AIBR プレミアム
拓海先生、最近うちの現場でもAIの話が出てましてね。部下から「授業や教育にAIを使うべきだ」と言われているんですが、正直どこから手を付けて良いのか見当がつきません。要点を教えてくださいませんか。
素晴らしい着眼点ですね！田中専務、まず結論を一言で言うと、SELARという枠組みを使えば教師が自分の授業に生成AI（Generative AI：GenAI、生成AI）を安全かつ実践的に組み込めるようになるんですよ。大丈夫、一緒にやれば必ずできますよ。
そのSELARって何ですか。長い名前でしょう？現場で言うと、時間や手間が増えて投資対効果が悪くなるのではと心配です。
SELARは元々“Supportive Education Lectures AI Resource”の頭文字で、教師が実際の授業目標に合わせてAI活用を設計するためのフレームワークです。要点は三つ、目的に合わせること、現場のフィードバックを反映すること、そして実装を小さく試すこと。これなら初期投資を抑えつつ効果を確かめられますよ。
分かりやすいです。ただ、現場の先生方がAIに詳しいわけではありません。結局、教材にAIを組み込むには何を基準に判断すれば良いのですか。これって要するに判断基準のテンプレートを作るということ？
その通りです、素晴らしい本質の捉え方ですね！SELARはまさに判断基準と進め方のテンプレートで、教師が一つの学習目標に対してAIが“助ける価値”があるかを評価し、成功すれば指導法を改善するという流れを示します。まずは小さな学習目標一つから試すのがコツですよ。
小さく試す、ですね。具体的には講師がワークショップでSELARを使って何をするのですか。私が知りたいのは、時間や手間の見積りと失敗したときの対処方法です。
ワークショップでは教師が自分の一つの学習目標を選び、AIを使った活動案を作って試行し、同僚のフィードバックを経て改善します。所要時間は段階的に設計されていて、最初は数時間の枠で概念を試すことが可能です。失敗した場合は元の教授法に戻して学んだ点を整理し、次回に改善を加えるという学習ループを回します。
なるほど。評価や学習ループが肝なんですね。ただ、学内での評価の信頼性、つまり不正利用や評価の公平性が心配です。生成AIを使うと不正が増えるのではないでしょうか。
重要な懸念です、素晴らしい指摘ですね！実際に研究でも評価の整合性や学術的誠実性は指摘されています。SELARは評価設計の段階でAI使用のルールやアウトプットの検証方法を組み込むよう提案します。つまり、AIを使うなら評価方法も同時に見直す、という発想です。
わかりました。最後に、私が部内会議で使える短い要点を3つだけください。すぐ使える言葉が欲しいのです。
もちろんです！要点三つ、いきますね。第一に、SELARは「学習目標に沿って小さく試す」フレームワークであること。第二に、評価設計と倫理を同時に考えること。第三に、教師の現場フィードバックを必ず反映して段階的に実装すること。これで部内議論はスムーズに進みますよ。大丈夫、一緒に進めましょう。
ありがとうございます。では私の言葉でまとめます。SELARはまず小さな学習目標で生成AI（Generative AI：GenAI、生成AI）を試し、評価方法と倫理ルールを同時に設計して、現場のフィードバックで改善するための枠組み、ということで間違いないでしょうか。私にはそう聞こえます。
