はじめに

教室に衝撃が走った。Brown 大学の経済学教授ロベルト・セラーノが実施した一つの実験が、AI 時代の学習効果の幻想を暴露したのだ。持ち帰り試験では 96% だった成績が、監視型試験では 48.6% に急落。この劇的な落差は、単なる一つの大学の話ではない。中国の研究や UC Berkeley の大規模調査が同じ警告を発している。

実験の構図：AI 使用と対面試験の成績差

セラーノが担当する経済学のコースに登録していた 86 人の学生たち。持ち帰り式の試験では、平均点が過去 15 年間の平均値（65～80%）を大幅に上回る 96% に達した。

ところが、セラーノが学生の答案を ChatGPT に入力して検証してみると、ほぼ同一の解答が返ってきた。多くの学生が採用していた「迂回的な証明方法」が、複数人で完全に一致していたことから、不正が明らかになった。

教授の判断は即座だった。最終試験を対面の監視型に変更すると宣言したのだ。

その結果は劇的だった：

  • 18 人が退講
  • 9 人は試験を受けなかった
  • 平均点は 48.6% に低下
  • 19 人が落第

わずかな学生だけが、持ち帰り試験の成績を維持できた。

世界規模での確認：中国・UC Berkeley の大規模研究

Brown 大学一つの事例ではない。複数の大規模調査が同じパターンを示している。

中国の研究：26,000 人以上を 30 ヶ月追跡

中学・高校生 26,000 人以上を対象にした研究では、AI 使用開始後の変化が追跡された。

短期的な効果（宿題）：

  • 成績が 18% 上昇
  • 完了時間は 64 分から 45 分に短縮

長期的な影響（試験・入試）：

  • 実施試験での成績は 20% 低下
  • 大学入試での成績は 18～24% の低下を記録
  • 長期利用者の約 81% がこの同じパターンを示現

つまり、AI を使えば宿題は早く終わり成績も上がるが、実際の試験で点数が取れない層が大多数だったのだ。

UC Berkeley の調査：ChatGPT 導入と成績変動

米国の大型研究大学での 50 万件を超える成績データを分析した結果、ChatGPT 導入後に以下の傾向が観察された：

  • A 評価が 13 ポイント上昇
  • 特に執筆・プログラミング課題に集中
  • 宿題比重の高い授業では 16 ポイント高い上昇

こちらも同じ構図だ。AI に依存する課題では成績が上がるが、監視や厳密な評価がある場面では効果が限定的だ。

何が起きているのか：学習の深さと浅さ

この現象の背景には、AI 依存の学習がもたらす本質的な問題がある。

AI を使って宿題を完成させたり試験前に「解答を見たり生成させたり」すれば、短期的に成績は上がる。しかし、実際に問題を解く力――つまり自力で考え抜く力――は養われていない。

セラーノ教授は、この実験から鮮烈な警告を発している：

「優秀な若者の多くがカンニングを容認する社会は衰退する」

これは単なる倫理観の問題ではない。学習効果そのものの問題だ。

教育評価システムの根本的な見直しが急務

この実験が突きつけるのは、現在の教育制度が AI の登場に対応できていないという現実だ。

多くの大学が「宿題」や「持ち帰り試験」を重視する評価制度を採用している。だが AI 時代には、こうした評価方法が意味をなさない。学生は AI に頼り、見かけ上の成績を上げるが、実力は伴わない。

一方で対面試験やプロジェクト型の学習へのシフトは、教員の負担を大きく増やす。大規模講義では実現が難しい。

求められるのは、以下のような抜本的な改革だ：

  • 試験形式の多様化：対面試験、実地試験、ポートフォリオ評価の組み合わせ
  • プロセス評価の強化：学習の過程そのものを評価する仕組み
  • AI を含めた評価基準の明確化：何が AI 使用可で、何が禁止かを明確にし、それに応じた評価設計
  • 学習アウトカムの再定義：「試験での点数」ではなく「実践的な問題解決能力」へのシフト

読者・保護者・教育関係者への問い

この現象は、AI を使う側の倫理観だけでは解決しない。制度設計の問題だ。

学生であれば、短期的な成績より長期的な実力を優先する選択肢があるか。保護者であれば、子どもが AI に依存した「見かけの成績」を上げることより、本当の力を身につけられているか見守れるか。教育機関であれば、AI 時代に対応した評価システムを設計する責任をどう果たすか。

Brown 大学の 96% から 48% への転換は、教育現場に映る「AI 時代の現実」である。この問いは、今、すべての学校に迫られている。