生成AIの登場によって、学校の探究学習は確実に変わり始めています。 ただし私は、「探究学習そのものが終わる」のではなく、探究の中で何を人間が担うのかが問い直されていると考えています。
これまで時間のかかっていた情報検索、要約、アイデア出し、文章のたたき台づくりを、生成AIは短時間で支援できます。 一方で、AIの出力は常に正しいわけではなく、根拠の確認、情報源の評価、現実との照合、倫理的な判断は依然として必要です。 その意味で、探究は「AIに代替される学び」ではなく、AIを使うからこそ学習者の判断がより重要になる学びへ変わっていくのだと思います。
この記事の立場：
生成AIを禁止するか、何でも任せるかという二択ではなく、
「どの部分をAIに支援させ、どの部分を生徒自身が考え、確かめ、行動するのか」を授業設計の中心に置きます。
1. 探究の「情報収集」はAIで変わる。しかし探究は情報収集だけではない
文部科学省は、高校の「総合的な探究の時間」を、 ①課題の設定 → ②情報の収集 → ③整理・分析 → ④まとめ・表現という探究の過程として示しています。 この過程は一方向ではなく、必要に応じて行き来しながら問いを深めていくものです。
生成AIは、このうち情報収集の入り口、観点の整理、比較案の提示、文章化などを支援できます。 しかし、AIが出した内容をそのまま提出すれば探究になるわけではありません。 どの情報を信頼するか、何が不足しているか、別の見方はないかを判断する活動こそ、むしろ重要になります。
2. 「AIが答えを出す」からこそ、一次情報の価値が上がる
Web上にすでに存在する一般的な情報については、生成AIが短時間で整理できる場面が増えました。 だからこそ学校の探究では、ネット上の情報だけでは得られないものを意識的に入れたいと考えています。
- 現地を見る：地域、施設、店舗、自然環境などを実際に観察する。
- 人に聞く：当事者、専門家、地域の人へのインタビューを行う。
- 試してみる：実験、制作、授業実践、アンケート、プロトタイプなどを行う。
- 記録する：自分たちで得たデータや失敗、予想外の反応を残す。
これはAIが「できないから価値がある」という単純な話ではありません。 自分たちの状況に固有の一次情報は、一般的な生成AIの回答だけでは十分に代替できないため、 探究の独自性と説得力を高める材料になります。
3. 「HOW」だけでなく、「WHY」と「WHO」を考える
生成AIは「この問題の解決策を10個出して」と頼めば、多くの案を示してくれます。 しかし、授業で大切にしたいのは、その前後にある問いです。
- WHY：なぜ自分はこの問題を扱いたいのか。
- WHO：誰にとっての問題なのか。誰の声が抜けているのか。
- EVIDENCE：その主張を支える根拠は何か。
- CONSEQUENCE：その解決策を実行すると、誰にどんな影響があるのか。
AIはこれらの問いを考えるための相手にはなれますが、 最終的に何を大切にするかという価値判断は、学習者自身が他者との対話や経験を通して引き受ける必要があります。
4. 文部科学省とUNESCOも「人間中心」を重視している
文部科学省の生成AIガイドラインVer.2.0は、学校での利用について 「人間中心の生成AIの利活用」と、生成AIの存在を踏まえた情報活用能力の育成を基本的な考え方としています。 生徒が使う場合も、生成内容を鵜呑みにせず、リスクや特性を理解して活用することが求められています。
UNESCOのAI Competency Framework for Studentsも、 AIを単に便利な道具として使うだけでなく、human-centred mindset、AI ethics、AI techniques、 AI system designを含む能力を育てることを提案しています。 また、UNESCOの生成AIガイダンスでは、GenAIを探究・プロジェクト型学習の支援に使える可能性を示す一方、 高次の思考や創造性を促す授業設計がなければ、浅い成果物に終わる危険性にも触れています。
5. 私なら「AIを使った探究」をこう評価する
生成AI時代には、最終スライドやレポートの見栄えだけでは、生徒がどこまで考えたかを判断しにくくなります。 そのため、完成品だけでなく探究の過程を評価する必要があります。
- 問いの変化：最初の問いが調査や対話を通してどう深まったか。
- 情報源：AI以外に、どんな一次・二次資料を使ったか。
- 検証：AIの出力をどのように確認・修正したか。
- 試行錯誤：失敗や予想外の結果から何を変えたか。
- 本人の判断：複数の選択肢から、なぜその結論を選んだか。
このような評価にすれば、AIを使ったこと自体を問題にするのではなく、 AIを使ってもなお生徒自身が何を考え、何を確かめ、何を決めたのかを見ることができます。
最後に：探究の「終わり」ではなく、設計の更新
生成AIは、探究学習をなくす存在ではありません。 むしろ、情報を集めてきれいにまとめるだけでは不十分だということを、学校に突きつけています。
AIに任せられる部分は任せながら、現場に出る、誰かと話す、観察する、試す、失敗する、根拠を確かめる、 そして自分の判断を言葉にする。そうした活動を意図的に組み込むことが、 生成AI時代の探究学習をより深いものにすると私は考えています。
参考資料
Generative AI is already changing inquiry learning in schools. I do not believe this means that inquiry itself is coming to an end. Instead, it forces us to reconsider which parts of inquiry should be supported by AI and which parts require human judgement, verification, dialogue, and action.
