対面での筆記・口頭試問 ／ AI利用を前提としたレポート
学生本人に何が残ったかで評価する
文章生成・要約・翻訳・検索・構想支援が容易になった
認知オフローディングの範囲が広がり、 成果物の品質と本人の理解が分離し得る
成果物だけを見て、 学生本人の能力を推定することが難しくなる
学生本人の中に残っていて欲しいものは何か？外部化されていても良いものは何か？
意味が見えなければ「作業」になり、作業なら「AIで代替」が最適解になってしまう。
学習目標を決めたうえで、 AIと本人の役割分担を設計する。
事前学修でのAI利用を推奨し、理解確認は授業内で行う。
AIのもっともらしい出力を、検証可能な根拠と本人の説明へ変換する。
評価設計の出発点は、本人が担う部分をどこに置くか。
AIが答えを出せるほど、大学教育では学び続ける文脈・動機・問いの設計が重要になる。
必要な情報をすばやく出し、説明を増やす。
なぜ学ぶのか、どう使うのか、次に何を問うのかを支える。
師匠・先達が示す感覚や経験が、学問を見る眼を育てる。
AI出力を一回で評価するのではなく、問いを更新する対話サイクルとして使う。
AIは前提を変えた。まず何を学ばせたいか、なぜ取り組むのかを言語化する。
AIに外部化してよい部分と、本人に残す摩擦を分け、本人が担った部分を確認する。
学生の知的地盤を固め、AIというクレーンをどう運用するかを一緒に学ぶ。