Education Reportで見る大学生のClaude利用 — 4分類と丸投げを避ける使い方

Anthropicが2025年4月に公開した教育レポートは、大学生がClaude.aiで何を頼んでいるかを会話データから数えた調査です。学生の会話は「直接依頼か協働か」と「問題解決か成果物作成か」で4つに分かれ、各型が23〜29%とほぼ同じ割合で並びました。偏りがあるのは型ではなく、学部と、AIが担う思考の高さのほうです。

この記事では、4分類の中身、学部ごとの差、Claudeが肩代わりしていた思考の種類を順に見ます。そのうえで、学生側が思考を丸投げしないための依頼文を具体的に示します。

調査の対象は、大学メールの会話100万件から絞った約57万件

分析したのは、Claude.aiのFreeとProのアカウントのうち、大学のメールアドレス(.eduや.ac.ukなど)に紐づく匿名化された会話約100万件です。そこから「宿題・勉強・学術研究に関する会話」だけをClaudeで自動判定して残し、574,740件になりました。期間は18日間です。

集計には、会話を要約して傾向を取り出す分析ツールClio(Claude Insights and Observations)を使っています。Clioは個人情報を段階的に落としながら「コードのデバッグ」「経済概念の説明」のような要約へまとめる仕組みで、研究者が個別の会話を読むわけではありません。

対象の限界も先に押さえておきます。

• 大学のメールアドレスを持つアカウントに限られ、教職員の会話が混ざる一方、私用メールの学生は漏れる
• Claude.aiの利用に限られ、他のAIツールとの併用は見えない
• 学期の波を見られない18日間の切り取りである
• 学生がAIの出力を課題にどう使ったか、学習につながったかは測っていない

数字は「Claudeを使い始めていた学生の傾向」として読むのが安全です。大学生全体の平均像ではありません。

学生の用途は「教材づくり」と「課題の解説・解決」で7割

用途の内訳は次のとおりです。

残りは、研究設計とツール開発が6.5%、技術的な図の作成が3.2%、言語間の翻訳・校正が2.4%です。上位2つで7割を超え、勉強の相棒というより「作る」「解く」の作業依頼が中心でした。

4分類は「どれだけ自分が関わるか」と「何がほしいか」の掛け合わせ

分類の軸は2つあります。

掛け合わせると、直接の問題解決、直接の成果物作成、協働の問題解決、協働の成果物作成の4型になります。レポートの元の分類名は「Transactional(取引的)」と「Dialogic(対話的)」で、読みやすさのため「直接」「協働」に置き換えたと脚注にあります。

割合は4型とも23〜29%です。型ごとの個別の数字は本文に載っていません。載っているのは、直接型が合計でおよそ47%という集計です。

注意したいのは、型と「ずる」が一対一に対応しない点です。直接の問題解決は、持ち帰り試験の答え写しにも、練習問題の自己採点にもなりえます。協働型でも、確率統計の宿題を何往復もして解かせれば、思考の大半をAIに預けたままです。型は「頼み方の形」であって、学習効果の良し悪しではありません。

学部で使い方が違う — 工学系は協働、教育学は成果物

学部別の特徴は、会話の占有率と学位の取得者数の比較で示されています。

コンピュータサイエンスが突出し、ビジネス・人文・保健は少なめです。レポートはこれを、早期に使い始めた層が理工系に偏っていることと、コーディングがClaudeの得意分野であることの反映かもしれないと述べています。なお、同じページの冒頭要約ではコンピュータサイエンスの会話割合が36.8%、本文では38.6%と書かれており、数字が食い違っています。ここでは本文側の値を使いました。

型の違いは次のとおりです。

• 自然科学・数学は問題解決に寄る。「確率の問題を途中計算つきで解く」などが多い
• コンピュータサイエンス・工学・自然科学・数学は協働の会話に寄る
• 人文・ビジネス・保健は、協働と直接がほぼ半々
• 教育学は成果物作成が74.4%で最も高いが、教員の会話が混ざっている可能性がある(教育学は全体の3.8%)

教員が混ざる点は、同じ調査の別号でもあります。教員側の数字はClaudeの教員利用実態にまとめています。

本当の論点は、Claudeが担う思考が「高い側」に偏っていること

もう一つの分析が、ブルームのタキソノミー(認知過程を単純なものから複雑なものへ並べた教育学の枠組み)です。通常は学生の思考を分類する枠組みですが、このレポートでは「Claudeが学生との会話で行った処理」に当てはめています。

