No0012-人間–AI「文字⇔絵」循環工学に基づく教育実践非説明型教育(認知能力学習 Ver.2.0)とは何か― それは真の探究学習である ―

人間–AI「文字⇔絵」循環工学に基づく教育実践
非説明型教育(認知能力学習 Ver.2.0)とは何か― それは真の探究学習である ―

持続可能な地球のための教育実行委員会
水野克己　工学博士

要旨

生成AIの普及により、教育は意味提示型から構造検証型へ転換が求められている。本研究は、人間–AI「文字⇔絵」循環工学に基づき、答えを先に説明しない「非説明型教育（認知能力学習 Ver.2.0）」を提案する。学習者は査読論文100編を基盤として「仮説→検証→結論」の構造を抽出し、日本語・古語文章、SVO英語、論文9項目査読評価、絵画・アニメ・6コマ漫画といった視覚表現を循環させながら再構築能力を獲得する。出前授業および家庭観察型実践により、意味依存型理解から構造理解型思考への移行を確認した。本教育はAI依存を促すものではなく、人間の思考主体性を維持したままAIを補助的装置として活用する教育実践である。体験格差解消と構造理解教育の統合的手法としての有効性を示す。

1．はじめに

私たちが考える探究学習は「答えを知ること」ではない。従来の学校教育では認知能力、すなわち与えられた問いに正しく答える能力が重視されてきた。文章の意味理解や正解導出は重要であるが、生成AIが意味を瞬時に提示する現在、その意味の妥当性を検証する力は自動的には育たない。本研究はここに焦点を当て、非説明型教育（認知能力学習 Ver.2.0）を提案する。

2．非説明型教育の理論

本教育では答えを先に説明しない。文章の意味を細かく解説するのではなく、言葉同士のつながり、原因と結果、先後関係、順番といった構造に注目させる。学習者は意味を暗記するのではなく、言葉の並びを自ら組み立て直す。認知能力が「解く力」であるのに対し、非説明型教育は「組み立て直す力」を重視する。AI時代において、意味を与えられる存在ではなく、意味を検証できる存在を育成することが目的である。

3．人間–AI「文字⇔絵」循環工学

非説明型教育は、人間–AI「文字⇔絵」循環工学を基盤とする。日本語・古語文章の意味と構造、SVO英語、論文9項目査読スコア、GeminiとChatGPTの二つのAI、絵画・アニメーション・6コマ漫画制作を循環させることで、学習者は仮説→検証→結論という論理構造を体感的に理解する。「Quality In, Quality Out」の理念に基づき、査読論文100編から構造を学ぶことは、人間とAI双方に論理的思考様式を定着させる合理的手法である。

4．教育実践

出前授業および対面授業として、大学・小学生低学年・高校生までを対象に実践を行った。さらに家庭単位での教育可能性を検証するため、粘土鉱物教材（ハロウイン泥だんご、光る中空泥だんご、泥だんご電池）を用いた一か月間の体感観察型実験を実施した。教材の使用方法は説明せず、家族で思考する設計とした。提出された感想文はAIにより額装絵画へ変換され、構造再構築能力の調査研究に用いられた。

5．結果

一つの文章から二つの絵を再構築できる学習者は0〜5%であり、0〜25%が潜在的可能性を持つ一方、約75%は未発達段階にあることが示唆された。文字⇔絵循環を取り入れた学習では、思考の反復と構造理解の進展が確認された。

6．考察

本教育はAIに教育を委ねるものではない。AIは学習者の思考を支える道しるべとして機能する。文章を絵へ変換し、再び言葉へ戻す循環は、理解の錯覚を減らし、「自分で理解できた」という実感を生み出す。学力差ではなく体験差を縮小し、学びの入口を広げる教育設計である。

7．結論

人間–AI「文字⇔絵」循環工学に基づく非説明型教育は、意味中心教育から構造理解教育への転換を示す実践モデルである。本研究は体験格差解消と構造思考育成を同時に実現する教育方法として、工学教育および粘土科学教育への応用可能性を有する。

