【開催レポート】第20回 AI共育ラボ AIリテラシー部(第4回)AI時代の「学び」を、どう評価する?~ルーブリックとメタ認知から考える、これからの学習評価~

AI共育ラボ リテラシー部第4回 1019

10月19日、AI共育ラボ AIリテラシー部では、練馬区立大泉中学校の山本康太先生をお迎えし、「AI時代の「学び」を、どう評価する?」をテーマに、ルーブリックとメタ認知を切り口として、これからの学習評価について考えました。

生成AIによって、これまで以上に完成度の高いレポートや成果物を生み出せるようになった今、私たちは「学び」をどのように評価していけばよいのでしょうか。

今回のAI共育ラボでは、大泉中学校の山本康太先生をお迎えし、ルーブリックやメタ認知レポートを活用した、これからの学習評価についてお話しいただきました。

学習評価の基本的な考え方から、ルーブリックの設計や生成AIを使った作成方法、さらにAIの活用を前提とした評価の再設計まで、話題は盛りだくさん。実際に参加者が生成AIを使ってルーブリックを作成する時間もあり、考え方だけでなく、現場での活用をイメージしながら学ぶ機会となりました。

質疑応答では、子どもたちの振り返りを授業改善にどう生かすか、不正を防ぎながら学びにつなげる課題設計、思考を言葉にすることが苦手な子どもへの支援など、参加者の先生方からもさまざまな視点が寄せられました。

「何を評価するのか」だけでなく、「学びが深まる過程をどう支え、どう捉えるのか」。AI時代の学習評価について、多角的に考えた当日の様子をお届けします。


今回の会で考えたこと

01|AI時代、評価の視点を「成果物」だけでなく「学びの過程」へ

生成AIによって完成度の高い成果物をつくりやすくなった今、成果物だけで学習者の理解や成長を捉えることはできるのでしょうか。学習者が何を考え、どう判断し、どのように理解を深めていったのか。評価のあり方を改めて考えました。

02|ルーブリックやメタ認知レポートで、学びを見える形にする

ルーブリックを活用した評価の設計や、AIとのやり取り・判断・振り返りを記録するメタ認知レポートなど、学習者自身の思考や変化を捉えるための具体的な方法を学びました。生成AIを活用したルーブリックづくりの可能性にも触れました。

03|評価を見直すことは、これからの「学び」を考えること

AIの利用を検出することにとどまらず、AIの活用を前提に学習や評価を設計していく。そのためには、何を学力として大切にするのか、学習者の成長をどう捉えるのか、そして一人ひとりの学びをどう支えていくのか。評価を通して、これからの教育や教師の役割についても考える時間となりました。


学習評価は何のために行うのか? 3つの視点から考える

山本先生のお話は、まず「そもそも学習評価は何のために行うのか」という問いから始まりました。

学習評価というと、通知表の評定や入試のための点数を思い浮かべることもありますが、評価にはそれだけではない役割があります。

今回紹介されたのは、次の3つのアプローチです。

  • 学習の評価(Assessment of Learning):単元末や学期末などに、学習の成果や目標の達成状況を確認する評価
  • 学習のための評価(Assessment for Learning):学習の途中で理解度やつまずきを把握し、その後の指導や授業改善につなげる評価
  • 学習としての評価(Assessment as Learning):学習者自身が目標や基準に照らし合わせて、自分の学びを振り返り、調整していく評価

特に、今回のテーマにもつながるのが「学習としての評価」です。

評価の主役は教師だけではなく、学習者自身にも広がっていきます。自分の目標と現在の状況を照らし合わせ、何ができていて、次に何を改善すればよいのかを考える。そのプロセスそのものが、学びにつながっていきます。

また、評価には、学習前に既習の知識や理解度を把握する「診断的評価」、学習途中に状況を確認する「形成的評価」、学習後に目標の達成状況を確認する「総括的評価」があります。

