ai fluency for pk12 educators

Anthropic Academy コースの日本語ナレッジ（学習用）／全 12 項目

Anthropic Academy「AI Fluency for pK–12 Educators」ナレッジノート

Anthropic Academy ／ナレッジ化 2026-07-22

コース概要

本コースは、Anthropic と Teach For America（TFA）のパートナーシップによって作られた、pK–12（就学前〜高校3年生）の教育者向け「AI Fluency for pK–12 Educators」の日本語ナレッジノートである。TFA が実際の pK–12 教育者を対象に行ったリサーチ——AI 活用について教育者が実際に抱いているニーズ・懸念・望み——にもとづいて設計されており、TFA は実際の教室事例の提供、教育学的専門知識による教材監修（教材が「教育者が実際にどう教え、どう学ぶか」を反映するようにすること）、そして演習を教師たちと直接パイロット実施してフィードバックを集めることを通じて、コース開発に中心的な役割を担った。

コースの中核は、AI フルエンシーの土台となる4つのD（4D Framework）——委任（Delegation）／記述（Description）／判別（Discernment）／努力（Diligence）——を、pK–12 教育者の日常業務に具体的に適用することにある。扱われる実務は、授業設計・レッスンプラン、教材づくり（差別化されたテキスト・練習問題・スライド等）、保護者・家庭とのコミュニケーション、生徒データ・成績データの分析、そして生徒のプライバシー（FERPA 等）を守りながらの AI 活用倫理まで多岐にわたる。フレームワークは「委任-努力（Delegation-Diligence）」の外側ループ（AI をそもそも使うかどうかという大きな判断）と、「記述-判別（Description-Discernment）」の内側ループ（日々のやり取りを反復して磨き上げる往復）という、2つの入れ子になったループとして整理される。

Lesson 04「Explore!」は動画ではなく、24個の行動指標（Description 8・Delegation 7・Discernment 5・Diligence 4）を網羅したインタラクティブなリファレンス集であり、それぞれの指標に説明文・発言例（3つ）・実践アクション（2つ）が付属する。

クレジット: Copyright 2026 Anthropic and Teach For America. 本コースは、Rick Dakan 教授（Ringling College of Art and Design）と Joseph Feller 教授（University College Cork）が開発した AI Fluency Framework にもとづいており、CC BY-NC-SA 4.0 ライセンスのもとで公開されている。

各ノートの形式（2層）

各レッスンファイルは、次の2つのセクションから構成される。

## 日本語ナレッジ（本文の自然な全訳） — レッスン本文（学べること・動画の内容・重要ポイント・演習・レッスンの振り返り・次のレッスンでは・フィードバック・謝辞とライセンス等）を、省略せず自然な日本語に全訳したもの。Delegation/Description/Discernment/Diligence、Claude 等の固有名詞は英語のまま残している。
## 英語原文 — 上記に対応する英語原文をそのまま収録したもの。

動画のないレッスン（Lesson 01・Lesson 04）と、クイズのみのレッスン（Lesson 11）は、それぞれの実質的な内容に応じたミニマルな構成としている。

#	レッスン英語原題	動画ID	内容（1行）	ノートファイル名
01	How this course was made	動画なし	Anthropic × Teach For America のパートナーシップとコース開発の経緯	01_how_this_course_was_made.md
02	Welcome to AI Fluency for educators	P5JLNNLvpdg	AI フルエンシーの定義・4Dフレームワークとコース構成・演習「言語モデルにアクセス」	02_welcome.md
03	The 4D Framework	RkHhfoDVTkc	4Dフレームワーク（委任・記述・判別・努力）の定義と教育実務への適用・演習「コンテキスト・ドキュメントを作る」	03_4d_framework.md
04	Explore!	動画なし	24個の行動指標（Description8/Delegation7/Discernment5/Diligence4）を網羅したインタラクティブなリファレンス集	04_explore.md
05	AI capabilities and limitations	BbcjcnQwseo	生成AIの仕組み・能力と限界・演習「限界（エッジ）を試す」	05_ai_capabilities_and_limitations.md
06	Creating high quality AI outputs	p-j2xKehTK4	記述-判別ループ（Okafor先生の事例）・演習「差別化教材チャレンジ」	06_creating_high_quality_outputs.md
07	Ethics & responsible AI use	Ld8yCH_KZ48	委任-努力ループ・生徒データとFERPA・演習「教育者としての倫理的な一線」	07_ethics_responsible_ai_use.md
08	AI's constitution, pedagogy, and you	hez_t50rEAY	モデルごとの個性・演習「個人的なAI価値観ドキュメントを作る」	08_constitution_pedagogy_and_you.md
09	Tying it all together	u73we40yeuA	4D全適用のエンドツーエンドワークフロー・演習「実際の仕事のタスクで4Dを回す」	09_tying_it_together.md
10	Closure and enrichment	E6eoQgfSUHY	締めくくりと発展・演習「問題を解決する何かを作る」・修了証への案内	10_closure_and_enrichment.md
11	Course Quiz	動画なし	修了クイズ（全13問・受験は別途、本文なし）	11_course_quiz.md

ファイル構成

ai-fluency-for-pk12-educators/
├── README.md                              … 本ファイル（コース概要・目次）
├── 01_how_this_course_was_made.md         … Lesson 01 このコースができるまで
├── 02_welcome.md                           … Lesson 02 教育者のためのAIフルエンシーへようこそ
├── 03_4d_framework.md                      … Lesson 03 4Dフレームワーク
├── 04_explore.md                           … Lesson 04 体感しよう！（24行動指標リファレンス）
├── 05_ai_capabilities_and_limitations.md   … Lesson 05 AIの能力と限界
├── 06_creating_high_quality_outputs.md     … Lesson 06 質の高いAIアウトプットを作る
├── 07_ethics_responsible_ai_use.md         … Lesson 07 倫理と責任あるAI活用
├── 08_constitution_pedagogy_and_you.md     … Lesson 08 AIの憲法、教育学、そしてあなた
├── 09_tying_it_together.md                 … Lesson 09 すべてをまとめる
├── 10_closure_and_enrichment.md            … Lesson 10 締めくくりと発展
└── 11_course_quiz.md                       … Lesson 11 コースクイズ（ミニマル）

↑ 目次へ戻る

AI Fluency for pK–12 Educators ｜ Lesson 01「このコースができるまで（How this course was made）」

出典: Anthropic Academy ／ 2026-07-22

日本語ナレッジ（本文の自然な全訳）

本コースは、Anthropic と Teach For America のパートナーシップの成果である。pK–12 の教育者を対象に、AI 活用について実際に感じているニーズ・懸念・望みをリサーチした上で作られている。

Teach For America について

Teach For America は、地域の若者たちとともに、より公正な世界を共創したいと望む人々のための、リーダーシップ開発組織である。その使命は、傑出したリーダーを見出し・育成し・支援することを通じて教育を変革し、すべての子どもたちのための機会を広げることにある。7万2000人を超える卒業生ネットワークを持ち、Teach For America は、すべての子どもが学び・導き・力強く育つための土台を持てるよう活動している。

コース開発プロセス

Teach For America は、本コースづくりにおいて中心的な役割を担った。具体的には、実際の教室の事例を提供したこと、教育学的な専門知識を活かして教材が「教育者が実際にどう教え、どう学ぶか」を反映するようにしたこと、そして演習を教師たちと直接パイロット実施して具体的なフィードバックを集めたことである。このパートナーシップは、AI フルエンシーを広げ、教育者が自らの指導実践において AI を効果的に・効率的に・倫理的に・安全に使えるようにするという、両者共通のコミットメントを反映している。

英語原文

This course is the result of a partnership between Anthropic and Teach For America, drawing on research with pK–12 educators about their actual needs, concerns, and aspirations for AI adoption.

About Teach For America Teach For America is a leadership development organization for those who want to co-create a more just world alongside young people in their communities. Their mission is to find, develop, and support extraordinary leaders to transform education and expand opportunity for all children. With a network of over 72,000 alumni, Teach For America works to ensure every child has the foundation to learn, lead, and thrive.

Course Development Process Teach For America played a central role in shaping this course by contributing real classroom examples, applying pedagogical expertise to ensure the material reflects how educators actually teach and learn, and piloting exercises directly with teachers to gather concrete feedback. This partnership reflects a shared commitment to expanding AI Fluency and empowering educators to use AI effectively, efficiently, ethically, and safely in their teaching practice.

↑ 目次へ戻る

AI Fluency for pK–12 Educators ｜ Lesson 02「教育者のためのAIフルエンシーへようこそ（Welcome to AI Fluency for educators）」

出典: Anthropic Academy ／ 2026-07-22 ／動画: YouTube P5JLNNLvpdg

日本語ナレッジ（本文の自然な全訳）

推定所要時間: 20分

このレッスンで学べること

このレッスンを終えると、次のことができるようになります。

AI フルエンシーを定義できる
4Dフレームワークが何をカバーしていて、本コースがどのように構成されているかを理解できる
自分の仕事に AI ツールと AI 活用力を統合していく上での目標を特定できる

pK–12教育者のためのAIフルエンシーへようこそ（動画・4分）

視聴より読むほうが好みの方へ：本コースのどの動画でも「Watch on YouTube」をクリックし、動画説明欄の「Show transcript」を選ぶと文字起こしが読めます。

この動画は、AI フルエンシーの概念を紹介し、それが pK–12 の教育者になぜ重要なのかを説明します。本コースが何をカバーするか、4Dフレームワーク（委任＝Delegation、記述＝Description、判別＝Discernment、努力＝Diligence）があなたの指導実践にどう当てはまるか、そしてなぜあなたの教育学的専門性が AI と協働する上での最大の資産なのかを学びます。

コースロードマップ

AIフルエンシーのための4Dフレームワーク: 委任（Delegation）・記述（Description）・判別（Discernment）・努力（Diligence）——フルエントな AI 活用を構成する4つの動き。
AIの能力と限界: 今日の AI が確実にできること／できないこと、そしてそれが AI の使い方をどう左右するか。
AIを責任を持って使う: 指導実践において質の高いアウトプットを作ること、倫理的な選択をすること、そして教育者にとっての「AI 活用」とは何かを定義すること。
すべてをまとめる: フレームワーク・能力・実践を織り合わせ、AI との完全な協働のかたちを作る。
次のステップ: 安全に・効果的に・倫理的に AI フルエンシーを築き続けるために、ここからどこへ向かうか。

重要なポイント（Key takeaways）

AI フルエンシーとは、AI を効率的・効果的・倫理的・安全な形で使う能力である。実践的なスキル・知識・洞察・価値観の組み合わせである。
4Dフレームワークは、委任（Delegation）・記述（Description）・判別（Discernment）・努力（Diligence）という、互いにつながった4つの力量から成る。
委任-努力（Delegation-Diligence）ループは、いつ・どのように AI を使うかについての、思慮深く責任ある選択を支える。
記述-判別（Description-Discernment）ループは、往復のやり取りを通じて、AI とのやり取りからより多くを引き出す助けになる。

演習（Exercises）

演習: 言語モデルにアクセスする

このコースを通じて、学んだことを言語モデルと直接やり取りしながら実践していきます。私たちの例では Claude（Anthropic の AI アシスタント）を取り上げますが、あなたが好む任意の言語モデルを使ってかまいません。ここで扱う原則とスキルは、さまざまな AI システムに共通して当てはまります。

