手段を教えるだけではなく、目的を問うAIリテラシー教育へ――Royal Societyレポートから見えてきた、もう一つの欠落
更新日：7月12日
シリーズ: 論文渉猟
◆今回のレポート：Veli Hilman et al., "A Rapid Review of AI Literacy Frameworks, with Policy Recommendations" (Royal Society, 2025年）
概要：世界各地で提案されている20のAIリテラシー枠組みを、115本の文献レビューをもとに分析した報告書。多くの枠組みが技術的理解に偏り、人権・民主主義・環境影響などの人間的次元を軽視している現状を指摘し、教育制度・教員研修・産業界との関係のあり方について7つの提言をまとめている。
AIリテラシーという言葉が、学校でも企業研修でも急速に広がっている。プロンプトの書き方、生成AIの活用術、AI時代に求められるスキル。教材は増え、研修は組まれ、政策文書にも頻出するようになった。
だが、この言葉が指すものは、本当に子どもたちに必要な力を捉えているのだろうか。イギリスのRoyal Societyが二〇二五年に発表した調査は、世界各地のAIリテラシー教育の枠組みを横断的に分析し、そこに共通する一つの偏りを見つけ出した。そして、その偏りをたどっていくと、単なる「技術偏重」では片けられない、もう一段深い欠落が見えてくる。
Royal Societyレポートが指摘したこと
このレポートの著者ヒルマンらは、百十五本の文献をレビューし、そこから二十のAIリテラシー枠組みを選び出して比較した。対象は英国内の地域別カリキュラムから、国際機関の提言、産業界発の教材まで幅広い。
析出した結論は明快である。多くの枠組みが、AIとは何か、データとは何か、機械学習はどう動くかという技術的理解に重点を置く一方、人権、民主主義、公平性、労働、環境負荷、子ども自身のエージェンシーといった人間的次元への配慮が相対的に弱い。英国内でも、イングランド、スコットランド、ウェールズ、北アイルランドの取り組みは断片的で、統一的な基盤を欠いているという。
これを受けて筆者らは七つの提言をまとめている。まず、AIリテラシーを一部のコンピュータ好きの子どもだけでなく、すべての子どもに関わるものとして位置づけること。次に、技術的・実践的・人間的次元を包括するAIリテラシーの定義を確立すること。そして、教育目標や評価基準を全国的に統一し、教員研修や教材開発を支援すること。加えて、産業界が提供する教材については透明性と独立評価を必須とし、資源の乏しい学校への支援や、障害・多様性への配慮を制度に組み込むべきだとしている。
筆者らが繰り返し強調しているのは、AIリテラシーを単なる技術教育としてではなく、社会的責任や倫理的判断を含む「未来に備える教育」として位置づける必要がある、という点である。
「技術か倫理か」ではなく、誰が定義するかという問題
このレポートを、単純に「技術偏重を批判し、倫理教育を求める報告書」として読むと、論点の半分を取り逃がす。
レポートが本当に問題にしているのは、AIリテラシーという概念そのものが、誰が定義するかによって性格を変えてしまう、という力学である。企業や産業界が主導すれば、それは自然と利用スキルの体系になる。プロンプトの書き方、ツールの操作、業務への活用。測定しやすく、教材化しやすく、無料で提供もしやすい。一方、UNESCOの教員向けAIコンピテンシー枠組みのように、政策研究や国際機関が主導する場合には、人間中心の姿勢、AI倫理、教員の権利、学習者のエージェンシーが中心に据えられる。
問題は、この二つの定義が対等な立場で競っているわけではないことだ。利用スキル型の定義は、評価基準を作りやすく、資金を出す側にとっても導入実績を示しやすい。市民性を掲げる定義は、理念としては正しくとも、それを支える評価方法や教員研修が伴わなければ、現場では実装されにくい。
つまり、AIリテラシー教育の主戦場は、技術と倫理のどちらを教えるかではない。子どもをAI社会の利用者として育てるのか、それともAI社会を判断できる市民として育てるのか、という定義の主導権をめぐる争いである。
市民性を掲げるだけでは、まだ足りない
ここまでは、レポートの問題意識を丁寧にたどれば届く地点である。ここから先は、レポートの外側へ一歩踏み出す。
