AIと私たちの学習の変化を考える - Claude Codeの学習モードを例に

生成AIの登場は私たちの仕事の進め方に大きな変化をもたらしました。より多くの仕事をこなせるようになった一方で、「自分の頭で考える」時間が減り、思考力や問題解決能力の低下が懸念されています。このような課題に対応するため、多くのAIサービスは、単に答えを提供するのではなく、ユーザー自身の思考を促す「学習モード」を実装しています。本発表では、Claude Codeの学習モードを例に、AIを学習パートナーとして効果的に活用する方法を探ります。

Transcript

1. AIと私たちの学習の変化を考える Claude Codeの学習モードを例に
2. 自己紹介 ▸ azukiazusa ▸ https://azukiazusa.dev ▸ FE（フロントエンド|ファイアーエムブレ ム）が好き
3. 本日の問いかけ 「AIに聞けば3秒で答えが出る時代に、なぜ私たちは学び続ける必要があるのか？」
4. 今日話す内容 ▸ AIの登場により懸念されている「思考力の低下」について ▸ AIとどのように付き合い、学び続けるべきか ▸ 学習モードはどのように機能し、どのような効果があるのか ▸ 学習モードの具体例としてClaude Codeの学習モードを紹介
5. 知識の獲得方法の変化 Before ChatGPT ▸ Google検索 ▸ 周囲の人に質問 ▸ 図書館に出向いて関連書籍を調査 情報を得るために自ら能動的に動き、取捨選択を行う必要があった
6. After ChatGPT ▸ 自然言語で質問すると、瞬時に答えが得られる ▸ 情報収集の手間が大幅に削減された 受動的に答えが得られる
7. コードの大部分はAIが生成するように ▸ Claude Code や Devin といった AI コーディングエージェントの登場 ▸ 開発者は自然言語で指示を出すだけでエージェントが自律的にコードを生成して くれる、いわゆる「Agentic Coding」の時代が到来 ▸ 開発者はコードの生成からコードのレビューや設計、AI エージェントの管理へと 仕事の内容がシフトしつつある ▸ AIが自動生成したコードをベースに、開発者が微調整を加えるスタイルが主流に
8. 従来の問題解決例 問題発生: React useEffect を使ったら無限ループが発生した ↓ Google検索「React useEffect infinite loop」 ↓ Stack Overflow の回答や技術ブログを複数参照 ↓ 公式ドキュメントを熟読 ↓ 試行錯誤（3-4回のエラー体験） ↓ 解決（所要時間：2-4時間） ↓ 副産物： - なぜ依存関係の警告が出るのか理解できた - useEffectの挙動についての理解が深まった
9. 問題の本質を見失うリスク 問題発生 ↓ 「React useEffect を使ったら無限ループが発生したので、修正して」 ↓ 解決策が瞬時にコードに反映される（所要時間：数秒） ↓ 副産物：なし？依存への慣れ？ 短期的な解決は得られるが、長期的な学びの機会を失う可能性
10. コード生成の便利さと落とし穴 // AIに「React TODOアプリを作って」と依頼 // → 5分で完成度の高いアプリが生成 function TodoApp() { const [todos, setTodos] = useState([]); const addTodo = (todo) => { setTodos([...todos, todo]); }; // 実施に動作するコードが一瞬で... }
11. コードの意図を理解できていない // 理解度の実態 質問：「useState([])の[]は何を意味しますか？」 回答：「えーっと...初期値？」 質問：「setTodosを呼ぶとき、.push() メソッドを使わないのはなぜ？」 回答：「よくわかりません...」 質問：「このコードのパフォーマンス上の問題点は？」 回答：「うーん...」 問題：動作するコードは書けるが、なぜ動くかが分からない
12. なぜ本質的な理解が重要なのか？ AIエージェントがコードを書くようになれば、自身の力で解決できなくても問題な いのでは ▸ コードレビューが仕事の大部分を占めるようになる ▸ AIが生成したコードの品質を評価し、改善点を指摘する能力 ▸ 最終的な責任は人間が負う ▸ コードを保守していくためには、コードがどのように動いているのかを理 解している必要がある ▸ 似たような問題に直面した際に、適切な解決策を自分で考え出す能力
