AIに作文を添削させると上達するのか。AIの添削（自動フィードバック）と学習の研究

約5分で読めます

This manuscript, a draft of a book published in 1889, consists of three works by Sun Shijun of the Qing dynasty. There are two juan of essay — Photo: Sun, Shijun / Public domain / Wikimedia Commons

AIによる調査公開された研究をAIが調べて整理しました（独自の実験ではありません。出典は末尾）。

英作文やレポートをAIに添削してもらうと、たしかに文章はきれいになります。でも、自分の書く力は伸びているのでしょうか。研究からいえるのは、自動の添削には中くらいの効果があること。そして分かれ目は、直された文を受け取るか、指摘をもとに自分で書き直すか、にあるということです。

3行でわかる

作文への自動フィードバック（機械による指摘）は、20本の研究・2828人をまとめたメタ分析で、中くらいの効果がありました（g = 0.55）。
ただし、生成AIの助けで作文の点数が伸びても、知識の伸びや応用力では差が出なかった実験もあります。
AIには「直した文」ではなく「指摘」だけを頼み、書き直しは自分の手でする。これが研究に沿った使い方です。

01「文章がよくなった」と「書く力がついた」は別もの

AIが直した文章は、その場の出来をよくします。でも、直す作業をAIが代わりにしているなら、次に一人で書くときの力は残りにくくなります。

AIの添削には、大きく2つの使い方があります。1つは、AIに文章を丸ごと直してもらい、完成した文を受け取る使い方。もう1つは、「ここがわかりにくい」「この語は不自然」といった指摘だけを受け取り、自分で書き直す使い方です。

前者は、答えを見て写すのに近い作業です。答えを聞くだけの学び方の弱点は、AIに答えを聞くと勉強は身につかないのかでも紹介しています。

02科学的にわかっていること

自動フィードバックは文章の上達に中くらいの効果があります。ただし生成AIの研究では、作文の点数の伸びと、学んだ力の伸びが一致しない結果も出ています。

Fleckensteinら（2023）[1]

作文への自動フィードバックを調べた20本の研究（84の効果量、2828人）をまとめると、文章の出来への効果はg = 0.55で、中くらいのプラスでした。3回以上使った研究ではg = 0.66、1〜2回だけではg = 0.18でした。

対象: 中高生と大学生／限界: 研究ごとの結果のばらつきが大きく、回数などのグループ差は統計的にはっきりしませんでした。

Ngoら（2024）[2]

英語を外国語・第二言語として学ぶ人への自動添削を調べた研究（1993〜2021年）をまとめると、使わないグループとの比較で効果はg = 0.59でした。語彙の使い方の改善には効きやすく、文法の改善には効きにくい傾向がありました。

対象: 24本の研究（グループ比較）／限界: 生成AIが普及する前の添削システムが中心です。短い期間の使用では効果が小さくなりました。

Meyerら（2024）[4]

英語を外国語として学ぶ高校生459人が意見文を書き、半分は生成AIの指摘を見て、残り半分は指摘なしで書き直しました。指摘を受けたグループは書き直しの出来が上がり（d = 0.19）、やる気も高まりました（d = 0.36）。

対象: 高校生459人／限界: 効果が示されたのは同じ作文の書き直しの出来で、次に新しく書く文章の上達ではありません。

Fanら（2025）[5]

大学生117人が作文課題に取り組み、生成AI・人間の専門家・チェックリスト型の道具・支援なしのどれかを割り当てられました。生成AIのグループは作文の点数が最も伸びましたが、知識の伸びと、別の課題への応用では差がありませんでした。

対象: 大学生117人（実験室での1回の課題）／限界: 短時間の実験で、長く使い続けた場合はわかりません。

Wisniewskiら（2020）[3]

AIに限らないフィードバック全般の435研究（6万1000人以上）では、効果はd = 0.48でした。正誤を伝えるだけの指摘（d = 0.46）より、自分の進め方の振り返りまで含む情報の多い指摘（d = 0.99）の方が効果が大きくなりました。

