Anthropic Academy「Teaching AI Fluency」ナレッジノート

Anthropic Academy ／ ナレッジ化 2026-07-04

コース概要

このコースは、AI Fluency フレームワーク（4つのD＝Delegation・Description・Discernment・Diligence）を「学ぶ」ためのものではなく、すでにこのフレームワークを実践してきた教育者が、それを「他者に教える」ための指導者向けコースです。全8レッスン（実質7本の動画レッスン＋修了証）で構成され、各レッスンに動画要約・要点・AI（Claude 等）と進める演習が付いています。

指導者向けとして、次の観点が一貫して扱われます。まず、4つの教え方アプローチ（リニア＝linear／ノンリニア＝non-linear／フォーカス＝focused／2ループ＝two-loops）から、学習者の準備状態・時間・ゴールに合わせて選ぶこと。次に、フレームワークを2つのループとして教えること——Delegation-Diligence ループ（AI を使うか・いつ・どう使うかという戦略・倫理の大枠）と、Description-Discernment ループ（Product/Process/Performance を通じて認知環境を築く、日々の対話の craft）。さらに、4つのD の評価法（outcome＝成果ベース／process＝プロセスベース／reflection＝振り返りベースの3つを組み合わせ、ルーブリックを作る）、AI Fluency を育む課題設計（authenticity＝本物らしさ／iteration＝反復／pedagogical transparency＝教育上の透明性）を扱います。

後半では、自分の学問分野（discipline）への適用に踏み込みます。カリキュラム・教え方・評価への AI の影響を分野ごとに分析し、暗黙知（質・方法・倫理）を明示化して4つのD を分野固有に翻訳し、同僚と協働して共通理解を築くところまでを射程に置きます。クレジット: Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. CC BY-NC-SA 4.0 ライセンスで公開。本コースは Dakan と Feller による「The AI Fluency Framework」に基づき、Anthropic が制作しています。

注記: 全レッスンの本文は全文（_full）ソースをもとに完全版へ更新済みです（2026-07-04）。以前あった末尾途切れは解消しています。なお、レッスン03の「What you'll learn」は一次テキスト側に前レッスンの表現（Delegation-Diligence loop）が残る誤記があり、ノート内に注記を添えています。

全8レッスン 目次

#	レッスン英語原題	動画ID	内容（1行）	ノートファイル名
01	Welcome & approaches to teaching AI Fluency	tbNz5IaoNl8	コース導入と、4つの教え方アプローチ（linear/non-linear/focused/two-loops）の選び方	01_welcome_approaches.md
02	The Delegation-Diligence loop	Z6UB6BEXJTs	AI を使うか・いつ・どう使うかの戦略と倫理の大枠を、双方向ループとして教える	02_delegation_diligence_loop.md
03	The Description-Discernment loop	HD_zv4mh0vA	Product/Process/Performance を通じ、認知環境を築く日々の対話の craft を教える	03_description_discernment_loop.md
04	How do we assess the 4Ds?	jskB42hvdPI	outcome/process/reflection の3評価法で4D を評価し、ルーブリックを作る	04_assessing_4ds.md
05	Designing assignments for AI Fluency	zqho5KSgnjw	authenticity/iteration/pedagogical transparency を軸に AI Fluency を育む課題を設計する	05_designing_assignments.md
06	AI's impact and your discipline	biNOM9jAkFY	分野ごとのカリキュラム・教え方・評価への AI の影響を分析し、ポジションペーパーを書く	06_ai_impact_discipline.md
07	Applying discipline expertise to AI Fluency	BUj8mjy6oxI	暗黙知を明示化し、同僚と協働して4D を分野固有に翻訳する	07_discipline_expertise.md
08	Certificate of completion	UAmKyyZ-b9E	修了判定クイズと修了証（学習本文なし）	08_certificate.md

ファイル構成

teaching-ai-fluency/
├── README.md
├── 01_welcome_approaches.md
├── 02_delegation_diligence_loop.md
├── 03_description_discernment_loop.md
├── 04_assessing_4ds.md
├── 05_designing_assignments.md
├── 06_ai_impact_discipline.md
├── 07_discipline_expertise.md
└── 08_certificate.md

Teaching AI Fluency ｜ Lesson 01「AI Fluency を教えるための導入と教え方アプローチ（Welcome & approaches to teaching AI Fluency）」