Generative AI can quickly support tasks that once took students considerable time: searching for starting points, summarizing information, generating ideas, comparing perspectives, and drafting text. However, AI output is not automatically accurate or appropriate. Learners still need to evaluate sources, verify claims, compare output with reality, and make ethical decisions.
The position of this article:
The key question is not whether schools should ban AI or let students delegate everything to it.
The key question is: which parts should AI support, and which parts should students still investigate, judge, test, and own?
1. AI Changes Information Gathering, but Inquiry Is More Than Information Gathering
Japan's Ministry of Education describes inquiry as a cycle of setting a question, collecting information, organizing and analyzing it, and summarizing or expressing findings. Learners may move back and forth between these stages as their questions develop.
Generative AI can support several of these stages, including early information gathering, organizing viewpoints, and drafting. But submitting AI-generated content is not inquiry by itself. Learners still need to ask which information is trustworthy, what is missing, and what alternative explanations exist.
2. As AI Handles Generic Information, Primary Evidence Becomes More Valuable
General information already available online can often be summarized quickly by AI. This makes it increasingly useful to design inquiry around evidence that is specific to the learner's own context.
- Observe: visit a local place, organization, community, or environment.
- Interview: talk with people directly involved in the issue.
- Test: conduct an experiment, survey, lesson trial, or prototype.
- Record: document local data, failures, and unexpected responses.
The value is not simply that “AI cannot do these things.” Rather, context-specific primary evidence cannot be fully replaced by generic model output and gives inquiry greater originality and credibility.
3. Move Beyond HOW to WHY, WHO, EVIDENCE, and CONSEQUENCE
AI can generate many possible solutions to a problem. That makes the questions around those solutions even more important.
- WHY: Why does this issue matter to me?
- WHO: Who is affected, and whose voice is missing?
- EVIDENCE: What evidence supports the claim?
- CONSEQUENCE: Who may benefit or be harmed by the proposed solution?
AI can help learners think through these questions, but learners still need to take responsibility for the values and decisions that shape their final judgement.
4. MEXT and UNESCO Both Emphasize Human-Centred Use
Japan's current guidance for generative AI in schools emphasizes a human-centred approach and stronger information literacy in an environment where generative AI exists. Students should understand the characteristics and risks of AI rather than treating generated content as unquestionable fact.
UNESCO's AI Competency Framework for Students similarly emphasizes a human-centred mindset, AI ethics, AI techniques and applications, and AI system design. UNESCO's guidance on generative AI also discusses its potential to support inquiry and project-based learning, while warning that poorly designed use may lead to shallow outputs rather than higher-order thinking.
5. How I Would Assess AI-Supported Inquiry
In the age of generative AI, polished slides or reports alone tell us less about how deeply a student has thought. I therefore believe assessment should pay greater attention to the process of inquiry.
- Question development: How did the original question change?
- Sources: What primary and secondary evidence was used beyond AI?
- Verification: How was AI output checked or corrected?
- Iteration: What changed after failure or unexpected findings?
- Student judgement: Why did the learner choose one conclusion over alternatives?
This approach does not treat AI use itself as the problem. It asks what the learner still thought, verified, tested, and decided while using AI.
Conclusion: Not the End of Inquiry, but a Redesign
Generative AI does not eliminate inquiry learning. It does, however, expose the weakness of inquiry that consists only of collecting information and presenting it neatly.
Schools can allow AI to support appropriate tasks while deliberately preserving fieldwork, dialogue, observation, experimentation, source checking, reflection, and student judgement. I believe this kind of redesign can make inquiry learning deeper rather than obsolete.
References
- MEXT — Use of Generative AI in Schools
- MEXT — Guidelines for the Use of Generative AI in Primary and Secondary Education, Ver. 2.0
- MEXT — Curriculum Guidelines: Period for Inquiry-Based Cross-Disciplinary Study
- UNESCO — Guidance for Generative AI in Education and Research
- UNESCO — AI Competency Framework for Students