13. 「グライダー人間」から「飛行機人間」へ グライダー人間（受動的な学習者） ▸ 他者に引っ張られて飛ぶだけ ▸ AIに答えを聞くだけの使い方では、いずれAIに取って代 わられる可能性 飛行機人間（能動的な思考者） ▸ 自力で飛翔できる ▸ 自ら考え、創造する力を持つ https://www.chikumashobo.co.jp/product/9784480020475/
14. VUCA時代に求められる能力 VUCA = Volatility（変動性）, Uncertainty（不確実性）, Complexity（複雑性）, Ambiguity（曖昧性） ▸ 問題を解決する能力だけでなく、問題を発見する能力が重要に ▸ AIは既知の問題を効率的に解決することに長けているが、未知の課題を見つけ出 したり、創造的な価値を生み出すことは人間の仕事
15. 生成AIの盲信 AI が生成したコードを無批判に受け入れてしまう危険性 ▸ セキュリティ上のリスク ▸ 技術的負債の蓄積 批判的思考力を身につけて、AI を適切に活用しよう
16. 劇場のイドラ（Theater of Idols） フランシス・ベーコンの「4つのイドラ」より 権威や流行に盲従してしまう認知バイアス AI時代における「劇場のイドラ」 ▸ AI の権威性：「AI が言うから正しい」 ▸ 技術の流行性：「最新のAIツールなら間違いない」 ▸ 自動化への過信：「機械の方が人間より正確」 🎭 権威への盲従は 判断力を奪う
17. 批判的思考力の重要性 批判的思考：与えられた情報や状況を鵜呑みにせず、多角 的な視点から分析し、論理的に考察して、客観的な判断や 評価を行うための思考力 ▸ 出力の検証：生成されたコードの妥当性確認 ▸ 複数の視点：異なるアプローチの検討 ▸ 根拠の確認：なぜその解決策なのかを自分の言葉で説 明できるように https://www.keisoshobo.co.jp/book/b534036.html
18. 学習曲線の変化 時間 スキル 基礎固め期間 プラトー期間 深い理解 従来の健全な学習曲線
19. 学習曲線の変化 時間 スキル 基礎固め期間 プラトー期間 深い理解 従来の健全な学習曲線 ▸ プラトー期間は、 脳が知識を整理・ 成熟させる期間 ▸ この期間を乗り越 えることで、さら なる応用力や思考 速度の向上につな がるとも言われて いる
20. AI時代の問題パターン 時間 スキル 表⾯的な成果 実際のスキル 深刻な乖離 AI 時代の問題パターン 瞬間的成果と持続的成⻑の深刻な乖離 ⾒かけ上のスキル 実際のスキル 基礎が伴わないまま表面的な成果だけが得られる
21. AIとの理想的な関係性 「答えを出す道具」から「思考を深めるパートナー」へ → 元からよく思考してた人は更に深く考えるようになり、AI時代により差がつく
22. 目指すべきAI活用像 ▸ AIを「答えを得るため」ではなく、 「思考を深める（＝学ぶ） 」 ために使う ▸ よりよい出力を得るために問いを立てる ▸ AIの解答を鵜呑みにしない 批判的思考
23. AIをパートナーとして活用するために、AI を学習に使う
24. 各社の学習支援機能 ChatGPTの学習モード すぐに解答を示すのではなく、ソクラテス式問答法（対話を通じて自ら考えさせる方法）やヒント、問いかけを組み 合わせ、学生自身の考える力を導きます。これにより、理解を深め、能動的な学習を促進します。 Geminiのガイド付き学習 ガイド付き学習は、掘り下げた質問や自由回答形式の質問を通して参加を促し、議論を促し、テーマをより深く掘り 下げる機会を提供します。その目的は、単に答えを得るだけでなく、深い理解を育むことです。 Claude for Education 直接答えるのではなく発見を導く, ソクラテス式質問を通して思考力を養う, 解決策ではなく原則に焦点を当てる
25. AIをメンターとして活用する ▸ AIからの質問に答える形式で自分の頭で考える力を養う ▸ 曖昧に理解した知識が明確になる ▸ 答えを出す過程が重要 ▸ AI をメンターとして活用することの利点 ▸ 恥をかかない→素直に質問できる ▸ 24時間365日、低コストでいつでも利用できる
26. 恥をかかない環境での学習 従来の学習環境での課題 ▸ 質問への恐れや不安 ▸ 間違った内容の質問をしてい ないか ▸ 自尊心が邪魔をする ▸ 結果として疑問をそのままにして しまう AIメンターの利点 ▸ 周囲の目を気にしない ▸ 素直に質問できる ▸ 自分の考えていることの言語化に集 中できる
