探究学習を「AIに聞く」から「AIに教えて、問いを磨く」へ

株式会社トリガーと笹埜健斗研究室、Teach-to-AIモデルを組み込んだ「探究メッシュAI」の実証を開始

写真：AI-Bouと笹埜健斗研究室の連携を象徴する握手写真

本リリースの要点

1. 笹埜健斗研究室が提唱するTeach-to-AIモデルを、学校向け生成AIサービスAI-Bouに組み込んで実証します。
2. 生徒の探究を探究タグ/カードとして構造化し、横のつながりであるSpace Link、縦のつながりであるTime Linkにより、探究を接続・継承します。
3. AIは教師を置き換えるのではなく、下処理・候補提示・リスク検知を担い、教師の専門性を判断・価値づけに再配分します。

株式会社トリガー（代表取締役：橋本竜平、Web：https://trigger-x.co.jp/）は、笹埜健斗研究室（代表：笹埜健斗、Web：https://sasano.org/）と連携し、学校向け生成AIサービス「AI-Bou」を拡張した新たな教育AIモデル「探究メッシュAI」の実証を開始します。

本実証の中核となるのは、笹埜健斗研究室が提唱するTeach-to-AIモデルです。これは、生徒がAIに答えを求めるのではなく、自分の問い・仮説・方法・証拠をAIに「教える」ことで、AIから誤解・質問・反論・不足点を返してもらい、自分の理解や探究テーマを更新していく学習モデルです。

01  背景：探究学習は広がった。しかし、学びはまだ“点”で終わりやすい

高校現場では、総合的な探究の時間や課題研究を通じて、生徒が地域・社会・自分自身の関心に基づくテーマに取り組む機会が広がっています。

一方で、多くの学校では次のような課題が残されています。探究の成果が個人・クラス・年度内に閉じやすいこと、似たテーマに取り組む生徒同士が出会いにくいこと、過年度の成果や失敗が後輩に引き継がれにくいこと、そして教員が専門外テーマの伴走・添削・評価に大きな負荷を感じることです。、似たテーマに取り組む生徒同士が出会いにくい、過年度の成果や失敗が後輩に引き継がれにくい、教員が専門外テーマの伴走・添削・評価に大きな負荷を感じる、といった課題があります。

探究で生まれる問い、仮説、調査方法、証拠、失敗、未解決課題は、本来、学校や地域にとって重要な知的資産です。しかし現状では、それらが「作品保存」にとどまり、次の学びに十分活用されていません。

本実証の考え方

株式会社トリガーと笹埜健斗研究室は、探究学習を「単年度の提出物」から「学校・地域に蓄積され、次年度へ渡せる探究系譜」へ変えることを目指します。

02  Teach-to-AIモデルとは

Teach-to-AIモデルは、AIを「答えを出す機械」としてではなく、生徒自身の理解の粗さを映す鏡として使う学習モデルです。

従来のAI活用では、生徒がAIに質問し、AIが回答するという流れになりがちでした。しかし、探究学習で本当に重要なのは、早く答えを得ることではありません。自分の問いを言語化し、仮説を検証可能にし、証拠を集め、他者の視点を受けて考えを更新することです。

ステップ	生徒の行動	AIの役割	学習上の意味
1	自分の問い・仮説・方法をAIに説明する	説明の曖昧さや前提の不足を検出する	理解を外化する
2	AIからの質問・反論・不足点を受け取る	誤解、証拠不足、方法上の弱点を返す	問いを磨く
3	他者・過年度の探究を比較して更新する	Space Link / Time Linkで複数候補を提示する	探究を深める
4	自分の判断で採用・非採用を決める	答えではなく比較材料を提示する	主体性を保つ

つまり、AIが答えを渡すのではなく、生徒がAIに教え、その反応を受けて問いを磨く。これが、Teach-to-AIモデルを探究学習に実装する最大の特徴です。

03  探究メッシュAIで実現する5つのこと

1. 生徒の探究を「探究タグ/カード」として構造化

生徒の提出物、振り返り、AI添削結果、深掘りチャットの内容をもとに、問い、仮説、対象、地域、方法、証拠、困りごと、次の行動、共有範囲、個人情報リスクなどを整理します。これにより、探究は単なる提出物ではなく、検索・推薦・比較・継承に使える教育データになります。

