これが重要な理由

AI は単なるショートカットではなく、学習、創造性、成長のための強力なパートナーです。 AI を慎重に使用する場合は、最も重要なスキル (批判的思考、創造性、判断力) を構築します。 AI を使用して、より良い質問をしたり、複数の視点を理解したり、新しいアイデアを調べる場合は、学習において、プロキシではなくパートナーとしての AI を使用して将来の準備をしています。

学習に AI を使用するための主なスキル

AI ツールを使用すると、学習をサポートできます。複雑なトピックの理解、より効果的な実践、アイデアの深い探索に役立ちます。 重要なのは、これらのツールを慎重に使用し、適切 な依存 と呼ばれるものを開発することです。AI が正常に機能する場合の信頼と、間違いをキャッチするための健全な懐疑主義の維持の適切なバランスを見つけることです。

AI 学習ツールを最大限に活用するのに役立つ 3 つの補完的なアプローチを次に示します。

✅ 最初に確認する: ソース チェック AI 出力

AI では問題が発生する可能性があるため、信頼できるソースを調べることで、AI によって生成された情報を常に二重チェックする必要があります。 重要な情報が正しいことを判断することは、デュー デリジェンスだけではありません。学習中に最も重要な概念を強化できます。

動作する理由: 外部ソースに対してクレームを確認すると、知っていることを取得して評価する必要があります。また、取得は学習スティック (Roediger & Karpicke、2006) を作成するのに役立ちます。

プロンプト: Which key points are most crucial that I get correct if I want to learn [topic] properly? For each, suggest a few trusted sources I can check (e.g., textbook chapters, official websites) to independently confirm that you've covered it accurately. If I identify differences or gaps, help me investigate.

✅ 説明を超えて: AI を使用してプラクティスをカスタマイズし、レビューする

AI を使用して、自分自身をテストし、練習を間隔を空けるカスタム プランを作成できます。これは、時間の経過と同時に物事を思い出すのに役立つよう示されています。

動作する理由: 取得の練習と間隔を空けた繰り返しは、より耐久性のある学習と転送を生み出すことができます (Roediger & Karpicke, 2006;Cepeda et al., 2006).

プロンプト: Be my retrieval coach for [topic]. Start by giving me a short answer question that I'll do my best to respond to. Score it 0–2 with a one sentence correction if needed. Repeat this 8 times, interleaving one or two items from prior topics. Based on my results, suggest a spaced plan for the next 7 days (1d, 3d, 7d) with varied formats (explain/compute/apply) if applicable.

✅ 学習を教える:AI に説明し、それをプッシュバックさせる

自分の言葉で概念を説明すると、AI は、理解の間違いやギャップを見つけるのに役立つ質問をすることができます。

動作する理由: 自己説明と詳細な"理由/方法"プロンプトは、知識移転の理解とサポートを深めることができます(Chi et al., 1994;Pressley et al., 1987).

プロンプト: Act like a curious student while I systematically teach [concept] over a series of messages. Interrupt whenever I skip reasoning with targeted 'why/how do you know?' questions - proceed as far as is reasonable. When I indicate that I'm done teaching, restate my explanation in your own words and list any misconceptions or gaps.

✅ トレーニング ホイールを取り外す: ガイド付きから独立したプラクティスまで

AI を使用して、例に従い、少ないヘルプで問題を試し、最終的に自分で解決して自信とスキルを構築することで学習できます。

このプロセスは、STEM、定量的ソーシャル サイエンス、構造化言語タスク、段階的な習得が必要な任意のドメインで特に強力です。

動作する理由: 作業例では、コグニティブ負荷を軽減できます。フェードは独立を構築することができます。多様/インターリーブプラクティスは、転送を強化することができます ( Sweller 、 1988;レンクル & アトキンソン、2003;Rohrer & Taylor、2007)。

プロンプト: Teach me [problem type] using a 3 step progression, one message at at time. First one fully worked example with brief justifications that I'll confirm I understand. Then, one faded example with 1–2 steps with hints for me to try on my own (I'll respond with my answer, then you should give minimal, immediate feedback). Finally, an independent problem that I'll try on my own. Repeat with two more independent problems (one at a time) with mixed structures. Vary surface features but keep deep structure, then lightly interleave with a similar but different type. After each item, list the rule/formula/concept I used and suggest where to verify each definition or rule with an independent source. End with a 1 minute 'what changed?' reflection comparing two similar problems.

✅ 試行、チェック、反映: AI を使用してサイクルで学習する

AI を使用して概念や新しいスキルを実践する場合は、常に最善の試みを行い、AI システムからフィードバックを得てから、学習を改善するために正しかったり間違ったことを追跡したりできます。

動作する理由: 予測と信頼度の調整は、知ることの正しい錯覚;「望ましい困難」は長期的な保持を促進する ( Koriat 、 1997;Bjork & Bjork、2011)。

プロンプト: For [topic], use a predict commit check process for 6 items (ideas, questions, or tasks). For each one: (1) ask me for my answer and my confidence (0–100%) before you share the correct or model answer, (2) reveal the answer with a brief explanation or reasoning, (3) prompt me to write a one sentence reflection or lesson learned if I didn't get it right. Keep a running error/insight log with columns: Item → Pattern (error or insight) → Possible Cause → Next Step . (4) once I answer with a reflection, move on to the next. If I do well (get three questions in a row correctly), gently increase the challenge; if I struggle (three in a row missed), decrease the challenge.

Sources

Bjork、R. A.、& Bjork、E. L。 (2011). 自分自身に難しいものを作るが、良い 方法 で. ディスユース/望ましい困難の新しい理論。

Cepeda、N. J.、et al. (2006)。 口頭によるリコール タスクの分散プラクティス: レビューと定量的合成。心理学会 報 .

Chi, M. T. H., et al. (1994). 自己説明: 学生が問題を解決するための学習で例を学習し、使用する方法。コグニティブ サイエンス .

Dunlosky、J.、et al. (2013)。 効果的な学習手法を使用して学生の学習を向上させる。公共の利益における心理学.

コリアット、A. (1997)。 自分の知識を監視する: キュー使用率のアプローチ。心理学的 レビュー .

Kornell, N., & Bjork, R. A . (2009). 人間の記憶における安定性バイアス。実験心理学のジャーナル: 学習, 記憶, 認知 .

Renkl, A., & Atkinson, R. K. (2003). 作業した例から 問題解決への移行を構築する。教育 心理学者 .

Roediger, H. L., & Karpicke, J. D. (2006). テスト強化学習。実験心理学のジャーナル: 一般的 な .

Rohrer、D.、& Taylor、K. (2007)。 数学の問題のシャッフルは学習を改善します。応用認知 心理学 .

スウィラー、J. (1988;1994)。 認知負荷理論 と 指導的設計 への影響 。 教育 科学 ; 学習と 指導 。

その他のリソース

AI スキル ナビゲーターを使用して AI ラーニング パスを見つける

適切な依存に関する Microsoft の調査の詳細

AETHER GenAI 学習成果レビューを読む

Facebook LinkedIn メール

ヘルプを表示

その他のオプションが必要ですか?

サブスクリプションの特典の参照、トレーニング コースの閲覧、デバイスのセキュリティ保護方法などについて説明します。

Microsoft 365 サブスクリプションの特典

Microsoft 365 のトレーニング

Microsoft Security

アクセシビリティ センター