27. 24時間365日、いつでも利用可能 従来の学習支援の制約 ▸ 時間的制約 ▸ 先生の都合に合わせる必要 ▸ コスト的制約 ▸ 家庭教師は高額な費用 ▸ 個別指導は限られた人のみ AIメンターの利点 ▸ いつでも質問できる環境 ▸ 自分のペースで学習を進められる ▸ 低コストで利用可能
28. 実際の学習モードの例
29. なぜ一人で学習するのではなく、AIととも に学習するのか？ ▸ 多様な視点の提供 ▸ 学習の道筋を示してくれる ▸ 対話による理解の深化
30. メタ認知の重要性 自分の思考プロセスを客観視する能力 ▸ 自分の理解度を把握する → 不足している知識を特定 する ▸ 自分の頭で考えることで、どの部分が理解できてい ないかを認識する ▸ AIが自分では気づかない視点を提供してくれる https://www.php.co.jp/books/detail.php?isbn=978-4- 569-82773-5
31. コーディングエージェント（Claude Code）の学習モード ユーザーが自分の力で考えてコードを書く練習をすることを重視 ▸ AIがなぜそのコードを書いたのかを「Insight」として説明 ▸ AIがすべてのコードを生成するのではなく、ユーザーにヒントを与え、コードを 自分で書かせる ▸ どのようなコードを書くべきか思考する余地を残す
32. 試行錯誤を経験し、問題解決能力を養う経 験はAIに頼り切ってしまうと得られない学 び
33. 自分で手を動かした経験は長期記憶に残る ▸ インプット（読む、聞く）だけでは記憶に定着 しない ▸ アウトプット（書く、話す、行動する）を通じ て初めて定着する ▸ コードをそのまま書き写す「写経」と呼ばれる 学習法も長く知られてきた https://www.sanctuarybooks.jp/book/detail/1018
34. 長期的な投資としての学び ▸ 「タイパ」という観点では、AIにコードを書かせる方が速い ▸ しかし、AIに頼り切ってしまうとコードを書く経験が積めず、長期的にはスキル が伸び悩む可能性 ▸ 短期的に成果が出る速度は落ちるかもしれないが、将来の自分への投資と考える
35. Claude Code学習モード デモ 課題：Next.js でカンバンアプリケーションに機能を追加 する
36. output-style を設定 ▸ Claude Code の学習モードは output-style の 1 つ ▸ output-style は Claude Code のシステムスタイルを直接変更する ▸ デフォルトで以下の3つのスタイルが用意されている ▸ default ▸ explanatory （説明型）：Claude が選択したコードの実装方針やコード パターンについて説明しながらコードを生成する ▸ learning （学習型）：Claude がユーザーの学習をサポートするため に、 「インサイト」を共有したり、一部のコードの生成をユーザーに依頼
37. /output-style
38. Learning を選択
39. プロンプト例 カンバンボードにおいて、表示中のタスクを文字列でフィルタリングする機能を実装してください。 - ユーザーが入力フォームに入力した文字列に基づいて、表示中のタスクをリアルタイムでフィルタリングする - タスクのタイトルにフィルタ文字列が含まれている場合にそのタスクを表示する - 入力フォームはカンバンボードの上部に配置する
40. 実行計画を立てる
41. インサイトが表示される
42. ユーザーの入力を促す
43. フィードバック
44. Claude Code学習モードはペアプログラミ ングのような体験
45. 本日の問い（再掲） 「AIに聞けば3秒で答えが出る時代に、なぜ私たちは学び続ける必要があるのか？」
46. 回答 AIが生成したコードの品質を評価し、責任を持ち、応用できる 「自ら考える力」 が、 これまで以上に重要になるから。
47. まとめ ▸ AIの登場によりコードの大部分を生成してくれるようになったが、コードの本質 的な理解が欠けていると、コードレビューや保守、応用が困難に ▸ AIを「答えを出す道具」から「思考を深めるパートナー」へ転換 ▸ 学習モード活用により、ソクラテス式問答でメタ認知を養い、自分で考える力を 維持できる ▸ 手を動かした経験は長期記憶に残る ▸ Claude Codeの学習モードを活用し、実際にコードを書くデモを行った