Previous slide Next slide Toggle fullscreen Toggle overview view Open presenter view
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 「生成AI×教育」の最前線
ChatGPTから
Second Brain時代の教育
一般社団法人日本1EdTech協会 運営・技術委員会 副委員長
セミナー資料とセミナーにアクセス
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 自己紹介: 教育とテクノロジー 40年
職歴
日本IBM株式会社
1984 - 2000
LPTコンサルティング合同会社
2001 -
株式会社養成課程推進機構
2017 -
教育
ICT技術
管理技術
京都教育大学
Learning & Performance Technology
米国ジョージア工科大学院: MS.MOT
注目技術
AI
Digital Credential
Serverless
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 新聞が示した問い
AIが既存評価を突破する時代に、教育は「点を取る力」と「社会で価値を出す力」をどう接続するのか。
2026年4月27日 夕刊
入試で首席相当を取るAIが現れたあと、学ぶ意味はどこに移るのか。
既存評価: 入試・資格・就職で測られる知識と論理を、AIが高水準で代替し始めた。
新しい評価: 問いを立て、文脈を読み、AIと協働して成果に変える力が前面に出る。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 AIが東大入試の首席相当を超えた
試験という形式では、ChatGPTなどのFoundation Modelが人間トップ層に迫る時代になった。
ここから話を始める理由
「入試で高得点を取るAI」は、教育の終わりではなく、教育の問いを変える出発点です。
問うべきことは、AIに勝つ方法ではなく、AIがある社会で学習者が何を身につけるかです。
503.59
ChatGPT 5.2 Thinking / 東大理三 550点満点
検証上の「首席相当」。大学公式の入学実績ではない。
問い: これが再現可能になった時、教育は何を育てるべきか。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 AIの役割転換: 回答生成から思考拡張へ
従来のAI認識と、Second BrainとしてのこれからのAI活用を比較する。
従来のAI認識
答えを出すツール
一問一答のトランザクション
思考の代替としての回答生成
これからのAIの役割
人間の思考を拡張する存在
絶え間ない対話とフィードバック
Second Brainとしての認知拡張
思考を拡張
AIは正解を返す装置から、問い・記録・再構成を通じて思考を広げる伴走者へ。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 このセミナーで説明するキー項目
教育における生成AIの可能性を、最新動向と国際標準の方向性を含めて共有します。
よりよい学びにつながるか
役立つか
どのように役立てるか
分析のものさし
世界の教育技術標準:
最新技術動向: EdGPT
2026年時点の論点
進行方法: QAツールで会場の意見を可視化しながら、期待・脅威・活用場面を共有します。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 教育における生成AIに対する期待と脅威
期待
脅威
高い
低い
低い
高い
0
25
50
75
100
0
25
50
75
100
期待大・脅威小
期待大・脅威大
期待小・脅威小
期待小・脅威大
QAスライドにアクセス
読み取り後、次のスライドで
QAアプリで、生成AI教育活用に対する自分の位置へアイコンを移動してください
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 教育における生成AIに対する期待と脅威
期待
脅威
高い
低い
低い
高い
0
25
50
75
100
0
25
50
75
100
期待大・脅威小
期待大・脅威大
期待小・脅威小
期待小・脅威大
QAアプリで、生成AI教育活用に対する自分の位置へアイコンを移動してください
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 教育における生成AIに対する期待と脅威
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 AIで: 何がしたいのか？, 何をさせたく無いのか？
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 教育・研修はAIで何がしたいのか？
「何をさせるか」だけでなく、「何をさせたくないか」を教育段階ごとに分けて設計する。
ラーニング視点: 学習活動
パフォーマンス視点: 課題解決活動
拡張型: 学習道具・ツール
主体的・対話的で深い学びを支える。AIは答えを出す装置ではなく、問い、対話、振り返りを促す道具になる。
個別教師型
ガイドラインを前提に、探究、レポート、研究支援へ広げる。評価は成果物だけでなく、プロセスの説明へ移る。
自律型: エージェント
社会環境の変化に応じ、課題解決活動を支援する。学習と業務パフォーマンスをつなぐ設計が必要になる。
個別教師型
×
自律型: エージェント
×
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 40年: 教育技術（ラーニング・テクノロジー）の発展年表
教育ICTは「教材を届ける仕組み」から「学習者ごとの思考を支える仕組み」へ進化している。
1980年代
パソコン教育利用
教育用ソフトウェアの普及。Learning with technology の原点。
