子ども・学校

AIを使ったとされ、課題が0点や不合格になった。研究では判定の数字だけで同じレポートの点数が下がり、人の目の見分けも当て推量並みで、納得できないときは判断の理由と手続きを先に確かめる

約8分で読めます

わかっている度 ★☆☆ 低研究4本を整理出典照合済み(2026-10-18)
誰もいない大学の講義室
Photo: Theonlysilentbob / CC BY-SA 3.0 / Wikimedia Commons
AIによる調査公開された研究と公的機関のデータ・指針をAIが調べて整理しました(商品の紹介や診断はしていません。出典は末尾)。

「AIを使った」と判断されて、レポートが0点になった。単位を落とすかもしれない。納得できないけれど、何を言えばいいのかわからない。そんなときは、怒りや不安をぶつける前に、「何を根拠にそう判断されたのか」と「学校にどんな手続きがあるのか」を確かめるところから始めます。

3行でわかる

  1. 大学教員214人の実験では、同じレポートでも「AI判定87%・赤い強調あり」の報告を添えると、100点満点の点数が平均73.30点から51.61点に下がっていた。
  2. 人の目で見分ける力も確かではなく、5人の評価者がAIの使い方を言い当てられたのは19%で、偶然と同じ程度だった。決まった基準で見ても、先生どうしの判断がそろわない例があった。
  3. 納得できないときは、判断の理由を文書で確かめ、学校の手続きと期限を調べ、書いた過程がわかる記録を添えて、落ち着いて問い合わせる。

01 結論から言うと0点になったら、まず何をすればいい?

まず「どの部分を、何を根拠にAIと判断したのか」を確かめます。次に、学生便覧や授業の案内で、成績や処分への問い合わせ・申し立ての手続きと期限を調べます。そのうえで、書いた過程の記録をそろえて、文書で問い合わせます。

結果を聞いた直後は、頭に血がのぼったり、逆に「もう何を言っても無駄だ」と感じたりしがちです。けれども、先生が何を見て判断したのかがわからないままでは、何を説明すればいいのかも決まりません。

判断の根拠には、AI判定ツールの数字、文章の印象、以前の提出物との違い、参考文献の誤りなど、いくつかの種類があります。どれが根拠かによって、出せる材料も変わります。面談の前の準備についてはAIで書いたレポートで、先生から呼び出されたにまとめています。この記事は、評価が出たあとに納得できない場合の進め方です。

02 研究とデータでわかっていることAIを使ったかどうかの判断は、どのくらい確か?

判定ツールの数字も、人の目による見分けも、それだけで決め手にできるほど確かではありません。実験では判定の数字が先生の採点を大きく動かし、人の見分けは偶然と同じ程度でした。決まった基準を使っても、先生どうしの判断がそろわない例がありました。

73.30→51.61同じレポートの100点満点の点数の平均。判定7%・強調なしと、判定87%・赤い強調ありの比較(大学教員214人、2026年発表)
19%5人の評価者が、文章へのAIの使い方を5段階で言い当てられた割合(研究者向けの文章30本、2025年発表)
14本中5本決まった基準で複数の先生が見ても、面談に進むかどうかの判断が分かれた課題の数(米国の看護系大学院、2025年発表)

Du・Liu・Xian(2026)[1]

採点経験のある大学教員214人に、まったく同じ中くらいの出来のレポートを採点してもらいました。一緒に見せた架空のAI判定の報告だけを、判定7%か87%か、文に赤い強調があるかないかで変えました。100点満点の点数の平均は、7%・強調なしの組で73.30点、87%・赤い強調ありの組で51.61点でした。判定の数字が高い組ほど、レポートを「AIが書いた可能性が高い」と見ていました。

対象: 中国の調査サイトで募った大学教員214人、中国語の社会科学のレポート1本(オンラインの実験) / 限界: 架空の報告を使った実験で、実際の授業や日本の学校でも同じ大きさの差が出るかはわかっていない。

