Teach-to-AI搭載「探究メッシュAI」が目指す新たな探究学習
探究学習で重視されるのは、生成AIから答えを得ることだけではなく、生徒が問いを立て、説明や反論を通じて自分の考えを更新していく過程です。株式会社トリガーと笹埜健斗研究室は、「Teach-to-AIモデル」を組み込んだ「探究メッシュAI」の実証計画を発表しました。学びをどのようにつなぐ仕組みなのかを紹介します。
ARCHETYP Staffingでは現在クリエイターを募集しています。
エンジニア、デザイナー、ディレクター以外に、生成AI人材など幅広い職種を募集していますのでぜひチェックしてみてください！
AIから答えを得るのではなく、自分の考えをAIに教える
株式会社トリガーと笹埜健斗研究室は、学校向け生成AIサービス「AI-Bou」を拡張した「探究メッシュAI」の実証を、2026年度内に開始する予定です。中核となるのは、笹埜健斗研究室が提唱する「Teach-to-AIモデル」です。
一般的な生成AIの使い方では、利用者が質問を入力し、AIから回答を受け取ります。一方、探究学習では、生徒が自分で問いを立て、仮説を検証できる形に整え、証拠を集めながら考えを更新していく過程が重視されます。
Teach-to-AIモデルでは、生徒が自分の問い、仮説、調査方法、集めた証拠などをAIに説明します。
AIは説明を受け、曖昧な点や不足している前提、証拠が足りない部分、調査方法の弱点などを、質問や反論として返します。生徒は、その内容を手がかりに問いや調査の進め方を見直します。
AIから返された内容を採用するかどうかは、生徒自身が決めます。AIは答えを提示するだけでなく、生徒の説明に含まれる曖昧さや前提不足を示す役割を担います。自分の考えを言葉にし、反論を受け、証拠を見直す流れを支える点が、質問回答型のAI活用との違いです。
AIを回答を得るためだけに使うのではなく、自分の考えを整理し、見直すために活用する点が、このモデルの重要な特徴と考えられます。
個人で終わっていた探究を、学年や年度を越えてつなぐ
探究メッシュAIは、高校生が総合的な探究の時間や課題研究で取り組んだ探究を、同じ時期に学ぶ生徒や次年度の後輩へつなぐ仕組みも備えています。
高校の教育現場では、総合的な探究の時間や課題研究を通じて、生徒が地域・社会・自分自身の関心に基づくテーマに取り組む機会が広がっています。一方で、完成した成果物が個人やクラス、年度の中にとどまり、似たテーマを扱う生徒同士がつながりにくいことや、過年度の成果や失敗が後輩や次年度の探究へ引き継がれにくいことが課題となっています。
こうした課題に対応するため、生徒の提出物や振り返り、AIの添削結果、深掘りチャットの内容をもとに、探究の情報を「探究タグ／カード」として整理します。カードには、問い、仮説、対象、地域、調査方法、証拠、困っていること、次に行うこと、共有範囲などがまとめられます。また、探究を単なる提出物として保存するのではなく、検索・推薦・比較・継承に活用できる教育データとして蓄積します。
同じ時期に進んでいる探究を横につなぐ仕組みが「Space Link」です。AIは、似たテーマに取り組む生徒のほか、補い合える調査方法を使う生徒や、比較しやすい地域・対象を扱う生徒を複数の候補として提示します。生徒は、他者の探究を真似るのではなく、比較し、方法を組み合わせ、視点を広げるために参照します。
過年度の探究を縦につなぐ仕組みが「Time Link」です。過去の成果物をそのまま公開するのではなく、問い、方法、失敗、限界、未解決の課題などを要約したカードとして提示します。共有する内容や範囲は、本人の同意と学校の方針に基づいて決められます。
探究メッシュAIが目指すのは、完成した発表資料だけでなく、試した方法や行き詰まった点も次の学びへ引き継ぐことです。蓄積した情報は、若者の地域参画や大学・企業との連携、地域課題の継続的な可視化、次年度の探究テーマ設計に活用できる可能性があります。
教員の判断を残しながら、教育効果と安全性を検証する
探究学習では、生徒ごとに扱うテーマや調査方法が異なります。そのため、教員は専門外のテーマにも対応しながら、生徒の探究への伴走、添削、評価を行う必要があり、大きな負荷を感じることがあります。
探究メッシュAIは、教員に代わって判断するのではなく、事前の整理や候補提示を担い、教員が生徒の成長の見取りや問いの価値づけに集中できる仕組みを目指しています。
AIが担当するのは、提出内容の整理、関連する探究の候補提示、傾向分析、注意が必要な情報の検知などです。教員は、それらを参考にしながら、生徒がどのように考えを深めたか、問いにどのような価値があるか、高リスクな内容や外部との連携について確認・判断します。AIは下準備を支え、最終的な判断や価値づけは教員が担う設計です。
実証では、高校1・2年生の探究学習や課題研究を主な対象に、問いの明確度、仮説の検証可能性、証拠の多様性、改訂回数、他者参照数、過年度参照率などを確認します。あわせて、教員の準備や添削、検索にかかる時間、継続して運用できるかどうかも検証します。
安全性については、個人情報や、家庭・健康・いじめなどに関する慎重に扱うべき情報を検知し、必要に応じて教員が確認します。利用目的の限定、扱うデータの最小化、生徒・保護者への説明と同意、アクセス権限や保存期間の管理、ログ監査も実証に含まれます。
実証は2026年度内の開始が予定されており、株式会社トリガーと笹埜健斗研究室は、参加する高等学校を募集しています。実証期間中は、AI-Bouと探究メッシュAIの関連機能を無償で利用できます。
効果はまだ検証前の段階にあるため、今後、生徒の主体性を保てるか、教員の負担を抑えられるか、安全に運用できるかを確かめ、成果報告書、探究データモデル、運用ガイドライン、普及資料として整理する予定です。
生徒の主体性を保ちながら、教員の負担軽減と安全な運用を両立できるかが、実証で注目したいポイントです。
まとめ
いかがだったでしょうか？
探究メッシュAIは、生徒がAIに答えを求めるだけではなく、自分の問いや仮説を説明しながら考えを更新する仕組みです。
さらに、同じ時期の探究や過年度の失敗、未解決課題をつなぎ、学びを次の生徒や地域へ引き継ぐことを目指しています。
AIは情報整理や関連する探究の候補提示、リスク検知などを担い、教員は生徒の成長の見取りや問いの価値づけに集中します。
教育効果や安全性、教員の負担、生徒の主体性が実証でどのように検証されるのか、今後の結果が注目されます。