出典: Anthropic Academy ／ 2026-07-04 ／ 動画: YouTube tbNz5IaoNl8

日本語ナレッジ（本文の自然な全訳）

このレッスンで学べること

所要時間の目安: 60分

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。

• あなたの学習者に AI Fluency フレームワークを教えるための「教え方アプローチ」を選び、状況に合わせて調整できる
• リニア（linear）／ノンリニア（non-linear）／フォーカス（focused）／ループベース（loop-based）のいずれかのアプローチを使って学習体験を設計できる

導入と、4つの教え方アプローチ

この動画は、すでに AI Fluency フレームワークを実践してきて、いよいよ「それを他者に教える」段階に来た教育者を歓迎する内容です。コース全体の構成を説明したうえで、AI Fluency フレームワークを教えるための4つの異なるアプローチを紹介します。

• リニア・アプローチ（linear approach）: Delegation（委任）→ Description（記述）→ Discernment（見極め）→ Diligence（吟味）と、段階を追って順番に進める教え方
• ノンリニア・アプローチ（non-linear approach）: どこから始めてもよく、4つの能力（コンピテンシー）の間を柔軟に行き来する教え方
• フォーカス・アプローチ（focused approach）: ひとつの能力に深く潜り込む教え方
• 2ループ・アプローチ（two-loops approach）: フレームワークを、入れ子になった「戦略的プロセス」と「戦術的プロセス」として教える教え方

動画では、AI Fluency フレームワークが2つのレベルで機能していることを強調します。すなわち、このフレームワークは「人が AI と協働するとき実際に何が起きているか」を記述する（descriptive）と同時に、「よりよい実践へどう向かうか」を導く（normative）ものでもあります。この二面性を理解することは、教える側にとって決定的に重要です。学習者は、AI とのやりとりが「どう働いているか」と、それを「どう改善するか」の両方をつかむ必要があるからです。

要点（Key takeaways）

• AI Fluency フレームワークは、AI とのやりとりを説明する「記述モデル」であると同時に、より良い実践へ導く「規範ガイド（normative guide）」でもある
• 4つの教え方アプローチは、それぞれ異なる「入口」を提供し、学習者の文脈や学習目標によって向き不向きがある
• リニア・アプローチは、構造と段階的なスキルの積み上げを必要とする初学者に最も適する
• より経験のある学習者には、現実世界の複雑さを反映するノンリニア／ループベースのアプローチや、より深く掘り下げるフォーカス・アプローチが有効
• どのアプローチを選ぶかは、学習者の準備状態（readiness）、使える時間、学習ゴールに合わせるべき

演習（Exercises）

この演習は、あなた自身の「教える文脈」を明確にし、各アプローチが自分の学習者にどう機能しうるかを探るためのものです。

ステップ1: あなたの教える文脈を描き出す（10分）

Claude との会話を始めます（このコースでは便宜上、多くの例で Claude を指して説明しますが、特定の言語モデルや特定企業の製品を使うことを求めるものは一切含まれていません。あなたが好むどの AI アシスタントを使ってもよく、複数のモデル／製品を組み合わせてもかまいません）。

始める前に:

• このレッスンに添付されている「フルエンシー要約（fluency summary）」を AI と共有し、どのフレームワークを指しているか AI に理解させる
• 動画のトランスクリプト（レッスン1の資料を参照）を AI と共有し、4つの教え方アプローチを AI に理解させる

会話の切り出し方:

• あなたが AI Fluency フレームワークを教える準備をしている教育者であることを説明する
• あなたの授業の状況やコースの詳細など、重要な情報を共有する
• 学習者の背景（もちろん個人情報は保護しつつ）、彼らの典型的な AI 経験、学ぶ動機を説明する
• 直面している具体的な制約（授業時間の少なさ、技術へのアクセス、所属機関のポリシーなど）を話し合う

AI と探るべき重要な論点:

• あなたの「教える文脈」を独自たらしめているものは何かを、AI と一緒に整理する
• AI との協働を学ぶうえで、学習者が持つであろう強みと課題を話し合う
• あなたの指導を終えたあと、学習者にとっての「成功」がどう見えるかを探る
• 利用可能なリソースやサポート体制を洗い出す

「教える文脈」ドキュメントを作る:

• この対話を、あなたの「教える文脈」の構造化された要約にまとめてもらうよう AI に依頼する
• その要約が本質的な要素をすべて捉えているか見直す
• このドキュメントを保存し、以降（レッスン2・3など）で新しく教え方の会話を始めるときに再利用して、素早く文脈を確立する

ステップ2: 異なるアプローチで設計してみる（20分）

会話を続けて、各アプローチがあなたの文脈でどう機能するかを探ります。

リニア・アプローチで設計する:

