カテゴリー: 未分類

先に生成AIへの質問と回答を２つほど紹介したが（昔からの含めると多数になる）、その具体的回答の傾向から、回答の特質が明らかになっているように思う。

　生成AIと研究者の違いやその優劣を問うた先の質問に回答に、「生成AIは独自の観点を出せない、創造性に欠ける」という回答をしてきているが、これはこのように書かれている文献が多い（研究者がそのように考えている）ということで、生成AIに創造性があるかどうかは、AIに聞かずに研究者が判定すべきことであろう。

　今回、「今の日本の教育問題で重要なことは何ですか」と質問したところ、いくつかの項目を挙げてきた中で、「受験競争の深刻化」が挙がっていた（下記参照）。しかし、これは少し違うのではないかと感じた。過去にそのようなこと（受験競争の弊害）を指摘した文献が多かったことから、このような回答になったと思われる。今は、少子化で受験倍率は低下し、入試の多様化、学歴価値の低下で、受験競争は緩和されているのではないか。

　全体に、AIの回答は、過去の文献やデータから作成されているので、世の中の一般的な思い（世論）や最大公約数的な回答が多い感じがする。また、これまでの言説にない特異な意見を述べ、それへの意見を求めると、それへの反対意見が既存の文献に少ないせいか、質問者が述べたことに賛成する傾向があるように感じる（「資質・能力」と「観点別評価」に関する質問に対する回答でそれを感じた）。したがって、AIが賛成したからと言って、その意見が正しい訳ではない。

私の質問ー文部科学省の新しい評価方法、つまり観点別評価は、教育現場の実態に合わないと聞きます。特に高校の教科の評価で、困惑が広がっています。たとえば、英語でも「知識・技能」「思考・判断・表現」「主体的に学習に取り組む態度」の３つの観点に分けて評価すべきと言われ、授業でも試験問題も３つに分け点数化しますが、この区別は形式的に行われるだけで、実際の授業や試験問題は３つ全てを含んだもので行われるのが実態です。生徒も観点別の個別の点数より、総合点のみを見ます。これは教師の多忙化を促進するだけです。文部科学省そして作成に関与した教育学者は、教育現場や教科の実態を知っているのでしょうか？

ChatGPTの回答

観点別評価の問題について、現場の困惑が広がっているというご指摘は、現実の教育現場での教師や生徒のニーズとのギャップを浮き彫りにしていますね。この評価方法が「知識・技能」「思考・判断・表現」「主体的に学習に取り組む態度」の3つの観点に分けられているものの、実際の授業や試験ではこれらが自然に統合されて進められるため、形式的に評価を分けることに実質的な意味があるかどうかが疑問視されているのは理解できます。/特に、教員の多忙化が進んでいる現場では、観点別評価のために授業や試験を分けて実施する負担が大きく、効果的な教育よりも書類作業に時間が費やされてしまうことが多いのではないでしょうか。また、生徒自身も総合点のみを重視する傾向が強く、観点別の点数にはほとんど関心を示さない現実があるため、観点別評価の意味やメリットを再考する必要があるでしょう。/文部科学省や関与した教育学者が現場の実情をどれほど把握しているかについても疑問が残ります。理想論としての教育方針と、現場の実際の負担や生徒の学びの効率を考慮した制度設計のバランスをもう一度見直す必要がありそうですね。

Bing　Chat の回答

観点別評価についてのご意見、とても共感できます。実際に、この評価方法が教育現場の実態に合っていないという指摘は以前からありました。特に高校の教科では、授業や試験問題が複数の観点を含んでいるため、生徒や教師にとっては負担が大きいと感じられることが多いです。/文部科学省や関与した教育学者が教育現場の実態を十分に理解しているかどうかは、疑問視する向きもあります。教育現場の実態をよりよく反映させるためには、現場の教師や生徒からのフィードバックを積極的に取り入れることが重要です。/あなたはこの観点別評価についてどのような改善を提案しますか？

 

私の質問ー生成AIが質問に答える方法は、研究者があるテーマを研究する方法と同じではありませんか。つまりその分野の過去の研究をレビューし整理し、そこに新しものを加え（創造し）、仮説を立てそれを検証する。生成AIの方が、並みの研究者より記憶力も優れ、レビューも完璧で、創造性もあると思いますが、どうですか？