この実験で変えたのは報告の数字と見せ方だけでした。著者らは、機械の出した答えに人の判断が引きずられる「自動化バイアス」が採点でも起きうると述べています。0点という結果の裏に、判定の数字がどれだけ効いていたのかを確かめる意味は、ここにあります。

Chengら(2025)[2]

2022年より前に発表された論文30本の序論をもとに、「すべて人が書いた」から「題名だけからAIが書いた」まで、AIの使い方が違う5種類の文章を作りました。専門知識のある5人の評価者が、どれに当たるかを見分けたところ、正解は全体で19%でした。5択なので、偶然当たる確率(20%)と変わりません。すべて人が書いた文章を、正しく「人が書いた」と見分けられたのは17%でした。

対象: 医療シミュレーション分野の論文30本と、評価者5人。判定ツール3種も比べた / 限界: 評価者は見分ける訓練を受けておらず、学生のレポートや日本語の文章ではない。

同じ研究で、判定ツール3種はAIの使い方の段階をおおむね区別できたものの、点数の水準はツールによって大きく違いました。判定ツールそのもののばらつきは自分で書いたのに、AI判定ツールで「AIが書いた」と言われたで詳しく紹介しています。

Grimmら(2025)[3]

米国の看護系大学院で、判定ツールの数字が25%を超えた課題について、6つの項目(ありきたりな言い回しが多い、存在しない文献がある等)で複数の先生が別々に評価する仕組みを試しました。2項目以上に当てはまれば学生と面談します。対象の課題14本のうち、面談に進むかどうかの判断が先生どうしでそろったのは9本で、5本では分かれました。

対象: 3つの授業の課題14本、先生2〜5人ずつの評価62件 / 限界: 小さな試行で、評価は成績に使われなかった。項目のまとまりを示す数値も基準(0.70)に届かず0.59だった。

著者らは、この仕組みは判定ツールだけに頼るより整った方法になりうるとしつつ、「AIの使用を決定的に判断できるほど、まだ信頼できるものではない」と書いています。一方で、正式な分析ではないものの、学生に書いた過程を説明してもらい、下書きなどを出してもらう面談は、先生と学生の対話を進めるのに役立ったと報告しています。

Ndacyayisengaら(2026)[4]

英語で学ぶ医療系の学生を対象にした27本の研究をまとめた系統的レビューです。英語を母語としない人の文章を、判定ツールがAI製と誤った割合は、6本の実験研究で50.2〜61.3%でした(母語の人は5%未満)。著者らは、AIの使ってよい範囲や引用のしかたに加え、判定の結果に異議を伝える方法もシラバスに書くよう提案しています。

対象: 2022〜2025年に発表された27本の研究(医学・看護・薬学・歯学の学生) / 限界: 英語で学ぶ医療系の学生が中心で、日本語のレポートには直接当てはめられない。

03 まだわかっていないこと問い合わせや申し立てで、結果は変わる?

申し立てによって結果がどのくらい変わるのかを、学生の立場から調べた査読つきの研究は見つかりませんでした。手続きの有無や進め方は学校ごとに違い、この記事では結果を予想できません。

  • AIの使用を理由にした評価への問い合わせや申し立てが、どのくらい認められているかを示すデータは見つかっていません。
  • 日本語のレポートについて、先生の見分けや判定ツールがどのくらい誤るかを調べた研究は、まだ少ない状態です。
  • 上の実験は、架空の報告や小さな試行が中心です。実際の学校で判定の数字がどれだけ評価を動かしているかは、わかっていません。

04 今日からできること納得できないとき、何から手をつける?

