MITは2026年8月25日、生成AIの普及によって大学での学び方や教員と学生の関係が変わりつつあるとして、授業、評価方法、研究訓練の見直しを求める特別委員会の報告書を公表した。

AIが課題にもっともらしい答えを出せるようになり、提出物の出来栄えだけから学生本人の理解度を判断する従来の方法は通用しにくくなっている。

委員会が懸念しているのは、学生が教員へ相談したり、仲間と議論したり、研究室で失敗を重ねながら学んだりする機会まで、AIとのやり取りに置き換わってしまうことだ。

MITの提言は、単にAIの利用ルールを決めるのではなく、大学が学生に何を身につけさせたいのかを先に問い直すよう求めている。

AD

勉強会の減少をどこまで確かめたのか

報告書は8月13日付で、学部生や大学院生、各スクールの教員、図書館や教育支援部門の職員が、約5か月にわたる議論と調査を重ねてまとめた。

第3節では、教員への相談時間であるオフィスアワーへの参加やオンライン討論への参加が減り、寮や図書館で行われる対面の勉強会も少なくなったと記している。

ただし、対面勉強会の減少については、学内での聞き取りから得られた逸話的な報告に基づくことも明記している。

学内調査の数字についても、何を測ったものなのかを分けて読む必要がある。

付録Cによると、委員会が2026年春に実施したAIの利用状況と意識に関する調査には、教員や学生など1,632人が回答した。ただし、回答率は12％だった。

AIに関心の高い人ほど回答しやすかった可能性など、回答者の偏りを考慮する必要がある。

同じ春に別途行われた生活実態調査には、本キャンパスの約8,200人が回答した。

そのうち学部生の回答では、AIによって「自分が代替されやすくなった」と感じる人が40％に上り、「自分の能力が高まった」と感じる34％を上回った。

これは学生自身の受け止め方を示した数字であり、実際に能力が低下した、あるいは向上したことを測定したものではない。また、約8,200人という数字は調査全体の回答者数であり、学部生だけの人数ではない。

MIT報告書の警告を根拠の種類ごとに整理すると、勉強会の減少は聞き取り、学生の不安は自己申告、AIを使った後の学習成績は別研究による介入実験であり、同じ確度で扱うことはできない。

論点 根拠の種類と対象 確認できることと限界
対面勉強会の減少 MIT報告書第3節の学内聞き取り 減ったという声はあるが、減少率やAIとの因果関係までは定量的に確かめていない
学生の不安 付録C.2の2026年春の生活実態調査 回答した学部生の40％が「代替されやすくなった」と感じた。実際の能力低下を意味しない
AIを外した後の成績 Bastaniらの高校数学実験 特定のAIと授業条件での短期的な効果を比較できる。MITの勉強会や大学生活の変化を証明するものではない

この表は、報告書と付録、実験論文について、調査対象、方法、因果関係をどこまで言えるかという観点から整理したものだ。

MITの警告には教育現場の切迫感が表れているが、学内の聞き取り結果を「AIが学生を孤立させたことを科学的に実証した」と読み替えることはできない。

報告書自体も、孤独や対面交流の減少はAI登場以前から存在していた問題であり、AIはすでに弱まりつつあった人間関係に新たな圧力を加えていると捉えている。

正解を出すAIと、自力で解けるようにするAI

Hamsa Bastaniらが2025年にPNASで発表した査読済み論文は、課題を解けることと、学習が進むことは同じではないと実験で示した。

2023年秋、トルコの高校で約1,000人を対象に、通常の対話型AI「GPT Base」、教員が問題ごとの解法やヒントを組み込んだ「GPT Tutor」、AIを使わない対照群をクラス単位で割り当て、数学の授業を4回実施した。