何を、いつ、どのような目的で評価するのか。評価の役割を整理することで、授業の中で評価をどう生かしていくかを考える出発点が共有されました。

「信頼性」と「妥当性」から考える、評価方法の選び方

続いて、評価方法を考えるうえで大切な「信頼性」と「妥当性」について紹介されました。

信頼性とは、評価する人や時期が変わっても、判断に大きなばらつきが生じないこと。例えば、同じレポートを複数の先生が採点したときに、結果が大きく異ならないかという観点です。

一方、妥当性とは、評価したい資質・能力を本当に評価できているかということです。

選択式のテストや一問一答は、答えが明確なため信頼性を確保しやすい一方、思考力や探究力などを十分に捉えられるとは限りません。そうした力を評価するには、レポートやプレゼンテーション、プロジェクトなどのパフォーマンス課題も必要になります。

ただし、パフォーマンス課題は評価者の主観が入りやすいという面もあります。そこで、評価基準を明確にしたルーブリックを活用したり、生徒の代表的な作品を「アンカー作品」として教員間で共有・協議したりすることで、信頼性と妥当性の両立を目指せるというお話がありました。

評価方法を一つに限定するのではなく、育てたい力に応じて使い分けること。その視点が、次に紹介されたルーブリックの話へとつながっていきました。

ルーブリックとは? 評価の観点と達成度を具体的にする

ルーブリックとは、評価の成功度合いを示す段階的な尺度と、それぞれの段階に対応するパフォーマンスの特徴を記述した評価基準の表です。

山本先生からは、ルーブリックを作成する際に混同されやすい「評価規準」と「評価基準」の違いについても説明がありました。

  • 評価規準:何を評価するのかという観点や側面
  • 評価基準:その観点について、どの程度できていれば各段階に当たるのかを示す具体的な目安

例えば、社会科のレポートで「複数の資料を根拠に自分の考えを説明している」という観点を設けた場合、評価基準では、その内容がどのように表現されていればA・B・Cに当たるのかを具体的に示します。

3段階で作成する場合、まず「B」をおおむね満足できる到達目標として設定し、「A」にはBよりも質的に高い姿、「C」にはBに達していない状態を記述します。

ここで大切なのが、「とてもよく」「十分に」「少し」といった曖昧な程度を表す言葉だけで段階を分けないことです。

例えば「十分に説明している」と書くだけでは、評価する人によって受け止め方が異なる可能性があります。実際の生徒の記述や行動を見て判断できるように、どのような資料を使い、どのように考えを説明しているのかなど、具体的な姿を言葉にすることが、ルーブリックの質を高めるポイントとして紹介されました。

ルーブリックはレポートだけではない。さまざまな学習活動に活用できる

ルーブリックというと、レポートを採点するための表というイメージがあるかもしれません。しかし、山本先生からは、さまざまな学習活動に応じた活用方法も紹介されました。

例えば、作品やレポートの評価では、構成力や表現技法、調査計画、事実と意見の書き分け、引用・出典の明記などを観点にできます。また、作品評価では、基礎的な技法だけでなく、作者の個性や独自性を評価することも大切な視点として挙げられました。

実演やパフォーマンス、プロジェクトの評価では、スピーチや音楽、ダンスなどの表現に加え、グループ活動におけるチームワークや協同性、企画・実践力なども評価の観点になります。

さらに、ルーブリックは誰が使うかによっても発展させることができます。

まずは教師が採点や指導のために使うところから始め、子どもにも分かりやすい言葉に置き換えて自己評価や相互評価に活用する。そして、単元の導入時に子どもたちと話し合いながら評価基準を一緒に考える方法もあります。

評価するための表としてだけでなく、子ども自身が目指す姿を理解し、自分の学びを調整するための道具にもなる。ルーブリックの活用の幅が広がるお話でした。

子どもの成長につながるフィードバックとは?

