Psychology TodayはAugust 1, 2026、ロナン・フルトン(Rónan Fulton)、アラナ・マッカーシー(Alana McCarthy)、マイケル・ホーガン(Michael Hogan)による記事を掲載し、生成AIはチームが信頼、検証、フィードバック、振り返りを伴って使う場合に限り、協働学習を助けると論じた。記事は、高等教育で480人超の学習者を対象にした最近の3つの実証研究を引用し、AI支援の協働は生の技術性能よりも、人々がツールを使いながらどう意思疎通し、調整し、互いを信頼するかに左右されるとした。

Luoら(2025)は、生成AIの導入時に信頼、集合的効力感、タスク対立がチーム創造性をどう形づくるかを調べるため、66の協働グループに所属する大学生308人を調査した。信頼は、メンバーが困難を率直に話し合えるか、専門的に課題へ取り組めるか、責任を果たすうえで互いを頼れるかという学生の見方から測定された。タスク対立は、作業の進め方をめぐる不一致や、AI生成の提案と人間の判断のどちらを意思決定の軸にするかをめぐる対立として測られた。

Luoらの知見は、AIを協働にとって両刃の存在として描いた。AIを知的だと見なした学生は、グループが成功できるという共有された自信である集合的効力感を強め、その自信がチーム創造性を高めた。一方でAIはタスク対立も増やし、その不一致は創造的成果を下げた。対人信頼が強いグループほど、信頼がAI利用と集合的効力感の関係を強めるため、AI支援の協働を創造的成果へ結びつけやすかった。

Lehtinenら(2026)は、生成AIを使って授業案を設計する教員養成課程の学生75人を、動画記録とプロセスマイニング（データから活動順序を追跡する手法）で観察した。成績上位グループは授業案の各セクションを下書きし、AI生成情報を検証するために外部情報源を検索し、証拠を確認した後に作業を修正した。オンライン資料の参照頻度は成績下位グループの2倍超だった。成績下位グループは、弱い回答の後にChatGPTへ何度も再プロンプトし、AI生成テキストを授業案へ直接コピーし、その後に文言を編集しただけで、内容を独自に検証しなかった。

Gyasiら(2025)は、オンライン協働学習における人間とAIの協働について3つの方法を実験的に比較した。1つ目の条件では、各課題後の個別要約、次の活動前の指針、議論がどれだけ本題に沿っていたかの可視化、書面フィードバックを含むAIフィードバックとフィードフォワードをグループに与えた。2つ目の条件では、AIチャットボットを追加参加者としてグループ討議に組み込み、アイデアを出し、質問し、説明を与え、会話の焦点維持を助けさせた。3つ目の条件は両方を組み合わせ、協働的な知識構築、認知的関与、社会的に共有された調整、全体的なグループ成績で、単独介入やAI支援なしを上回る最も強い結果を出した。

記事はXuら(2026)も引用し、協働学習では共有されたAI利用が、個人の私的なAI利用とは異なる働きをしたと述べた。学生がChatGPTの回答を共同でプロンプトし、評価し、修正した場合、AIは相互認識と交渉を支える共有の議論対象になった。学生がグループ会議前にAIを個人的に使った場合、共同評価と共有された意思決定の機会は減ったと記事は述べた。

Psychology TodayはAugust 1, 2026、ロナン・フルトン(Rónan Fulton)、アラナ・マッカーシー(Alana McCarthy)、マイケル・ホーガン(Michael Hogan)による記事を掲載し、生成AIはチームが信頼、検証、フィードバック、振り返りを伴って使う場合に限り、協働学習を助けると論じた。記事は、高等教育で480人超の学習者を対象にした最近の3つの実証研究を引用し、AI支援の協働は生の技術性能よりも、人々がツールを使いながらどう意思疎通し、調整し、互いを信頼するかに左右されるとした。

Luoら(2025)は、生成AIの導入時に信頼、集合的効力感、タスク対立がチーム創造性をどう形づくるかを調べるため、66の協働グループに所属する大学生308人を調査した。信頼は、メンバーが困難を率直に話し合えるか、専門的に課題へ取り組めるか、責任を果たすうえで互いを頼れるかという学生の見方から測定された。タスク対立は、作業の進め方をめぐる不一致や、AI生成の提案と人間の判断のどちらを意思決定の軸にするかをめぐる対立として測られた。

Luoらの知見は、AIを協働にとって両刃の存在として描いた。AIを知的だと見なした学生は、グループが成功できるという共有された自信である集合的効力感を強め、その自信がチーム創造性を高めた。一方でAIはタスク対立も増やし、その不一致は創造的成果を下げた。対人信頼が強いグループほど、信頼がAI利用と集合的効力感の関係を強めるため、AI支援の協働を創造的成果へ結びつけやすかった。

Lehtinenら(2026)は、生成AIを使って授業案を設計する教員養成課程の学生75人を、動画記録とプロセスマイニング（データから活動順序を追跡する手法）で観察した。成績上位グループは授業案の各セクションを下書きし、AI生成情報を検証するために外部情報源を検索し、証拠を確認した後に作業を修正した。オンライン資料の参照頻度は成績下位グループの2倍超だった。成績下位グループは、弱い回答の後にChatGPTへ何度も再プロンプトし、AI生成テキストを授業案へ直接コピーし、その後に文言を編集しただけで、内容を独自に検証しなかった。

Gyasiら(2025)は、オンライン協働学習における人間とAIの協働について3つの方法を実験的に比較した。1つ目の条件では、各課題後の個別要約、次の活動前の指針、議論がどれだけ本題に沿っていたかの可視化、書面フィードバックを含むAIフィードバックとフィードフォワードをグループに与えた。2つ目の条件では、AIチャットボットを追加参加者としてグループ討議に組み込み、アイデアを出し、質問し、説明を与え、会話の焦点維持を助けさせた。3つ目の条件は両方を組み合わせ、協働的な知識構築、認知的関与、社会的に共有された調整、全体的なグループ成績で、単独介入やAI支援なしを上回る最も強い結果を出した。

記事はXuら(2026)も引用し、協働学習では共有されたAI利用が、個人の私的なAI利用とは異なる働きをしたと述べた。学生がChatGPTの回答を共同でプロンプトし、評価し、修正した場合、AIは相互認識と交渉を支える共有の議論対象になった。学生がグループ会議前にAIを個人的に使った場合、共同評価と共有された意思決定の機会は減ったと記事は述べた。