対象: さまざまな年齢・科目／限界: 研究ごとの差が大きく、フィードバックを1つの方法としては扱えないと著者らは述べています。

実験の多くは学校の授業や短い課題で行われました。一人で何か月も文章を学ぶ社会人に、同じ大きさの効果が出るとは限りません。

03今日からできる小さな一歩

AIに頼むのは「直した文」ではなく「指摘」です。書き直しは自分の手で行い、最後にAIの直しと見比べます。

「直さずに、指摘だけして」と頼む

例:「私の作文です。書き直した文は見せずに、わかりにくい箇所と不自然な語を3つだけ、理由つきで指摘してください」。

所要 2分

指摘をもとに、自分で書き直す

AIの文をコピーせず、自分の言葉で直します。どう直すか迷ったら、ヒントだけを追加で頼みます。

所要 10分

「次に気をつけること」を1行メモする

例:「主語と動詞を近づける」。次の作文を書く前に読み返し、同じ指摘が減ったかを確かめます。

所要 1分

04続けるためのコツ

1回で完璧に直そうとせず、短い作文を何度も書くことを優先します。メタ分析でも、1〜2回だけより、3回以上使った研究の方が効果が大きめでした。

毎回の指摘は3つまでに絞り、書き直しを負担にしない
文法の指摘が続くときは、ルールを自分の言葉で説明してから書き直す
直した文章が「読みやすくなった」と感じても、わかったつもりに注意し、翌週は何も見ずに同じテーマで書いてみる

05よくある質問

AIに作文を添削させるのはずるい？上達の邪魔になる？

ずるいわけではありません。自動フィードバックのメタ分析では、文章の出来に中くらいのプラスの効果がありました（g = 0.55）。ただし、AIが直した文をそのまま写すと、作業はAIがしたことになります。指摘を読んで自分で書き直す使い方なら、研究に沿っています。

AIに直した文章を書いてもらうのと、指摘だけもらうのはどちらがいい？

学ぶことが目的なら、指摘だけもらって自分で直す方をおすすめします。Fanら（2025）の実験では、生成AIの助けを借りたグループは作文の点数は一番伸びましたが、知識の伸びや別の課題への応用では他のグループと差がありませんでした。

AIの添削は、文法と語彙のどちらに効く？

英語を外国語として学ぶ人を対象にしたNgoら（2024）のメタ分析では、自動添削は語彙の使い方の改善により効果的で、文法の改善には効きにくい傾向がありました。文法は、指摘されたルールを自分でまとめ直すなど、別の練習も組み合わせましょう。

勉強法の早見表で「AIの指摘をもとに自分で書き直す」の判定を見る
ほかの勉強法も30種類、研究で「効く・条件しだい・当てにならない」に分けています。

出典

Fleckenstein, J., Liebenow, L. W., & Meyer, J. (2023). Automated feedback and writing: a multi-level meta-analysis of effects on students' performance. Frontiers in Artificial Intelligence, 6, 1162454. https://doi.org/10.3389/frai.2023.1162454
Ngo, T. T. N., Chen, H. H. J., & Lai, K. K. W. (2024). The effectiveness of automated writing evaluation in EFL/ESL writing: a three-level meta-analysis. Interactive Learning Environments, 32(2), 727–744. https://doi.org/10.1080/10494820.2022.2096642
Wisniewski, B., Zierer, K., & Hattie, J. (2020). The Power of Feedback Revisited: A Meta-Analysis of Educational Feedback Research. Frontiers in Psychology, 10, 3087. https://doi.org/10.3389/fpsyg.2019.03087
Meyer, J., Jansen, T., Schiller, R., Liebenow, L. W., Steinbach, M., Horbach, A., & Fleckenstein, J. (2024). Using LLMs to bring evidence-based feedback into the classroom: AI-generated feedback increases secondary students' text revision, motivation, and positive emotions. Computers and Education: Artificial Intelligence, 6, 100199. https://doi.org/10.1016/j.caeai.2023.100199
Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489–530. https://doi.org/10.1111/bjet.13544