ルーブリックの価値を考えるうえで、山本先生が紹介されたのがフィードバックに関する研究です。

点数や成績だけを返す場合、成績上位の一部の生徒の意欲は高まる一方で、多くの生徒にとっては学習意欲を下げてしまうことがあると紹介されました。

また、「偉いね」「もっと頑張れ」といった人格への称賛や、具体的な改善点が分からない指示だけでは、次に何をすればよいのかが伝わりにくいという課題もあります。

では、どのようなフィードバックが学びにつながるのでしょうか。

例えば、文章に対して「導入部は読者を引き込む展開になっている一方で、中盤は説明的になり、緊張感が途切れている」と具体的に伝えたり、「読者を惹きつけるために、中盤の描写をどう書き直せるだろう?」と改善につながる問いを投げかけたりする方法です。

良かった点だけでなく、どこをどう改善できるのかを具体的に伝えることで、学習者自身が次の行動を考えやすくなります。

ルーブリックは、評価の基準を明確にするだけでなく、一人ひとりに建設的なフィードバックを届けるための手がかりにもなることが紹介されました。

生成AIを使ってルーブリックを作成してみよう!

ルーブリックの重要性が分かっても、実際に一から作成するには時間がかかります。

そこで山本先生からは、ChatGPTやGeminiなどの生成AIを活用して、ルーブリックのたたき台を作成する方法が紹介されました。

AIに「理科の実験レポートのルーブリックを作って」とだけ指示しても、学年や単元、学習目標などが分からないため、抽象的で使いにくい内容になることがあります。

そこで、プロンプトを作成する際には、次の3つのポイントを意識します。

1.役割・単元・学習指導要領などを指定する

「あなたは日本の中学校の理科教員です」「単元は中和反応です」といった役割や単元を具体的に伝えます。必要に応じて、学習指導要領や関連資料を読み込ませることで、学校教育の目標に沿った内容に近づけることができます。

2.評価の観点と段階を指定する

思考・判断・表現など、評価したい観点を具体的に設定します。また、A・B・Cの3段階にするのか、S・A・B・Cの4段階にするのかなど、評価の尺度や表の形式も指定します。

3.曖昧な程度表現を避け、具体的な行動記述を求める

「十分に」「少し」といった程度を表す言葉だけで差をつけるのではなく、生徒の記述や行動から判断できる具体的な表現にするよう指示します。

こうした情報を盛り込むことで、短時間でルーブリックのたたき台を作成できます。

さらに、最初の出力をそのまま使うのではなく、AIとの対話を重ねながら、目の前の生徒の実態に合わせてブラッシュアップしていくこともポイントです。

例えば、評価の観点を追加したり、基準の難易度を調整したり、各段階に当たる生徒の記述例を作成したりすることもできます。

今回の会では、実際に参加者も手元の生成AIを使ってルーブリックを作成しました。同じプロンプトを使っても、それぞれ異なる出力が生まれることを体験しながら、自分の教科や校種に合わせて活用するイメージを膨らませました。

AIにすべてを任せるのではなく、先生自身が出力を確認し、対話しながら整えていく。ルーブリック作成の負担を軽減しつつ、授業や評価の設計に生かしていく方法が紹介されました。

AIの利用を検出するのではなく、AIの活用を前提に評価を設計する

後半では、生成AI時代における学習評価のあり方について、さらに踏み込んだお話がありました。

子どもたちが生成AIを使う機会が増えるなかで、教育現場では「レポートをAIに書かれてしまったらどうしよう」「AIを使ったかどうかをどう判断すればよいのか」といった悩みも生まれています。

その対応として、AIが書いた文章を検出するツールを使う方法も考えられます。しかし、AI検出ツールには精度の課題があり、人間が書いた文章をAI生成と判定したり、AIが生成した文章を見抜けなかったりすることがあります。