残りは、理解する10.0%、記憶する1.8%でした。通常のピラミッドなら底辺の記憶・理解が最も厚くなるはずですが、ここでは頂点側の創造・分析が7割を占めています。レポートはこれを「逆さのピラミッドは倒れうる」と表現しました。

読み違えないでおきたい点が2つあります。ひとつは、Claudeが創造や分析をしたことは、学生が同じ思考をしていないことを意味しない点です。共同でプロジェクトを作る、AIが書いたコードで別のデータを分析する、といった使い方は成立します。もうひとつは、この分類が測っているのが「Claudeの出力の種類」であって、学生の理解度ではない点です。

つまり懸念は「Claudeが高度なことをした」ではなく、「基礎を固める前の段階で、高度な処理を先に預けてしまうかもしれない」ことです。この懸念は仮説で、レポート自身も学習効果は測っていないと断っています。

丸投げを避ける依頼文 — 4型ごとの書き換え例

ここからは、調査を踏まえた使い方の一例です。調査が推奨した手順ではありません。ポイントは、自分の思考を先に出し、Claudeに「答える」より「確かめる」役を持たせることです。

直接の問題解決:解答を見る前に自分の答えを出す

次の問題を解きます。まず私の解き方を書くので、答えは言わず、
間違っている箇所と、その箇所に気づくためのヒントだけをください。
 
問題: (問題文)
私の解き方: (途中式)

答えを即座に出させる使い方は、直接の問題解決そのものです。自分の解答を先に差し出せば、同じ直接型でも「答え合わせ」になります。

直接の成果物作成:骨子は自分で作る

レポートの構成案を自分で作りました。論理の飛躍と、根拠が足りない箇所に
印を付けてください。文章の書き直しはしないでください。
 
構成案: (章立てと各章の主張)

白紙から本文を出させると、創造する側の思考をそのまま預けることになります。骨子を自分で書いてから、批評だけを頼みます。

協働の問題解決:説明を自分の言葉で言い返す

今の説明を、私の言葉で要約します。誤解があれば指摘してください。
そのあと、理解を確かめる問題を1問だけ出してください(解答は私が答えてから)。
 
私の要約: (自分の言葉)

対話が長くなっても、毎回理解を言語化していれば、思考をAIに預けきることにはなりません。レポートも協働型の例として、何往復しても思考を預けたままになる可能性を認めています。

協働の成果物作成:役割を分ける

論文の序論を書いています。私が書いた段落の読みにくい箇所だけ指摘してください。
新しい文を書き足さず、直し方は選択肢を2つまで出してください。

レポートの末尾で触れられている「Learning Mode」は、答えを直接出さずソクラテス式の問いかけで概念の理解を促す方向の試みです。日本語での使い方は、Claudeの学習モードで資格試験の勉強法を磨く記事に具体例があります。プロンプトで同じ役割を指示する場合の発想も、上の例と同じです。

学校・研究室で使うなら、データの読み方を3つに絞る

大学や研究室でAIの利用ルールを考えるとき、この調査から引ける線はあまり多くありません。

1. 型でルールを作らない。「直接型は禁止」とすると、答え合わせや要約の正当な使い方まで止まる。
2. 授業ごとに許す範囲を明示する。レポートも、協働型が不正かどうかは科目の方針で変わると述べている。
3. 提出物の評価と、Claudeの使い方の評価を分ける。調査は出力の使われ方を測っていないので、会話の型だけでは学習を評価できない。

学生向けのAI活用力の体系的な学び方はAI Fluency for studentsの記事に、大学アカウントでClaudeを始める手順はClaude for Educationの使い方にあります。勉強での具体的な使い方はClaudeを勉強に使う方法が受け持っています。

まとめ

この調査の核心は、4型がほぼ均等に並んだことと、Claudeの処理が創造・分析に偏っていたことの2点です。前者は学生の使い方の幅の広さを、後者は基礎の習得との兼ね合いという未解決の問いを示します。ただし測っているのは会話の依頼内容までで、学習の成果ではありません。

自分で使うときは、型の名前を覚えるより、依頼文に「自分の案を先に出す」「答えは言わせない」「確認の役を持たせる」を1つ入れるだけで、同じ会話の性格が変わります。