言語モデルを選ぶ。Claude のアカウントを作るには claude.ai にアクセスしてください。コースの活動を終えるのに有料プランは必要ありません。他の言語モデルを使いたい場合はそれでも構いません。無料アカウントで、本コースのすべての活動をこなせるはずです。
ログインする。新しい会話を始める。これで準備完了です！

レッスンの振り返り

自分の指導実践で AI に助けてほしいと望んでいることは何か、1つ挙げるとしたら？
このコースに持ち込んでいる懸念を、1つ挙げるとしたら？

次のレッスンでは（What's next）

次のレッスンでは、4Dフレームワーク——日々の AI とのやり取りにおいても、そもそも AI をいつ・どう使うかという大きな判断においても、あなたの AI との関わり方を形づくる、基礎となる4つの力量——を学びます。

フィードバック

コースを進める中で、学んだ概念を自分の仕事でどのように使っているか、また何かご意見があれば、ぜひ聞かせてください。フィードバックはこちらから共有できます。

謝辞とライセンス（Acknowledgments and license）

Copyright 2026 Anthropic and Teach For America. 本コースは、Rick Dakan 教授（Ringling College of Art and Design）と Joseph Feller 教授（University College Cork）が開発した AI Fluency Framework にもとづいている。CC BY-NC-SA 4.0 ライセンスのもとで公開されている。

英語原文

What you'll learn Estimated time: 20 minutes By the end of this lesson you'll be able to: - Define AI Fluency - Understand what the 4D Framework covers and how this course is structured - Identify your objectives for integrating AI tools and capability in your work

Welcome to AI Fluency for pK–12 educators (4 minutes) Prefer reading to watching? Click "Watch on YouTube" on any video in this course, then choose "Show transcript" in the video description. This video introduces the concept of AI Fluency and explains why it matters for pK–12 educators. You'll learn what this course covers, how the 4D Framework (Delegation, Description, Discernment, and Diligence) applies to your teaching practice, and why your pedagogical expertise is your greatest asset when working with AI.

Course roadmap 4D Framework for AI Fluency: Delegation, Description, Discernment, and Diligence: the four moves that make up fluent AI use. AI capabilities and limitations: What today's AI can and can't do reliably, and why that shapes how you use it. Using AI responsibly: Creating quality outputs in your teaching practice, making ethical choices, and defining what AI use means for educators. Putting it all together: Weaving framework, capabilities, and practice into a complete way of working with AI. Next steps: Where to go from here to keep building your AI Fluency safely, effectively, and ethically.

Key takeaways - AI Fluency is the ability to use AI in ways that are efficient, effective, ethical, and safe. It's a combination of practical skills, knowledge, insights, and values. - The 4D Framework consists of four interconnected competencies: Delegation, Description, Discernment, and Diligence. - The Delegation-Diligence loop supports thoughtful, responsible choices about when and how to use AI. - The Description-Discernment loop helps you get more out of your AI interactions through back and forth collaboration.

Exercises Exercise: Get access to a language model Throughout this course, you'll practice what you're learning by working directly with a language model. While our examples feature Claude (Anthropic's AI assistant), you're welcome to work with any language model you prefer. The principles and skills we'll explore apply across different AI systems. - Choose a language model. To create a Claude account, visit claude.ai. No paid subscription is required to complete course activities. You can also use another language model if you prefer. A free account should suffice for all activities in this course. - Log in. Start a new conversation. Now, you're ready to go!

Lesson reflection - What's one thing you're hoping AI can help you do in your teaching practice? - What's one concern you're bringing into this course?

What's next You'll learn the 4D Framework: the foundational interconnected competencies that shape how you work with AI, both in your day-to-day interactions and in the bigger decisions about when and how to use it at all.

Feedback As you progress through the course, we'd love to hear from you about how you are using concepts from the course in your work, plus any feedback you may have. Share your feedback here.

Acknowledgments and license Copyright 2026 Anthropic and Teach For America. Based on the AI Fluency Framework developed by Prof. Rick Dakan (Ringling College of Art and Design) and Prof. Joseph Feller (University College Cork). Released under the CC BY-NC-SA 4.0 license.

↑ 目次へ戻る

AI Fluency for pK–12 Educators ｜ Lesson 03「4Dフレームワーク（The 4D Framework）」

出典: Anthropic Academy ／ 2026-07-22 ／動画: YouTube RkHhfoDVTkc

日本語ナレッジ（本文の自然な全訳）

推定所要時間: 35分

このレッスンで学べること

このレッスンを終えると、次のことができるようになります。

AI フルエンシー・フレームワーク（4つのD）が自分の仕事にどう適用できるかを説明できる
4つのD（委任＝Delegation、記述＝Description、判別＝Discernment、努力＝Diligence）それぞれを定義できる

AIフルエンシーのための4Dフレームワーク入門（動画・7分）

この動画は、4Dフレームワーク——委任（Delegation）・記述（Description）・判別（Discernment）・努力（Diligence）——を紹介し、それぞれの力量が pK–12 教育者の日々の仕事にどう当てはまるかを説明します。授業計画から保護者とのコミュニケーションまで、フレームワークがすでにあなたが行っているタスクにどうマッピングされるかを見ていきます。

重要なポイント（Key takeaways）

委任-努力（Delegation-Diligence）ループは、いつ AI を使うかについての、より高いレベルの意思決定を導く。
委任（Delegation）とは、どの仕事を人間が行い、どの仕事を AI に任せるかを決めることを含む。
努力（Diligence）とは、AI をどう使うかについて責任を持つことを意味する。
記述-判別（Description-Discernment）ループは、日々の効果的なやり取りを導く。
記述（Description）とは、AI システムと効果的にコミュニケーションする方法である。
判別（Discernment）とは、AI の仕事を批判的に評価することを意味する。
あなたはすでにこれをやっている。記述は、授業計画で使うスキル（アウトプットの定義・手順・成功基準の設定）ととてもよく似ている。判別は、学生の作品やカリキュラム教材を評価することととてもよく似ている。これらのスキルは、新しい協働相手を得ただけで、そのまま転用できる。

演習（Exercises）

演習: あなたのコンテキスト・ドキュメントを作る

このドキュメントは、コースを通じて AI にあなたについてのコンテキストを与えるために使います。実務で AI をどう使いたいかを学ぶにつれ、このドキュメントを拡張していきます。出発点は、最も大切なもの——あなたの価値観——です。

まず自分の価値観から始める（5分、自分のメモに）。あなたの指導——そして AI についてのあなたの判断——は、あなたが大切にしているものに根ざしています。次を書き留めましょう。 - あなたの指導を通じて、生徒に「こうなってほしい」と最も望むこと（例：自立した思考者、協働できる人、倫理的な意思決定者、自信を持った学習者） - あなたの教室にとって、最も野心的な目標 - AI が不用意に使われた場合、これらの目標のうちどれが損なわれうるか - AI が、より高いインパクトを持つ仕事のために、あなたの時間を空けてくれるとしたら、その一つの方法
AI との対話を始める。自分が「今後の AI 協働のためのコンテキスト・ドキュメントを作ろうとしている教育者」であることを伝え、ステップ1のメモを共有し、自分の役割・生徒・制約・目標、そして AI 活用を導いてほしい価値観について、AI にインタビューしてもらう。会話らしく進め、生徒を特定しうる情報は一切含めない。
AI に統合してもらう。あなたの中核的な価値観を先頭に、続いてあなたの役割・生徒・目標という順で構成された、短く再利用可能なコンテキスト・ドキュメントを作ってもらう。見直して、違っている点を直し、また見つけられる場所に保存する——コースを通じて、これを再利用し拡張していくことになります。
それを4Dに紐づける。完成したドキュメントにざっと目を通し、あなたの価値観・懸念・目標のどれが、委任（Delegation）・記述（Description）・判別（Discernment）・努力（Diligence）のどれに対応するかを印づける。

レッスンの振り返り

あなたのドキュメントの中で、どの力量が最も多く現れたことに驚きはあったか？それは、AI との現在の関係について何を物語っているか？
4つのDは、あなたがすでに教師として使っているスキルの上に成り立っている。どれが最も自然に感じられ、どれが AI との間では最も意識的な努力を要するか？

次のレッスンでは（What's next）

次のレッスンでは、残りのレッスンの土台を固めるために、AI の能力と限界についてさらに深く掘り下げます。

フィードバック

謝辞とライセンス（Acknowledgments and license）

英語原文

What you'll learn Estimated time: 35 minutes By the end of this lesson you'll be able to: - Explain how the AI Fluency Framework (4Ds) can be applied to your work - Define each of the 4Ds: Delegation, Description, Discernment, and Diligence

Introducing the 4D Framework for AI Fluency (7 minutes) This video introduces the 4D Framework: Delegation, Description, Discernment, and Diligence, and explains how each competency applies to the daily work of pk–12 educators. You'll see how the framework maps to tasks you already do, from lesson planning to parent communication.

Key takeaways - The Delegation-Diligence loop guides higher-level decisions about when to use AI. - Delegation involves deciding what work should be done by humans versus AI. - Diligence means taking responsibility for how you use AI. - The Description-Discernment loop guides effective day-to-day interactions. - Description is how you communicate effectively with AI systems. - Discernment means critically evaluating AI's work. - You already do this. Description is very similar to the skills used in lesson planning (defining outputs, steps, success criteria). Discernment is very similar to evaluating student work and curriculum materials. These skills transfer directly, just with a new collaborator.

Exercises Exercise: Build your context document You'll use this document to give AI context about you throughout the course, expanding it as you learn how you want to use AI in your practice. It starts with what matters most: your values. 1. Start with your values (5 min, in your own notes). Your teaching—and your judgment about AI—is grounded in what you value. Jot down: - What you most want students to become because of your teaching (e.g., independent thinkers, collaborators, ethical decision-makers, confident learners). - Your most ambitious goal for your classroom. - Which of those goals could be undermined if AI is used carelessly. - One way AI might free up your time for higher-impact work. 2. Open a conversation with AI. Tell it you're an educator building a context document for future AI collaborations, share your notes from step 1, and ask it to interview you about your role, your students, your constraints, your goals, and the values you want guiding your AI use. Keep it conversational, and don't include any student-identifying details. 3. Ask AI to synthesize. Have it create a short, reusable context document that leads with your core values, then your role, students, and goals. Review it, fix what's wrong, and save it where you'll find it again—you'll reuse and expand it throughout the course. 4. Tag it to the 4Ds. Skim your finished document and mark which of your values, concerns, or goals map to Delegation, Description, Discernment, or Diligence.

Lesson reflection - Were you surprised by which competency showed up most in your document? What does that tell you about your current relationship with AI? - The 4Ds build on skills you already use as a teacher. Which comes most naturally, and which will take the most intention with AI?

What's next In the next lesson, we'll dive deeper into AI's capabilities and limits to establish a foundation for the remaining lessons.

Feedback As you progress through the course, we'd love to hear from you about how you are using concepts from the course in your work, plus any feedback you may have. Share your feedback here.

