The AI Assessment Scale: A Framework for Gen AI Integration
AI Assessment Scale (AIAS)は、教育現場における生成AIの適切な活用を支援するために開発された5段階の評価フレームワークです。この指標は、AIを完全に禁止する環境から創造的な共同作業まで、各課題の目的に応じたAIの関与レベルを明確に定義しています。教育者が学習目標に合わせて課題設計や採点基準を再構築するための実践的な指針を提供し、学術的な誠実さを守ることを目的としています。世界中の教育機関で採用されており、専用のGPTツールや多言語リソースを通じて、AI時代の新しい評価のあり方を提示しています。このシステムは、単なるツールの使用許可ではなく、AIを介した批判的思考や専門スキルの証明を重視した教育モデルへの転換を促します。
AI評価スケール（AIAS）
AI評価スケール（AIAS）は、生成AIの時代において教育機関がAIを評価タスクにどのように組み込むべきかを決定するためのフレームワークです。このスケールの5つのレベルは、どれか一つのレベルが他のレベルよりも優れている（あるいは劣っている）というわけではなく、評価タスクの目的に応じて「どのような種類のタスクか」を示すものです。
AIASの5つのレベルの詳細は以下の通りです。
レベル1: No AI（AIなし） AIの使用を排除するように設計された、管理された環境で行われるタスクです。このレベルでのみ、安全で監督された条件下（例：試験会場での実施など）での実施が必須となります。学習者の知識、理解、およびスキルは独立して実証され、評価されます。
レベル2: AI Planning（AIによる計画） トピックの探索、アウトライン（構成）の作成、初期調査などの「計画段階」に焦点を当てたタスクです。AIはこのプロセスのサポートとして使用することができます。評価はAIを使用したかどうかに関わらず、計画およびアイデア開発の質に対して行われます。
レベル3: AI Collaboration（AIとのコラボレーション） アイデアの生成、ドラフト作成、フィードバックの獲得、内容の改良など、タスクを完了するまでの過程でAIを使用することが認められます。ただし、AI単独では要求される水準に到達しないようにタスクが設計されています。そのため、最終的な成果物そのものだけでなく、学生が「AIの出力をどのように評価し、修正し、統合したか」も評価の対象となります。
レベル4: Full AI（フルAI） タスクにおいてAIの関与が「期待される（前提となる）」レベルです。与えられた時間内において、AI単独でも、人間単独でも目標を達成することはできないように設計されています。このタスクでの評価は、学生がAIに適切な指示（ディレクション）を出す際に示す、批判的思考（クリティカルシンキング）と対象分野の知識に焦点を当てます。
レベル5: AI Exploration（AIの探索） 問題を解決したり、斬新な洞察を生み出したり、その専門分野において革新的なソリューションを開発したりするための、AIの「創造的な使用」を目的として設計されたタスクです。どのようなアプローチをとるかは、学生と教員（インストラクター）の間で共同で設計されることもあります。
重要なポイント これらのレベルは、AIを許可する度合いや「悪いものから良いものへのステップ」を示すものではありません。評価の目的に応じて適切なレベルを選択し、そのレベルが求める学習成果をサポートするようにタスクを設計・実施することが重視されています。
解析レポート
CONCEPT
AI評価スケール（AIAS）は、教育者が評価タスクにおいてAIがどのような役割を果たすべきかを決定し、その決定が実際の現場で機能するようにタスクを再設計するのを支援するための5段階のフレームワークです。
BACKGROUND and MOTIVATION
教育現場において生成AI（GenAI）が急速に台頭している状況が背景にあります。このプロジェクトは、形成的評価および総括的評価のタスクにおいて、学生と教育者がAIをいつ、どのように使用できるのか、そして新たな生成AIの現実に対応するためにタスクをどのように設計すべきかについて、より明確で、公平かつ実用的な基準が必要であるという懸念から始まりました。
OBJECTIVE
学生、教育者、そして教育機関に対して、評価におけるAIに関する共通の語彙を提供することを目的としています。学問的誠実さを支援することに加え、その主たる役割は評価の再設計であり、学習成果、タスク設計、妥当性、採点基準、AIの使用を連携させ、成績が本来主張している意味を維持できるようにすることです。
OVERVIEW
AI評価スケール（AIAS）は、生成AIの台頭に対応して評価タスクを再設計するための5段階のフレームワークです。各レベルに優劣はなく、タスクの目的に応じてAIの役割を決定し、成績評価の妥当性を保つための共通言語を提供します。世界350以上の機関で利用され、30以上の言語に翻訳されており、国際的にも広く活用されています。
ESSENTIAL POINTS
- AIASの5つのレベルの性質
- タスク再設計のための4つのステップ
- AIAS 2.1のアップデートと支援ツール」について解説します
AIASの5つのレベルの性質
AIASを構成する5つのレベルは、許可の度合いではなく、異なる種類のタスクを記述するものです。いずれか一つのレベルが他のレベルよりも優れているということはなく、どのレベルが適切かは、タスクが何を評価することを意図しているかに依存します。これらのレベルは、より悪いものから良いものへの段階ではないことを強調するため、円形の階層のない図で表現されることもあります。
タスク再設計のための4つのステップ
レベルを選択することは始まりに過ぎず、真の作業はタスクの再設計にあります。この再設計プロセスは4つのステップで行われます。まず、学習成果やスキル、タスクが生み出すべき証拠を明確にします。次に、AIを排除するのか、計画や共同作業に使うのかなど、AIの役割を決定します。そして、妥当な評価を裏付けるために必要なプロセスや成果物などを組み込んで証拠を再設計します。最後に、意図されたAIの使用方法や学生の批判的評価などが反映されるように採点基準を調整します。
AIAS 2.1のアップデートと支援ツール
バージョン2.1では5つのレベル自体に変更はありませんが、各レベルにおいて、タスクがどのように設計され、学生に何が期待されているかを説明する単一の明確な声明が設けられました。また、利用者の状況や学習目標、タスクの内容などを質問し、レベルの選択や指示の書き換え、ルーブリック基準の草案作成を支援してくれるカスタムGPTが新たに導入されています。
RELATED
AIASは、Mike Perkins、Jasper Roe、Leon Furze、Jason MacVaughによって最初に開発され、現在はLearning Innovation Practice Ltdによって所有および保守されています。非営利の教育目的などであれば無料で利用することができ、CC BY-NC-SA 4.0ライセンスのもとで提供されています。オーストラリア高等教育質・基準機構（TEQSA）の2024年の論文で選択肢として言及されているほか、QS Reimagine Education Awards 2025の学習評価部門でブロンズ賞を受賞するなど、広く認知されています。