1990年代
インターネット
教材配信、検索、ネットワーク型学習の拡大。
2000年代
eラーニング / ASP
教材・履歴・評価を管理し、研修を運用できる仕組みへ。
2010年代
モバイルデバイス / iphone
学びの常時接続、学習データ活用の始まり。
2020年代
生成AI / Second Brain
一人ひとりの理解、問い、文脈に寄り添う支援へ。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 40年: 教育技術（ラーニング・テクノロジー）の発展年表 : 変革の３条件
教育ICTは「教材を届ける仕組み」から「学習者ごとの思考を支える仕組み」へ進化している。
1980年代
パソコン教育利用
教育用ソフトウェアの普及。Learning with technology の原点。
1990年代
インターネット
教材配信、検索、ネットワーク型学習の拡大。
2000年代
eラーニング / ASP
教材・履歴・評価を管理し、研修を運用できる仕組みへ。
2010年代
モバイルデバイス / iphone
学びの常時接続、学習データ活用の始まり。
2020年代
生成AI / Second Brain
一人ひとりの理解、問い、文脈に寄り添う支援へ。
うまい : 品質
やすい : コスト
はやい : スピード
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 40年: 教育技術（ラーニング・テクノロジー）の発展年表
教育ICTは「教材を届ける仕組み」から「学習者ごとの思考を支える仕組み」へ進化している。
1980年代
パソコン教育利用
教育用ソフトウェアの普及。Learning with technology の原点。
1990年代
インターネット
教材配信、検索、ネットワーク型学習の拡大。
2000年代
eラーニング / ASP
教材・履歴・評価を管理し、研修を運用できる仕組みへ。
2010年代
モバイルデバイス / iphone
学びの常時接続、学習データ活用の始まり。
2020年代
生成AI / Second Brain
一人ひとりの理解、問い、文脈に寄り添う支援へ。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 40年: 教育技術（ラーニング・テクノロジー）の発展年表 : 教育３目的
教育ICTは「教材を届ける仕組み」から「学習者ごとの思考を支える仕組み」へ進化している。
1980年代
パソコン教育利用
教育用ソフトウェアの普及。Learning with technology の原点。
1990年代
インターネット
教材配信、検索、ネットワーク型学習の拡大。
2000年代
eラーニング / ASP
教材・履歴・評価を管理し、研修を運用できる仕組みへ。
2010年代
モバイルデバイス / iphone
学びの常時接続、学習データ活用の始まり。
2020年代
生成AI / Second Brain
一人ひとりの理解、問い、文脈に寄り添う支援へ。
Learning With Technology
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 40年: 教育技術（ラーニング・テクノロジー）の発展年表 : 教育３目的
教育ICTは「教材を届ける仕組み」から「学習者ごとの思考を支える仕組み」へ進化している。
1980年代
パソコン教育利用
教育用ソフトウェアの普及。Learning with technology の原点。
1990年代
インターネット
教材配信、検索、ネットワーク型学習の拡大。
2000年代
eラーニング / ASP
教材・履歴・評価を管理し、研修を運用できる仕組みへ。
2010年代
モバイルデバイス / iphone
学びの常時接続、学習データ活用の始まり。
2020年代
生成AI / Second Brain
一人ひとりの理解、問い、文脈に寄り添う支援へ。
Learning With Technology
Learning Through Technology
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 40年: 教育技術（ラーニング・テクノロジー）の発展年表 : 教育３目的
教育ICTは「教材を届ける仕組み」から「学習者ごとの思考を支える仕組み」へ進化している。
1980年代
パソコン教育利用
教育用ソフトウェアの普及。Learning with technology の原点。
1990年代
インターネット
教材配信、検索、ネットワーク型学習の拡大。
2000年代
eラーニング / ASP
教材・履歴・評価を管理し、研修を運用できる仕組みへ。
2010年代
モバイルデバイス / iphone
学びの常時接続、学習データ活用の始まり。
2020年代
生成AI / Second Brain
一人ひとりの理解、問い、文脈に寄り添う支援へ。
Learning With Technology
Learning Through Technology
Learning About Technology
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 目的: ICTで何がしたいのか？｜ブルームの2σ問題
個別教授に近い支援を、集団教育の中でどう実現するか。生成AIはこの古い問いを再び現実の設計課題にした。
通常教授 1:30
ICT活用 1:30
個別教授 1:1
2σ
“The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring”, Bloom (1984)
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 「次」: KRとしての学習支援
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 生成AI関連論文は3年で8倍へ