↑ 目次へ戻る

AI Fluency for pK–12 Educators ｜ Lesson 04「体感しよう！（Explore!）」

出典: Anthropic Academy ／ 2026-07-22

日本語ナレッジ（本文の自然な全訳）

このレッスンには動画はない。「AIフルエンシーの4つのD：行動指標（The 4 Ds of AI Fluency: Behavioral Indicators）」というインタラクティブなリファレンス集であり、記述（Description）8個・委任（Delegation）7個・判別（Discernment）5個・努力（Diligence）4個、計24個の行動指標から構成される。各指標は「DESCRIPTION（説明文）」「こんな言い方をする（WHAT IT SOUNDS LIKE、3つの発言例）」「試してみること（THINGS TO TRY、2つの実践アクション）」を持つ。以下、原文の並び順・カテゴリー分けのまま、全指標を訳出する。

記述（DESCRIPTION）の指標（8つ）

1. アウトプットの対象読者をはっきり定義する

こんな言い方をする:
「これは私の中学1年生向けです。教室内の読解レベルは小学3年生から中学3年生まで幅があります」
「対象読者は、科学の背景知識がないかもしれない、新入生保護者会に来る保護者たちです」
「これは校長向けに書いています。校長は、箇条書きの1ページ要約を好みます」
試してみること: 1. 次に何かを依頼する前に、その出力を実際に読むのが誰か（生徒・保護者・校長など）と、その相手が最も必要としているものを Claude に伝える。 2. 特定の学年層や、特定の学習者グループに合わせて、読解レベルやトーンを調整するよう Claude に頼む。

2. 必要なフォーマットと構成を明確に指定する

こんな言い方をする:
「これを、3つのセクションと太字の重要語彙を含む1ページの配布資料として作ってください」
「これを、下部に解答つきの、5問構成の退室チケット（exit ticket）としてフォーマットしてください」
「2人の主要人物を比較する、2列の表をください」
試してみること: 1. 最初から具体的なフォーマットを指定する：「これを、解答つきの5問構成の退室チケットとして出してください」 2. 既存のコンテンツを、ルーブリック・チョイスボード・アンカーチャートなど、別のフォーマットに再構成するよう Claude に頼む。

3. 自分の声に合ったトーンとスタイルを伝える

こんな言い方をする:
「私が毎週の学級通信で使っている、温かく励ますようなトーンで書いてください」
「校長がデータミーティングの要約に期待する、単刀直入で無駄のないスタイルに合わせてください」
「幼稚園児向けに、遊び心があって年齢にふさわしい表現にしてください」
試してみること: 1. 自分の教室での声を Claude に説明する：「短い文で、教育用語を使わない、温かい表現が好みです」 2. 過去の学級通信や保護者宛メールを貼り付けて、そのスタイルに合わせるよう Claude に頼む。

4. 複雑なタスクを、AIが従いやすい小さなステップに分解する

こんな言い方をする:
「まず授業のアウトラインをください。それから一緒に各セクションを書いていきましょう」
「まず基準（standards）を列挙し、次に活動を組み立て、それから評価を書きましょう」
「保護者向けの手紙を書く前に、押さえるべき要点を一緒に洗い出したいです」
試してみること: 1. 次の授業やユニットの計画で、いきなり全文を書かせず、まずアウトラインだけを出すよう Claude に頼む。 2. Claude に伝える：「これをステップに分解しましょう。何から取り組むべきですか？」

5. これまでのやり取りを踏まえて、一緒に作業を磨き上げる

こんな言い方をする:
「その読解パッセージはかなり近いです。今度は、苦戦している読者向けにレベルを下げてください」
「さっき書いた目標をもとに、3つの形成的評価（formative check）を作りましょう」
「配達トラックのたとえはそのままに、最後の段落を短くしてください」
試してみること: 1. ゼロから書き直させるのではなく、前回のドラフトから何を残し・何を変えるべきかを正確に Claude に伝える。 2. 前の成果を参照する：「作ったルーブリックをもとに、今度は生徒向けの手順を書いてください」

6. 「良い例」がどういうものかを実例で示す

こんな言い方をする:
「これは去年うまくいった保護者宛メールです。このトーンに合わせてください」
「これは私たちの学校で使っているルーブリックの形式です。この構成に正確に従ってください」
「これは模範となる生徒の回答です。同じ質のものをあと2つ書いてください」
試してみること: 1. 過去の授業案・ルーブリック・模範解答・保護者宛メールを貼り付けて、そのパターンに従うよう Claude に頼む。 2. 依頼の前に「これが、私が求めているものの一例です」と伝える。

7. AIにどう自分と関わってほしいかを伝える

こんな言い方をする:
「指導コーチのように振る舞い、私の目標があいまいなら押し返してください」
「何かをドラフトする前に、私の生徒について明確化のための質問をしてください」
「イエスマンではなく、思考のパートナーになってください。この授業案の弱点に挑戦してください」
試してみること: 1. 最初に、Claude にどう振る舞ってほしいかを伝える：「私の指導コーチとして振る舞い、ドラフトする前に質問をしてください」 2. 確認を挟むよう頼む：「始める前に、私の生徒について2〜3個質問してください」

8. AIがすべきこと・すべきでないことの境界線を設定する

こんな言い方をする:
「まだ授業案は書かないでください。まずは基準を一緒に読み解くのを手伝ってください」
「私が渡した単語カードリストの語彙だけを使ってください」
「数学の内容に集中してください。学級経営のアドバイスは加えないでください」
試してみること: 1. 次の依頼に制約を加える：「私が提供したカリキュラム抜粋にある情報だけを使ってください」 2. AI にしてほしくないことを伝える：「まだ授業案は書かないでください。まずは目標について一緒に考えさせてください」

委任（DELEGATION）の指標（7つ）

1. AIに助けを求める前に、自分のゴールをはっきりさせる

こんな言い方をする:
「私のゴールは、すべての生徒が光合成を自分の言葉で1文で説明できるようになって授業を終えることです」
「補教用の授業案に使う時間を減らしたいのであって、凝ったものを作りたいわけではありません」
「このメールの目的は、より多くの家庭に保護者面談への申し込みをしてもらうことです」
試してみること: 1. 次の依頼はゴールを述べることから始める：「私のゴールは、生徒が…できるようになることです。手伝ってもらえますか…」 2. 助けを求める前に、成功とはどんな状態かを1文で書き、それを Claude と共有する。

2. 実行に飛び込む前に、問題への取り組み方についてAIに相談する

こんな言い方をする:
「始める前に、この文章を3つの読解レベルに合わせて調整する良い方法は何ですか？」
「2桁×2桁の掛け算を再指導するのに、いくつか違うアプローチはありますか？」
「デリケートな行動上の懸念についての保護者面談を、どう構成すべきですか？」
試してみること: 1. 次の計画づくりのタスクの前に尋ねる：「取りうるアプローチを2つか3つ挙げてもらえますか？」 2. どれか一つに決める前に、いくつかの枠組みや構成案を提案してもらう。

3. AIに向かないタスクを見極める

こんな言い方をする:
「この、生徒の家族へのお悔やみの手紙は、全面的に私自身の言葉から来る必要があり、AIからではいけません」
「通知表の物語形式のコメントは、自分で書くべきです。私はこの子たちを知っています」
「これは大学の推薦状です。自分で書く必要があります」
試してみること: 1. AI に頼る前に、立ち止まって自問する：「これには、私の声・私の判断・私とこの人との関係が必要か？」 2. そのタスクが、生徒のプライバシー・個人的な関係性・自分自身の専門的成長に関わるかどうかを考える。

4. AIが得意なこと・苦手なことを考慮する

こんな言い方をする:
「AIは練習問題の作成が得意ですが、印刷する前にすべての答えを自分で確認します」
「これは今年の州テストの期間に関わる内容なので、情報が古い可能性があります」
「AIは私の生徒たちのことを知らないので、このグループに響かなさそうな部分は自分で調整します」
試してみること: 1. Claude に直接尋ねる：「生徒に使う前に、この出力のどこを再確認すべきですか？」 2. 始める前に、AI が何を出そうと関係なく自分で検証すると決めていることを一つ挙げる。

5. AIの成果物をただ受け入れるのではなく、関与し続ける

こんな言い方をする:
「活動をドラフトする前に、学習目標を一緒に練りましょう」
「なぜその5つの単語を選んだのか、理由を教えてください」
「導入（フック）の案を3つください。自分の生徒に合うものを選びたいので」
試してみること: 1. Claude に理由を説明させる：「なぜこの順序で授業を組み立てたのか、説明してください」 2. 単一の答えではなく選択肢を求める：「検討できるように、導入案を3パターンください」

6. 仕事に適したツールやアプローチを選ぶ

こんな言い方をする:
「そのプロンプトはうまくいっていません。ルーブリックを説明するのではなく、実物をアップロードしてみます」
「要約ではなく、実際のコンテキストを持てるように、ユニットプラン全体を添付します」
「計画セッションをまたいでコンテキストが引き継がれるように、これをProjectとして設定します」
試してみること: 1. 結果がしっくりこないときは、説明する代わりに実際のルーブリック・ユニットプラン・模範例をアップロードしてみる。 2. 違うアプローチを試す：実例を与える、小さなタスクに分解する、新しいチャットで始め直す。

7. 作業が進むにつれて、誰が何をするかを調整する

こんな言い方をする:
「実は、保護者宛メールは自分で書きます。代わりに、あなたには学級通信の一文をお願いします」
「練習問題はうまくいっていますね。最初のセットを確認する間、生成を続けてください」
「この差別化（differentiation）の部分は思ったより難しいです。ここは自分で担当します」
試してみること: 1. 作業の途中で見直す：「この部分には、生徒についての私の判断が必要です。ここからは私が引き継ぎます」 2. Claude がうまくやっているときは、さらに任せる：「うまくいっています。次の2セクションも続けてください」

判別（DISCERNMENT）の指標（5つ）

1. 重要な事実や主張を確認する

こんな言い方をする:
「その科学の説明を、教科書と照らして検証する必要があります」
「それが実際に今の州基準であって、古いバージョンでないか確認させてください」
「ワークシートを印刷する前に、この数学の答えを3問だけ抜き打ちで確認します」
試してみること: 1. Claude に尋ねる：「生徒の前に出す前に、この中のどの事実を検証すべきですか？」 2. 出力の中から重要な事実を一つ選び、自分のカリキュラムや信頼できる情報源と照らし合わせて確認する。

2. AIの論理が破綻している箇所に気づく

こんな言い方をする:
「待ってください、それはつながりません。データは伸びを示していると言ったのに、すべてを再指導するよう勧めていますね」
「生徒が実際に抱えている、この概念についての誤解を見落としていますね」
「その活動は、私たちが対象にすると言った基準を、実際には評価していません」
試してみること: 1. Claude に尋ねる：「データからその提案まで、どうたどり着いたのか説明してください」 2. 何かおかしいと感じたら、押し返す：「この活動と基準のつながりを説明してください」

3. AIが重要なコンテキストを見落としているかもしれないと気づく

こんな言い方をする:
「4時間目のクラスは3週間、長期の代替教員がついていたことをご存じないですね。それでデータは変わります」
「理論上はこれで筋が通りますが、私たちには生徒全員分のデバイスがありません」
「このクラスの半分は、読解量を減らす配慮（accommodation）を持っていることを見落としていますね」
試してみること: 1. ドラフトをもらった後に尋ねる：「私の生徒やスケジュールについて、どんなコンテキストがあれば、この提案は変わりますか？」 2. 制約を先回りして共有する：「私たちはブロックスケジュールで、1人1台デバイスもないことを知っておいてください」