• 4つのD（Delegation → Description → Discernment → Diligence）を、あなたの文脈で順番にどう教えるかを AI とスケッチする
• 各能力に対する具体的な活動と、能力から能力への移行（つなぎ）を、学習者に最も響く形で洗い出すのを AI に手伝ってもらう
• この構造化されたアプローチが、あなたの学習者にとってどんな課題を生みうるかを AI と話し合う

ノンリニア・アプローチで設計する:

• 学習者がこのアプローチに取り組めるような、主題に関連したシナリオをいくつか、AI と一緒に洗い出す
• 特定のシナリオ／あなたの学習者にとって、どのD から始めるのが最良か、そしてその理由を AI と探る
• 学習者のゴールと制約にもとづき、ワークフローのどの時点でどの能力を扱うべきかの基準を、AI と一緒に描き出す

フォーカス・アプローチで設計する:

• あなたの制約を踏まえて、どのひとつのD が最も価値を提供するかを特定する
• 選んだ能力の3つのサブ要素すべてに、どう深く潜り込むかを計画する
• 選んだD を、複数の角度から徹底的に掘り下げる活動を設計する

なお、ループベースのレッスン設計は、このレッスンのパート2・3で扱います。

次のレッスンでは（What's next）

次のレッスンでは、AI との協働における「責任ある設計と意思決定」の枠組みである Delegation-Diligence ループを扱います。

フィードバック

コースを進める中で、学んだ概念を生活・仕事・授業でどう使っているか、またフィードバックがあればぜひ聞かせてください。

クレジットとライセンス（Acknowledgments and license）

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. CC BY-NC-SA 4.0 ライセンスのもとで公開されています。本コースは Dakan と Feller による「The AI Fluency Framework」に基づいています。アイルランドの高等教育庁（Higher Education Authority, Ireland）による、全国教育学習向上フォーラム（National Forum for the Enhancement of Teaching and Learning）を通じた支援を一部受けています。

英語原文

What you'll learn

Estimated time: 60 minutes By the end of this lesson you'll be able to:

• Select and adapt teaching approaches for teaching the AI Fluency Framework to your students
• Design learning experiences using linear, non-linear, focused, or loop-based approaches

Welcome & approaches to teaching AI Fluency

This video welcomes educators who have already been working with the AI Fluency Framework and are ready to teach it to others. It covers the structure of the course and introduces four distinct approaches for teaching the AI Fluency Framework: the linear approach (moving step-by-step from Delegation through Description, Discernment, to Diligence), the non-linear approach (starting anywhere and moving flexibly between competencies), the focused approach (deep diving into a single competency), and the two-loops approach (teaching the framework as nested strategic and tactical processes). The video emphasizes that the AI Fluency Framework operates on two levels, as it both describes what happens when people work with AI and guides them toward better practices. Understanding this dual nature is crucial for teaching, as students need to grasp both how AI interactions work and how to improve them.

Key takeaways

• The AI Fluency Framework serves as both a descriptive model and a normative guide for AI interaction
• Four teaching approaches offer different entry points suited to different student contexts and learning objectives
• The linear approach works best for beginners who need structure and sequential building of skills
• More experienced students benefit from non-linear or loop-based approaches that reflect real-world complexity, or focused approaches that provide greater depth
• Your choice of approach should match your students' readiness, available time, and learning goals

Exercises

This exercise helps you establish your teaching context and explore how each approach might work for your students.

Step 1: Mapping Your Teaching Context (10 minutes)

Start a conversation with Claude (for convenience, we will refer to Claude in many of these examples. However, there is nothing in this course that requires you to use any specific language model or any particular company's product. You can work with whichever is your preferred AI assistant or indeed a combination of several different models/products.)

Before you begin:

• Share the fluency summary attached to this lesson with the AI so it can understand which Framework you mean
• Share the video transcripts (see Lesson 1 resources) with the AI so they understand the four teaching approaches

Opening the conversation:

• Begin by explaining that you're an educator preparing to teach the AI Fluency Framework
• Share essential information about your teaching situation and course details
• Describe your students' backgrounds (protecting personal data, of course), their typical experience with AI, and their motivations for learning
• Discuss any specific constraints you face such as limited class time, technology access, or institutional policies

Key areas to explore with the AI:

• Ask the AI to help you think through what makes your teaching context unique
• Discuss your students' likely strengths and challenges when learning about AI collaboration
• Explore what success would look like for your students after completing your instruction
• Consider what resources and support systems you have available

Create a teaching context document:

• Ask the AI to synthesize this discussion into a structured summary of your teaching context
• Review this summary to ensure it captures all essential elements
• Save this document and reuse when starting new teaching conversations (such as those in lessons 2 and 3) with your AI partner to quickly establish context

Step 2: Designing with Different Approaches (20 minutes)

Continue your conversation to explore how each approach would work for your context.

