生成AI時代の授業ポリシーと評価設計

英語の課題は、生成AIの影響をもっとも強く受ける分野の一つです。「全面禁止」も「放任」も現実的ではなく、課題ごとに AI の使い方の範囲を決めて明示し、評価のしかたを変えることが、いま多くの大学で取られている方向です。

キーワードAI利用ポリシー／AIAS／プロセス評価
公的な指針文部科学省「大学・高専における生成AIの教学面の取扱いについて」（2023年7月）
こんな先生にシラバスに AI の扱いを書く必要がある
高校との共通点高校でも利用ガイドラインに沿った活用が進行中
生成AI時代の授業ポリシーと評価設計のイラスト

🧭 基本の考え方：課題ごとに「AIの使用レベル」を決める

文部科学省は2023年7月13日、大学・高専に向けて生成AIの教学面の取扱いについて周知し（事務連絡）、各大学・高専が教育の目的・内容に応じて利活用の可否や、不可の場面で反する行為があった場合の措置などを検討し、学生や教職員に適切に示すことが望ましいとしました。英語の授業では、同じ科目の中でも課題によって適切な扱いが変わります。

課題ごとの使い方を学生と共有する枠組みとして、Perkins・Furze らの AI Assessment Scale（AIAS） がよく参照されます（初版 2024年）。改訂版（Perkins, Roe & Furze, 2025）では次の5段階が示されています。

レベル内容英語の課題の例
1. No AIAI を使わない授業内の手書きエッセイ、口頭試問、リスニングテスト
2. AI Planning構想・情報整理にのみ使うトピックのブレインストーミング、アウトラインの検討
3. AI Collaborationアイデア出し・下書き・フィードバック・推敲に使える。AI の出力を学生が批判的に評価・修正する自分の草稿への文法フィードバック → どこを直したか記録して提出
4. Full AIAI を全面的に使い、学生が指示・評価・統合を担うAI と協働したプレゼン資料作成（使い方の説明も評価対象）
5. AI ExplorationAI を創造的に使って課題を解決し、新しい発想や方法を生み出す専門分野の英語の用語集を AI と共同で作り、その作り方自体を検証・発表する

※ 下の記載例Bでは、レベル3を「自分の草稿へのフィードバック」に限定して運用する例を示しています（AIAS 本来のレベル3はより広い範囲を含みます）。英語教育向けには、EAP 版（Roe, Perkins & Tregubova, 2026）や EFL のライティング・翻訳向けの応用（Roe, Perkins & Furze, 2025）も提案されています。

💡 「この課題はレベル1」「この課題はレベル3」と課題文の冒頭に明記すると、学生の迷いや「知らなかった」型のトラブルを減らす助けになります。ただし AIAS は不正防止の仕組みではなく課題設計の枠組みなので、「使っていないこと」を確かめたい課題（レベル1）は授業内など管理された環境で行いましょう。

📄 シラバス・課題文の記載例（コピーして使えます）

大学全体の方針がある場合はそれに従い、そのうえで科目としての扱いを具体的に書きます。3段階の例です。

📄 記載例A：原則として使用しない（基礎的な運用力の育成を重視する科目）
【生成AIの利用について】
本科目は、英語を自分の力で理解し表現する基礎的な力を育てることを目的としています。そのため、課題の作成（英文の作成・翻訳・要約を含む）に生成AI（ChatGPT、Gemini、Claude、DeepL Write 等）を使用することは原則として認めません。辞書（オンライン辞書を含む）の使用は認めます。個別の課題で使用を認める場合は、課題ごとに指示します。使用が認められていない課題で生成AIを使用した場合は、大学の規程に従って不正行為として扱うことがあります。
📄 記載例B：条件付きで使用を認める（多くの科目向け）
【生成AIの利用について】
本科目では、課題ごとに生成AIの利用範囲を「レベル1（使用不可）」〜「レベル3（自分の草稿へのフィードバックに使用可）」で指定します。レベル3の課題で生成AIを使用した場合は、次の内容を提出物の末尾に記載してください。
(1) 使用したツール名　(2) 使用した目的（例：文法の確認）　(3) 入力した指示（プロンプト）の概要　(4) AIの提案のうち採用したもの・採用しなかったものとその理由
AIの出力をそのまま自分の文章として提出することは認めません。また、個人情報や他人の未公開の文章をAIに入力しないでください。
📄 記載例C（英語）：Conditional use / for EMI・留学生混在クラス
Use of Generative AI
In this course, each assignment specifies the permitted level of AI use (Level 1: no AI; Level 2: AI for planning only; Level 3: AI for feedback on your own draft). When you use AI, add a short statement at the end of your submission describing (1) the tool, (2) the purpose, (3) a summary of your prompts, and (4) which suggestions you accepted or rejected and why. Submitting AI-generated text as your own work is not permitted. Do not enter personal information or other people's unpublished work into AI tools.
⚠️ ツールの利用規約（年齢制限・入力データの学習利用など）や、大学が契約している環境（学内版の生成AIなど）は大学ごとに異なります。学生に使わせる前に、所属大学の情報基盤部門・教務の方針を確認してください。