4. 自分とAIが一緒に前進できているかを評価する

こんな言い方をする:
「このルーブリックについて、堂々巡りになっています。自分が本当に必要としているものを立て直させてください」
「これは、子どもたちの前に出せるものに近づいていません。文章を最初からやり直しましょう」
「このメールを4回書き直しました。問題はあなたの下書きではなく、私の最初の依頼の仕方にあると思います」
試してみること: 1. 3回以上やり取りしても進展がなければ、いったん止めて立て直す：「自分が本当に必要としていることを、もう一度言わせてください」 2. Claude に直接尋ねる：「ここで役立つために、私から聞けていない情報は何ですか？」

5. AIのコミュニケーションのスタイルが自分に合っていないことに気づく

こんな言い方をする:
「これらの回答は長すぎます。準備時間は20分しかありません。簡潔にしてください」
「私の言うことすべてに同意するのはやめてください。私の目標が弱ければ押し返してください」
「フォーマルすぎます。これは幼稚園の家庭宛のメモであって、法律文書ではありません」
試してみること: 1. 違和感があれば名指しする：「もっと簡潔にしてください」または「言葉を濁さず、活動案だけをください」 2. うまくいっていないことを Claude に伝える：「同調しすぎです。私の授業案の弱いところに挑んでください」

努力（DILIGENCE）の指標（4つ）

1. AIと共有する情報に配慮する

こんな言い方をする:
「アップロードする前に、生徒の名前を消して『生徒1』『生徒2』に置き換えます」
「生徒や家庭の名前を出さずに、行動上の状況を説明させてください」
「このスプレッドシートを共有する前に、IEP状況の列を削除します」
試してみること: 1. 何かを貼り付ける前に、名前・ID番号・IEP/504の状況、生徒を特定しうるあらゆる情報を取り除く。 2. 実際の記録を貼り付ける代わりに、生徒の状況を一般的な言葉で説明する練習をする。

2. 重要な場面では、AIの関与について正直である

こんな言い方をする:
「この文章はAIで下書きし、その後、正確さと読解レベルについて自分で修正しました」
「このベンチマークデータのパターンを見つけるのにAIが役立ったことを、チームに知っておいてほしいです」
「校長に聞かれたら、これらの教材の最初のドラフトはAIが生成したと、はっきり伝えます」
試してみること: 1. こう言う練習をする：「これはAIで下書きし、その後、正確さと生徒への適合性を確認しました」 2. 迷ったときは、校長・チーム・生徒がAIの関与を知りたいと思うかどうかを自問する。

3. 共有・提出するものについて責任を持つ

こんな言い方をする:
「このワークシートのすべての問題を確認済みで、内容に責任を持ちます」
「この文章に誤りがあれば、それはツールのせいではなく私の責任です」
「データミーティングに持っていくものは何であれ、AIが関与していようといまいと、私に説明責任があります」
試してみること: 1. AIが関わった教材を生徒に使う前に自問する：「これのすべての部分を、自分自身のものとして支持できるか？」 2. 保護者や校長が肩越しに読んでいるつもりで、出力全体を読む。

4. この成果物を世に出すことの影響を考える

こんな言い方をする:
「すでに学校に不満を抱いている家庭に、この行動連絡メールはどう受け止められるだろうか？」
「生徒がこの学習ガイドを頼りにして、何かが間違っていたらどうなるか？」
「この文章の中に、最近家族を亡くした生徒を混乱させたり動揺させたりしうるものはないか？」
試してみること: 1. 共有する前に自問する：「生徒・家庭・同僚がこれをどう誤読しうるか、あるいはどう影響を受けうるか？」 2. 他に誰がこの出力を目にする可能性があるか、そして特定の生徒が名指しされたように見えないかを考える。

英語原文

The 4 Ds of AI Fluency: Behavioral Indicators [NO VIDEO. Interactive reference grid with 24 indicators across Description (8), Delegation (7), Discernment (5), Diligence (4). Each indicator has a DESCRIPTION line, a "WHAT IT SOUNDS LIKE" (3 example quotes), and "THINGS TO TRY" (2 concrete actions).]

DESCRIPTION indicators (8): 1. You clearly define the audience for your output. Sounds like: "This is for my 7th graders, and reading levels in the room range from 3rd to 9th grade." / "The audience is parents at back-to-school night who may not have a science background." / "I'm writing this for my principal, who prefers a one-page summary with bullets." Try: (1) Before your next request, tell Claude exactly who will read the output (students, families, your principal) and what they need most. (2) Ask Claude to adjust the reading level or tone for a specific grade band or group of learners. 2. You specify the format and structure you need. Sounds like: "I need this as a one-page handout with three sections and bolded vocabulary terms." / "Format this as a 5-question exit ticket with an answer key at the bottom." / "Give me a two-column table comparing the two main characters." Try: (1) Request a specific format upfront: "Give me this as a 5-item exit ticket with an answer key." (2) Ask Claude to restructure existing content into a different format like a rubric, choice board, or anchor chart. 3. You communicate the tone and style that fits your voice. Sounds like: "Write this in the warm, encouraging tone I use in my weekly classroom newsletter." / "Match the direct, no-fluff style my principal expects in data meeting summaries." / "Keep it playful and age-appropriate for kindergartners." Try: (1) Describe your classroom voice to Claude: "I prefer warm, short sentences and no education jargon." (2) Paste a past newsletter or parent email and ask Claude to match that style. 4. You break complex tasks into smaller steps for the AI to follow. Sounds like: "First give me an outline of the lesson, then we'll write each section together." / "Let's start by listing the standards, then build the activities, then write the assessment." / "Before drafting the parent letter, help me list the key points I need to hit." Try: (1) For your next lesson or unit plan, ask Claude to start with just an outline before writing any section in full. (2) Tell Claude: "Let's break this into steps. What should we tackle first?" 5. You build on previous exchanges to refine your work together. Sounds like: "That reading passage is close. Now lower the level for my striving readers." / "Based on the objective we wrote earlier, let's draft three formative checks." / "Keep the delivery-truck analogy you used, but shorten the last paragraph." Try: (1) Instead of starting over, tell Claude exactly what to keep and what to change from its last draft. (2) Reference earlier work: "Building on the rubric we made, now write the student-facing directions." 6. You provide examples of what good looks like. Sounds like: "Here's a parent email I sent last year that landed well. Match this tone." / "This is the rubric format our school uses. Follow this structure exactly." / "Here's an exemplar student response. Write two more at the same quality level." Try: (1) Paste a past lesson, rubric, exemplar, or parent email and ask Claude to follow that pattern. (2) Say "Here's an example of what I'm looking for" before making your request. 7. You tell the AI how you want it to interact with you. Sounds like: "Act like an instructional coach and push back if my objective is fuzzy." / "Ask me clarifying questions about my students before you draft anything." / "Be a thought partner, not a yes-machine. Challenge weak spots in this lesson plan." Try: (1) Start by telling Claude how to behave: "Act as my instructional coach and ask me questions before drafting." (2) Ask Claude to check in: "Ask me 2-3 questions about my students before you start." 8. You set boundaries on what the AI should and shouldn't do. Sounds like: "Don't write the lesson yet. Just help me unpack the standard first." / "Only use the vocabulary from the word wall list I gave you." / "Stay focused on the math content. Don't add classroom management advice." Try: (1) Add a constraint to your next request: "Only use the information in the curriculum excerpt I provided." (2) Tell Claude what NOT to do: "Don't write the lesson yet. Just help me think through the objective."

DELEGATION indicators (7): 1. You clarify your goal before asking AI for help. Sounds like: "My goal is for every student to leave with one sentence explaining photosynthesis in their own words." / "I'm trying to cut the time I spend on sub plans, not make them fancier." / "The point of this email is to get more families to sign up for conferences." Try: (1) Start your next request by stating the goal: "My goal is for students to... Can you help me..." (2) Before asking for help, write one sentence describing what success looks like and share it with Claude. 2. You consult AI about how to approach a problem before diving into execution. Sounds like: "Before I start, what's a good way to differentiate this text for three reading levels?" / "What are a few different approaches I could take to reteach two-digit multiplication?" / "How should I structure a parent meeting about a sensitive behavior concern?" Try: (1) Before your next planning task, ask: "What are two or three ways I could approach this?" (2) Ask Claude to suggest a few frameworks or structures before you commit to one. 3. You recognize when a task isn't right for AI. Sounds like: "This condolence note to a student's family needs to come entirely from me, not AI." / "I should write my own narrative report card comments. I know these kids." / "This is a college recommendation letter. I need to write it myself." Try: (1) Before reaching for AI, pause and ask: "Does this need my voice, my judgment, or my relationship with this person?" (2) Consider whether the task involves student privacy, personal relationships, or your own professional growth. 4. You consider what AI does well and where it struggles. Sounds like: "AI is great at generating practice problems, but I'll check every answer myself before printing." / "This involves this year's state testing window, so the info might be outdated." / "AI doesn't know my kids, so I'll adjust anything that won't land with this group." Try: (1) Ask Claude directly: "What in this output should I double-check before using it with students?" (2) Before starting, name one thing you'll verify yourself no matter what AI produces. 5. You stay involved rather than just accepting what AI produces. Sounds like: "Let's work on the learning objective together before you draft any activities." / "Walk me through why you chose those five vocabulary words." / "Give me three options for the hook so I can pick the one that fits my kids." Try: (1) Ask Claude to explain its reasoning: "Walk me through why you sequenced the lesson this way." (2) Request options instead of a single answer: "Give me three different hooks to consider." 6. You choose the right tool or approach for the job. Sounds like: "That prompt isn't working. Let me try uploading the actual rubric instead of describing it." / "I'll attach the full unit plan so you have real context instead of my summary." / "Let me set this up as a Project so the context carries over between planning sessions." Try: (1) If results aren't landing, try uploading the actual rubric, unit plan, or exemplar instead of describing it. (2) Experiment with a different approach: give an example, break it into smaller asks, or start a fresh chat. 7. You adjust who does what as the work evolves. Sounds like: "Actually, I'll write the parent email myself. You take the newsletter blurb instead." / "You're doing well with the practice problems. Keep generating while I check the first set." / "This differentiation piece is trickier than I thought. Let me handle that part myself." Try: (1) Mid-task, reassess: "This part needs my judgment about my students. I'll take it from here." (2) When Claude is doing well, delegate more: "That's working. Keep going with the next two sections."

