ChatGPTと批判的思考演習の併用で学生の成果が最大化、OpenAIとボッコーニ大が共同実験結果を発表
要点
- OpenAIと伊ボッコーニ大学は、学部生1,000人以上を対象にしたChatGPTと批判的思考演習の実験結果を公開した。
- ChatGPTの利用はレポートの論理構成を高め、5段階評価のスコアを約1ポイント引き上げた。
- 因果推論（原因と結果を結びつける思考）の演習は、既存の評価基準には表れにくい独自のアイデア創出を促した。
- 両方を受けた学生グループが、アイデアの多様性と回答の質の双方で最も包括的な成果を記録した。
- 研究チームは、AI普及に伴い成果物の体裁だけでなく独自性や推論プロセスを測る評価基準の必要性を提起した。
リード文
米OpenAIの研究部門（OpenAI Economic Research）とイタリアのボッコーニ大学は2026年8月27日、学部生1,000人以上を対象に実施した生成AIの教育効果に関する実験結果を発表した。ChatGPTの利用と批判的思考力の一種である「因果推論」の演習を組み合わせることで、提出物の論理的一貫性とアイデアの独自性が相互に補完され、最も優れた成果が得られることが明らかになったという。
1,000人規模の実践的な比較実験
実験では、ボッコーニ大学の学部1年生1,000人以上が大学公式グッズストアのマーケティング戦略立案という実践的なビジネス課題に取り組んだ。学生は以下の4グループに無作為に割り当てられた。
- ChatGPT（GPT-4o）の利用権のみが付与されたグループ
- 因果推論トレーニングのみを受講したグループ
- ChatGPTの利用とトレーニングの双方を受けたグループ
- いずれも提供されなかった対照群
因果推論トレーニングはAIとは無関係の内容で構成され、ゲームや事例、質疑応答を通じて「原因と結果の関連付け」や「施策の成否の理由」を学ぶ形式で行われた。
ルーブリック採点とテキスト解析による多角評価
課題の評価には、訓練を受けた採点者による5段階のルーブリック（学習到達度を測るための評価基準表）が用いられ、ストアの認知度向上と利用促進という2つの目標への適合度が審査された。
これに加え、研究チームは自動テキスト解析ツールを導入し、アイデアの総数や多様性、因果推論の痕跡、専門家3名が作成した回答との類似度を客観的に測定した。
ChatGPTが促した「専門家水準の論理構成」
ChatGPTを利用したグループは、5段階評価で非利用グループより約1ポイント高いスコアを獲得した。アイデアの数が多く、論理展開が明快で、専門家の提言に近い仕上がりとなったという。
AIが初心者の専門知識不足を補い、プロに近い成果物の作成を支援した格好だ。なお、学生はAIに作業を丸投げしたわけではなく、プロンプト設計や生成結果の吟味、提出内容の取捨選択を自ら行っていたと報告されている。
思考演習がもたらした「アイデアの独自性」
因果推論トレーニングのみを受けたグループは、施策の成功・失敗の要因を明確に説明できたものの、ルーブリック採点のスコア自体は向上しなかった。
しかしテキスト解析により、このグループは他者と重複しない独自のアイデアを幅広く生み出していたことが判明した。従来の採点基準は整然とした回答を評価しやすく、誰とも被らない独創的な着想をスコアとして捉えきれなかったことが背景にあるという。
両者の併用による相乗効果
最も顕著な成果を上げたのは、ChatGPTの利用と因果推論トレーニングの双方を組み合わせたグループだった。
このグループは、演習単独群と同等のアイデアの多様性を保ちつつ、ChatGPT単独群と同等の高いスコアとアイデア数を達成した。論理的一貫性に加え、前提を疑い根拠を探る姿勢が強く表れ、全指標で最も包括的な伸びを示したという。AIによる「回答の洗練」と思考訓練による「発想の拡張」が相乗効果を生んだ形だ。
教育現場における評価基準の再考
研究チームは、今回の結果が教育現場の評価方法に転換を促すものだと述べている。
AIにより誰もが見栄えの良い回答を作成できるようになった現在、成果物の体裁だけでは学生の真の理解度を測ることが難しくなりつつある。今後は表面的な完成度だけでなく、独自性や多角的なアプローチ、推論プロセスそのものを正当に評価する枠組みが求められていると結論づけている。