相互評価のただ乗りを減らすAI補助の設計

グループ課題の相互評価で、生徒はたいてい互いに5点満点をつけます。仲のよい友達に低い点をつけるのは難しく、次は自分が評価される番だと思えば甘くつけるしかありません。関係が点数を決めてしまうと、相互評価は意味を失います。事実上、全員が満点となり、識別力がなくなってしまいます。AIは、評価の客観的な根拠を補強し、投げやりなフィードバックをふるい落とす安全装置として活用できます。点数ではなく根拠に目を向けさせることが出発点です。

点数の馴れ合いを防ぐ仕組み

点数だけを集めると馴れ合いが起きやすくなります。根拠の記述を必須にすると、馴れ合いのコストが上がります。もっともらしい根拠をでっち上げるほうが、ただ満点をつけるより面倒だからです。設計のポイントは次のとおりです。

• 点数の横に、必ず具体的な根拠を2つ以上書かせます。
• その根拠が評価項目と結びついているかをAIが点検します。「親切だった」「一生懸命だった」のような無関係な根拠は書き直させます。
• すべての評価は匿名で扱いつつ、先生はだれが投げやりなのかを確認します。

たとえば発表の相互評価なら、「声が大きかったので5点」ではなく「資料の出典を3つ明示し、質問に即答した」のように行動に基づく根拠を書くようAIが導きます。抽象的な称賛が行動の観察に変わった瞬間、評価は生きたものになります。

信頼性の点検にAIを使う

1. 一人の生徒に偏った極端な点数、つまり全員満点や全員最低点をAIが表示します。
2. 同じ対象についての複数の評価で、根拠の一貫性を比較します。一人だけとりわけ違う見方をしていたら、その理由を確認します。
3. 先生は異常の信号が出たグループだけを見ます。全体をすべて見る必要はありません。

相互評価は点数のためのものではなく、よい成果物の基準を生徒が内面化するための訓練です。

現場のチェックリスト

• 評価の前に一緒にルーブリックを読み、例示の答案で採点の練習をしてみます。基準なしに評価すれば、印象点になってしまいます。
• 自分のグループは評価しないようにします。利益相反を防ぐ基本的な仕掛けです。
• 相互評価の点数は成績の一部の重みとしてのみ使い、残りは先生が見ます。ふつうは相互評価20~30パーセント程度が無難です。
• 投げやりな評価を繰り返す生徒には、面談で「評価も課題の一部だ」ということをはっきり伝えます。

よい相互フィードバックを教える

生徒は、よいフィードバックの仕方を改めて習ったことがありません。だから「よくできました」や「いまひとつです」のような言葉しか残りません。評価の前にフィードバックそのものを教えれば、相互評価の質が変わります。次の枠組みを示すと効果的です。

1. よかった点を一つ、具体的に書きます。「導入がおもしろかった」ではなく「最初の一文で統計を示して注意を引いた」のように書かせます。
2. 直すとよい点を一つ、提案の形で書きます。「いまひとつだ」ではなく「結論に根拠をもう一行加えると説得力が上がりそうだ」のように書かせます。
3. 気になった点を一つ、質問として残します。質問は評価する側を、非難する人ではなく読者にします。

この三つの枠を与えるだけで、投げやりな一行の評価がなくなります。評価する生徒も他人の文章をていねいに読むようになるので、結局は自分の文章を見る目も一緒に育ちます。

まとめ

相互評価の敵は関係と投げやりさです。AIで根拠を必須にし、異常な点数を表示すれば、評価は人気投票から学習の道具へと変わります。要点は、点数ではなく根拠に目を向けさせる設計です。うまく回り出せば、生徒は友達を評価する過程でよい成果物の基準を自分のものにしていき、その基準が次の自分の課題にそのまま生きてきます。