コンピューターサイエンス教育者を対象にした国際調査で、多くの教員が生成AIコーディングツールへの対応として、すでに教育方法と評価方法の両方を変更していることが分かった。この調査はACMのタスクフォースが実施したもので、49か国の700人超の教育者が参加し、69 percentがAIによってソフトウェア開発に必要な技能が変化したと考えていることが示された。

調査結果は、ゼロからコードを書くことに重点を置く従来型のプログラミング課題からの大きな転換を示している。教育者は代わりに、コード読解、デバッグ、問題解決、口頭試問、コードディフェンス、プロジェクトベースの作業をより重視している。同時に、回答者のほぼ半数は、AIを授業に組み込むための実証済みの事例が不足していると述べた。

ChatGPTやGitHub CopilotのようなAIコーディング支援ツールは、入門科目で使われる典型的なプログラミング課題の多くを完了でき、平均的な学生と同程度の成績を収めることも多い。これは、学生が動作するコードを自力で作成し説明できるかを測るために、従来そうした課題を用いてきた科目にとって実務上の課題となる。今回の新たな研究は、世界のコンピューターサイエンス教育者がこの課題にどのように対応しているかをより広い視点で示している。研究は、国際的な計算機学会ACMの教育委員会が設置した専門家グループである「ACM Task Force on Generative AI and Programming Assessment」によって実施された。

タスクフォースは、2025年5月から10月にかけて49か国の教育者763人を調査した。分析には、約500件のほぼ完全な質問票が含まれた。結果によると、回答者の69 percentが、AIによってソフトウェア開発に必要な技能が変化したと答えた。教育者の最大の懸念は、学生のテクノロジーへの依存の高まりで、87 percentが挙げた。次いで、カンニングと剽窃が72 percentだった。

教育の重点はコードを書くことから理解することへ移行

回答者の64 percentは、すでに教え方を変えたと述べた。自由記述回答のテーマ分析では、一貫した方向性が示された。ゼロからコードを書くことへの重点を減らし、コードを理解すること、エラーを見つけ修正すること、問題を解くことへ重点を移している。39件の回答では、AIの利用とプロンプトエンジニアリングも明示的な教育テーマとして挙げられた。他の教員は、AIツールで何ができるのか、またどこに限界が残るのかを示すために、授業内でAIツールを実演していると報告した。

「学生が就職する頃には、AIツールを使って開発する可能性が高いことは分かっています」と、Ohio State Universityの教授で報告書の筆頭著者であるSteven Gordon氏は述べた。「重要なのは、プログラミング能力を備え、AIの能力と限界の両方を理解している卒業生を育てることです。」

口頭試問とプロジェクトベースの評価が広がる

評価方法はさらに急速に変化している。回答者の68 percentは、学生の試験方法を変更したと述べた。最も多く挙げられた変更は、監督付き対面試験の増加で56件、宿題の配点比率の引き下げが38件、口頭試問とコードディフェンスが36件、紙ベースの試験が35件だった。プロジェクトベースの評価も34件挙げられた。

一部の教育者は、学生にAIツールを使ったかどうか、またどのように使ったかを開示させ、場合によってはそれらのツールとのやり取りのログを提出させている。こうした変更は、学生自身の理解と、ソフトウェアによって作成された、または大きく支援された成果物とを区別しようとする取り組みの拡大を反映している。

大学などの機関レベルの方針はなおばらつきがある。回答者の45 percentは所属機関にAI利用に関するガイドラインがあると答えた一方、39 percentはないと答えた。既存の方針は、全面禁止から、学生がAI利用を記録することを条件に明示的に許可または奨励するものまで幅がある。教員にとって、この不均一な方針環境は、機関がAI利用をどのように管理すべきかをまだ決めている間にも、授業レベルの評価方法の変更が進んでいることを意味する。

教育者はベストプラクティス事例の不足を指摘

AI統合の最も一般的な障壁として回答者の48 percentが挙げたのは、実証済みのベストプラクティスがないことだった。28 percentはAIに関する十分な専門知識がないと答え、20 percentはAIを教育に組み込む必要性を感じていないと答えた。

回答者は、専門能力開発の必要性も指摘した。74 percentは効果的な教授法に関する研修を望み、66 percentは評価方法の再設計に関する支援を望んでいると述べた。タスクフォースのリソースサイトは実践的な事例を集めることでこの不足に対応しているが、調査結果は、多くの教育者が自分の授業に適用できる検証済みのモデルをなお探していることを示している。

研究の著者らは、いくつかの限界も指摘した。参加者は主にACMとSIGCSEのメーリングリスト、および一部の国別教育者ディレクトリを通じて募集された。回答者は北米が227人、欧州が106人と大きく偏っていた。アジアは57人、南米は10人、オセアニアは9人、アフリカは3人だった。所属機関の種類を報告した回答者のうち、77 percentは大学に勤務しており、K-12の学校や職業教育プログラムはわずかしか含まれていなかった。調査結果は自己申告データにも基づいている。

ACMの研究はオンラインで無料公開されている。タスクフォースは、教育者向けの実践例とリソースを掲載したウェブサイトも作成した。

最近の研究は成績向上と学習成果の低下を示唆

最近の複数の研究は、回答者が示した懸念と一致している。Anthropicの研究では、新しいPythonライブラリを学ぶ際にAIの支援を使ったソフトウェア開発者は、AIにアクセスできなかった対照群よりも、後続の知識テストで17 percent低い得点だった。コーディングを完全にAIへ委任した参加者の少数グループは、最も速くタスクを完了したが、知識テストの平均点は39 percentにとどまった。

同様の結果は、コンピューターサイエンス以外でも見られる。26,000人超の学生を追跡した中国の縦断研究では、AIの利用によって宿題の成績が18 percent上昇し、完了時間が30 percent短縮された。しかし6か月後、持ち込み不可の試験の得点は20 percent低下した。その後の入学試験では、試験に応じて得点が18 percentおよび24 percent低下した。

UC Berkeleyが500,000件超の成績を分析したところ、ChatGPTの公開後に最高評価が急増し、特に文章作成やプログラミング課題の比重が大きい科目で顕著だった。この増加は、監督なしの宿題が最終成績に大きな比重を占める科目で最も目立った。ACMの報告書によれば、それは多くの教育者が現在、重要度を下げている評価カテゴリーと同じである。