AIに教わると、自力でも解けるようになる？
AIの解説では分かったのに、一人になると解けない。学びたいのは、答えより自分で進める力のはず。研究を比べ、ヒントの受け方と解き直しの順番を組み替えてみましょう。
この記事の目次
分かったはずなのに、自分では解けない
AIに説明してもらうと、分かる。質問すれば、すぐ次も教えてくれる。なのに画面を閉じて似た問題を開くと、最初の一行で止まってしまう。「さっきは分かったのに」。この差を、どう埋めればいいのでしょう。
ヒントになる実験があります。Bastaniらが約1,000人の高校生を対象にした数学の実験では、制約のないAIで練習した群が、AIなしの試験で対照群より約17%低い成績でした。助けがある間に進むことと、一人で解けること。二つを分けてみた結果です。[3]
AI講師の価値は、支援の設計と比較条件で読む
では、AIに教わるのはやめた方がいいのでしょうか。実は、学習が改善した実験もあります。大学物理194人の実験では、教育上の原則を組み込んだAIチューターによって学習が改善しました。自由に答えを聞く使い方とは違い、教材と支援の設計がある学習です。何に使うかだけでなく、どう助けてもらうかにも目を向けたいところです。[2]
より広く見た研究にも、良い結果があります。Wuらの2026年のメタ分析は35研究・4,193人をまとめ、学習成果への平均効果g=0.670を報告しました。ここでのgは得点の伸び率ではなく、テスト間の差をそろえて表す指標。何を教え、どんな支援をしたかで結果が変わる点も合わせて読みたいところです。[1]
この違いを、次にAIへ教わるときの問いにしてみましょう。助けを受けた後、どこを自分でできるようになりたいか。最後に説明を閉じて一問試せば、必要なヒントも選び直せそうです。
自由なチャットと、教材の順番やヒントの量を考えて作られたチューターでは、学習者のすることが変わります。答えを最初に読むのか、考えてから一つずつ助けを得るのか。使ったモデル名だけでは、その違いが見えません。
大学物理の実験やITSの系統的レビューは、支援の設計や比較する学習方法へ目を向ける材料です。「AIを使えば伸びる」「使えば落ちる」の二択より、誰に何をどう教えたかを読む。その方が、自分の学び方へ近づけられます。[2][4]
また、短期の学習成果と、数週間後に一人で使えることも区別します。メタ分析の平均が良くても、自分の目標が実技なら、最後は自分で操作を選び、結果を読めるかを確かめたいところです。[1]
正解をもらう前に、止まった一手だけを渡してみる
たとえば「顧客ごとの注文金額を合計して」と言われ、SQLの最初の一行で止まったとしましょう。ここで完成した式を受け取ると、結果はすぐ出るかもしれません。でも、自分は顧客でまとめる意味が分からなかったのか、書き方だけ忘れたのか。その違いは残ったままになりそうです。
まず、分かるところを短く言ってみます。「注文を顧客ごとに分けて足すのは分かる。どこにその指定を書くかが分からない」。ここまで出せたら、頼み方も変わるでしょう。「全文の正解より、同じ顧客をまとめる部分だけ、理由と一緒に教えて」と聞けます。
何も言えなければ、もっと手前からで構いません。「顧客ごと、の意味を三行の注文で見せて」。Aさんの100円と200円、Bさんの400円を、二つの山へ分ける。言葉がつかめたら、その山をSQLで指定する部分へ進む。小さい例を間に置くと、どこで分からなくなったかを話しやすくなります。
Bastani氏らの高校数学の実験で気になるのも、この助けの受け方です。答えを得られる練習中の成績と、AIを外した試験の成績は分けて調べられていました。だから今回は、式が出たところで終えず、支援を外したときに何が残るかまで一組で試したいんですね。[3]
ヒントをもらったら、自分で続きを書く。動いたら「なぜ、この指定で顧客ごとに分かれる？」を一文で説明する。説明できないところだけ手本へ戻る。この具体的な順番は記事の応用案です。AIの返答にも誤りはあるので、手本は利用中の教材や公式の説明と照らします。
次は、式と説明を閉じます。金額や顧客名を少し変えた三行から、同じ集計を作れるでしょうか。ここで止まれば、残したいのは「AIがないと無理」という感想より、「まとめる指定を思い出せなかった」という一か所。次に頼むヒントも、復習する内容も絞れます。
従来型の学習支援システムを含む28研究・4,597人のレビューでも、比較する支援や設計へ目を向けています。AIという名前を付けるだけで、学び方が一つに決まるわけではないんですね。完成形を先にもらうのか、途中を考えながら進むのか。使っている間の自分の動きを見直す材料になります。[4]
要は、AIへ頼む量より、助けてもらった後に、自分で引き受ける一手を残すこと。昨日は「この指定は何？」と聞いていたところを、今日は自分で書けた。その違いを確かめながら、必要な助けを一つずつ選び直してみませんか。
止まった場所に合わせて、助けを変える
| 止まった場所 | 頼む例 |
|---|---|
| 問題の言葉が分からない | この用語を、この問題の範囲で説明して |
| 次の判断が選べない | 答え全体ではなく、見るべき条件を一つ教えて |
| 構文だけ出てこない | この意図を表す構文の形を示して |
| 解けた後 | 似た別の例を出して。まず自分で答えたい |
説明を閉じた後の一問で、使い方を選び直す
解き直すときは、答えを覚えた問題から少し条件を変えてみます。答えと理由が出れば、その部分は自分で使えた。止まったなら、どの一手からヒントが欲しくなったかを残しましょう。
昨日と同じヒントが必要だったなら、そこをもう一度。言葉は分かるが選び方で迷うなら、似た二つを比較する。手順が出ないなら、短い想起へ。勉強法の記事へ進むと、このつまずき別の練習を詳しく読めます。
目指すのは、AIに毎回すべてを聞ける状態より、昨日聞いていた一手を今日は自分で選べる状態。その小さい違いを確かめながら、必要な助けを残して進みましょう。
