツールの使用は許可されており、推奨されます。

AI ポリシーに関する推奨事項

推奨するポリシー文：

このエッセイでは、AI を次の目的で使用できます。（1）関連する歴史家を特定し、その立場の簡単な要約を得る — ただし、引用する歴史家ごとに少なくとも 1 つの資料を読んでください。（2）すでに自分で書いた草稿についてフィードバックを得る — 「より良い版を書いて」ではなく、「私の議論の弱いところは？」と尋ねてください。（3）引用を書式設定する。議論の計画、草稿の作成、エッセイのセクションの書き直しに AI を使用してはいけません。計画は手書きしてください。草稿は自分で書いてください。

各制限の理由：

• 「AI による計画は禁止：何を論じ、どのように裏付けるかを決めることは、このエッセイで伸ばすことを目的としたスキルです。AI にその判断をさせたら、そのスキルを練習できません。」
• 「AI による執筆は禁止：議論を書くことは、この単元で扱う歴史的思考を身につける方法です。AI に書かせたら、学びの機会を失います。」

ツールの比較

タスク	最適なツール	理由
ヴェルサイユについて執筆した歴史家を調べる	検索エンジン（Google Scholar、図書館データベース）	検索すれば、引用可能な実在の情報源が見つかります。AIが実在の歴史家を挙げることはありますが、具体的な論文を捏造する場合があります
歴史家の主張の概要を手短に把握する	AIチャットボット（検証を前提に）	AIはすばやい要約に役立ちますが、要約を頼りにする前に実際の情報源と照らし合わせて確認してください
情報源の発行日や正式なタイトルを調べる	図書館データベースまたは出版社のウェブサイト	AIはもっともらしくても間違った書誌情報を提示する場合があるため、必ず確認してください
自分の議論の構成が明確かどうか確認する	AIチャットボット	完成した草稿への構成に関するフィードバックは、AIの適切な活用例です

再設計の提案

提案 1：手書きの計画書の提出を追加する

• 現在の設計： 学生はエッセイを提出します。中間段階は求められていません
• 変更案： エッセイの提出日の1日前に、手書きのエッセイ計画書（議論と根拠の概要）の提出を求めます
• 効果： AIによる計画が発覚しやすくなり、動機付けの構造が変わります。自分で計画していない学生は、結局ゼロから計画書を作成しなければなりません

提案 2：「歴史家を選んだ理由」欄を追加する

• 現在の設計： 学生は歴史家を引用しますが、選んだ理由は説明しません
• 変更案： 引用する歴史家ごとに、その歴史家の主張を選んだ理由と、自分の議論にどのような貢献があるのかを説明する文を1つ加えるよう求めます
• 効果： AIの関与が明らかにならないようにこの文をAIに生成させることはできません。学生自身が評価に基づく考えを述べる必要があるためです

提案 3：自由な調査段階を、配布資料を使った活動に置き換える

• 現在の設計： 学生は各自で調査します
• 変更案： 学生に4～5人の歴史家からの抜粋を配布し、その資料を使って取り組ませます。配布された資料に含まれない歴史家は使えません
• 効果： 調査段階を完全になくすことで（そこでのAI利用のリスクを軽減し）、定められた資料を使った議論と評価に学習時間を集中できます

---

既知の制限事項

1. このスキルが分析するのは課題の設計であり、学生の行動ではありません。 妥当なAI利用方針を設けても、AIの利用を防げるわけではありません。学習上の理由を明確にし、動機付けの構造を変え、教師が検出やフィードバックを行うための原則を示すことはできます。どこまでもAIを使おうとする学生は、引き続きAIを使う可能性があります。

2. AI検出の信頼性は高くありません。 AI生成テキストを検出するとするツールは、偽陽性率と偽陰性率が高い傾向にあります。境界の推奨事項は、確実に検出できることを前提にすべきではありません。AIの利用が実質的に問題にならないか、教育上明らかになるように設計する必要があります。

3. 境界の設定には公平性への影響があります。 個別指導を受ける余裕のない学生は、高額な個別指導と同様の認知的な足場としてAIに頼ることがあります。一律にAIを制限すると、そうした学生に不均衡な不利益を与えるおそれがあります。教師は、支援の必要性が確認されている学生について、AI利用に左右されない学習要素をより柔軟に扱えるか検討してください。

4. バックワードデザインをAIに特化して適用する方法は、直接的な実証的検証が限られています。 バックワードデザインの原則（Wiggins & McTighe, 2005）と、認知負荷／有能さの錯覚に関する根拠は、一般的な学習設計について強く裏付けられています。AI利用の境界設定への具体的な適用は、原則に基づいていますが、新しいものです。有用なAI利用を認めながら学習を最も効果的に保てる境界の種類については、まだ十分な実証的証拠がありません。