AIを使える練習中の成績は、対照群と比べて通常型AIで48％、教育用AIで127％高かった。

ところが、その直後にAIを使わず問題を解かせると、通常型AIを使っていた生徒の成績は対照群より17％低かった。

論文の表1では、満点を1点としたときの対照群平均が0.321点、通常型AIの推定効果が−0.054点で、この差を対照群平均で割った相対値が約17％となる。

一方、教育用AIを使った群では、AIなしの試験成績に対照群との統計的に有意な差はなかった。

教育用AIは答えをそのまま渡すのではなく、ヒントを出し、教員があらかじめ用意した正しい解法や典型的な誤りを参照するよう設計されていた。

同じGPT-4を使っていても、学生に何をさせるかによって結果が変わったことになる。

ただし、この研究は1校の高校で測定した短期的な効果であり、現在のAI全般や長期的な学力への影響をそのまま示すものではない。

学習効果が高まった例もある。

Greg KestinらのScientific Reports論文では、Harvard大学の物理授業で194人が、教育原則を組み込んだ専用AI教材と、教室内での能動的学習を、2つの授業で交互に経験した。

AI教材を使った場合、学習直後のテスト成績は授業内学習より良好だった。

ただし、この研究も、長期的な知識の定着や人間関係への影響を検証したものではない。著者ら自身も、AI教材を対面授業の準備に使うことを提案している。

MITが掲げる「人間の学びを支え、学習そのものを代行しない」という原則は、こうした違いを見分ける基準になる。

AIを使えば課題を完成できたとしても、学生自身が内容を説明できるかどうかは別に確かめなければならない。

そして、個人としての理解が深まったかという問題と、仲間や教員とともに学ぶ機会を保てたかという問題も分けて考える必要がある。

AD

教員と学生の疑心暗鬼をどう減らすか

MITの教員は、無断でのAI利用を取り締まる役割が、学生との関係を損なっていると委員会に訴えた。

学生側も、AIを使っていないのに疑われることを恐れている。また、教員が採点やフィードバックにAIを使うことへの不満もある。

自分が時間をかけて取り組んだ課題に対し、機械的な返答だけが返ってくるのであれば、教員と学生が共同で学びを作っているという感覚は弱まりやすい。

報告書は第3.1.9節で、AI検出ツールへ過度に依存しないよう勧めている。

AIで構成案だけを作った場合や、一部の文章を編集した場合などは検出しにくい。一方で、英語を母語としない学生などが書いた文章を、誤ってAI生成と判定する可能性もある。

MITの懲戒委員会も、AI検出器の出力だけでは十分な証拠とはみなしていない。

代わりの方法として、授業中に初期の草稿を書かせたり、課題をいくつかの段階に分けて提出させたりする方法が挙げられている。

完成品だけを調べるのではなく、教員が途中の進捗を確認しながら助言し、学生自身に考え方を説明させる。

そうすれば、本人がどのように考えたかを評価できるだけでなく、理解につまずいた時点で教員へ相談する機会も作れる。

透明性は教員側にも求められる。

委員会は、授業設計、教材、フィードバックなどに教員自身がAIを使った場合、その使い方も学生へ開示するよう提言した。

委員会自身も付録Aで、報告書本文の生成にはAIを使っていない一方、初期稿の重複確認にはChatGPTを、付録の一部のグラフ作成や統計要約にはCodexを使ったと明らかにしている。