2. 横のつながり「Space Link」で、同時期の探究をつなぐ

同じ時期に似たテーマに取り組む生徒、補完し合える方法を使う生徒、対照比較できる地域や対象を扱う生徒を、AIが複数候補として提示します。生徒は他者の探究を真似るのではなく、比較し、方法を組み合わせ、視点を広げるために参照します。

3. 縦のつながり「Time Link」で、過年度の失敗と未解決課題を引き継ぐ

過去の成果物を丸ごと見せるのではなく、本人同意と学校方針に基づき、問い、方法、失敗、限界、未解決課題を中心に要約カードとして提示します。これにより、同じ失敗の繰り返しを減らし、学校の探究文化や地域知を次年度へ継承できます。

4. 教員の専門性を「判断・価値づけ」に再配分する

AIが下処理、複数候補提示、リスク検知、傾向分析を担うことで、教員は生徒の成長の見取り、問いの価値づけ、高リスク内容の確認、外部連携の判断に集中できます。

5. 教育委員会・自治体へ展開できる探究データモデルをつくる

探究タグ/カード、探究系譜グラフ、同意取得、リスクベース確認、効果検証ログ、運用ガイドラインを整理し、他校・教育委員会・自治体・地域課題探究へ展開できるモデルとして普及を目指します。

04  教育委員会・自治体にとっての意義

地域課題探究は、自治体にとっても重要な知的資産です。高校生が地域交通、観光、防災、福祉、環境、農業、商店街、まちづくりなどに取り組んでも、その成果が年度ごとに散逸してしまえば、地域に知見は蓄積されません。

探究メッシュAIは、地域課題に関する高校生の問い・調査方法・証拠・失敗・未解決課題を、安全に扱える形で蓄積します。これにより、自治体は、単発の探究発表会に留まらず、若者の地域参画、大学・企業連携、地域課題の継続的な可視化、次年度の探究テーマ設計に活用できる可能性があります。

05  実証の概要

項目	内容
実証名称	探究メッシュAI
中核モデル	笹埜健斗研究室 Teach-to-AIモデル
実施主体	株式会社トリガー
連携・研究監修	笹埜健斗研究室
基盤サービス	学校向け生成AIプラットフォーム「AI-Bou」
対象	高校1・2年生の探究学習・課題研究
主な機能	探究タグ/カード生成、Space Link推薦、Time Link推薦、リスクベース確認、教員ダッシュボード、効果検証用ログ出力
主な検証項目	問いの明確度、証拠の多様性、改訂回数、他者参照数、過年度参照率、教員負荷、安全性、継続利用可能性
成果物探究	メッシュAI MVP、探究データモデル、運用ガイドライン、効果検証レポート、普及資料

06  実証参加校の募集

株式会社トリガーと笹埜健斗研究室は、本実証にご参加いただける高等学校を募集します。総合的な探究の時間や課題研究で生成AIの活用を検討している学校、探究の成果を次年度へ引き継ぐ仕組みづくりに関心のある学校からのお問い合わせを歓迎します。

募集対象	総合的な探究の時間・課題研究に取り組む高等学校（高校1・2年生を主な対象とします）
参加費用	無償。本実証期間中は、AI-Bouおよび探究メッシュAI関連機能を費用負担なくご利用いただけます。
実証時期	2026年度内の開始を予定（開始時期・期間は参加校と個別にご相談します）
参加にあたって	生徒・保護者への説明と同意取得、ならびに効果検証のためのデータ提供・アンケート等にご協力をお願いします。

参加校には、次のようなメリットがあります。

• 探究学習における生成AIの先行導入を通じて、教員の伴走・添削にかかる負荷の軽減を体験できます。

• 自校の探究で生まれた問い・方法・証拠・失敗を、次年度へ引き継げる教育データとして蓄積できます。

• 効果検証の結果や運用ガイドラインなど、実証で得られた知見のフィードバックを受けられます。

• 開発・研究チームによる導入サポートを受けられます。

ご関心のある学校・教育委員会・自治体の関係者の方は、株式会社トリガーWebサイト（https://ai-bou.jp/contact）のお問い合わせ窓口よりご連絡ください。担当者より、実証の詳細・スケジュール・必要なご準備についてご説明します。