市民性教育としてAIリテラシーを組み直す、という方向は重要である。だが、それだけではまだ足りない。なぜなら、AIは社会制度だけでなく、個人の内側にも入り込んでくるからだ。学び方、考え方、書き方、調べ方、判断の仕方。ここに市民性という枠組みだけを当てはめても、まだ外側の話にとどまってしまう。
本稿の見立てでは、ここで本当に欠けているのは、「何のためにAIを使うのか」という、使い方以前の問いである。AIをどう使うか、安全に使うにはどうするか、という問いは、この目的判断のあとに来るはずのものだ。ところが現在のAI教育論の多くは、目的をほとんど空白のまま、使い方の議論だけを進めている。
この空白は偶然の見落としではない。ヴェーバーが「目的合理性」と「価値合理性」を分けたように、手段の効率を最大化する思考と、その手段が何のためにあるのかを問う思考とは、まったく異なる作動をする。前者は測定でき、制度化しやすい。後者は測定しにくく、教員研修にも評価基準にも落としにくい。だからこそ、目的判断は放っておけば必ず後回しにされる。これは教育政策の失敗というより、近代的な合理化そのものが持つ傾向として捉えたほうが正確である。
目的が空白のままだと、AIリテラシーは必然的に、効率化、生産性、キャリア適応という方向に流れていく。市民性を掲げても、その土台に目的判断がなければ、結局は同じ場所に戻ってしまう。
成果物がよくなることと、能力が育つことは別のもの
目的判断の欠落は、抽象的な話にとどまらない。教育の現場に降ろすと、かなり具体的な問いになる。
AIは、成果物の品質をほぼ確実に高める。文章は整い、資料はきれいになり、調査は速くなる。だが教育の目的は、成果物の品質だけではない。読む力、書く力、考える力、調べる力、迷う力、修正する力、自分の言葉を持つ力。これらは、成果物を作る過程そのものの中で育つ。
たとえば作文の授業でAIを使う場合、問うべきは「使ってよいか悪いか」ではない。その課題で何を学ぶのかを、先に決める必要がある。構成を考える力を育てたいのか、自分の経験を言葉にする力を育てたいのか、表現の選択肢を広げたいのか。目的によって、AIに任せてよい範囲はまったく変わる。表現の言い換え候補を提示してもらうことと、最初の違和感を言葉にする作業までAIに委ねてしまうことは、似ているようでいて、学びに対する働きが正反対である。
だからここで必要な判断基準は、「成果物がよくなるか」ではなく、「能力形成が起きるか」に置き換えられなければならない。この転換自体は単純である。だが、既存の評価制度がすでに前者を軸に組まれている以上、実装には相応の困難が伴う。便利さと成長は、同じものではない。
“Chat is dead” が示す、もう一つの危うさ
この目的判断の欠落は、学校教育に閉じた話ではない。AIそのもののインターフェースの変化が、同じ危うさを別の角度から強めつつある。
最近、OpenAI社内の関係者が「チャットは終わった」と語ったと報じられた。ChatGPTを、質問に答える会話ツールから、予約や調査、コーディングや外部サービス連携までこなす実行型のエージェントへ変えていく、という文脈でのことだったとされる。この方向自体は自然だ。会話だけで終わるより、実際に何かを遂行してくれる方が便利であり、事業としても価値を作りやすい。
しかし、ここには見落としてはならない代償がある。チャットには、実は「遅さ」の価値があった。何度もやり取りをする。問いがずれる。話しながら考えが変わる。目的がまだ固まっていない段階を扱うには、この非効率さがむしろ向いていた。
一方、エージェント型のAIは、基本的に目的が与えられたあとの遂行に強い。予定を入れる、資料を作る、コードを書く。この移行がもたらす危うさは、エージェントそのものにあるのではない。目的を吟味する前に実行へ進んでしまう設計にある。問いを深める前にタスク化し、迷う前に候補を出し、考える前に最適化する。この流れが定着すれば、実行前に立ち止まり、目的を確かめるための時間そのものが、AIの外側へ追いやられていく。
“Chat is dead” という言葉の危うさは、会話形式が消えることそのものではない。実行の前に目的を確かめる時間が消えることにある。
提案という形で、人は動かされていく
さらに一歩進めると、より静かな構造が見えてくる。AIが人間を動かすようになるとき、それは命令という分かりやすい形では来ない。
次はこれをするとよいですよ。この返信を送りますか。この学習順序で進めましょう。この判断はリスクが高いです。表面上は、人間が選んでいる。しかし実際には、AIが選択肢を並べ、順序を決め、推奨し、デフォルトを設定している。