DISCERNMENT indicators (5): 1. You check facts and claims that matter. Sounds like: "I need to verify that science explanation against our textbook before I use it." / "Let me confirm that's actually the current state standard, not the old version." / "I'll spot-check three of these math answers before I print the worksheet." Try: (1) Ask Claude: "Which facts in this should I verify before putting it in front of students?" (2) Pick one important fact from the output and check it against your curriculum or a trusted source. 2. You notice when AI's reasoning doesn't hold up. Sounds like: "Wait, that doesn't follow. You said the data showed growth, then recommended reteaching everything." / "You skipped the misconception students actually have about this concept." / "That activity doesn't actually assess the standard we said we're targeting." Try: (1) Ask Claude: "Walk me through how you got from the data to that recommendation." (2) If something feels off, push back: "Explain the connection between this activity and the standard." 3. You recognize when AI might be missing important context. Sounds like: "You don't know that Period 4 had a long-term sub for three weeks. That changes the data." / "This makes sense in theory, but we don't have a device for every student." / "You're missing that half this class has an accommodation for reduced reading load." Try: (1) After getting a draft, ask: "What context about my students or schedule would change this recommendation?" (2) Proactively share constraints: "You should know we're on a block schedule and have no 1:1 devices." 4. You assess whether you and AI are making progress together. Sounds like: "We keep going in circles on this rubric. Let me reframe what I actually need." / "This isn't getting closer to something I'd put in front of kids. Let's start the passage over." / "We've revised this email four times. I think the problem is my original ask, not your drafts." Try: (1) If you've gone back and forth 3+ times without progress, stop and reframe: "Let me restate what I actually need." (2) Ask Claude directly: "What information are you missing from me that would help here?" 5. You notice when AI's communication style isn't working for you. Sounds like: "These responses are way too long. I'm planning on a 20-minute prep. Be brief." / "Stop agreeing with everything I say. Push back if my objective is weak." / "You're being too formal. This is a note to a kindergarten family, not a legal memo." Try: (1) If responses feel off, name it: "Be more concise" or "Stop hedging and just give me the activity." (2) Tell Claude what's not working: "You're being too agreeable. Challenge the weak spots in my lesson."

DILIGENCE indicators (4): 1. You're mindful about what information you share with AI. Sounds like: "I'll strip student names and replace them with Student 1, Student 2 before I upload this." / "Let me describe the behavior situation without naming the student or the family." / "I'm removing the IEP status column before I share this spreadsheet." Try: (1) Before pasting anything, remove names, ID numbers, IEP/504 status, and anything that could identify a student. (2) Practice describing a student situation in general terms instead of pasting the actual record. 2. You're honest about AI's role in your work when it matters. Sounds like: "I used AI to draft this passage, then revised it for accuracy and reading level myself." / "I want the team to know that AI helped me surface the pattern in this benchmark data." / "If my principal asks, I'll be clear that AI generated the first draft of these materials." Try: (1) Practice saying: "I used AI to draft this, then I checked it for accuracy and fit with our students." (2) When in doubt, ask yourself whether your principal, team, or students would want to know AI was involved. 3. You take responsibility for what you share or submit. Sounds like: "I've reviewed every problem on this worksheet and I stand behind it." / "If there's an error in this passage, that's on me, not the tool." / "I'm accountable for anything I bring to the data meeting, AI-assisted or not." Try: (1) Before using AI-assisted material with students, ask: "Am I ready to stand behind every part of this as my own?" (2) Read the entire output as if a parent or your principal were reading it over your shoulder. 4. You consider the consequences of putting this work into the world. Sounds like: "How might this behavior email land with a family that's already frustrated with the school?" / "What happens if a student relies on this study guide and something in it is wrong?" / "Is there anything in this passage that could be confusing or upsetting for a student who recently lost a family member?" Try: (1) Before sharing, ask: "How might a student, family, or colleague misread or be affected by this?" (2) Consider who else might see this output and whether any student could be identified or singled out.

↑ 目次へ戻る

AI Fluency for pK–12 Educators ｜ Lesson 05「AIの能力と限界（AI capabilities and limitations）」

出典: Anthropic Academy ／ 2026-07-22 ／動画: YouTube BbcjcnQwseo

日本語ナレッジ（本文の自然な全訳）

推定所要時間: 30分

このレッスンで学べること

このレッスンを終えると、次のことができるようになります。

生成AIを定義し、他のAIの種類とどう違うかを説明できる
生成AIの主要な特徴と技術的な土台を認識できる
現在の生成AIの主要な能力と限界を特定できる

生成AIとは何か？（動画・12分）

この動画は生成AIを紹介する——それが何であり、大まかにどう機能し、それがあなたの使い方にとって何を意味するのか。AI がほとんどどんな話題についても議論できる理由、間違っているときでも自信ありげに聞こえることがある理由、そしてその能力と限界を理解することが、あなたをより良い協働者にする理由がわかります。

重要なポイント（Key takeaways）

生成AIは、既存のデータを単に検索・分析するのではなく、新しいコンテンツ（文章・画像・コード）を作り出す。
AIは膨大な量のテキストで訓練され、指示に従うよう調整されている。だからこそ、ほとんどどんな話題についても議論できる一方で、間違っているときでも自信ありげに聞こえることがある。
現在の能力には、タスク全般にわたる汎用性、対話的な文脈把握、外部ツールと連携する能力が含まれる。
現在の限界には、知識のカットオフ日、幻覚（ハルシネーション）の可能性、コンテキストウィンドウの制約、複雑な推論における難しさが含まれる。
最も効果的な活用法は、人間とAIそれぞれの強みを組み合わせるものだ。人間は、AIにはできない批判的思考・判断・創造性・倫理的な監督を提供する。

演習（Exercises）

演習: 限界（エッジ）を試す

自分で実際に検証できる話題で、AI が何を得意とし、何が苦手かを実地で肌感覚として掴む。

自分がよく知っている話題——間違いがあれば即座に気づけるもの——を1つ選び、Claude とのチャットを開く。次の3つの簡単なテストを行い、気づいたことをメモしていく。

汎用性。あなたの話題を、小学2年生向け・中学1年生向け・新任教師向けの3通りで、1回の回答の中で説明するよう頼む。対象読者の切り替えはうまくいったか？その話題の中で最も説明が難しい部分を突いてみる。
幻覚（ハルシネーション）。あなたの話題を教えるための、具体的な資料（本・動画・カリキュラム）を2〜3個尋ねる。少なくとも1つを抜き打ちで確認する——実在するか？
知識のカットオフ＋推論。今年のテスト期間や、最近改訂された基準など、時期依存・地域依存の何かを尋ねる。それは、留保をつけるか、それとも古い情報を現在のものとして提示するか？次に、あなたの話題についてよくある誤解を解消するよう頼む——実際の混乱に取り組むか、それとも単に事実を繰り返すだけか？

レッスンの振り返り

AI がどう動くか——訓練データから、間違っているときに自信ありげに聞こえがちな傾向まで——を理解した今、任せようと思うタスクを1つ、検証しようと思うタスクを1つ、それぞれ挙げてください。

次のレッスンでは（What's next）

次のレッスンでは、記述-判別（Description-Discernment）ループを探り始めます。

フィードバック

謝辞とライセンス（Acknowledgments and license）

英語原文

What you'll learn Estimated time: 30 minutes By the end of this lesson you'll be able to: - Define generative AI and how it differs from other AI types - Recognize the key characteristics and technological foundations of generative AI - Identify major capabilities and limitations of current generative AI

What is generative AI? (12 minutes) This video introduces generative AI, what it is, how it works at a high level, and what that means for how you use it. You'll see why AI can discuss almost any topic, why it sometimes sounds confident when it's wrong, and how understanding its capabilities and limitations makes you a better collaborator.

Key takeaways - Generative AI creates new content (text, images, code) rather than just retrieving or analyzing existing data. - AI is trained on massive amounts of text and refined to follow instructions, which is why it can discuss almost any topic but can also sound confident when it's wrong. - Current capabilities include versatility across tasks, conversational awareness, and the ability to connect with external tools. - Current limitations include knowledge cutoff dates, potential for hallucinations, context window constraints, and challenges with complex reasoning. - The most effective applications combine human and AI strengths. Humans provide the critical thinking, judgment, creativity, and ethical oversight that AI can't.

Exercises Exercise: Testing the edges Build a firsthand gut check of what AI does well and where it falls down, on a topic you can actually verify. Pick a topic you know cold—one where you'd spot an error instantly—and open a chat with Claude. Run these three quick tests, jotting a few notes as you go: 1. Versatility. Ask AI to explain your topic three ways in one response: for a 2nd grader, a 7th grader, and a new teacher. Did the audience shifts land? Push it on the part of your topic that's trickiest to explain. 2. Hallucination. Ask for 2–3 specific resources (a book, a video, a curriculum) for teaching your topic. Spot-check at least one—does it exist? 3. Knowledge cutoff + reasoning. Ask something time-sensitive or local (this year's testing window, a recently revised standard). Does it caveat, or present stale info as current? Then ask it to clear up a common misconception about your topic—does it tackle the real confusion, or just restate the fact?

Lesson reflection Now that you understand how AI works—from training data to its tendency to sound confident when wrong—name one task you'll hand off and one you'll verify.

What's next In the next lesson, we'll start to explore the Description-Discernment loop.

Feedback As you progress through the course, we'd love to hear from you about how you are using concepts from the course in your work, plus any feedback you may have. Share your feedback here.

↑ 目次へ戻る

AI Fluency for pK–12 Educators ｜ Lesson 06「質の高いAIアウトプットを作る（Creating high quality AI outputs）」

出典: Anthropic Academy ／ 2026-07-22 ／動画: YouTube p-j2xKehTK4

日本語ナレッジ（本文の自然な全訳）

推定所要時間: 40分

このレッスンで学べること

このレッスンを終えると、次のことができるようになります。

記述（Description）のスキルを使って、差別化された指導教材を作るようAIを導ける
判別（Discernment）のスキルを使って、AIが生成した教材を、正確性・読解レベル・学習目標との整合性の観点から評価できる

指導実践において質の高いAIアウトプットを作る（動画・10分）

この動画は、記述-判別（Description-Discernment）ループを一通り実演します。中学1年生の理科教師である Okafor 先生が、幅広い読解レベルの生徒に向けた差別化された説明文をAIに下書きさせ、その後、自らの内容専門性を活かしてAIの成果物を評価・修正する様子を見ていきます。具体的なコンテキスト・反復的なフィードバック・教育学的な判断が、どのように汎用的なAIの下書きを、実際の教室に本当にフィットするものへと変えていくかがわかります。

記述 ↔ 判別（Description ↔ Discernment）ループ

フルエントなAI活用は、タイトなループの中で起きる。あなたが求めるものを記述し、モデルが応答し、あなたはその中の有用な部分を判別し、そして今度はより鋭く記述し直す。

記述（Description）: モデルが行動できるよう、ビジョンを伝える。「良い」がどう見えるかを記述する。あなたのビジョンをモデルが行動できる言葉に落とし込む、明確で具体的なプロンプト。（PROMPT → 内側ループ ← REFINE）
判別（Discernment）: 返ってきたものを判断し、その判断を次に活かす。返ってきたもの——質・関連性・バイアス——を判断し、次のプロンプトをより鋭くする。
クイックチェック: 最初に、あなたは自分の生徒が学年レベルより下で読んでいて、重要な語彙を文脈の中で定義してほしいとAIに伝える。これはどちらの動きか？【記述（Description）】

重要なポイント（Key takeaways）

効果的な記述（Description）は、具体的なコンテキストを提供する。あなた自身・生徒たちのニーズ・あなたの指導習慣について共有すればするほど、良くなる。
判別（Discernment）は任意ではない。正確性が重要な場面ではアウトプットを評価する——検証すべき主張には印をつけたり、出典を求めたりする。
ループは反復的である。最初のプロンプトが一発で決まることはめったにない。各応答が教えてくれることを使って、磨いていく。
AIは専門性を加速させるが、置き換えはしない。あなたは依然として意思決定者である。
過去の教材をアップロードする。あなたのユニットプラン・ルーブリック・優れた実例は、AIがあなたの声とレベル（rigor）に合わせる助けになる。