🔍 「AI検出ツール」で判定してはいけない理由

AI が書いたかどうかを判定するツールは、単独で不正の証拠にできるほど信頼できるものではありません。とくに英語の授業では、次の点が重要です。

  • 非母語話者の英文ほど「AI 判定」されやすい：Liang ら（2023）は、公開されていた7つの GPT 検出器が、非英語母語話者の書いた TOEFL エッセイ91本を平均61.3％の割合で「AI生成」と誤判定し、約2割は7つすべてが誤判定したことを報告しました（母語話者の作文はほぼ正しく判定）。検出器の多くは文章の「予測しやすさ（perplexity）」に頼っており、語彙や構文が平易な文章ほど AI 生成と判定されやすいと考えられています。2023年時点の検出器・小規模なデータによる結果ですが、英語学習者の作文が不利になりうることを示す重要な報告です。
  • 少し書き換えるだけで検出を逃れられる：言い換えツールや手作業の修正で、判定は大きく変わります（Weber-Wulff et al., 2023 は14の検出ツールを検証し、いずれも正確・信頼できるとは言えず、書き換えで性能がさらに落ちると報告しています）。
  • 文部科学省も「過信しない」よう注意：2023年の大学・高専向けの周知でも、AI 生成かどうかを判定するツールを使う場合でも結果を過信しないことが重要とされ、小テストや口述試験等の併用にも触れられています。
  • 判定の根拠が説明できない：学生に疑いをかけた場合、「ツールがそう言ったから」では説明責任を果たせません。
✅ 疑わしい場合は、本人と面談して内容を説明してもらう（どう考えて書いたか、使った語の意味、出典の中身）ほうが、検出ツールよりはるかに確実で公正です。これはそのまま「口頭試問型の評価」にもなります。

🛠️ 評価の再設計：完成品だけを見ない

AI 時代の評価の基本は、「最終成果物だけ」で評価する比重を下げ、過程と本人のその場の運用力を見る比重を上げることです。

方法やり方英語授業でのポイント
プロセス評価アウトライン → 草稿 → 修正版 → 振り返りを段階提出版の差分と「どこをなぜ直したか」の記録を評価に入れる。Google ドキュメントの版履歴も有効
授業内ライティング時間を区切って授業中に書く（手書き・制限端末）持ち帰り課題との差が大きすぎないかを見る指標にもなる
口頭での確認（ミニ口頭試問）提出物について2〜3分で説明・質疑「この段落で一番言いたいことは？」「この語を別の言い方で」など
個人的・ローカルな課題授業内の議論・自分の経験・地域のデータに基づく課題AI が一般論しか書けない課題設計にする
AI 利用の振り返りそのものを評価AI の提案をどう取捨選択したかを書かせる批判的に AI を使う力（AI リテラシー）を育てる
💡 すべての課題を「AI 対策」する必要はありません。成績の比重の大きい課題ほど、本人の運用力を確認できる形（授業内・口頭）に寄せ、比重の小さい練習課題は AI を使った学習も許容する、という配分が現実的です。

