AI が作文を採点するとき、『点数』と『ダメ出し』を同時に鍛える

『採点基準表』に166個も項目があるって、どんなことを細かく分けてるの？

採点基準表の項目って、作文の「何を見るのか」を細かく言語化した物差しなんですよね。 例えば、「文法が正しいか」という一つの評価軸を取っても、句読点の打ち方、敬語の使い分け、時制の一貫性、主述の対応、修飾語の位置などと、さらに細分化できます。同じように「表現が分かりやすいか」なら、難しい言葉の使い方、文章の長さのばらつき、接続詞の適切さ、具体例の示し方といった具合に。 166個という数は、こうした文法・表現・構成・内容の妥当性・読み手への配慮など、複数の大きな評価軸をそれぞれ細かく切り分けた結果なんでしょう。 ポイントは、166個も細かくすることで、「この作文のここが弱い」という講評をAIが書くときに、その根拠を数値化できるようになるということです。従来は、採点と講評が別々のルールで動いていたから矛盾が生まれやすかった。でも細かい項目を共通の基準にすれば、「項目Aのスコアが低いから、講評ではここを指摘しよう」と一貫性が保たれるようになる。細かさは単なる厳密さではなく、点数と言葉を結びつけるための接着剤になってるわけです。

AI が採点と講評を付けるようになったら、学生は先生の手書きコメントをもらう機会が減ってくの？

確かに AI が両方をやっていれば、そう見えちゃいますよね。ただ、現実はもう少し違う話かもしれません。 採点と講評の自動化が進む学校ほど、実は先生が「深い指導」に時間を割けるようになるんです。従来は、先生が全員分の作文を一通り採点して、基本的な講評を書くだけで精一杯。でも AI が「採点基準表に沿った採点」と「定型的な改善点の指摘」をやってしまえば、先生は個別面談や、その学生だけに必要な視点の追加指導に時間を使える。つまり AI は「消費的な採点作業」を引き取って、先生は「その学生ならではの成長に関わる言葉」に集中できる、という構造になっていくのかもしれません。 手書きコメントが減るというより、むしろ増える可能性もあります。量は減るかもしれませんが、一人ひとりに向けた「本当に必要な一言」が増える。AI が「何ができていないか」を洗い出してくれたぶん、先生は「じゃあこの子には次に何を見せるか」を考える余白が生まれるんだと思えます。

従来の方法では『点数か講評か、どちらかを優先する』という選択肢しかなかったんだ。なぜそんなジレンマが生まれてたの？

AI の採点と講評の矛盾が生まれる理由を考えると、二つのタスクが根本的に異なる「最適化」を求めているからなんですよね。 点数を正確にするには、採点基準をシンプルで明確に保つ必要があります。「起承転結が成立しているか」「文法的な誤りがあるか」といった判定基準を厳密に定めて、それに対する正解率を上げる。機械学習の言葉では「バイナリーな判断を繰り返す」イメージです。一方、良い講評を作るには、その作文の個別の事情を理解する必要があります。「この子は何を狙ったのか」「どの部分が惜しいのか」という、文脈に沿った細かい指摘。こちらは「判定ではなく、説明する」タスクなので、同じ採点基準表では十分に説明しきれない。 結果として、「採点基準を簡潔に保って点数を優先」すると講評が薄くなり、「基準を細かくして講評を充実」させようとすると採点がぶれてしまう。両者が異なるロジックで動いていたから、一つを立てると一つが倒れるジレンマが避けられなかったのだと言えそうです。

これって『一つのものさしで複数の目標を同時に達成する』という仕組みの話なんだっけ？

そう見ることもできますし、同時にもう一つの構図があるのかもしれません。 確かに採点基準表が「ものさし」になって、点数と講評の両方を測っている側面はあります。ただ、より本質的なのは『矛盾を一つのシステムで検出する』という部分では。 従来は、採点と講評を別々に作っていたから、矛盾が生まれていたんですよね。点数は「文法的に正確」を重視して上げたのに、講評では「表現が単調」とダメ出しする。こういう齟齬が起きていた。 この論文の工夫は、採点基準表の細かい項目を『共通言語』にすることで、採点と講評が同じルールで動くようにした。だから矛盾が自動的に浮かぶようになる。矛盾を見つけて直すプロセスの中で、両方が一緒に精度を高まっていく。 つまり『複数の目標を同じものさしで測る』というより『目標同士の矛盾を検出して修正する仕組み』という方が、この研究の肝に近いのかもしれません。

採点基準表の166個の項目が細かすぎたら、その基準を作った人の『こういう作文が良い』という価値観が、AI を通してすべての生徒に押しつけられることになったりしないの？

採点基準表が細かいほど、むしろ価値観の「押しつけ感」は逆説的に薄れるんですよね。 考えてみると、採点基準が「文章力：100点」みたいに大ざっぱだと、評価者の主観が隠れたまま作用します。「文章力」って何かは人によって違うのに、その曖昧さが見えない。 対して166個の細かい項目は、逆に「ここで何を見ているのか」が透明になる。「起承転結が明確か」「具体例は2個以上か」「接続詞の使い分けはできているか」——こうして細分化されると、生徒側も親も先生も「どこで何を評価されたのか」を追跡できる。 問題は、その基準を作った人の価値観が「隠れているか、見える化されているか」の違いなんです。細かい基準は、実は価値観を隠さないための道具かもしれません。 ただし、基準自体の多様性は別問題。166個すべてが「標準的な学校作文」の型を前提にしていたら、それは確かに危ない。基準の作り方の透明性や、異なる評価軸の並立余地がどれくらいあるのか。そこまで見ないと、細かさだけでは安心できないという側面はありそうです。