山本先生は、検出ツールだけを判断の根拠にすることの難しさや、誤判定によって教師と生徒の信頼関係に影響が及ぶ可能性についても紹介しました。

そのうえで示されたのが、AIの利用を検出することに重点を置くのではなく、AIを使うことを前提として、課題や評価の仕組みそのものを見直していくという考え方です。

これまでのように、最後に提出された完成品だけを評価するのではなく、課題に取り組む過程にも目を向けていきます。

例えば、どのような問いを立てたのか、AIにどのような指示を出したのか、返ってきた回答をどう受け止め、どのように比較・検証・修正したのか。そうした思考や判断の過程を評価に取り入れる方法です。

また、AIを使ったことを隠すのではなく、どのように活用し、どのように改善したのかを開示することが、学びの過程を伝えることにつながるという視点も紹介されました。

思考と改善の過程を見える形にする「メタ認知レポート」

こうした評価の考え方を具体的な形にしたものとして紹介されたのが、「メタ認知レポート」です。

メタ認知レポートとは、最終的な成果物だけでなく、学習者が生成AIをどのように活用し、AIの出力をどう吟味しながら、自分の考えや成果物を改善していったのか、その過程も言語化して提出する学習評価のモデルです。

山本先生からは、メタ認知レポートを構成する観点として、次の6つが紹介されました。

  1. 課題の目的と成功条件:何を目指して取り組むのか、どのような状態を目標とするのか
  2. プロンプトの改善履歴:最初の指示から、どのようにプロンプトを変更していったのか
  3. AIの出力に対する批判的な吟味:AIの回答の正確性や根拠をどのように確認したのか
  4. 代替案や反証の試行:別の考え方や反対意見を出すなど、どのような試行錯誤を行ったのか
  5. 改善前後の比較:同じ評価観点に沿って、改善前と改善後で何が変わったのか
  6. 次回に向けた改善計画:今回の学びを次の取り組みにどう生かすのか

さらに、AIと人間がそれぞれどの部分を担ったのかを示したり、AIとの対話履歴や参照した資料を添えたり、提出後に自分の言葉で改善の過程を説明したりする方法も考えられます。

ここで大切なのは、AIを使ったかどうかだけを見るのではなく、学習者がAIの出力をどのように受け止め、自分の考えをどう深めていったのかを捉えることです。

メタ認知レポートの実践例

山本先生からは、大学の教員養成課程の学生が取り組んだ事例も紹介されました。

この学生は、高校の歴史探究で使うレポート評価用のルーブリックを、生成AIを活用しながら作成・改善しました。

最初にAIが出した3つの評価観点について、学生は「表現が抽象的で、歴史探究で大切な独自の問いの設定や資料の批判的読解が欠けている」と指摘しました。

その後、学習指導要領の資料をAIに読み込ませ、学年や文字数などの条件を追加。評価観点も4つに増やし、段階的に内容を改善していきました。

最終的には、具体例を2つ以上示して因果関係を説明するといった、行動が分かる記述を含むルーブリックが完成。さらに、高校生自身も使えるように、分かりやすい言葉に置き換えた自己評価用のルーブリックも作成しました。

