AIも偏見を持つ、公正さを教える授業として扱う

授業中に生徒へ、AI画像生成ツールで「医師」と「看護師」を描かせてみたことがあります。画面には申し合わせたように、医師は男性、看護師は女性で埋め尽くされました。生徒たちは最初こそ笑っていましたが、「どうして全部こうなるんだろう」という問いを前に表情が真剣になりました。同じ実験を「科学者」「犯罪者」といった単語で続けていくと、特定の性別や人種に偏った画像が繰り返し出てきました。AIは世界を客観的に映す鏡ではなく、学習したデータに含まれた偏見までそのまま学んだ存在だったのです。 この瞬間をそのまま流してしまえば生徒はAIの答えを中立だと誤解し、つかまえれば公正さを一緒に考える授業になります。

AIのバイアスが教室で危うくなる場面

AIのバイアスを扱うのが難しいのは、それがはっきりと表に出てこないからです。

• 中立に見えること: 機械が出した答えだという理由だけで、生徒はその中にある偏りを疑いもせず受け入れます。
• データに根を張っていること: バイアスは特定の答え1つにあるのではなく学習データ全体に染み込んでいるため、目に留まりにくいのです。
• 再生産による拡大: 生徒が偏った結果をそのまま引用すると、その偏りが課題や発表を通じてさらに広く広がっていきます。

目標はAIを不信の目で見させることではなく、答えの背後に誰の世界が込められているのかを問える目を育てることです。

Flipssonでバイアスを一緒に検討する授業

Nallijakuのモジュール型授業プラットフォーム Flipsson は、インストール不要でブラウザからこの検討活動を1つの流れに収めます。ブロックエディタで導入のコールアウトに探究の問いを投げかけ、生徒がさまざまな条件でAIに尋ねた結果を画像・ファイル提出ブロックで集めたうえで、記述課題ブロックで「どんなバイアスが見えるか」を書かせれば 観察・証拠・解釈が1つのモジュールの中でつながります。 課題ブロックに必須回答を設定しておけば、結果を貼り付けるだけで終わらせず、必ず自分の解釈を残すよう促すことができます。

とりわけAIチューターは、この授業のよい対比事例になります。FlipssonのAIチューターはインターネット全体ではなく今学んでいるモジュールを根拠に答え、どのブロックから持ってきたのかを出典として表示するので、生徒は「根拠が見える答え」と「根拠が隠された偏り」を並べて比べることになります。出典を確かめる習慣は、それ自体がAIの答えをやみくもに受け入れない態度へとつながります。続いて意見ボードに各自が見つけたバイアスの事例をカードとして投稿すれば約4秒ですべての画面に集まり、クラス全体が発見したバイアスの地図が目の前に広がります。 互いの事例にいいねやコメントをつけながら、一人では見落としていたバイアスを友達のカードから見つけ、公正さへの感度が議論の中で育っていきます。完成した検討モジュールはライブラリに保存して、次の学期の別のクラスでもまた使います。

まとめ

AIのバイアスは隠したり怖がらせたりする対象ではなく、生徒と一緒に証拠をもとに検討する授業の材料です。ブロックで観察と解釈を残し、出典が見えるAIチューターと意見ボードでバイアスを浮かび上がらせれば、公正さへの感度が実際の活動の中で育ちます。こうして育てた目は、AIを超えて世の中の情報に向き合うときにも「この判断は誰の視点によるものか」と問わせてくれます。クレジットカード登録なしで始められ、クラス10個まで無料なので、バイアスを扱う1コマの授業から始めてみることをお勧めします。