Chat　GPTの回答

生成AIが質問に答える方法は、研究者の研究プロセスといくつかの類似点がありますが、根本的な違いも存在します。主な類似点と違いについて整理してみましょう。/　類似点 ー過去の知識のレビュー: 生成AIは、膨大なテキストデータを元に訓練されているため、過去の情報をレビューし、その知識をもとに回答を生成します。これは、研究者が既存の文献をレビューして新たな研究を開始する過程に似ています。/　①新しい視点の提供: AIは、既存の知識を再構成して新しい形で情報を提示することができます。これは、研究者が新しい仮説を立てるプロセスに似ています。/　②大規模なデータの処理: AIは膨大な量の情報を短時間で処理し、瞬時に回答を生成できます。これは、研究者がデータを集め、分析する作業を一部自動化したようなものと見ることができます。/　違いー①創造性と発見の深さ: AIは既存のデータに基づいて回答を生成しますが、その創造性は過去の情報に依存しています。新しい理論や発見を行う研究者は、従来の知識にとらわれない独自の視点や実験を通じて未知の現象を発見します。AIは、既存の知識の範囲内でのみ創造的であるため、完全な意味での「新発見」はできません。/　①検証プロセスの欠如: 研究者は仮説を立てた後、それを実証的に検証します。生成AIは仮説を立てることができるかもしれませんが、それを実験やフィールドワークで検証することはできません。AIは「データの範囲内で最も妥当な回答」を生成しますが、その答えの正しさを検証する能力はありません /　①意識や直感の違い: 研究者の直感やインスピレーションは、偶然の発見や新しい方向性を生むことがあります。AIはデータに基づいたアルゴリズム的な処理しかできないため、このような直感的なジャンプはできません。/　②倫理的・社会的な影響の考慮: 研究者は、その研究が社会に与える影響や倫理的な側面を考慮しますが、AIはそのような判断を行うことはできません。AIが生み出す回答は純粋にデータ処理に基づいているため、倫理的・社会的な要因を無視する場合があります。/　結論ー生成AIは、記憶力や情報の整理、レビュー能力において、並みの研究者よりも優れている部分がありますが、完全に研究者の役割を果たすことはできません。特に、新たな仮説の独自性やその検証、深い創造性、倫理的な判断など、人間の研究者に固有の要素を欠いています。

Bing Chat 回答

興味深い視点だね。生成AIは確かに膨大なデータに基づいて情報を提供するし、記憶力も抜群。過去の研究や知識をレビューし、新しいコンセプトやアイデアを生み出す能力もある。研究者のように仮説を立て、それを検証することもできるけれど、創造性や洞察力の質が違うかも。/ 生成AIは提供されたデータやパターンに基づいて「新しい」ものを作り出すけれど、真に革新的なブレークスルーを生むための人間的な直感や経験にはまだ届かない部分もある。AIは人間のパートナーとして、研究のスピードと効率を高める一方で、人間の独創性や発想の飛躍にはまだ依存していると言えるかな。どちらも補完し合う関係だと思うよ。

ニュースによると今年の秋の紅葉は例年より遅く、期間も短期間とのこと。その為、紅葉にピッタリの時期に旅行して、旬の時の紅葉を見るのは難しそう。

今週は10月中旬ということで栃木県の塩原、那須方面に旅行に出かけた。しかし紅葉には少し早すぎたよう。後１～２週間後であればよかったのにと思った。それでも那須連山の１つ「茶臼岳」〈1915m〉に、ロープウェイで9合目まで行き、そこから40分ほどゴツゴツした岩の多い道を上ると、途中綺麗な紅葉を見ることができた（下記写真）

＜栃木県の最北端に位置する関東を代表する活火山「茶臼岳」は那須連山の主峰であり、今もなお、白い噴煙を噴き上げております。山頂まで登るとそこには360度の壮大な景色が登山者の心を打ち、迫力のある噴煙や雄大な景色を楽しめます。軽装登山から本格的な登山まで楽しむことができる茶臼岳は多くの人々や登山家を魅了し愛されております。那須ロープウェイを!ロープウェイを利用すれば、茶臼岳の9合目まで到達できます。＞（那須岳の魅力 | 那須ロープウェイ（公式ホームページ） (nasu-ropeway.jp)

小学生の頃、夏休みの自由研究で、蝶や蝉のさなぎを飼い、成虫になるまで観察するようなことをした記憶があるが、そのようなことを高齢になってまでしてしまう好奇心が、健康を保つ秘訣かもしれない、と思わせられる内容である。