一つの問題で、ヒントの前後と独力の答えを比べる
最初から答えを聞かず、考えたところを残す
分かった条件、試した手順、止まった箇所を短く書きます。何も書けない場合は、分からない言葉を一つ選ぶところから始めます。
困った箇所のヒントを受ける
「答え全体ではなく次に考える点だけ」と頼み、自分で続きを進めます。ヒントが誤っている場合もあるので、教材の解説と照合します。
もう少し詳しく：研究によって結果が違う理由
AIありで課題ができることと、AIなしでできることは別です。答えの入手ではなく、ヒントの後に自分で解き直す学習を選びます。
支援中の好成績が、自力の学力に残らないことがある
高校数学のRCTで、制約のないAI群はAIなしの試験で約17%低下しました。支援の設計や科目が変わると結果も変わるため、別の支援や大学物理の研究は、その条件ごとに比べます。[3]
メタ分析1件、RCT2件、系統的レビュー1件。従来型のITSと生成AI、学習中と無支援テストは区別します。
- 統合結果Wu et al. — ChatGPT’s impact on student learning outcomesメタ分析
- 設計された支援で改善Kestin et al. — AI tutoring outperforms in-class active learning無作為化比較試験
- 無支援で悪化したRCTBastani et al. — Generative AI without guardrails can harm learning無作為化比較試験
- 支援設計の系統的整理Létourneau et al. — A systematic review of AI-driven intelligent tutoring systems (ITS) in K-12 education系統的レビュー
研究の補足と、よくある疑問
この順番なら、必ず定着する？
保証はできません。制約のないAIでの練習後に無支援試験が悪化した結果と、教育設計された支援で改善した結果を踏まえた応用です。このサイトの練習自体の効果は未検証です。
ヒントを使ったら、自力で解いたことにならない？
練習中に助けを受けることと、支援なしでできるかを測ることは別です。助けた箇所を隠さず、最後の確認を分けておくと、次に学ぶ場所が分かります。
研究と同じ支援を再現しているの？
本文のSQLのやり取りは、支援ありと独力の確認を分けるための記事の例です。高校数学、大学物理、複数の支援システムの研究は対象も比較条件も異なります。同じ効果量で自分の成績を予測する方法にはしていません。
出典と確認した範囲（4資料）
出典と、読み取れる範囲
対象・方法：2022〜2024年の35研究、4,193人。実験・準実験を含む。
主な結果：学習成果への統合効果g=0.670（95% CI 0.495〜0.844）。
限界：67%向上ではない。認知・非認知指標が混在し、長期・無支援の技能へ直結しない。
確認した範囲
掲載本文の要旨・結果・限界と当該論文に撤回表示がないことを確認。参考文献に、後に撤回されたWang/Fanのレビューを含む。統合対象の再監査は未実施。 確認日：2026-10-24
対象・方法：Harvardの大学物理194人。2授業を交差させる設計。
主な結果：教育設計されたAIチューターが当該授業の学習を改善。
限界：汎用チャットの効果ではない。集計の142/174は延べ授業観測で、参加者316人ではない。
確認した範囲
掲載本文の導入・結果・方法を確認。長期の技能保持を保証しない。 確認日：2026-10-24
対象・方法：約1,000人の高校数学。通常授業とGPT Base/GPT Tutorを比較。
主な結果：制約のないAIを使った群は、AIなしの試験で対照より約17%低下。
限界：特定学校・教科・支援設計。すべてのAI学習で低下するわけではない。
確認した範囲
PNAS書誌と著者所属機関による実験結果の解説を確認。全文精読は未実施。 確認日：2026-10-24
対象・方法：K-12の28研究・4,597人。対照条件・期間・評価方法で整理。
主な結果：支援システムの設計・比較相手・評価の選び方を点検する必要。
限界：従来のITSを含み、生成AIだけの結果ではない。短期介入が多い。
確認した範囲
掲載要旨・公開された方法/限界の記述を確認。全採録研究の再監査は未実施。 確認日：2026-10-24
この記事は複数文献を照合した編集記事です。既存研究を照合し、結果と条件を紹介しています。研究が同じ参加者を含む可能性があるため、文献間の人数を足していません。本文の行動提案・未来のシナリオは編集上の整理です。
この記事から、次に気になる話へ。
勉強しているのに伸びない。自分に合う方法は、どう選ぶ？
動画、ノート、問題集。頑張りを増やす前に、「どこで止まるか」で方法を選んでみませんか。覚える・理解する・使い分けるを分けると、次の一手が見えてきます。
読んだはずなのに出てこない。その一回を「思い出す練習」に変える
何度も読み返したのに、問題を見ると真っ白。増やしたいのは、読む回数より「何も見ずに取り出す機会」かもしれません。間違えた後の直し方まで紹介します。
AIの答えは、どこまで確かめればよい？
AIの回答を全部調べ直すのは大変です。まずは、間違うと困る数字や条件から。研究を手掛かりに、確認の手間をどこへかけるかを決めましょう。
AIで仕事がなくなる？ 『影響を受ける』と『失業する』を分ける
「AIで仕事が変わる」と聞いて、何を勉強すればよいか迷っている方へ。仕事への影響と雇用のデータを分けて読み、自分が試したい作業から、学ぶ方向を選びましょう。
偽情報を見抜く練習は、本当に役立つ？
家族に教えたいニュース。でも、本当か分からない。共有する前の短い確認で、何が変わるのでしょうか。練習の効果と副作用を調べ、次に情報を見たときの判断につなげます。