演習（Exercises）

演習: 差別化教材チャレンジ

Okafor先生がしたのと同じように、記述（Description）と判別（Discernment）を適用して、実際に近く控えている授業のための差別化された指導教材を1つ作る。

パートI: 記述する

実際に使う・必要になるものを選ぶ——例：読み聞かせ＋ディスカッション用の質問、レベル別テキスト、算数のステーション、視覚的サポート、練習問題セット、センター活動。
記述（Description）プロンプトを下書きする。それが支える基準や学習目標、教室にいる学習者の幅、少なくとも1つの具体的な配慮（アコモデーション）のニーズ、そして生徒がそれで何をするのかを明記する。

パートII: 判別する

そのプロンプトをAIツールと共有し、Okafor先生の判別（Discernment）チェックリストに沿って出力を確認する。あなたの教科領域にとって内容は正確か？重要な語彙や概念が導入・サポートされた状態で、学習者に合ったレベルに着地しているか？生徒がそれで何をし、授業がどこへ向かう必要があるかを支えているか？あなたの特定の生徒に悪く響きそうな部分はないか？
具体的な修正プロンプトを1つ書く（「もっと良くして」ではなく、例えば「センターの指示のステップを短くして、各ステップに絵のヒントを加えて」など）。それを提出し、修正版を元のものと比較する。

ストレッチゴール: 明確な指示・目標・足場かけ・理解度チェックを備えた、生徒に配布できる品質の成果物（授業ガイド・センター・プロジェクト・ワークシート）へと、修正した教材を発展させる——それを支持できるものになるまで、記述-判別ループを回し続ける。

レッスンの振り返り

生徒とゴールについて豊かなコンテキストをAIに与えたことで、汎用的な依頼と比べてアウトプットはどう変わったか？
AIが作った教材を生徒の前に出す前に、必ず行うと決めている判別（Discernment）チェックは何か？

次のレッスンでは（What's next）

次のレッスンでは、データ分析のシナリオを通じて、委任（Delegation）と努力（Diligence）を実践します。AIに何を触らせるべきかをどう決めるか、生徒の情報をどう守るか、結果を信頼する前にどう検証するか、を扱います。

フィードバック

謝辞とライセンス（Acknowledgments and license）

英語原文

What you'll learn Estimated time: 40 minutes By the end of this lesson you'll be able to: - Use Description skills to guide AI in creating differentiated instructional materials - Use Discernment skills to evaluate AI-generated materials for accuracy, reading level, and alignment to your learning objectives

Creating high quality AI outputs in your teaching practice (10 minutes) This video walks through the Description-Discernment loop. You'll watch Ms. Okafor, a 7th grade science teacher, use AI to draft a differentiated informational text for a wide range of readers, then apply her content expertise to evaluate and revise what AI produces. You'll see how specific context, iterative feedback, and pedagogical judgment turn a generic AI draft into something that actually fits a real classroom.

The Description ↔ Discernment loop Fluent AI use happens in a tight loop: you describe what you want, the model responds, you discern what's useful, and you describe again, sharper this time. Description: Communicate the vision so the model can act on it. Describe what good looks like. Clear, specific prompting that turns your vision into terms the model can act on. (PROMPT → Inner Loop ← REFINE) Discernment: Judge what came back, and feed that judgment forward. Judge what comes back—quality, relevance, bias—so your next prompt is sharper. QUICK CHECK: Up front, you tell AI your students read below grade level and need key vocabulary defined in context. Which move is that? [Description]

Key takeaways - Effective Description provides specific context. The more you share about you, your students' needs, and your teaching habits, the better. - Discernment isn't optional. Evaluate outputs when accuracy matters—flag claims to verify or ask for citations. - The loop is iterative. Your first prompt rarely nails it; refine using what each response teaches you. - AI accelerates, but doesn't replace expertise. You're still the decision-maker. - Upload past materials. Your unit plans, rubrics, or strong examples help AI match your voice and rigor.

Exercises Exercise: Differentiated materials challenge Apply Description and Discernment to create a piece of differentiated instructional material for a real upcoming lesson, just like Ms. Okafor did. Part I: Describe - Pick something you'll actually use and need—some ideas: a read-aloud with discussion questions, a leveled text, a math station, a visual support, a practice set, a center activity. - Draft a Description prompt that names the standard or learning target it supports, the range of learners in your room, at least one specific accommodation need, and what students will do with it. Part II: Discern - Share your prompt with an AI tool and review the output against Ms. Okafor's Discernment checklist: Is the content accurate for your subject area? Did it land at the right level for your learners, with key vocabulary or concepts introduced and supported? Does it support what students will do with it and where the lesson needs to go? Would anything land badly with your specific students? - Write one concrete revision prompt (not "make it better," but e.g. "shorten the steps in the center directions and add a picture cue for each one"), submit it, and compare the revision to the original. Stretch goal: Build your revised material into a student-facing-quality product (lesson guide, center, project, worksheet) with clear directions, objectives, scaffolds, and a check for understanding—running the Description-Discernment loop until it's something you'd stand behind.

Lesson reflection - How did giving AI rich context about your students and goals change its output, compared to a generic request? - What's one discernment check you'll always run before putting an AI-made material in front of students?

What's next In the next lesson, we'll put Delegation and Diligence into practice with a data-analysis scenario. This includes how to decide what AI should touch, how to protect student information, and how to validate results before you trust them.

Feedback As you progress through the course, we'd love to hear from you about how you are using concepts from the course in your work, plus any feedback you may have. Share your feedback here.

↑ 目次へ戻る

AI Fluency for pK–12 Educators ｜ Lesson 07「倫理と責任あるAI活用（Ethics & responsible AI use）」

出典: Anthropic Academy ／ 2026-07-22 ／動画: YouTube Ld8yCH_KZ48

日本語ナレッジ（本文の自然な全訳）

推定所要時間: 30分

このレッスンで学べること

このレッスンを終えると、次のことができるようになります。

生徒データに関する意思決定に、委任（Delegation）と努力（Diligence）を適用できる
自分の価値観を振り返り、自分にとって最も重要な倫理的懸念を特定できる
自分の実践におけるAI活用について、個人的な倫理的コミットメントを起草できる

倫理とAI（動画・10分）

この動画は、委任-努力（Delegation-Diligence）ループを一通り実演します。中学1年生の理科教師である Okafor 先生が、データを扱い指導を改善するためにAIを使う様子を見ていきます。検証（validation）と生徒データの慎重な取り扱いが、どのようにAIが責任を持って倫理的に使われることを保証しうるかがわかります。

委任 ↔ 努力（Delegation ↔ Diligence）ループ

外側のループは、あらゆるAIとのやり取りの枠組みを作る。あなたは事前に、何を任せるのが正しいかを決める——正しいタスク・正しいツール・正しいデータを。その後、返ってきたものについて責任を持つ。

委任（Delegation）: そもそも何をAIに任せる価値があるかを決める。事前に決める：AIに持ち込む正しいタスク・ツール・データ、そして自分の手元に残すもの。（HAND OFF → 外側ループ ← VALIDATE）
努力（Diligence）: 返ってきたものの責任を持つ。自分が知っていることと照らして検証し、AIの関与について透明であり、結果を支持する。
クイックチェック: あなたは、自分のデータ作業のどの部分がAIに渡しても安全で、どの部分は自分の手元に残さなければならないかを決める。これはどちらの動きか？【委任（Delegation）】

重要なポイント（Key takeaways）

FERPAのようなデータ保護規制は、AIツールにも適用される。生徒情報が関わるものには、学区が承認したツールだけを使う。
責任あるAI活用には、教育学的な判断が求められる。方針（ポリシー）がカバーしていないグレーゾーンを、自分でナビゲートすることになる。
あなたの価値観は、すでにあなたの指導を導いている。それをAIに結びつける。何を任せないか、そして「有用」とは何を意味するかを決める。
倫理的なAI活用は継続的なものである。生徒・コンテキスト・ツールが変わるにつれて、自分のコミットメントを見直す。

演習（Exercises）

演習: 教育者としての自分の倫理的な一線を言葉にする

AIを責任を持って使うことは、単にルールに従うことではない。方針が明確な答えを示さないグレーゾーンにおける、倫理的判断のことである。自分にとって最も重要な懸念を挙げ、それを守り続けられるコミットメントへと変える。

パートI: 倫理的な緊張関係を挙げる

自分の教育者としての役割と、自分が支える生徒たちについて考えながら、以下から1つか2つ——あるいは他の何か——、今の自分にとって最も重要な、あるいは最も未解決だと感じる懸念を選び、それが自分のコンテキストの中でなぜ重要なのかを短くメモする。

依存（Dependency）: 生徒自身がすべき思考を、AIへの依存が置き換えてしまうのはどんなときか？
脱・社会化（De-socialization）: AIが、人間同士の交流・協働・関係構築を置き換えてしまいうるのはどんなときか？
バイアス（Bias）: AIが、狭い視点・ステレオタイプ・既存の不平等を強化しうるのはどんなときか？
生徒の主体性（Student agency）: AIがどう使われるかを誰がコントロールするのか——生徒か、教育者か、それともシステムか？
アクセスの公平性（Equity of access）: 誰がAIから恩恵を受け、アクセスやリソースの不足によって誰が取り残されうるか？
環境への影響（Environmental impact）: AIシステムのエネルギー使用・計算需要・規模は、あなたの倫理的な判断にどう影響するか？

パートII: 自分の倫理的コミットメントを起草する

自分が挙げた緊張関係をコミットメントへと変え、「4Dフレームワーク」レッスンで作ったコンテキスト・ドキュメントに追加する。選んだ懸念を念頭に置きながら、自分の言葉で次を完成させる。

その懸念から身を守るために、私は次に関する意思決定はAIに任せません: （例：最終判断、関係性に関わるフィードバック、高スティクスな評価）
AIは、私や生徒にとって次のことを助けてくれるときに、私の実践において有用です（例：練習する、アイデアを探る、行き詰まりを抜ける）——そして、私が挙げた緊張関係を悪化させない限りにおいて。
あるAIの使い方が倫理的かどうか自信が持てないとき、私は次のようにします: （例：いったん止まる、同僚に相談する、学区のガイダンスを確認する、慎重に試験導入する）

あなたはたった今、個人的な倫理的スタンスを起草した——それはどんなツールにもできないことだ。生徒・コンテキスト・ツールが変わるにつれて、これを見直してほしい。

レッスンの振り返り

AIとデータを扱う自分のやり方について、変えようと思う具体的な一つの変化は何か——そして、実際にそのために承認されているツールはどれか？
自分が最も定期的に行っているデータ作業——生徒の成績分析、出欠の確認、アンケート結果の解釈——を考えてみてください。そのプロセスのどこでAIが本当に助けになると思いますか、そしてどこで人間の判断が重要すぎて任せられないと思いますか？

次のレッスンでは（What's next）

次のレッスンでは、異なるAIモデルがどう違うかを探り、あなた個人のAI価値観ドキュメント——あなたがAIとどう向き合うかを定義する意図・原則・境界線——を作ります。

フィードバック

謝辞とライセンス（Acknowledgments and license）

英語原文

What you'll learn Estimated time: 30 minutes By the end of this lesson you'll be able to: - Apply Delegation and Diligence to decisions about student data - Reflect on your values and identify the ethical concerns that matter most to you - Draft personal ethical commitments for AI use in your practice

Ethics & AI (10 minutes) This video walks through the Delegation-Diligence loop. You'll watch Ms. Okafor, a 7th grade science teacher, use AI to help her work with data and improve her instruction. You'll see how validation and careful handling of student data can ensure AI is being used in a responsible and ethical manner.