✨ 授業で AI を「学習の道具」として活かす

  • 個別フィードバックの補助：学生が自分の草稿に AI のフィードバックをもらい、採用・不採用を判断する（AIAS レベル3）。教員は判断の記録を見るだけで、学生の気づきの質がわかります。
  • レベル別リライトで多読素材を作る：専門分野の英文を、学生のレベルに合わせて書き換えた補助教材を作る（原文と併用し、事実関係は教員が確認）。
  • ディスカッションの練習相手：反論役・質問役として使い、本番は人間同士で行う。
  • AI の誤りを分析させる：AI が作った英文や要約の誤り・偏り・不自然さを指摘させると、高度な読解と批判的思考の課題になります。
✍️ 英作文添削アシスタント📶 レベル別リライト📝 教科書→テスト自動作成🗣️ スピーキング活動メーカー

🏫 高校での生成AIの扱いとつながる

🔗 高校とのつながり（高大接続）

文部科学省は初等中等教育向けにも生成AIの利活用ガイドラインを公表し（2023年7月「暫定的なガイドライン」、2024年12月26日 Ver.2.0）、高校では「AI の性質やリスクを学んだうえで、学びを深めるために使う」方向で活用が進んでいます。新入生の AI 経験は高校によって大きく異なるため、1年次の最初の授業で「この科目での AI の使い方」を具体例つきで説明すると、その後のトラブルを防げます。

📚 参考文献

  1. 文部科学省 (2023).「大学・高専における生成AIの教学面の取扱いについて（周知）」2023年7月13日.
  2. 文部科学省 (2023).『初等中等教育段階における生成AIの利用に関する暫定的なガイドライン』2023年7月4日.
  3. 文部科学省 (2024).『初等中等教育段階における生成AIの利活用に関するガイドライン（Ver.2.0）』2024年12月26日.
  4. Perkins, M., Furze, L., Roe, J., & MacVaugh, J. (2024). The Artificial Intelligence Assessment Scale (AIAS): A framework for ethical integration of generative AI in educational assessment. Journal of University Teaching and Learning Practice, 21(6). https://doi.org/10.53761/q3azde36
  5. Perkins, M., Roe, J., & Furze, L. (2025). Reimagining the Artificial Intelligence Assessment Scale: A refined framework for educational assessment. Journal of University Teaching and Learning Practice, 22(7). https://doi.org/10.53761/rrm4y757
  6. Roe, J., Perkins, M., & Tregubova, Y. (2026). The EAP-AIAS: Adapting the AI Assessment Scale for English for Academic Purposes. TESOL Journal. https://doi.org/10.1002/tesj.70122
  7. Roe, J., Perkins, M., & Furze, L. (2025). Applying the AI Assessment Scale in writing and translation for EFL. Artificial Intelligence in Education. https://doi.org/10.1108/AIIE-02-2025-0034
  8. Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., Šigut, P., & Waddington, L. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19, Article 26.
  9. Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779.

🎓 大学英語ラボ（大学の英語教育）のほかのテーマ

🧭CEFRとCan-Doで設計するシラバス到達目標・活動・評価を一本の線でつなぐ読む →✍️アカデミック・ライティング指導「型」とフィードバックの研究知見を授業に読む →🎤プレゼン・ディスカッション指導（TBLT）「話す時間」と「話したくなる設計」を研究から読む →📚語彙・多読とアカデミック英語（EAP）「何語必要か」と「何語知っているか」のギャップを埋める読む →📊評価・テスト・外部試験の使い方「そのテストで、その判断をしてよいか」を問う読む →🌏EMI・CLIL：英語で専門を教える内容と言語、どちらも落とさないために読む →🔬授業を研究する：アクションリサーチ・研究倫理・効果量「やってみた」を、共有できる知見にする読む →

※ 2026-10-04 時点の情報にもとづいて作成しています。制度・ガイドライン・試験の仕様は変わることがあるため、最新の情報は各機関の公式資料でご確認ください。研究知見は代表的な文献の要点を紹介したもので、詳細は原典をご参照ください。

🎓 大学英語ラボ（大学の英語教育） トップ 🎒 小学校英語ラボ 🔗 英語の先生のためのリンク集