Designing using a linear approach:

• Work with the AI to sketch out how you'd teach the 4Ds sequentially (Delegation to Description to Discernment to Diligence) in your context
• Ask the AI to help you identify specific activities for each competency, and the transitions between them, that would best resonate with your students
• Discuss potential challenges with the AI about this structured approach for your particular students

Designing using a non-linear approach:

• Work with the AI to identify a few subject-relevant scenarios that would enable your students to engage in this approach.
• Explore with the AI which D might be the best starting point for a specific scenario/your students and why
• Work with the AI to map out criteria for which competency to address at different points in the workflow based on your students' goals and constraints

Designing using a focused approach:

• Identify which single D would provide the most value given your constraints
• Plan how to dive deep into all three sub-components of your chosen competency
• Design activities that thoroughly explore your chosen D from multiple angles

Note that we'll work on designing loop-based lessons in parts 2 and 3 of this lesson.

What's next

In the next lesson, we'll explore the Delegation-Diligence loop, a framework for responsible design and decision-making in AI collaboration.

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 life, work, or classes and any feedback you may have. Share your feedback here.

Acknowledgments and license

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. Released under the CC BY-NC-SA 4.0 license. This course is based on The AI Fluency Framework by Dakan and Feller. Supported in part by the Higher Education Authority, Ireland, through the National Forum for the Enhancement of Teaching and Learning.

Teaching AI Fluency ｜ Lesson 02「Delegation-Diligence ループ（The Delegation-Diligence loop）」

出典: Anthropic Academy ／ 2026-07-04 ／ 動画: YouTube Z6UB6BEXJTs

日本語ナレッジ（本文の自然な全訳）

このレッスンで学べること

所要時間の目安: 40分

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。

• 責任ある設計と意思決定のために、学習者が「Delegation-Diligence ループ（委任と吟味のループ）」を活用できるよう支援できる

Delegation-Diligence ループ

この動画は、AI との協働における「責任ある設計・意思決定」の枠組みとして、Delegation-Diligence ループ（委任＝Delegation と 吟味＝Diligence のループ）をどう教えるかを探ります。このループが扱うのは、AI を「使うかどうか・いつ・どのように使うか」という戦略的かつ倫理的な問いです。つまり、「どうやって AI を使うか？」から一歩進んで、「AI について、どうすれば良い意思決定ができるか？」へと視点を移します。

動画は、この2つの能力が双方向の関係にあることを示します。Delegation（委任）の判断は Diligence（吟味）の問いを呼び起こし、逆に Diligence の考慮事項は Delegation の戦略を作り替えます。学習者がこのつながりに気づけるようにするための具体的な手立て——ループを両方向にたどるためのステップバイステップのガイドや、つながりを「見える化」する演習——も提供されます。

動画が強調するのは、これらの能力が「どう協働して働くか」を学習者が理解したとき、制約（constraints）を「限界」ではなく「創造の触媒（creative catalysts）」として捉えられるようになる、という点です。制約はむしろ、協働の選択を明確にし、強くしてくれるのです。

要点（Key takeaways）

• Delegation-Diligence ループは、AI 利用に関する「大局的・戦略的・倫理的な意思決定」を扱う
• Delegation と Diligence は互いに情報を与え、互いを形づくる——ループは両方向に回る
• シナリオを通じて教えることで、学習者は能力を「チェックリスト」として扱うのでなく、つながりとして見られるようになる
• このループを使いこなす学習者は、自分の選択に明確な根拠を持ち、なぜその方法がゴールや価値観と一致するのかを説明できる
• アカウンタビリティ（説明責任）と透明性は、AI との創造的な可能性を制限するのではなく、むしろ高める

演習（Exercises）

この演習は、Delegation-Diligence ループを教えるための具体的なレッスンプランを作るためのものです。

ステップ1: あなたのループ・シナリオを作る（10分）

（レッスン1の）演習1の会話を続け、いま Delegation-Diligence ループに焦点を当てたレッスンを設計しようとしていることを AI パートナーに伝えます。

• あなたの学問分野（discipline）から、現実的なシナリオ／ワークフローを AI と一緒に作る
• 学習者が「仕事の性質・人と AI の能力と限界・倫理・透明性・アカウンタビリティ」について考えられるよう、具体的なディテールを盛り込む
• 学習者が「戦略的な選択」と「倫理的な考慮」の間を行き来しなければならない意思決定ポイントを作る
• シナリオを進めながら学習者が自分の思考をどう記録するかを計画する