期限を確かめる、判断の理由を文書で聞く、書いた過程の記録をそろえる、の順に進めます。問い合わせは責める言い方を避け、事実と聞きたいことを短く書きます。

1

手続きと期限を最初に確かめる

学生便覧、大学のサイト、シラバス、授業の案内で「成績評価の問い合わせ」「異議申立て」などの手続きを探します。期限が短いこともあるので、日付をメモします。見つからなければ、教務の窓口で聞きます。

目安 15分

2

判断の理由を文書で聞く

「どの部分を、何を根拠にAIを使ったと判断されたのか教えてください」と、メールなど記録に残る形で聞きます。判定ツールの数字だけが根拠なのか、ほかの理由もあるのかで、次に出す材料が変わります。

目安 メール1通・20分

3

書いた過程の記録をそろえる

下書き、文書の編集履歴、手書きのメモ、読んだ文献、AIとのやりとりの履歴を集めます。手元の記録は消したり書き換えたりしません。AIを使った部分があるなら、その範囲も正直に書き出します。

目安 30分〜1時間

4

問い合わせ文を1枚にまとめる

「授業のルール」「自分がしたこと(AIを使った範囲を含む)」「添える記録」「聞きたいこと(判断の理由、見直しや再提出の可否)」の4つを箇条書きにします。感情は書かず、事実だけにします。

目安 30分

5

一人で抱えず、相談先に話す

担任、ゼミの先生、学生相談の窓口、保護者などに、出す前の文書を見てもらいます。結果がどうなっても、「次の課題でAIをどこまで使ってよいか」を確かめておくと、同じことを繰り返さずに済みます。

目安 相談1回・30分

AIを使ってよい範囲の考え方はレポートや宿題にAIを使ったら不正?にまとめています。

05よくある質問

AIを使ったと言われて0点になったら、もう取り消せない?

取り消せるかどうかは、学校や授業のルールと手続きによって違い、この記事では判断できません。ただ、研究ではAI判定の数字や人の目による見分けは、それだけで決め手にできるほど確かではありませんでした。まず判断の理由を確かめ、学校に問い合わせや申し立ての手続きがあるかを調べます。

実際に少しAIを使っていた場合でも、問い合わせていい?

問い合わせること自体は構いません。そのときは、使った範囲を正直に書き、授業のルールのどこに当たると考えるかを添えます。全部を否定するより、どこがAIでどこが自分か具体的に示すほうが、話を整理しやすくなります。

先生に問い合わせると、関係が悪くならない?

心配になるのは自然です。責める言い方を避け、判断の理由を知りたい、次にどうすればいいか知りたい、という形で聞くと話しやすくなります。直接聞きにくければ、担任やゼミの先生、学生相談の窓口に、まず相談してもかまいません。

高校生でも、成績に納得できないときに聞いていい?

聞いてかまいません。高校では大学のような書面の手続きがないこともあるので、担任や教科の先生に、判断の理由と再提出ができるかを聞くのが入り口です。保護者に事情を伝えておくと、話し合いの場を持ちやすくなります。

「子ども・学校」を順に読む
知る → 備える → 起きたとき(この記事) → 立て直す
この悩みのガイドを見る

出典

  1. Du P, Liu T, Xian X (2026). Automation bias in teachers' evaluation of student writing: effects of algorithmic warnings and visual risk cues in AI detection reports. Frontiers in Psychology, 17, 1889402. https://doi.org/10.3389/fpsyg.2026.1889402
  2. Cheng A, Lin Y, Reedy G, et al. (2025). Ability of AI detection tools and humans to accurately identify different forms of AI-generated written content. Advances in Simulation, 10, 66. https://doi.org/10.1186/s41077-025-00396-6
  3. Grimm J, Astrella J, Chung C, et al. (2025). Addressing Generative AI Detection in Doctoral Nursing Education: Challenges and Benefits of a Standardized Evaluation Approach. Nurse Educator, 50(6), E422-E424. https://doi.org/10.1097/NNE.0000000000001965
  4. Ndacyayisenga JCY, Kidega C, Aciro Can L (2026). The impact of generative artificial intelligence tools on assessment equity for non-native English-speaking medical students: a systematic review. BMC Medical Education, 26, 989. https://doi.org/10.1186/s12909-026-09303-7