2023年から2025年にかけて、生成AI関連の研究は急増した。教育・研修領域も、この流れを前提に設計を変える必要がある。
8倍 2023年から2025年10月までの月間投稿数の伸び。
5% → 30% AI分野の中で生成AI関連が占める存在感が拡大。
100本/月 生成AIと教育に関する研究も継続的に蓄積。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 生成AIの変遷キーワード（ChatGPT以降）
対話UIの民主化から、RAG、エージェント、ローカルAI、Second Brain、信頼レイヤーへ。
生成AIの民主化
Chat UI / Prompt Engineering / Zero・Few-shot
「使えるAI」への転換
基盤モデル競争
Foundation Models / Multimodal / GPT-4
モデル性能競争
RAGと業務適用
RAG / Embedding / Vector DB
使うための技術
エージェント化
AI Agents / Tool Use / Function Calling
考えるAI → 行動するAI
ローカルAIと分散化
Edge AI / On-device AI / SLM
クラウド集中 → 個人化
Second Brain
Knowledge Graph × LLM / LLM Wiki
回答AI → 思考拡張AI
マルチエージェント
Multi-Agent / Swarm Intelligence / AIチーム
単体AI → 組織AI
信頼・ID統合
Verifiable AI / AI × VC / DID
賢いAI → 信頼できるAI
横断トレンド: AIの性能だけでなく、人間の関与、説明可能性、安全性、コスト最適化が重要軸になる。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 エージェント化 : 自ら思考し計画・実行するAI
AIは情報を返す存在から、意図を受け取り、タスクを完遂する存在へ進化している。
「意図」を伝えるだけで動くAIは、学習支援の設計単位を変える。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 Second Brain : 思考拡張AI
プロセスの重視は、従来の試験制度と対立するのではない。
Second Brainを使う目的は、思考力 と得点力 を同時に高めること。
思考中心のアプローチは、従来型の試験パフォーマンスを低下させるどころか、診断・反復・説明の質を高める。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 Second Brainは記憶の外部化で終わらない
ノート、ログ、対話履歴を外部に残す。しかし理解そのものは、学習者の内側で形成される。
外部化
記録・検索・要約・接続
AIに任せられる情報処理は増えていく。
内面化
説明・応用・腹落ち
理解は、学習者自身の経験と結びついて初めて定着する。
AIに情報処理は委ねられる。しかし、理解は人間が形成する。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 生成AIは、領域ごとのlatent spaceを作り始めている
汎用会話AIだけではない。科学・医療・素材では、領域固有の意味空間が新しい発見を支えている。
創薬・生命科学
AlphaFold 3、IsoDDE。構造と相互作用を予測する。
新素材
GNoMEのように、安定材料候補を探索する。
教育にも、理解・誤概念・経験を扱う独自の意味空間が必要になる。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 教育にも独自のlatent spaceが必要になる
教育の対象は、学習者の理解・誤概念・経験・成長の構造である。
ChatGPT
汎用Foundation Model
EdGPT = Foundation Model + 教育文脈 + 学習者の履歴。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 EdGPTの学習ループ
学習者の行動と対話を記録し、概念・スキル・成果に結びつけ、次の問いと演習へ戻す。
教育latent space
理解状態を、履歴・概念・成果と一緒に扱う。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 EdGPTを支える3つのアーキテクチャ
EdGPTは、単一のチャット画面ではなく、思考ログ、AIによる再構成、個別最適化を支える学習アーキテクチャである。
EdGPT
1
思考ログ
最終的な正解だけでなく、学習者の理解がどう変化したかの過程を記録する。
2
AIによる再構成
蓄積された思考の断片を分析し、因果関係や弱点を体系的な知識へ再編成する。
3
個別最適化
現在の理解度に合わせ、次に必要な最適な問いをリアルタイムで生成する。
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 AI教育ガイドライン例
「生成AI×教育」の最前線 ChatGPTからEdGPTへ EDIX 2026 EdGPT: 「生成AI x 教育」の未来
Speaker: EDIX向けに、通常セミナーの技術パートを圧縮して話す版。
Sources: 通常セミナーPPT、通常セミナー録画。
Speaker: 自己紹介として、教育・ICT技術・管理技術の重なりでキャリアを紹介する。EDIXで話す内容が、AIだけではなく学習モデル、資格、運用技術まで接続することを示す。
Speaker: 紙面を一度見せて、受験型知能の前提が変わったことを共有する。次のスライドで得点の意味と、教育が答えるべき二重課題に入る。
Sources: 日本経済新聞 2026-04-27 夕刊紙面。
Speaker: 首席相当は検証比較であることを明示し、煽りではなく教育設計の問いに戻す。
Sources: AI Watch, 2026-04-29.