パート2: 学習体験を構造化する（20分）

順方向のフロー（Delegation → Diligence）を設計する:

• 学習者が「問題への気づき」と「プラットフォーム選択」から始められるよう、構造化されたワークシートやガイドを作る
• 学習者が、自分の Delegation の判断がいつ倫理的な問いを呼び起こすかに気づけるよう促すプロンプトを設計する
• 透明性とアカウンタビリティを検討しなければならないチェックポイントを組み込む
• 戦略的な選択と倫理的な含意のつながりを、学習者がどう記録するかを計画する

逆方向のフロー（Diligence → Delegation）を設計する:

• 学習者が「倫理的な制約」や「透明性の要件」から始めるバリエーションを作る
• こうした制約が、タスクの委任（delegation）をむしろ明確にし改善しうることを示す活動を設計する
• アカウンタビリティを「制限」ではなく「力を与えるもの」として捉えられるようにする振り返りプロンプトを含める
• 責任ある実践が可能性を制限するのではなく高める、と学習者が気づけるよう計画する

（任意）実行可能なプランとしてエクスポートする:

• あなたのシナリオ・活動・評価を、完成したレッスンプランにまとめるのを AI に手伝ってもらう
• 「ループ思考」を強調した明確な学習目標を含める
• 自分自身のための、ステップバイステップの進行メモ（facilitation notes）を用意する
• ワークシートや振り返りプロンプトなど、学習者向けの教材を作る

次回予告（What's next）

次のレッスンでは Description-Discernment ループを扱います。これは、人と AI が効果的に協働する「認知環境（cognitive environments）」を築く、瞬間瞬間の技（moment-to-moment craft）に焦点を当てます。

フィードバック

コースを進める中で、学んだ概念を生活・仕事・授業でどう使っているか、またフィードバックがあればぜひ聞かせてください。

クレジットとライセンス（Acknowledgments and license）

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. CC BY-NC-SA 4.0 ライセンスのもとで公開されています。本コースは Dakan と Feller による「The AI Fluency Framework」に基づいています。アイルランドの高等教育庁（Higher Education Authority, Ireland）による、全国教育学習向上フォーラム（National Forum for the Enhancement of Teaching and Learning）を通じた支援を一部受けています。

英語原文

What you'll learn

Estimated time: 40 minutes By the end of this lesson you'll be able to:

• Help students leverage the Delegation-Diligence loop for responsible design and decision making

The Delegation-Diligence loop

This video explores how to teach the Delegation-Diligence loop as a framework for responsible design and decision-making in AI collaboration. The loop addresses strategic and ethical questions about whether, when, and how to use AI, moving beyond "how do I use AI?" to "how do I make good decisions about AI?" The video demonstrates the two-way relationship between these competencies: Delegation decisions raise Diligence questions, and Diligence considerations reshape Delegation strategies. It provides concrete strategies for helping students recognize these connections, including step-by-step guides for navigating the loop in both directions and exercises that make the connections visible. The video emphasizes that when students understand how these competencies work together, they learn to see constraints not as limitations but as creative catalysts that clarify and strengthen their collaboration choices.

Key takeaways

• The Delegation-Diligence loop handles big-picture strategic and ethical decision-making about AI use
• Delegation and Diligence each informs and shapes the other — the loop runs both ways
• Teaching through scenarios helps students see connections rather than treating competencies as checkboxes
• Students who master this loop develop clear rationales for their choices and can articulate why their approach aligns with goals and values
• Accountability and transparency enhance rather than limit creative possibilities with AI

Exercises

This exercise helps you create a concrete lesson plan for teaching the Delegation-Diligence loop.

Step 1: Creating Your Loop Scenario (10 minutes)

Continue the conversation from Exercise 1, and let your AI partner know that you are designing a Delegation-Diligence loop focused lesson:

• Work with the AI to create a realistic scenario/workflow from your discipline
• Include specific details that will enable students to think about nature of work, human and AI capabilities and limitation, ethics, transparency, and accountability
• Create decision points where students must navigate between strategic choices and ethical considerations
• Plan how students will document their thinking as they work through the scenario

Part 2: Structuring the Learning Experience (20 minutes)

Designing the forward flow (Delegation to Diligence):

• Create a structured worksheet or guide that helps students start with problem awareness and platform selection
• Design prompts that help students recognize when their Delegation decisions raise ethical questions
• Include checkpoints where students must consider transparency and accountability
• Plan how students will document the connection between their strategic choices and ethical implications