AIを使ったか使わなかったかを一括して問うのではなく、どの作業をAIへ任せ、最終的に誰が内容へ責任を持つのかを明らかにする一例である。

AIエージェントが研究助手を置き換える前に

学部生研究機会プログラム「UROP」は、1969年に始まったMITの研究教育制度である。

公式の2024〜2025年度データによると、2025年卒業生の93％が在学中にUROPへ参加し、58％の教員が指導役を務めた。

研究室で教員や大学院生と一緒に働く経験は、多くの学生にとってMITでの教育そのものの一部になっている。

ところが、委員会の聞き取りでは、一部の教員が、学部生を研究助手として雇う代わりにAIエージェントを使うことを検討していた。

これは、研究助手の代替がすでに大規模に進んでいることや、UROPが廃止されることを意味するものではない。

ただし、限られた研究費の中で速さや費用だけを基準にすれば、初学者が研究に参加する機会が減る可能性がある。

報告書の第2.3節は、研究がMITの使命の中心であると同時に、次世代の研究者を育てるための徒弟的な訓練でもあると説明している。

第3.1.5節でも、有給の仕事としての実利を認めたうえで、学生自身の成長や、指導者・仲間との関係を重視している。

学生は研究作業を通じて、問いの立て方、失敗への向き合い方、共同で知識を作るための判断を学ぶ。

AIが同じ作業をより速く終えたとしても、それだけで学生が研究者として成長する経験まで代替できるわけではない。

研究成果を早く出すためにAIを導入することと、次世代の研究者を育てるために学生を研究へ参加させることには、異なる目的がある。

委員会はUROPを維持し、可能であれば拡充するよう求めている。

研究助手をAIへ置き換えるかどうかを判断する際には、作業時間や費用だけでなく、誰が指導を受け、研究チームに参加する機会を失うのかも考慮する必要がある。

AD

AIの利用ルールより先に、授業と評価を設計する

MITの提言はまず、学生が授業を終えたときに、何を理解し、何ができるようになっているべきかを決めることから始まる。

次に、その達成をどう確かめるかを考え、最後に課題や授業活動、AIの利用方針を選ぶ。

数学の証明を自力で組み立てることを学ぶ授業と、大規模なソフトウェアを制作して設計を検証する授業では、AIへ任せてよい部分は異なる。

付録Bの利用方針メニューでは、次の4種類が示されている。

利用方針 学生に求める行動
利用自由 課題でAIを幅広く使える。AIなしの評価が中心の授業や、AI利用が学習目標を損なわない課題に向く
補助として限定 学習や編集などの補助には使えるが、完成した解答や課題の大部分を生成させない
指定された利用を必須にする 指定されたツールと手順に従ってAIを使い、必要に応じてAIとのやり取りも提出する
利用禁止 指定された課題ではAIを使わず、本人が独力で取り組む

これは、習熟度が上がるにつれて順番に進んでいく段階表ではない。

授業全体だけでなく、個々の課題や、その一部分ごとに異なる方針を選べる。

補助的な利用を認める場合も、構成案の作成や図の生成まで含めてよいのかなど、具体的に示さなければ、学生と教員の認識にずれが生じる。

ただし、この提言がMIT全体の統一ルールになったわけではない。

Roger Levy教員議長による8月25日付の案内では、2026年秋学期について、各授業にAI利用方針を設定する全学共通の義務はないと明記されている。

このメニューは、各教員が必要に応じて使える支援策として提示されたものだ。

評価方法についても、単純に対面試験の比重を増やせばよいという話ではない。

試験ばかりを重視すると、時間をかけて難しい課題やプロジェクトに取り組む動機を弱める可能性があると委員会は指摘している。

口頭試問、学期を通じた成果物の記録、授業外での課題、対面での確認などを組み合わせ、短時間の試験だけでは見えにくい理解も評価するという考え方だ。

そのためには、教員側にも時間と支援が必要になる。

委員会は、授業の改修を支援する専門チームや人材、実験的な授業へ資金を提供する仕組みを提案している。

対象には、AIを積極的に活用する授業だけでなく、意図的にAIを使わない学習も含まれる。

AI利用を認める授業では、学生の経済状況によって利用できるAIが変わらないよう、共通の利用環境を整備する必要もあると指摘している。

授業の変更が実際に機能しているかを継続的に確かめるため、報告書はAIの利用状況、学内活動への参加、学生の満足度などを追跡するよう求めている。

提言が成功したかどうかは、提出物の出来栄えが良くなったかだけでは判断できない。

学生自身が理解した内容を説明できるか、人に相談できるか、研究の現場へ参加する機会を維持できるか。

それらが、MITの掲げる教育目的に沿っているかを判断する基準になる。