Speaker: 通常セミナー15枚目。ChatGPTからEdGPTへ移るための役割転換を強調する。
Speaker: ここで本セミナーの進め方を示す。AIを教育に入れるかどうかではなく、どの場面で役立つか、よりよい学びにどうつながるか、世界の標準化やルーブリックでは何が論点になっているかを、QAツールで参加者の見方を可視化しながら進める。
Sources: 1EdTech TrustEd Apps Generative AI Data Rubric, https://www.1edtech.org/standards/ai-rubric ; UNESCO AI competency frameworks for students and teachers, https://www.unesco.org/en/articles/what-you-need-know-about-unescos-new-ai-competency-frameworks-students-and-teachers
Speaker: 会場参加用テンプレート。縦軸は期待、横軸は脅威。参加者にQAアプリのアイコンを自分の認識に近い位置へ移動してもらい、会場全体の認識分布を共有する。
Speaker: スライド7のQRからQAアプリへ入った後に使う、アイコン配置用のクリーンなXY座標テンプレート。参加者の認識分布をこの画面で共有する。
Speaker: 生成AIには個別最適化や創造性支援への期待がある一方で、思考力低下、信頼性、依存、プライバシー、格差のリスクがある。導入の是非ではなく、使い方とルール設計が教育成果を左右することを確認する。
Speaker: EDIX2026_教育AI_20260507.pptx の8ページを、3つの教育段階とAIの役割に整理。後続のEdGPT学習モデルへつなぐ。
Sources: EDIX2026_教育AI_20260507.pptx, slide 8.
Speaker: EDIX2026_教育AI_20260507.pptx の7ページを、40年の教育技術の流れとして再構成。AIを突然の出来事ではなく、教育技術の延長線上に置く。
Sources: EDIX2026_教育AI_20260507.pptx, slide 7.
Speaker: EDIX2026_教育AI_20260507.pptx の7ページを、40年の教育技術の流れとして再構成。AIを突然の出来事ではなく、教育技術の延長線上に置く。
Sources: EDIX2026_教育AI_20260507.pptx, slide 7.
Speaker: EDIX2026_教育AI_20260507.pptx の7ページを、40年の教育技術の流れとして再構成。AIを突然の出来事ではなく、教育技術の延長線上に置く。
Sources: EDIX2026_教育AI_20260507.pptx, slide 7.
Speaker: EDIX2026_教育AI_20260507.pptx の7ページを、40年の教育技術の流れとして再構成。AIを突然の出来事ではなく、教育技術の延長線上に置く。
Sources: EDIX2026_教育AI_20260507.pptx, slide 7.
Speaker: EDIX2026_教育AI_20260507.pptx の7ページを、40年の教育技術の流れとして再構成。AIを突然の出来事ではなく、教育技術の延長線上に置く。
Sources: EDIX2026_教育AI_20260507.pptx, slide 7.
Speaker: EDIX2026_教育AI_20260507.pptx の7ページを、40年の教育技術の流れとして再構成。AIを突然の出来事ではなく、教育技術の延長線上に置く。
Sources: EDIX2026_教育AI_20260507.pptx, slide 7.
Speaker: EDIX2026_教育AI_20260507.pptx の9ページを、Bloomの2σ問題として再構成。AI活用の目的を、効率化だけではなく個別最適と協働的学びの両立に置く。
Sources: EDIX2026_教育AI_20260507.pptx, slide 9; Bloom, 1984.
Speaker: KRとしての学習支援を、EdGPTの構成図で補足する。
Speaker: 通常セミナー5枚目。生成AIは一過性の話題ではなく、教育設計の前提になる研究潮流として示す。
Speaker: EDIX2026_教育AI_20260507.pptx の6ページを、現在のMarpテーマに合わせて再構成。ChatGPT以降の技術変化を、Second Brainと信頼レイヤーへ接続する。
Sources: EDIX2026_教育AI_20260507.pptx, slide 6.
Speaker: 通常セミナー17枚目。AIエージェントを、教育AIの機能拡張ではなくワークフロー変化として説明する。
Speaker: 通常セミナー16枚目。教育現場の不安に先回りし、既存評価への対応を切り離さない。
Speaker: 通常セミナー35枚目。丸暗記から、思考ログを用いた理解の再構成へ移る。
Speaker: 通常セミナー36枚目。EdGPTの核を、思考ログ・再構成・個別最適化の3本柱で整理する。
Speaker: AI教育ガイドラインの例を示し、後続のAIルーブリックや教育標準の話へ接続する。
Speaker: EdGPTが教育と生成AIを接続し、学習者の理解、教師の支援、信頼できる学習データを統合する未来像として示す。