Explain Less, Structure More
Educational Practice Based on Human–AI “Text⇔Image” Circulation Engineering
What is Non-Explanatory Education (Cognitive Learning Ver.2.0)? — True Inquiry Learning —

Sustainable Earth Education Committee
Dr. Katsumi Mizuno

Abstract

With the rapid expansion of generative AI, education must shift from meaning-first instruction to structure-based verification. This study proposes Non-Explanatory Education (Cognitive Learning Ver.2.0) grounded in Human–AI Text⇔Image Circulation Engineering. Instead of providing answers in advance, learners reconstruct logical structures through cycles of text analysis, visual conversion, and embodied experimentation. Using one hundred peer-reviewed papers as structural sources, students extract hypothesis–process–result relationships through SVO English transformation, nine-point review frameworks, and visual media such as framed paintings, animation, and six-panel comics. Field practice and home-based clay experiments demonstrate a transition from passive meaning reception to active structural reconstruction. The method preserves human agency while positioning AI as a structural guide rather than an explanatory authority. The results suggest that structure-centered inquiry can reduce experiential gaps and provide a sustainable model for engineering and clay-science education.

1. Introduction

Traditional education emphasizes cognitive ability defined as solving given problems and obtaining correct answers. While meaningful interpretation remains essential, generative AI now delivers answers instantly. Therefore, the critical educational challenge is not access to meaning but the ability to verify structural relationships within language and knowledge systems. This paper introduces Non-Explanatory Education as a framework that encourages learners to reconstruct structure rather than memorize meaning.

1. Concept of Non-Explanatory Education

Non-Explanatory Education intentionally avoids premature explanations. Learners focus on structural elements such as cause, sequence, and result. Instead of absorbing meaning passively, students rebuild textual order through observation and reasoning. Cognitive learning represents the ability to solve; Non-Explanatory Education represents the ability to reconstruct. In the AI era, inquiry emerges from structural verification rather than from answer acquisition.

1. Human–AI Text⇔Image Circulation Engineering

The proposed methodology integrates linguistic and visual cycles. Japanese and classical texts, SVO English structures, nine-point peer review logic, and comparative AI analysis are transformed into framed visual artifacts including paintings, animation, and six-panel comics. Through repeated circulation between text and image, learners internalize hypothesis–process–result structures. The framework follows a Quality-In, Quality-Out philosophy using peer-reviewed academic sources as structural anchors.

1. Educational Practice

Outreach programs and collaborative workshops were conducted with learners ranging from early elementary students to university participants. Clay-based embodied learning tools — Halloween Mud Balls, Hollow Shiny Mud Balls, and Mud-Ball Batteries — enabled tactile experimentation. Instructions were minimized to encourage independent structural reasoning. Learners submitted reflective texts that were converted by AI into framed visual works for structural analysis.

1. Results

Only 0–5% of learners reconstructed two visual structures from a single text, while approximately 75% remained in a meaning-dependent stage. However, repeated Text⇔Image circulation increased iterative thinking and structural awareness. The findings indicate that structure-centered learning enhances inquiry processes beyond traditional explanation-based models.

1. Discussion

The framework does not replace human thinking with AI. Instead, AI functions as a structural indicator guiding reconstruction. Transforming text into images and returning images to text reduces the illusion of understanding and strengthens reflective cognition. This approach addresses experiential inequality rather than academic ranking.

1. Conclusion

Human–AI Text⇔Image Circulation Engineering provides a practical pathway from meaning-driven education to structure-based inquiry. Non-Explanatory Education (Cognitive Learning Ver.2.0) demonstrates potential for sustainable engineering education by combining logical rigor with visual cognition. The integration of clay science, structural literacy, and AI mediation suggests a new paradigm for inquiry-based learning in the AI era.