Designing the reverse flow (Diligence to Delegation):

• Create a variation where students start with ethical constraints or transparency requirements
• Design activities that show how these constraints can clarify and improve task delegation
• Include reflection prompts that help students see accountability as empowering rather than limiting
• Plan how students will recognize that responsible practices enhance rather than restrict possibilities

(Optional) Export as executable plan:

• Ask the AI to help you compile your scenario, activities, and assessment into a complete lesson plan
• Include clear learning objectives that emphasize loop thinking
• Provide step-by-step facilitation notes for yourself
• Create student-facing materials including worksheets and reflection prompts

What's next

In the next lesson, we'll explore the Description-Discernment loop, which focuses on the moment-to-moment craft of building cognitive environments where humans and AI work together effectively.

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 life, work, or classes and any feedback you may have. Share your feedback here.

Acknowledgments and license

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. Released under the CC BY-NC-SA 4.0 license. This course is based on The AI Fluency Framework by Dakan and Feller. Supported in part by the Higher Education Authority, Ireland, through the National Forum for the Enhancement of Teaching and Learning.

Teaching AI Fluency ｜ Lesson 03「Description-Discernment ループ（The Description-Discernment loop）」

出典: Anthropic Academy ／ 2026-07-04 ／ 動画: YouTube HD_zv4mh0vA

日本語ナレッジ（本文の自然な全訳）

このレッスンで学べること

所要時間の目安: 40分

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。

• 責任ある設計と意思決定のために、学習者がループを活用できるよう支援できる （※原文の「What you'll learn」は前レッスンの表現がそのまま残っており「Delegation-Diligence loop」と書かれているが、本レッスンの主題は Description-Discernment ループ）

Description-Discernment ループ

この動画は Description-Discernment ループ（記述＝Description と 見極め＝Discernment のループ）を扱います。これは、人と AI が効果的に協働できる「認知環境（cognitive environments）」を築く、瞬間瞬間の技（moment-to-moment craft）に焦点を当てます。単発のプロンプトを超えて、持続する会話へと進み、このループは学習者に「AI と共有された文脈と理解を築くこと」を教えます。

動画の中心は、協働を理解するための3つのレンズ——Product（プロダクト＝何を作っているか）、Process（プロセス＝どう取り組んでいるか）、Performance（パフォーマンス＝どうやりとりしているか）——です。学習者はしばしば「プロンプトのコツ（prompt tricks）」を考えながらやってきますが、AI との本物の協働関係を築くための、より洗練された理解を育てる必要があります。

認知環境を築くことを教えるための手立てとして、動画は次を挙げます。すなわち、時間をかけて複数回のやりとりを要する課題を設計すること、あなた自身の AI 協働プロセスを共有すること、そして学習者に自分のやりとりの進化を記録させることです。最後に、2つのループがどう連携するかを示します。Delegation-Diligence ループが戦略的な方向づけ（＝器）を定め、Description-Discernment ループがその器を、豊かで反復的なやりとりで満たすのです。

要点（Key takeaways）

• Description-Discernment ループは、AI とのやりとりを「命令」から、文脈を使って認知環境を築く「会話」へと変える
• Product・Process・Performance は、同じ協働プロセスを理解するための異なるレンズとして働く
• このループを教えるとは、学習者が「自動化（automation）」を超えて、本物の「拡張（augmentation）」へ進むのを助けること
• うまくいく認知環境には、共有された語彙、確立されたやりとりのパターン、過去のやりとりを積み上げる仕組みが含まれる
• 2つのループは入れ子のシステムとして働く——戦略的な判断が「器」を作り、戦術的なやりとりがそれを満たす

演習（Exercises）

この演習は、Description-Discernment ループを教えるための具体的なレッスンプランを作るためのものです。

パート1: あなたのループ・シナリオを作る（10分）

演習2の会話を続け、前の演習と同じシナリオをもとに、いま Description-Discernment ループに焦点を当てたレッスンを設計しようとしていることを AI パートナーに伝えます。

学習者向けのシナリオを発展させる:

• Delegation-Diligence ループから Description-Discernment ループへ移る必要があることを AI と話し合う
• Product・Process・Performance の記述が、Discernment（見極め）と反復（iteration）を通じてどう進化するかを学習者が探れる要素を、AI と一緒に作る
• 学習者が AI との「共有された文脈」の進化をどう記録するかを計画する

パート2: 学習体験を構造化する（20分）

Product（プロダクト）の進化を設計する:

• 学習者が曖昧なゴールから始め、反復しながら少しずつ明確化していく進行を AI と作る
• 学習者が「良い」という自分の像がいつ・どう進化しているかに気づけるよう助ける方法を話し合う
• 学習者が「プロダクト理解がどう変わったか」を記録するチェックポイントを含める

Process（プロセス）の発展を設計する:

• 学習者が AI と一緒に、時間をかけて共有された問題解決の方法を築いていく進行を AI と作る
• 学習者が「好む問題解決アプローチ」がいつ・どう進化しているかに気づけるよう助ける方法を話し合う
• 学習者が「プロセス理解がどう変わったか」を記録するチェックポイントを含める

Performance（パフォーマンス）の関係を設計する:

• 学習者が異なるやりとりのスタイルとその効果を試す進行を AI と作る
• 学習者が「AI のふるまい」がいつ・どのようにゴールに対して適切で役立つかに気づけるよう助ける方法を話し合う
• 学習者が「プロセス理解が時間とともにどう変わったか」を記録するチェックポイントを含める

（任意）実行可能なプランとしてエクスポートする:

• あなたのシナリオ・活動・評価を、完成したレッスンプランにまとめるのを AI に手伝ってもらう
• 「ループ思考」を強調した明確な学習目標を含める
• 自分自身のための、ステップバイステップの進行メモを用意する
• ワークシートや振り返りプロンプトなど、学習者向けの教材を作る

振り返り（Reflection）

• あなたの学習者に対する学習目標に、最も合うアプローチはどれか？
• あなた自身の教え方のスタイルや好みに、最も合うアプローチはどれか？

次回予告（What's next）

次のレッスンでは、学習者の AI Fluency をどう評価するかを扱います。outcome（成果ベース）・process（プロセスベース）・reflection（振り返りベース）の評価法を適用し、4つのD の能力を捉えるルーブリック（評価基準表）を作れるようになります。

フィードバック

コースを進める中で、学んだ概念を生活・仕事・授業でどう使っているか、またフィードバックがあればぜひ聞かせてください。

クレジットとライセンス（Acknowledgments and license）

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. CC BY-NC-SA 4.0 ライセンスのもとで公開されています。本コースは Dakan と Feller による「The AI Fluency Framework」に基づいています。アイルランドの高等教育庁（Higher Education Authority, Ireland）による、全国教育学習向上フォーラム（National Forum for the Enhancement of Teaching and Learning）を通じた支援を一部受けています。

英語原文

What you'll learn

Estimated time: 40 minutes By the end of this lesson you'll be able to:

• Help students leverage the Delegation-Diligence loop for responsible design and decision making

The Description-Discernment loop

This video examines the Description-Discernment loop, which focuses on the moment-to-moment craft of building cognitive environments where humans and AI work together effectively. Moving beyond single prompts to sustained conversations, this loop teaches students to build shared context and understanding with AI. The video focuses on Product, Process, and Performance as three lenses for understanding collaboration—what we're creating, how we're approaching it, and how we're interacting. It emphasizes that students often arrive thinking about "prompt tricks" but need to develop a more sophisticated understanding of building genuine collaborative relationships with AI. The video provides strategies for teaching cognitive environment building, including designing assignments that require multiple interactions over time, sharing your own AI collaboration process, and encouraging students to document the evolution of their interactions. It concludes by showing how the two loops work together, with Delegation-Diligence setting strategic direction and Description-Discernment filling that container with rich, iterative interaction.

Key takeaways

• The Description-Discernment loop transforms AI interaction from commands to conversations that use context to build cognitive environments
• Product, Process, and Performance operate as different lenses for understanding the same collaborative process
• Teaching this loop means helping students move beyond automation to genuine augmentation
• Successful cognitive environments include shared vocabulary, established interaction patterns, and mechanisms for building on previous exchanges
• The two loops work as nested systems—strategic decisions create the container that tactical interactions fill

Exercises

This exercise helps you create a concrete lesson plan for teaching the Description-Discernment loop.

