医学教育誌『Medical Education』に掲載された2025年の研究では、28人の教育者が医学生の書いた省察文と、省察部分をAIが生成したバージョンを並べて評価した。彼らは両者を確実に見分けることができなかった。単一校での小規模な研究ではあるが、大学にとってより大きな問いを投げかけている。洗練された文章は、その背後にいる人物について何を物語っているのか。
ウォートン校の元入学審査担当者であり、大学入学アドバイザーである筆者は、これを「エビデンス」の問題として捉えている。大学は、志願者がどのように意思決定を行い、不確実性に応じ、学んでいくかを理解する必要がある。優れたエッセイはその一端を示しうるが、評価のすべてを担うことはできない。そして、入学時点でこうした資質を見極めるということは、その後に伸ばしていく責任を負うことでもある。
以前のAIフルーエンシーに関するForbes記事で筆者は、学生はAIの出力を評価し、それを覆すときにはその理由を説明できる必要があると論じた。そのためには、大学が教育経験全体を通じて「判断力」を可視化する必要がある。
入学試験から見えること
Acuity Insightsの共同創業者で科学・イノベーション担当バイスプレジデントであるケリー・ドーレにインタビューした際、彼女は生成AI以前から存在する問題について述べた。周囲の多大な支援によって作り上げられるパーソナル・ステートメントの問題だ。
「結果として、出願者本人について何も語らず、周囲の人々全員で作られた『村の声明』のようになってしまっていたのです」とドーレは語った。
ドーレは、ハロルド・ライターと共にマクマスター大学でCasperを共同開発した。この状況判断テストでは、志願者に困難なシナリオへの対応方法を説明させる。Acuityの標準フォーマットは、入力または録画動画で回答する11のシナリオで構成される。同社によると、訓練を受けた人間の評価者が回答を採点し、シナリオごとに異なる評価者が担当するという。
公開されているサンプルには、医学的な問題を理由にグループプロジェクトへの貢献をやめたクラスメートの事例がある。続く設問では状況が変わる。そのクラスメートが既に十分な貢献をしていた場合はどうか。その情報が判断を変えるかどうかの説明を通じて、志願者の推論プロセスが可視化される。
研究が示すこと
27の研究を対象とした2026年のメタ分析では、自由記述型状況判断テストのスコアと医療系専門教育における成果の間に、わずかながら正の相関があることが示された。ただし結果のばらつきは大きく、査読付き学術誌の論文は10件にとどまる。筆頭著者はAcuityの従業員だった。この結果はポテンシャルを示す一方で、どの成果をスコアが予測するのかを各機関が検証する必要があることを明確にしている。
ミシガン大学医学部の学生508人を対象とした研究はその違いを示している。Casperはコミュニケーションや自己認識に関する予測モデルをある程度改善したが、プロフェッショナリズム上の過失を予測する有用性は限定的だった。ある能力に関連するスコアが、職業的行動のあらゆる側面を保証するわけではない。
公平性の検証も欠かせない。ノースカロライナ大学の2023年の研究では、面接を受けた1237人の志願者のCasperスコアに人種的・民族的格差があることが明らかになった。この研究は単一機関での旧フォーマットを対象にしており、各大学が自校のデータを評価する必要性を示している。
また、これらの研究はいずれも医療系専門職に関するものだ。その知見を一般の学部入試やAIフルーエンシーに自動的に適用すべきではない。社会的ジレンマに思慮深く応えられることは、捏造された引用を検証したり、誤った財務上の前提を見抜いたりできることを意味しない。
AIがエビデンスの基準を引き上げる
自由記述式の回答もまた、AIによる支援を受ける余地が残る。2024年のJournal of Vocational Behavior誌の論文(Acuity関係者が共著)には、138人の参加者が模擬状況判断テストを受ける実験が含まれていた。ChatGPTの使用を指示された参加者は、使用しなかった参加者よりわずかに高いスコアを得た。実験は主にChatGPT 3.5を用いており、今日のツールや実際の入試テストに関する問いに決着をつけるものではない。
入試担当責任者にとって、実務上の問いは具体的だ。この評価は何を付加するのか。志願者グループ間でどの程度うまく機能するのか。評価されているのが誰の推論かをどのようなエビデンスで確認するのか。スコアに大きな比重を置く前に、これらの問いにはそれぞれ答えが用意されているべきだ。
学部入試については、この原則を面接の強化に応用したい。可能な範囲で、志願者に「どの情報が判断を変えたか」「今ならどう違う対応をするか」を尋ねる。一貫した基準と適切な配慮のもとで、回答を文脈に沿って評価する。こうした質問は推論の別のサンプルを提供するが、コーチングの影響を完全に排除することはできない。
判断力をカリキュラムに組み込む
ドーレのより広範な主張は、大学が何を価値あるものとして選び取るかにある。「そして、それを測らなければ、人々はそれが重要ではないと推測するのです」。
オーストラリア高等教育質・基準機構(TEQSA)の2026年6月の資料は、作業の評価、自らの思考のモニタリング、そしてAIに頼るか覆すかの判断を重視している。また、完成物だけでなく、専門分野の知識や学習プロセスのエビデンスも並んで重要だと強調している。
この指針は、実践可能な教室での演習に落とし込める。たとえば、ある企業がカスタマーサービス人員を削減すべきかといった現実的な問題について、学生にまず初期の提案を作らせる。次に、AIが生成した分析を提示する。学生にはその前提を検証させ、欠けているエビデンスを特定させ、何を受け入れ何を退けるかを説明させる。その後、重要な事実を1つ変えて、再検討させる。
教員は、エビデンスの質、不確実性の扱い方、結論を修正する理由を評価できる。学位課程の後半では、未知の問題で同様の演習を繰り返し、フィードバックを与えていく。ディスカッションや指導付きの課題も、学生の理解を示すエビデンスを加えられる。
まずは必修科目の1つから始め、サンプル回答に対する教員間の採点を比較し、学生グループ間の差異を検証する。これにより、取り組みを拡大する前に手法を検証する具体的な道筋ができる。
入試で用いる評価指標は、まだ成長過程にある学生を理解する出発点を提供するものであるべきだ。判断力が重要だと謳う大学は、学生がそれをどこで実践し、どのようなフィードバックを受け、卒業までにどのような成長のエビデンスがあるのかを示せなければならない。