07  本実証で検証する主な成果指標

本実証では、単に「AIを使ったかどうか」ではなく、教育効果・安全性・運用可能性を具体的な指標で検証します。

• 探究データの構造化率、教師修正率、欠損率

• 推薦候補の採用・参考率、非採用理由、有用性評価

• 問いの明確度、仮説の検証可能性、証拠の多様性、改訂回数

• 他者参照数、過年度参照率、探究系譜グラフの形成状況

• 教員の準備・添削・検索時間、リスク確認件数、運用負荷

• 重大な不適切提示の有無、個人情報・センシティブ情報の検知・確認状況

特に、教育現場で重要となる「安全に使えるか」「教師の負荷が増えないか」「生徒の主体性を損なわないか」を重視します。

08  安全性と個人情報保護について

本実証では、教育データを扱う前提として、目的限定、データ最小化、本人・保護者への説明と同意、アクセス権限管理、ログ監査、保存期間管理を徹底します。

生徒の生ログや原本成果物を広く共有するのではなく、学習支援に必要な最小単位として、本人同意・学校方針に基づく要約カードを活用します。

また、個人情報、家庭・健康・いじめ等のセンシティブ情報、原本閲覧、学校間・外部共有などについては、リスクベースで教師確認を行います。

09  今後の予定

今後、要件定義、実証校との調整、同意取得、MVP開発を進め、学校現場での実証を開始します。

実証では、学習成果、教員負荷、安全性、導入可能性を検証し、成果報告書、探究データモデル、運用ガイドライン、普及資料として整理します。

株式会社トリガーと笹埜健斗研究室は、本実証を通じて、学校・教育委員会・自治体が安心して生成AIを活用できる、新しい探究学習モデルの確立を目指します。

10  コメント

株式会社トリガー 代表取締役　橋本竜平

探究学習は、子どもたちが自分の問いを持ち、社会とつながるための大切な学びです。一方で、先生方の現場負荷は非常に大きく、一人ひとりの探究を十分に見取り、他者や過年度の学びにつなぐことは簡単ではありません。

私たちは、AI-Bouを通じて学校現場に寄り添ってきた経験をもとに、AIが先生を置き換えるのではなく、先生が本当に見るべき生徒の変化に集中できる仕組みをつくりたいと考えています。探究メッシュAIによって、探究を発表会で終わらせず、学校と地域に残る学びの資産へ変えていきます。

笹埜健斗研究室 代表　笹埜健斗

生成AIを教育に入れるとき、もっともも避けなければならないのは、生徒がAIに答えを求めるだけになってしまうことです。探究学習において本当に重要なのは、問いを立て、説明し、反論され、証拠を見直し、自分の考えを更新していく過程です。

Teach-to-AIモデルは、AIを「答えの供給者」ではなく、「自分の理解の粗さを映す鏡」として使う考え方です。探究メッシュAIは、このTeach-to-AIモデルを学校現場に実装する試みです。AIを単なる添削者ではなく、探究の媒介者・接続者・継承者として位置づけ、全国の学校と自治体が安全に活用できる探究学習モデルをつくっていきます。

11  株式会社トリガーについて

株式会社トリガーは、学校向け生成AIサービス「AI-Bou」を開発・提供する教育AI企業です。AI-Bouは、探究学習、進路学習、各教科における学習支援伴走から始まり、評価・添削を支援し、学校独自の評価指標やルーブリックに基づくフィードバック、深掘りチャット、傾向分析、データ出力等を通じて、教育現場における生成AI活用を支援しています。

代表取締役：橋本竜平

Web：https://ai-bou.jp/

12  笹埜健斗研究室について

笹埜健斗研究室は、生成AI時代の教育工学・教育情報学を専門とし、AIを単なる回答生成装置としてではなく、人間の問い・説明・省察・学習文化を拡張する共創パートナーとして位置づける研究を進めています。

代表的な研究キーワードに、Teach-to-AIモデル、探究学習支援、教育データ利活用、生成AI活用型探究学習、AIと学習者の相互作用設計などがあります。

代表：笹埜健斗

Web：https://sasano.org/

14  本件に関するお問い合わせ

株式会社トリガー　Web：https://ai-bou.jp/contact

笹埜健斗研究室　Web：https://sasano.org/

教育委員会・学校関係者の皆さまへ

本実証では、ご参加いただける高等学校を募集しています（参加費用は無償）。探究学習における生成AI活用、Teach-to-AIモデル、安全な教育データ利活用、地域課題探究への展開可能性についての個別説明も承ります。ご関心のある学校・教育委員会・自治体の関係者の方は、上記Webサイトのお問い合わせ窓口よりご連絡ください。