Claudeの教員利用実態 — 7.4万件の会話分析で見る用途と採点で割れる理由

Anthropicが2025年8月に出した教育レポートは、大学教員がClaude.aiで何をしているかを会話データから数えた調査です。結論から言うと、最多の用途はカリキュラム作りで、会話全体の57%を占めました。採点を含む成績評価は7%と少ないものの、そのうち48.9%は「AIが直接やる」型でした。

この記事は、数字の読み方と、教員がClaudeに任せる範囲を決めるときの材料に絞ってまとめます。

調査の対象は「教員らしい会話」約7.4万件

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に紐づく会話です。そこから「シラバス作成」「課題の採点」「教材開発」など教員固有の作業を自動で抽出し、約74,000件に絞りました。期間は2025年5月22日から6月2日の11日間です。

Anthropicは職業を自己申告で集めていません。学生は課題名を会話に書くので見分けがつきますが、教員の使い方は授業・研究・事務・自己学習にまたがり、見分けにくいという事情があります。

分類には、米国労働省のO*NET(職業情報データベース)にある教員の職務リストを使いました。各会話を最も近い職務に割り当てています。

加えて、早期にAIを使い始めたNortheastern大学の教員22人へのアンケートと聞き取りも組み合わせています。数字は会話データ、理由づけは教員の声という役割分担です。

レポート冒頭では、Gallupの調査で教員がAIツールにより週平均5.9時間を節約したと答えたことにも触れています。一方で、教員がAIを授業で使うことに学生が懸念を示し始めたという点も挙げています。

用途の内訳は、カリキュラム作りが過半

上位3つは次のとおりです。

質的調査でも、最も目立つ用途はカリキュラム作りでした。Northeastern大学の教員は、AIに使う時間の平均29%を自分自身の学習に充てていると答えています。ただし会話データ側では、学生と教員の学習利用を区別しにくいため、この用途は分析に入っていません。

会話データには、次のような意外な用途も出ています。

• 教育シミュレーション用の模擬法務シナリオを作る
• 職業教育・社内研修の教材を作る
• 学術・就職の推薦状を下書きする
• 会議の議題や事務書類を作る

教員がAIに向かう理由は、聞き取りでは3つに分かれました。面倒な作業の自動化、考えを広げる相棒、学生一人ひとりに合わせた対話的な学習体験です。「自分では思いつかない説明の仕方を見つけてくれる」という声が、2つ目の例として紹介されています。

Artifactsで教材そのものを作っている

数字より目を引くのは、会話で終わらず成果物を作っている点です。教員はClaudeのArtifacts機能で、授業にすぐ持ち込める教材を組み立てていました。レポートが挙げる作例は次のとおりです。

アンケートには「以前は時間がかかりすぎて無理だったものが可能になった。独自のシミュレーション、図、対話的な実験。学生にとってずっと魅力的だ」という回答が載っています。AIが会話の相手から制作の協力者へ変わる動きです。

Artifactsは、Free・Pro・Max・Team・Enterpriseの各プランで使えます。Claude Codeでも、Claude Codeを含むプランなら使えます。使うには、設定画面の機能(Capabilities)でArtifactsを有効にします。

任せ方は仕事の種類で割れる

もう一つの軸が、AIと協働する(拡張)のか、AIに直接やらせる(自動化)のかです。この区分はAnthropic Economic Indexの枠組みを引き継いでいます。

協働寄りの比率が高い仕事は次のとおりです。

自動化寄りの比率が高い仕事は次のとおりです。

文脈や創造性、学生との直接のやりとりが絡む仕事ほど、教員は協働で使っています。定型の事務や金銭管理は、まるごと任せる比率が高くなります。

教員の言葉では、授業計画をAIに作らせるとき「これまでどこまで教えたか、レベルはどうか」を伝えないと使えないという趣旨の発言がありました。授業の文脈が必要な作業は、おのずと協働になります。

参考として、Anthropicの別の調査では、Claude.ai全体の会話のうち協働が52%、自動化が45%でした。教員の数字とは母集団も期間も違うので、並べて優劣を言うことはできません。

採点だけが割れる

成績評価の会話は、全体の7%にとどまります。それでも自動化寄りの比率は48.9%で、教員向けの職務では2番目に高い水準でした。レポートはここに「懸念が残る」と書いています。

