7月28日、O'Reillyが「Teaching Coding When AI Can Write the Code」と題した記事を公開した。この記事では、AIがコードを書ける時代においてコーディング教育をどう再設計し、学生の真の理解を評価するかについて詳しく紹介されている。

「完成したコード」はもう証拠にならない

生成AIの登場で、学生の提出コードが持っていた意味が根本から変わった。かつてコードは「学生の思考の窓」だった。エラーの内容、構造の不自然さ、ぎこちない解法——すべてが、その学生がどう考え、どこで詰まったかを示していた。

今は違う。完成したプログラムが示すのは、学生のアイデアではなく学生のプロンプトの質だ。しかも皮肉なことに、コードが洗練されているほど、学生が何を理解しているかが見えにくくなる。

AIを検知しようとする動きもある。しかしStanfordの研究者によると、AIテキスト検出ツールは非英語ネイティブの英作文を誤検知する率が高く、TOEFLエッセイの61.22%がAI生成と誤判定されたという事例もある。OpenAI自身も2023年に自社のAI Text Classifierを精度不足を理由に廃止している。「どうやって不正を捕まえるか」という問いは、そもそも間違いだ。

正しい問いはこうだ——「AIがある世界でコーディングを教えるとはどういうことか？」

UT Austin（テキサス大学オースティン校）のArts and Entertainment Technologies学科（AET）では、この問いに対して3つの実践的アプローチを試みている。

アプローチ1：作業を「公開」する

AETではクラスをスタジオのように運営している。重要なのは、最も本質的な作業を教室の中で、他者に見える形で行うことだ。

AIは禁止されていない。むしろ「学ぶための補助ツール」として扱われる。学生はプロンプトやテクニックを共有し、AIもGoogleもStack Overflowも使える。ただし、提出・発表した作品については「このコードは何をしているか」「なぜこの設計を選んだか」を自分の言葉で説明できなければならない。

「AIに聞かないとあなたのコードが理解できないなら、何かがおかしい」

教室全体が見ている中で作り上げたものを、AIに外注することはできない。この「公開制作」のアプローチは、AI悪用の抑止だけでなく、リアルタイムでの説明・説得・議論という、どのキャリアでも必要なコミュニケーション能力の育成にも直結している。

アプローチ2（最注目）：AIを「評価者」に反転させる

最も面白いのがこのアプローチだ。通常のパターン——「学生が質問→AIが答える→学生がコピー」——を逆転させる。

AETはVera Molnár（1924–2023、アルゴリズムアートの先駆者）のアバターチャットボットをプロンプトエンジニアリングで構築した。このボットが学生と対話し、ランダム性・計算・生成アートについて議論を深めながら、学生の理解度を評価してグレードに反映する。

Vera MolnárチャットボットのUI（UT Austin）

ボットはシステムプロンプトで設定されたトピックを学生と掘り下げ、曖昧な回答には追加質問を重ね、理解の証拠が得られるまで対話を続ける。最後にルーブリック（評価基準）に照らして会話全体をレビューし、「どの概念を理解したか」「どこで詰まったか」「説明を修正できたか」を記録する。

この手法の背景には、ChatGPT以前から研究されてきたTeachable Agentシステムの知見がある。Betty's Brainなどの研究が示すように、「説明する」という行為は学習者に知識の整理と欠損の発見を強制する。

小規模な実験では、AIの評価とTAの評価は高い一致率を示したという。採点支援ツールとしての実用性も確認されており、OOPの知識が浅いTAがオブジェクト指向ゲームの課題を採点する際にも、AIの構造分析がTAの判断を補完する形で機能したと報告されている。

アプローチ3：ライブコーディングで「理解をパフォーマンス化」する

AETでは毎学期、学生たちがalgorave（アルゴリズミック・レイブ）を共同でステージングする。Creative Codingクラスはライブビジュアルを担当し、コードをリアルタイムで記述・修正しながら、その画面をプロジェクターで観客に公開する。

Hydraなどのライブコーディング環境を使ったビジュアルコードが、リアルタイムで変化する映像として観客の目の前に展開される。

UT Austin、AudioPixel Collider algorave（2025年11月）でのライブコーディングの様子

2004年にTOPLAPが記したLive Codingマニフェストにはこんな一節がある——「**Obscurantism is dangerous. Show us your screens.**（不透明さは危険だ。画面を見せろ）」

ステージの上では「コードをコピーできるか」ではなく「コードをコントロールできるか」が問われる。プロジェクション全体がベージュの矩形になったまま3分間パブリックデバッグをするとき、理解は隠しようがない。

「パニックを盗作するのは非常に難しい」

教育を超えた示唆

記事の最後で指摘されているポイントは、教育現場にとどまらない。

• 洗練されたメモは、背後に本物の思考があったことを証明しない
• 動くプロトタイプは、プロダクトセンスを証明しない
• パスしたプルリクエストは、開発者が注意深く変更を行ったことを証明しない

AIが生産物の生成を容易にした今、評価すべきは「プロセス」——どう考え、選択し、修正し、問題から回復するか——に移行している。

これら3つのアプローチはまだ実験段階であり、対照実験や比較研究は行われていない。ただし示唆する原則は明確だ——完成物が生成しやすくなるほど、評価はプロセス・説明・修正・習熟に焦点を当てなければならない。

芸術教育はずっとそれを知っていた。

詳細はTeaching Coding When AI Can Write the Codeを参照していただきたい。