記述式試験のAI採点、教員が自分で信頼性を検証する5ステップ

中間考査の記述式30問を2クラス分採点していると、最後の答案にたどり着くころには、基準が最初と微妙に変わってきます。午前に採点した答案と午後に採点した答案ではものさしが違い、判断に迷う答案のあとに来た平凡な答案が、より甘く見えることもあります。AI採点はこの採点者内一貫性（intra-rater reliability）の問題を減らしてくれますが、そのまま信じて点数を入力すれば、保護者からの苦情ひとつで崩れてしまいます。導入よりも検証が先です。検証をしないまま導入した最初の年にいちばん多く聞く言葉が、「どうしてうちの子だけ厳しく見たのか」という抗議だという点を、覚えておいてください。

採点を任せる前に必ず踏む5ステップ

AIに答案をまるごと渡す前に、次の順番を守れば事故を大きく減らせます。一つの段階も飛ばさず、最初の単元テストで一度きちんと踏んでおけば、その後は学期を通じて同じ手順を使い回せます。

1. アンカー答案の選定: 満点、部分点、0点にあたる実際の児童生徒の答案を3〜5点選び、正答の基準を文章として明文化します。「これくらいなら満点」という頭の中の感覚を、文字として取り出す作業です。
2. ブラインドでの交差採点: 同じ答案20点を教員とAIが別々に採点し、点数の差を比べます。互いの点数を見ない状態でつけることが肝心です。
3. 不一致の区間の分析: 2点以上の開きが出た答案だけを集め、原因を調べます。たいていは部分点の境界、誤字の扱い、同義語を認めるかどうかで分かれます。
4. プロンプトの補正: 「表記の誤りは減点しない」「中心となる概念を2つ以上含む場合は部分点を認める」といった規則を、明示的に追加します。
5. 再検証してから適用: もう一度20点をかけて一致率が90%を超えたら、全体に適用します。90%に届かなければステップ4に戻ります。

肝心なのは、AIを一次採点者ではなく「二人目の採点者」として置くことです。最終的な責任は人に残ります。

現場で見落とされがちなところ

• 同じ意味を別の語で書いた答案（同義語の扱い）は、AIがよく間違えます。たとえば「光合成」を「養分を作る過程」と言い換えて書いた場合、基準の文言に認める範囲を書いておかないと0点として処理されます。
• 図やグラフを含む答案は、テキストに変換する段階で情報が失われます。この種類は人が直接採点するほうが安全です。
• 点数の分布が一方に偏るなら、ルーブリックが甘すぎるか厳しすぎるという合図です。平均が95点や40点になっているなら、基準の文言を手直しする必要があります。
• 一度検証したからといって、いつまでも信頼してよいわけではありません。設問のタイプが変われば、信頼性もまた一から積み上げ直す必要があります。

まとめ

AIによる記述式採点の価値は「速さ」ではなく再現できる一貫性にあります。アンカー答案、交差採点、不一致の分析という三つの軸さえ押さえれば、採点の時間は減らしながら、信頼性はむしろ高められます。最初から全学年に適用せず、最初の単元テストの1クラスから小さく始めて、データを積み上げてみてください。検証の手順を一度文書にしておけば、次の学期には点検が30分で終わります。