この事例からは、生成AIを単に答えを出してもらうための道具としてではなく、自分の考えや評価基準を磨くための対話相手として活用する姿が見えてきます。

学習者に合わせた「足場かけ」で、振り返りを支える

一方で、メタ認知レポートのように自分の思考や判断を言語化することは、誰にとっても簡単なことではありません。

そこで山本先生からは、学習者が振り返りに取り組みやすくするための「足場かけ」についても紹介されました。

例えば、目的・評価・仮説・比較・次回の計画といった項目を穴埋め式のフレームにしておくことで、何を書けばよいのかが分かりやすくなります。

また、小中学校での活用例として、生成AIを対話のパートナーとして使い、子どもたちの考えを深める方法も紹介されました。

例えば、AIと対話しながら予想される反論や課題について考えたあと、振り返りカードに次の3つを記録します。

  • 最初の自分の考え
  • AIの反論によって気づいたこと
  • 友達の意見を見て生まれた新しいアイデア

こうした記録を通して、学習者の考えがどのように変化したのかを見える形にできます。

生成AIとの対話だけでなく、友達との意見交換も組み合わせることで、自分一人では気づかなかった視点に触れる機会にもなります。

もちろん、著作権や教育用アカウントの利用ルール、自治体のセキュリティポリシーなどを踏まえながら活用することも大切です。

子どもたちの発達段階や実態に合わせて、振り返りの方法や評価の観点を調整していく。学習者が自分の思考を振り返り、次の学びにつなげられるように支える工夫が紹介されました。

質疑応答:先生方の実践や悩みから、さらに考える

山本先生のお話の後には、参加者の先生方から質問やコメントが寄せられました。

振り返りや子どもの声は、授業改善にどうつながる?

生成AIのパイロット校で、ルーブリックと振り返りを大切にしているという先生からは、振り返りを通して子どもたちの生の声が聞けることや、その声を授業の改善に生かしていることが紹介されました。

そのうえで、ルーブリックや振り返り、子どもたちの声が、教員自身にどのような影響を与えるのかという質問がありました。

山本先生は、現在は教職大学院で理論的な内容を整理している段階であり、今後の授業実践を通して得られる声やデータにも期待していると回答しました。

今回紹介された考え方を、実際の授業の中でどのように生かしていくのか。今後の実践を通して考えていきたいテーマとして共有されました。

課題に取り組むことが難しい子どもを、どう支える?

続いて、課題の不正や生成AIの利用について、大学での事例や研究を踏まえた質問がありました。

課題で求められていることが分からなかったり、複数の条件を整理することが難しかったりするために、結果として不正に頼ってしまう学生もいるのではないか。課題そのものの設計や、学習者への支援を見直すことで、学びにつなげられないかという問題提起です。

山本先生からは、学習者の実態に応じて評価項目を絞ったり、フィードバックを点数やスタンプだけで終わらせず、良かった点や改善点を具体的に伝えたりする方法が挙げられました。

例えば、メタ認知レポートの評価項目を最初から多く設定するのではなく、目の前の学習者に合わせて1つ、2つに絞ることも考えられます。

一律の基準を当てはめるのではなく、学習者が課題に取り組めるように支えながら、次の学びにつながるフィードバックを届けること。その大切さを改めて考えるやり取りとなりました。

思考を言葉にすることが苦手な子どもには?

最後に、思考や感情を言葉にすることが苦手な子どもへの支援についても質問がありました。

振り返りの文章が上手な子どもと、そうでない子どもを同じように評価してよいのか。文章を書く力の差によって、メタ認知の評価に差が生まれてしまわないようにするには、どのような工夫ができるのでしょうか。

山本先生からは、振り返りの文章そのものの良し悪しだけで判断するのではなく、AIとのやり取りや、AIの回答に対してどう考えたのかといった部分を見取る方法が紹介されました。

また、生成AIを振り返りの伴走相手として活用し、子どもが振り返りを書くことを支援する方法も考えられます。評価する観点を簡単にするなど、文章を書くことへの負担を下げる工夫も挙げられました。

さらに山本先生からは、成功事例だけでなく、うまくいかなかった実践を共有する機会があってもよいのではないか、という提案もありました。

それぞれの現場で試したことや、思うような結果につながらなかったことも共有することで、次の実践につながるヒントが生まれるかもしれません。

岩井先生のまとめ:評価を考えることは、学びそのものを考えること

最後に、岩井先生から、今回の山本先生のお話を振り返りながら、学習評価についての感想や今後に向けた視点が共有されました。

生成AIの利用を検出することに重点を置くのではなく、AIの活用を前提として、学習や評価そのものを設計・見直していくこと。そのうえで、ルーブリックやメタ認知レポートを活用しながら、学習の成果だけでなく、「学びが成立する過程」をどのように捉えるかが大切になるのではないか、というお話がありました。