行動経済学が明らかにしてきたのは、人間の選択が、与えられた選択肢の並べ方に大きく依存するという事実である。最初に提示された選択肢が採用されやすいという効果、推奨と表示されるだけで判断が寄ってしまう効果。これらは、AIが命令によってではなく提案によって人間の行動を組み替えうることを示している。エージェント型AIの浸透とは、単なる自動化の進展ではない。目的設定の主導権が、利用者本人からシステム側へと徐々に移行していく過程として理解したほうが正確である。
この誘導の核心は、答えを出すことではない。問いを立てること、選択肢を並べること、順序を決めることにある。だからこそ、これからのリテラシーに必要なのは、プロンプトを書く力だけではない。自分がプロンプトされていることに気づく力である。
AIに使われない力、そしてその限界
ここまでの議論を一つに束ねるなら、AIリテラシーの中心に置くべきなのは、AIを使う力ではなく、AIに使われない力だということになる。
ただし、この表現はそのままでは強すぎる。AIに使われないとは、AIを拒絶することではない。AIが提示する選択肢、順序、推奨、評価基準をそのまま受け取らず、自分の目的に照らして使う範囲を決められることである。何のためにこれをするのか、どこまでをAIに任せ、どこからを自分で引き受けるのか。この問いを、実行の前に持てるかどうかが分かれ目になる。
とはいえ、この力を子ども一人ひとりの心構えの問題として片づけてしまうと、別の危うさが生まれる。AIに使われない力は、個人の努力だけでは成立しない。学校がどのAI教材を採用するか、企業提供教材をどう審査するか、学習データを誰が管理するか、AIの推薦や採点に異議を申し立てる権利があるか。こうした制度がなければ、資源のある学校は批判的にAIを使いこなし、資源の乏しい学校は無料ツールと企業教材にそのまま依存する、という格差が静かに固定されてしまう。
Royal Societyレポートが「すべての子どもに」「企業の影響を制御せよ」と提言していたのは、おそらくこの先まで見越したものだったのだろう。個人の目的判断力と、それを支える制度設計は、切り離せない一対のものである。
ポイント整理
技術理解の偏り
Royal Societyレポートは、二十のAIリテラシー枠組みの多くが技術的理解に偏り、人権・民主主義・環境影響などの人間的次元を軽視していると指摘している。
定義の主導権争い
AIリテラシーの中身は、誰が定義するかで性格を変える。企業主導なら利用スキル、政策研究主導なら市民性へと寄る。この主導権をめぐる争いが、教育現場の実装を左右している。
目的判断の欠落
「何のためにAIを使うのか」という使い方以前の問いが空白のままだと、AIリテラシーは必然的に効率化・生産性・キャリア適応の教育に流れていく。
成果物と能力形成の区別
AIは成果物の品質を高めやすいが、教育の目的は品質そのものではなく、過程で育つ能力にある。判断基準を「成果物がよくなるか」から「能力形成が起きるか」へ置き換える必要がある。
反省的インターフェースと遂行的インターフェース
チャットには、目的が固まる前の時間を扱える価値があった。エージェント型AIへの移行は、目的を吟味する前に実行へ進んでしまう危うさを伴う。
AIによる誘導のメカニズム
AIは命令ではなく、選択肢の並べ方や推奨、デフォルト設定という形で人間の行動を組み替える。この誘導に気づく力が、これからのリテラシーの核になる。
制度による下支え
AIに使われない力を個人の心構えだけに委ねると、教材へのアクセス格差がそのまま目的判断力の格差になる。教材の独立評価や異議申し立ての権利といった制度設計が同時に必要である。
キーワード解説
【AIリテラシー】
AIを操作・利用する技術的スキルにとどまらず、AIが社会や個人にもたらす影響を理解し、批判的に判断する能力を指す概念。定義の主体によって、利用スキル寄りにも市民性寄りにも性格を変える。
【目的合理性と価値合理性】
マックス・ヴェーバーが社会的行為を分類する際に用いた区分。目的合理性は与えられた目的を達成するための手段の効率を問う思考であり、価値合理性はその目的や価値そのものの妥当性を問う思考を指す。前者は測定・制度化しやすく、後者は後回しにされやすい。
【デフォルト効果】
最初に提示された選択肢や、あらかじめ設定された選択肢がそのまま採用されやすいという、行動経済学で確認されている傾向。AIによる推薦やおすすめ表示も、この効果を通じて人間の判断に影響を与える。