The Delegation ↔ Diligence loop The outer loop frames every AI interaction: you decide upfront what's right to hand off: the right task, the right tool, the right data. Afterward you take responsibility for what comes back. Delegation: Decide what's worth handing to AI in the first place. Decide upfront: the right task, tool, and data to bring to AI—and what stays with you. (HAND OFF → Outer loop ← VALIDATE) Diligence: Own what comes back. Verify against what you know, be transparent about AI's role, and stand behind the result. QUICK CHECK: You decide which parts of your data work are safe to hand to AI, and which must stay with you. Which move is that? [Delegation]

Key takeaways - Data protections like FERPA apply to AI tools. Use only district-approved tools for anything with student information. - Responsible AI use takes pedagogical judgment. You'll navigate gray areas policy doesn't cover. - Your values already guide your teaching. Connect them to AI: decide what you won't delegate and what "useful" means. - Ethical AI use is continuous. Revisit your commitments as students, context, and tools change.

Exercises Exercise: Articulate your ethical line as an educator Using AI responsibly isn't just about following rules; it's about ethical judgment in the gray areas where policy gives no clear answer. Name the concerns that matter most to you and turn them into commitments you can keep. Part I: Name the ethical tensions Thinking about your role as an educator and the students you serve, choose one or two concerns below—or something else—that feel most important, or most unresolved, for you right now, and jot a quick note on why it matters in your context. - Dependency: When might reliance on AI replace thinking students need to do themselves? - De-socialization: When could AI displace human interaction, collaboration, or relationship-building? - Bias: When might AI reinforce narrow perspectives, stereotypes, or existing inequities? - Student agency: Who controls how AI is used: the student, the educator, or the system? - Equity of access: Who benefits from AI, and who may be excluded due to access or resources? - Environmental impact: How does the energy use, compute demand, or scale of AI systems factor into your ethical decisions? Part II: Draft your ethical commitments Turn the tension(s) you named into commitments and add them to your context document from The 4D Framework lesson. Keeping your chosen concern(s) in mind, complete these in your own words: - To protect against that concern, I will not delegate decisions related to: (e.g., final judgment, relational feedback, high-stakes evaluation) - AI is useful in my practice when it helps me or my students (e.g., practice, explore ideas, get unstuck)—without worsening the tension I named. - When I'm unsure whether an AI use is ethical, I will: (e.g., pause, consult a colleague, review district guidance, pilot cautiously) You've just drafted a personal ethical stance, something no tool can do for you. Revisit it as your students, context, and tools change.

Lesson reflection - What's one concrete change you'll make to how you handle data with AI—and which tools are actually approved for it? - Think about the data work you do most regularly: analyzing student performance, reviewing attendance, interpreting survey results. Where in that process do you think AI could genuinely help, and where do you think human judgment is too important to hand off?

What's next In the next lesson, we'll explore how different AI models differ and you'll build a personal AI value document: the intentions, principles, and boundaries that define how you work with AI.

Feedback As you progress through the course, we'd love to hear from you about how you are using concepts from the course in your work, plus any feedback you may have. Share your feedback here.

↑ 目次へ戻る

AI Fluency for pK–12 Educators ｜ Lesson 08「AIの憲法、教育学、そしてあなた（AI's constitution, pedagogy, and you）」

出典: Anthropic Academy ／ 2026-07-22 ／動画: YouTube hez_t50rEAY

日本語ナレッジ（本文の自然な全訳）

推定所要時間: 25分

このレッスンで学べること

このレッスンを終えると、次のことができるようになります。

モデルごとの「人格」の違いを認識できる
LLMを使うことが、教育者としての自分の仕事にとって何を意味するかを言語化できる
このコースを通じて設定してきたAIに関する価値観を見直し、練り直せる

AIの憲法、教育学、そしてあなた（動画・6分）

この動画は、異なるAIモデルを際立たせているものと、それがあなたの仕事にとって実務上どんな意味を持つかを探ります。正しいタスクに正しいモデルを合わせることがなぜ重要かがわかり、そしてこのコースを通じて築いてきたAIに関する価値観を見直し、あなたの意図・原則・そして守りたい境界線を捉えた、短く正直なドキュメントを作ります。

重要なポイント（Key takeaways）

AIで何をする・何をしないかについて、明確にしておく。表明された価値観は、自分にとっての譲れない一線を守る助けになる。
異なるモデルには異なる「人格」があり、異なるタスクに向いている。
AIは教育学（ペダゴジー）ではない——あなたこそが教育学である。あなたの価値観が、あなたを主導席に留め続ける。

演習（Exercises）

演習: 個人的なAI価値観ドキュメントを作る

個人的なAI価値観のセットは、それがあなたの実際の働き方を反映しているときにだけ機能する——一般論的なベストプラクティスではない。自分自身のコンテキストに根ざした、本物の最初のドラフトを作ります。

パートI: 価値観ドキュメントを起草する

「4Dフレームワーク」で作り始め、「倫理と責任あるAI活用」で倫理的コミットメントを追加した、自分のコンテキスト・ドキュメントを開く。
それを、「意図（Intentions）」「原則（Principles）」「境界線（Boundaries）」の3セクションからなる、短くすっきりしたAI価値観ドキュメントに作り直すよう、AIに頼む。自分を律したい2〜3個のルールと、必ず自分自身でやると決めている1種類の仕事が、そこに捉えられているようにする。
自分のものにする。注意深く読み、自分らしくないと感じる部分を直し、足りないものを加え、事実でない部分を削る。

パートII: それを生かし続けることにコミットする

AI倫理と実践は、「完成」するものではない。AIが進化していく中で、思慮深くあり続けるために今年取る、具体的な一歩を1つ加える——例えば：信頼できる研究者や教育者の声をフォローする、学期ごとに学区のガイダンスを見直す、同僚とAI活用について振り返る、新しいツールはまずリスクの低い場面だけで試す、など。

ストレッチゴール: 自分のAI価値観を同僚と共有する——承認を得るためではなく、比較するために。自分たちの価値観のセットはどこが違うか、そしてそれは、コンテキストや役割が価値観をどう形づくるかについて何を物語っているか？

レッスンの振り返り

AIは教育学ではない——あなたこそが教育学である。あなたの価値観ドキュメントの中の、どの原則・境界線が、あなたを最も主導席に留めてくれるか？
もし新任教師が、あなたがAI活用についてどう考えているか尋ねてきたら、あなたのドキュメントから最初に共有する一文はどれか？

次のレッスンでは（What's next）

次のレッスンでは、自分自身の仕事の実際のタスクを使って、すべてを完全なエンドツーエンドの4Dワークフローとしてまとめます。

フィードバック

謝辞とライセンス（Acknowledgments and license）

英語原文

What you'll learn Estimated time: 25 minutes By the end of this lesson you'll be able to: - Recognize the differences between model personalities - Communicate what the usage of LLMs means for you and your work as an educator - Revisit and refine the AI values you set earlier in this course

AI's constitution, pedagogy, and you (6 minutes) This video explores what makes different AI models distinct and the practical implications for your work. You'll see why matching the right model to the right task matters, and revisit the AI values you've been building throughout this course to create a short, honest document that captures your intentions, principles, and the boundaries you want to hold.

Key takeaways - Be clear about what you will and won't do with AI. Stated values help you hold your non-negotiables. - Different models have different personalities and suit different tasks. - AI is not the pedagogy—you are. Your values keep you in the driver's seat.

Exercises Exercise: Build your personal AI value document A personal set of AI values only works if it reflects how you actually work, not generic best practices. You'll build a real first draft, grounded in your own context. Part I: Draft your value document - Pull up your context document—the one you started in The 4D Framework and added your ethical commitments to in Ethics & responsible AI use. - Ask AI to turn it into a short, clean AI value document with three sections: Intentions, Principles, and Boundaries. Make sure it captures the 2–3 rules you want to hold yourself to and the one kind of work you'll always do yourself. - Make it yours. Read it carefully, fix what doesn't sound like you, add what's missing, cut what's not true. Part II: Commit to keeping it alive AI ethics and practice aren't something you "finish." Add one concrete step you'll take this year to stay thoughtful as AI evolves—for example: Following trusted researchers or educator voices; Revisiting district guidance each semester; Debriefing AI use with colleagues; Testing new tools only in low-risk contexts first. Stretch goal: Share your AI values with a colleague—not for approval, but to compare. Where do your value sets differ, and what does that tell you about how context and role shape values?

Lesson reflection - AI is not the pedagogy—you are. Which principle or boundary in your value document will most keep you in the driver's seat? - If a new teacher asked how you think about using AI in your work, what's the one sentence from your document you'd share first?

What's next In the next lesson, you'll put everything together in a complete end-to-end 4D workflow on a real task from your own work.

Feedback As you progress through the course, we'd love to hear from you about how you are using concepts from the course in your work, plus any feedback you may have. Share your feedback here.

↑ 目次へ戻る

AI Fluency for pK–12 Educators ｜ Lesson 09「すべてをまとめる（Tying it all together）」

出典: Anthropic Academy ／ 2026-07-22 ／動画: YouTube u73we40yeuA

日本語ナレッジ（本文の自然な全訳）

推定所要時間: 45分

このレッスンで学べること

このレッスンを終えると、次のことができるようになります。

実際の1つのワークフローの中で、4つのDすべてを適用できる
ループの間を動的に行き来できる
プロセス全体に責任を持てる

すべてをまとめる（動画・8分）

この動画は、実際の指導タスクにおける完全なエンドツーエンドの4Dワークフローを一通り実演し、委任（Delegation）・記述（Description）・判別（Discernment）・努力（Diligence）が、実際の仕事がそうであるように、調整しながら・軌道修正しながら、動的にどう展開するかを示します。教育者が主導席に留まり続けるとはどういうことか——AIに何を触らせるかを決め、AIがどう応答するかを形づくり、返ってきたものを評価し、最終的なアウトプットの完全な当事者であり続ける様子——を見ることになります。最後には、4つのDはもはや「従うべきフレームワーク」のようには感じられなくなります。それは「自分の働き方そのもの」に感じられるようになります。

重要なポイント（Key takeaways）

完全な4Dワークフローは、あなたが毎日行っている仕事に適用できる。
あなたはループの中にいる。仕事は、AIが終わった時点で「完了」なのではない。
ここで身につけるスキルは、アウトプットではなく「プロセス」を自分のものにすることである。
うまく使われたとき、4つのDは見えなくなる。

演習（Exercises）

演習: エンドツーエンドの4Dワークフロー

これまで、4つのDそれぞれを個別に練習してきました。今度は、自分自身の仕事の実際のタスクで、それらを組み合わせます。ゴールは、自分が当事者であると言える、完成した使えるアウトプットと、そこにどうたどり着いたかの記録です。

パートI: タスクを選ぶ（自分のメモに）

自分自身の仕事から、これから1〜2週間のうちに期限がある、実質的で本物のタスクを1つ選ぶ——AIが本当に助けになりそうなものを。始める前に、「完了」がどう見えるか、どの部分をAIが助けられ、どの部分は自分に残るか、を書き留め、生徒・スタッフ・人事に関するデータをすべて取り除いたこと、そして適切なツールを選んだことを確認する。