背景にあるのは、教員自身の評価との食い違いです。アンケートでは、採点はAIが最も効果を出せない領域だと答えられていました。実際に試した教員は「LLMに論文を採点させたが、自分の基準には足りなかった」と語り、学生が払っているのは教員の時間に対する授業料だという倫理面の指摘もしています。

レポートは、データ上の会話が最終成績にどこまで反映されたかは分からないとも断っています。つまり「採点を丸投げしている教員が半数近くいる」とは読めません。読めるのは、成績評価に関わる会話のうち約半数が、AIに直接作業させる形だったという事実までです。

一方で、形成的なフィードバックをArtifactsで自動化する取り組みは、学生の成長を助ける使い方として挙げられています。教員の間で多く合意されているのは「採点を完全に自動化すべきではない」という点です。

教える内容と評価の設計が動き始めている

聞き取りでは、AIが授業そのものを変えているという声も目立ちました。

• 分析科目では、構文エラーの修正より、ビジネスでの分析の考え方に時間を割けるようになった
• AIの出力が正しいか見分ける力が重要になり、そのための専門知識を学生に付けたい
• AIが解ける課題なら、不正の心配より課題設計の見直しが先だという意見がある
• 従来型の研究レポートを二度と課さず、AIでは解けない形に課題を作り直すという教員もいる

課題の難度を上げる道はありますが、AIが進歩し続ける以上は動く標的で、教員の負担も増えます。学生がAIなしで基礎力を付ける必要がある点も指摘されています。

この数字を読むときの限界

Anthropic自身が6点の限界を挙げています。

• 抽出フィルタが拾えたのは、大学メールアドレスの会話の約1.5%だけ。説明の相談など、教員に限らない用途は漏れている
• 対象は大学のメールアドレスのアカウントで、K-12の教員は含まない
• AIに慣れた早期利用者に偏っている可能性がある
• 聞き取りは単一の大学の22人で、一般化できない
• Claude.aiの利用に限られ、他社のAIツールの傾向とは違いうる
• 5〜6月の調査で、学年を通した季節変動は見えない

日本の教員にそのまま当てはめられる数字ではない、という点が重要です。小中高の教員を対象にした製品側の動きはClaude for Teachers発表の記事に、大学アカウントの始め方はClaude for Educationの使い方にあります。

自分の仕事に落とすときの型

ここから先は、調査の結果を日本の小中高の授業に読み替えた一例です(調査の対象は大学の教員です)。レポートが示すのは「協働で使う仕事」と「任せやすい仕事」の傾向なので、それに沿って指示を分けます。

教材づくりは協働型で進めます。例えば、次のような依頼文が考えられます。

中学2年の理科「化学変化」の小テストを、HTMLで作ってください。
- 既習: 原子・分子、化学式まで。化学反応式は未習
- 問題は10問、選択式。誤答には理由を一言返す
- 完成前に、前提にした既習範囲を私に確認すること

「既習範囲を確認させる」一文は、レポートにある「授業の文脈をAIに渡さないと使えない」という教員の声に対応します。

採点では、AIに判定をさせず、ルーブリックへの当てはめの下書きに役割を限る書き方が考えられます。

添付のルーブリックの各観点について、この答案が該当しそうな箇所を引用して挙げてください。
点数は付けず、迷う箇所には「要確認」と書いてください。

答案に氏名や学籍番号が入っていれば、渡す前に外します。この型は調査が推奨した手順ではなく、「採点を丸ごと任せない」という教員側の合意に沿わせた例です。

作問と配点の具体的な手順は、定期テストの作問と配点表をExcelで作る記事にまとめています。

まとめ

数字で見ると、教員のClaude利用は教材づくりに偏り、成果物まで作る人が出ています。割れているのは採点です。データ上は約半数が直接作業の型でも、教員自身の評価は低く、この食い違いがレポートの最大の論点でした。

調査の母集団は大学教員の早期利用者に限られるため、導入の判断材料にする場合は、自分の職場の使い方を同じ軸で数え直すのが近道です。協働で使っている仕事と、任せている仕事を書き出すだけでも、議論の土台になります。

教育分野の導入例はClaude教育導入事例に、Anthropicが利用実態を外部研究へ開いた動きは会話25万件の提供にまとめています。