生成AIを使えば、完成度の高い成果物を比較的容易につくれるようになります。しかし、成果物の完成度が高いことと、学習者自身の理解が深まったり、新たな力や資質・能力が身についたりすることは、必ずしも一致しません。

一方で、プロンプトの履歴や思考の過程だけを評価すればよいというわけでもありません。学習者が何を考え、どのように判断し、学習を通して理解がどう変化したのか。そうした姿が見える評価を考えていくことが重要だと、改めて共有されました。

また、山本先生のお話にあった「足場かけ」や、振り返りを次の学びにつなげる工夫についても触れられました。

「なぜAIを使おうと思ったのか」「使いながら、どのような判断をしたのか」といった問いは、学習者が自分の学びを振り返り、次の学び方を考えることにもつながります。こうした評価は、自己調整や主体性の育ちを捉えることにも関わってきます。

岩井先生は、こうした取り組みは、単に評価方法や採点基準を変えるだけの話ではないとも指摘しました。

何を学力として大切にするのか、学習者の成長をどう捉えるのか。そして、発達段階に応じて、AIを含むさまざまな支援や学習環境をどのように考えていくのか。

評価を考えることは、学びそのものを見つめ直すことにもつながります。

最後には、山本先生の今後の実践や、そこから見えてくる成果への期待も寄せられました。

おわりに

今回のAI共育ラボでは、学習評価の基本的な考え方から、ルーブリックの具体的な設計方法、生成AIを活用した作成体験、そしてメタ認知レポートによる学びの過程の可視化まで、幅広いテーマについて考えました。

生成AIの登場によって、これまで当たり前だと思っていた評価の方法を、そのまま続けていくことが難しくなっている場面もあります。

だからこそ、AIを使ったかどうかだけに目を向けるのではなく、子どもたちが何を考え、どのように判断し、どんな変化や成長を遂げているのか。その姿を捉え、次の学びにつなげていく視点が大切になっていくのかもしれません。

山本先生から最後に共有されたのは、生成AIをルーブリック作成などに活用することで、先生方自身にも時間や心のゆとりを生み出し、そのゆとりを丁寧なフィードバックや授業改善につなげていけたら、という思いでした。

AI時代の評価は、単に採点の方法を変えることではなく、子どもたちの学びや成長をどう支えていくかを考えることでもあります。

今回の学びや対話が、それぞれの現場での実践を考えるきっかけになればと思います。

山本先生、岩井先生そしてご参加いただいた皆さま、ありがとうございました。


<参考文献>

  • 石井英真(2015)『今求められる学力と学びとは―コンピテンシー・ベースのカリキュラムの光と影―』日本標準.
  • G. ウィギンズ・J. マクタイ著、西岡加名恵訳(2012)『理解をもたらすカリキュラム設計「逆向き設計」の理論と方法』日本標準.
  • 田中博之(2017)『実践事例でわかる!アクティブ・ラーニングの学習評価』学陽書房.
  • 田中博之(2026)「生成AI の適切な活用を促すメタ認知レポートの評価モデル開発―プロンプトとAI 回答の改善過程の言語化を通して―」『学術研究』第74号, pp.241-268.

開催概要

  • イベント名:AI共育ラボ AIリテラシー部 第4回
  • テーマ:AI時代の『学び』を、どう評価する?
  • 開催日:2026年10月19日(月)20:00~21:00
  • 開催形式:オンライン
  • ゲスト:山本 康太 先生(練馬区立大泉中学校)
  • ファシリテーター:岩井 祐一 先生(仙台大学 体育学部 健康福祉学科)

■ 本イベントに関するお問合せは、下記までお気軽にお問い合わせください。

株式会社みんがく
E-mail:info@mingaku.net
TEL:03-4335-3965