パートII: 完全なワークフローを回す

AIと一緒にタスクに取り組みながら、メモを取っていく。

AIに何をするよう頼み、どう伝えたか？プロンプトを修正したか？
出力のどこが正しく、どこが間違っていた・薄かった・欠けていたか？
何を残し、何を変え、何を捨てたか——そしてそれはなぜか？
自分にしか提供できないものとして、何を加えたか？
最終的なアウトプットに自分の名前を載せられるか？その作られ方について、誰かに対して透明である必要があるか？

パートIII: 振り返る（自分のメモに）

完成したアウトプットを手にして、振り返る。

委任・記述・判別・努力の各力量は、それぞれどう展開したか？どこでループを戻したり、進路を変えたりしたか？
パートIIのどの質問について最も多く書き、どれが最も難しく感じたか？それは、自分の直感が最も強い場所、そしてまだ伸びる余地がある場所について、何を物語っているか？

自分の記録を同僚のところへ持っていき、振り返りを共有する——アウトプットを比較するためではなく、プロセスを共有するために。

レッスンの振り返り

今しがた行った完全なワークフローを振り返って、どこで自然に感じ、どこがまだ骨が折れる・不確かに感じたか？それは、自分がまだ伸ばしたいと思っている部分について、何を物語っているか？
このコースの最初、自分とAIツールとの関係をどう説明していただろうか？今はどう説明するか、そして具体的に何が変わったか？

次のレッスンでは（What's next）

次のレッスンでは、最後の作成課題と、実践を続けるためのリソースをもって、コースを締めくくります。

フィードバック

謝辞とライセンス（Acknowledgments and license）

英語原文

What you'll learn Estimated time: 45 minutes By the end of this lesson you'll be able to: - Apply all four Ds in a single real workflow - Navigate between loops dynamically - Own the full process

Tying it all together (8 minutes) This video walks through a complete end-to-end 4D workflow on a real teaching task, showing how Delegation, Description, Discernment, and Diligence play out dynamically in practice, adjusting and course-correcting the way real work actually does. You'll see what it looks like when an educator stays in the driver's seat, deciding what AI touches, shaping how it responds, evaluating what comes back, and taking full ownership of the final output. By the end, the four Ds won't feel like a framework you're following. They'll feel like how you work.

Key takeaways - The full 4D workflow can be applied to the work you do every day. - You belong in the loop. The work isn't "done" when the AI finishes. - The skill you build here is owning the process, not the output. - The 4Ds become invisible when they're used well.

Exercises Exercise: End-to-end 4D workflow You've practiced each of the four Ds separately. Now put them together on a real task from your own work. The goal: a completed, usable output you own, and a record of how you got there. Part I: Choose your task (in your own notes) Pick a substantive, real task from your own work—due in the next week or two—that AI might genuinely help with. Before you start, note what "done" looks like, which parts AI can help with and which stay yours, and confirm you've stripped any student, staff, or personnel data and picked an appropriate tool. Part II: Run the full workflow Work through the task with AI, taking notes as you go: - What did you ask AI to do, and how did you frame it? Did you revise your prompt? - What did the output get right? What was wrong, thin, or missing? - What did you keep, change, or throw out—and why? - What did you add that only you could provide? - Would you put your name on the final output? Do you need to be transparent with anyone about how it was produced? Part III: Debrief (in your own notes) With a completed output in hand, reflect: - How did each competency—Delegation, Description, Discernment, Diligence—play out? Where did you loop back or change course? - Which Part II question did you write the most about, and which felt hardest? What does that tell you about where your instincts are strongest, and where you still have room to grow? Bring your log to a colleague and debrief—not to compare outputs, but to share processes.

Lesson reflection - Looking back at the full workflow you just ran: where did the process feel natural, and where did it still feel effortful or uncertain? What does that tell you about where you still want to grow? - At the start of this course, how would you have described your relationship to AI tools? How would you describe it now, and what specifically changed?

What's next In the next lesson, we'll close out the course with a final build exercise and resources for continuing your practice.

Feedback As you progress through the course, we'd love to hear from you about how you are using concepts from the course in your work, plus any feedback you may have. Share your feedback here.

↑ 目次へ戻る

AI Fluency for pK–12 Educators ｜ Lesson 10「締めくくりと発展（Closure and enrichment）」

出典: Anthropic Academy ／ 2026-07-22 ／動画: YouTube E6eoQgfSUHY

日本語ナレッジ（本文の自然な全訳）

推定所要時間: 15分

このレッスンで学べること

このレッスンを終えると、次のことができるようになります。

AIフルエンシーを築き続けるためのリソースにアクセスできる
学んだことを、自分の組織の同僚と共有できる
修了証を獲得できる

教室内外でAIフルエンシーを育てていく（動画・3分）

この最後の動画では、4Dフレームワークを継続的な指針として振り返り、教室・学校・専門コミュニティの中でAIフルエンシーを築き続ける具体的な方法をたどっていきます。1つの明確な次のステップ——今週AIとともに取り組む実際のタスク——を持って、このコースを後にすることになります。

重要なポイント（Key takeaways）

4Dフレームワークは直線ではなくループである。委任から記述へ、判別へと戻り、また違う形で任せたいと気づくかもしれない。
AIとの仕事を導くために、ブループリント（設計図）を使う。教育者のよくあるタスク向けの、ステップバイステップのガイドが claude.com/resources/use-cases にある。
自分のコミュニティと共有する。修了証を使って、自分の学校でAIフルエンシーについての会話を始める。

演習（Exercises）

演習: 自分の実践の問題を解決する何かを作る

このコースを通じて、すでにあるタスクを支えるためにAIを使ってきました。今度は、何かを「設計」するためにAIを使い、単にタスクをこなすときと、問題を解決するときとで、4つのDがどう変わるかを見ていきます。

まず、Teach For AmericaのAI教育者育成の取り組みを通じて、他の教育者たちが作った以下のプロジェクトを見て、インスピレーションを得てください。

Your Future Career（あなたの将来のキャリア）: 生徒が自分の興味と将来の職業をつなげる手助けをする。解決する問題: カウンセラーが学校全体に1人しかおらず、キャリアにつながる学びがもっと必要だった。
Fun Friday Planner（楽しい金曜プランナー）: 教師・管理職・保護者が、盛り上がる金曜日を計画するのを手助けする。解決する問題: 金曜日が週の中で最も出席率の低い日だった。
Lyrics to Learning（学びに変わる歌詞）: ヒップホップを軸にした国語（ELA）の授業（韻・語彙・ストーリーテリング）を生成する。解決する問題: ある教師が、自分の情熱を授業計画に持ち込みたいと思っていた。

では、自分の教育実践の中の問題を解決する何かを、どう設計すればよいでしょうか？

自分の問題を選ぶ。行き詰まったら、次のどれかを完成させてみる。「があればいいのに」「私はに時間を使いすぎている」「___する方法があればいいのに」。（あるいは、すでに手元にある何か——ユニットのアウトライン、保護者とのコミュニケーション、まだ分析していない評価データ——をそのまま使ってもよい。）
このコースで得たすべての情報を使って、最初のバージョンを作る。それを4つのDに通す。委任（Delegation）: 何を人間の手元に残すべきか？記述（Description）: 目的と対象読者は十分明確か？判別（Discernment）: 試してみる。実際に自分の問題を解決するか？どの程度、どのように？努力（Diligence）: これを、このまま生徒や同僚の前に出せるか？
見つけたことをもとに反復する。

レッスンの振り返り

今週、AIのサポートを受けて取り組むと決めた1つのタスクは何か？
今週のタスクを超えて、自分のAIフルエンシーを築き続ける、あるいは同僚と共有する方法を1つ挙げるとしたら？

次のレッスンでは（What's next）

次のレッスンでは、修了証を獲得するための短いクイズを受けます。修了証は同僚と共有でき、自分の学校でAIフルエンシーがどんなものになりうるかについての会話のきっかけになります。さらに深く学びたい場合は、Anthropicの「AI Fluency: Framework & Foundations」コースが、4Dフレームワークをさらに広げて解説しています。

フィードバック

謝辞とライセンス（Acknowledgments and license）

英語原文

What you'll learn Estimated time: 15 minutes By the end of this lesson you'll be able to: - Access resources to continue building your AI fluency - Share what you've learned with colleagues in your organization - Earn your certificate of completion

Growing your AI Fluency in the classroom and beyond (3 minutes) In this final video, we recap the 4D Framework as your ongoing guide and walk through concrete ways to keep building your AI Fluency in your classroom, your school, and your professional community. You'll leave with one clear next step: a real task to tackle with AI this week.

Key takeaways - The 4D Framework is loop, not a line. You might flow from Delegation to Description, back to Discernment, and realize you want to delegate differently. - Use blueprints to guide your work with AI. Step-by-step guides for common educator tasks live at claude.com/resources/use-cases. - Share with your community. Use your certificate of completion to start conversations about AI fluency in your school.

Exercises Exercise: Build something to solve a problem in your practice You've used AI to support tasks already in this course. Now you'll use it to design something, and see how the 4Ds apply when you're solving a problem versus simply completing a task. First review projects other educators have built through Teach For America's AI educator development work below to give you some inspiration. - Your Future Career: Helps students connect their interests to potential careers. Problem it solves: One counselor for the whole school; needed more career-connected learning. - Fun Friday Planner: Helps teachers, admins, and parents plan engaging Fridays. Problem it solves: Friday was the lowest-attendance day of the week. - Lyrics to Learning: Generates ELA lessons (rhyming, vocab, storytelling) built around hip-hop. Problem it solves: A teacher wanted to bring their passion into lesson planning. So, how do you design something to solve a problem in your educational practice? 1. Pick your problem. If you're stuck, finish one of these: "I wish ___ existed." "I spend too much time doing ". "I wish there was a way to ". (Or just grab something already waiting for you: a unit outline, parent communication, assessment data you haven't analyzed.) 2. Build a first version using all the information you've gained in this course. Run it through the 4Ds. Delegation: what must stay with the human? Description: is the purpose and audience clear enough? Discernment: test it. Does it actually solve your problem? To what extent and in what way(s)? Diligence: would you put this in front of students or colleagues as-is? 3. Iterate based on what you find.

Lesson reflection - What's the one task you're committing to tackle with AI support this week? - Beyond this week's task, what's one way you'll keep building your AI fluency, or share it with a colleague?

What's next In the next lesson, you'll take a short quiz to earn your certificate of completion. You can share your certificate with colleagues to kick off a conversation about what AI Fluency might look like in your school. If you want to go deeper, Anthropic's AI Fluency: Framework & Foundations course provides an expanded exploration of the 4D framework.

Feedback As you progress through the course, we'd love to hear from you about how you are using concepts from the course in your work, plus any feedback you may have. Share your feedback here.

↑ 目次へ戻る

AI Fluency for pK–12 Educators ｜ Lesson 11「コースクイズ（Course Quiz）」

出典: Anthropic Academy ／ 2026-07-22

日本語ナレッジ

「AI Fluency for K-12 Educators」の修了クイズ、全13問。本文なし・採点用JavaScriptのみ（受験はAcademy上で別途）。

クイズ（受験は別途）

↑ 目次へ戻る