Part 1: Creating Your Loop Scenario (10 minutes)

Continue the conversation from Exercise 2, and let your AI partner know that you are designing a Description-Discernment loop focused lesson based on the same scenario as in the previous exercise. Developing a scenario for your students:

• Discuss with the AI the need to shift from the Delegation-Diligence loop to the Description-Discernment loop
• Work with the AI to create elements that help students explore how Product, Process, and Performance descriptions evolve through Discernment and iteration
• Plan how students will document the evolution of their shared context with AI

Part 2: Structuring the Learning Experience (20 minutes)

Designing the Product evolution:

• Work with AI to create a progression where students start with vague goals and iteratively clarify them
• Discuss how to help students recognize when and how their vision of "good" is evolving
• Include checkpoints where students document how their product understanding changes

Designing the Process development:

• Work with AI to create a progression where students develop shared problem-solving methods with AI over time
• Discuss how to help students recognize when and how their preferred problem-solving approach is evolving
• Include checkpoints where students document how their Process understanding changes

Designing the Performance relationship:

• Work with AI to create a progression where students experiment with different interaction styles and their effects
• Discuss how to help students recognize when and how AI behaviors are appropriate and useful to their goals
• Include checkpoints where students document how their Process understanding changes over time

(Optional) Export as executable plan:

• Ask the AI to help you compile your scenario, activities, and assessment into a complete lesson plan
• Include clear learning objectives that emphasize loop thinking
• Provide step-by-step facilitation notes for yourself
• Create student-facing materials including worksheets and reflection prompts

Reflection

• Which approaches best fit your learning objectives for your students?
• Which approaches best fit your personal teaching style and preferences?

What's next

In the next lesson, we'll explore how to assess AI Fluency in your students. You'll learn to apply outcome, process, and reflection-based assessment strategies and create rubrics that capture the 4D competencies.

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 life, work, or classes and any feedback you may have. Share your feedback here.

Acknowledgments and license

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. Released under the CC BY-NC-SA 4.0 license. This course is based on The AI Fluency Framework by Dakan and Feller. Supported in part by the Higher Education Authority, Ireland, through the National Forum for the Enhancement of Teaching and Learning.

Teaching AI Fluency ｜ Lesson 04「4つのD をどう評価するか（How do we assess the 4Ds?）」

出典: Anthropic Academy ／ 2026-07-04 ／ 動画: YouTube jskB42hvdPI

日本語ナレッジ（本文の自然な全訳）

このレッスンで学べること

所要時間の目安: 40分

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 Fluency を評価するために、outcome（成果ベース）・process（プロセスベース）・reflection（振り返りベース）の評価戦略を適用できる
• あなた固有の教える文脈に合わせて、4つのD の能力を捉えるルーブリック（rubric）を作れる

4つのD をどう評価するか

この動画は、AI Fluency を評価する互いに補い合う3つのアプローチを扱います。

• outcome-based（成果ベース）: 学習者が AI との協働を通じて「何を生み出したか」に注目する
• process-based（プロセスベース）: 学習者が時間をかけて AI と「どう協働したか」を調べる
• reflection-based（振り返りベース）: メタ認知的な気づき（自分の思考についての自覚）を評価する

動画は、この3つのアプローチを4つのD それぞれにどう適用するかを示し、「何を見ればよいか」「学習者の成長をどう評価するか」の具体例を提供します。

• Delegation（委任）: ゴール設定、タスク分解、ツール選択を評価する
• Description（記述）: 会話の質と、反復的な洗練（iterative refinement）を評価する
• Discernment（見極め）: 批判的に評価する力（critical evaluation skills）を見る
• Diligence（吟味）: 倫理的な意思決定とアカウンタビリティ（説明責任）を調べる

動画が強調するのは、3つの評価アプローチをすべて組み合わせることで、学習者の AI Fluency の発達について最も完全な像が得られる、という点です。

要点（Key takeaways）

• 効果的な AI Fluency 評価は、outcome・process・reflection を組み合わせて全体像を描く
• 4つのD はそれぞれ、異なる種類の証拠（evidence）と評価戦略を必要とする
• outcome 評価は「作られたプロダクト」に、process 評価は「そこに至る道のり」に、reflection 評価は「メタ認知的な気づき」に注目する
• 「理解しているはず」という思い込みより、観察できる行動や具体的な成果物（artifacts）のほうが信頼できる
• 評価は単なる「測定」ではなく、「学びの機会」であるべき

演習（Exercises）

この演習は、あなた固有のコースの文脈で AI Fluency を評価するための、実用的なルーブリックを作るためのものです。

ステップ1: 評価の土台を固める（5分）

Claude と新しい会話を始めるか、レッスン1の会話を続けます。

会話のセットアップ:

• 2本のレッスン動画のトランスクリプトを AI に渡す
• 新規に始めるなら、あなたの「教える文脈」を共有し、AI Fluency を教えるための評価に取り組んでいることを説明する
• 続きから始めるなら、いまはコースの評価戦略に焦点を当てていることを AI に思い出させる
• 学習者が AI を使う、具体的な課題（assignment）やプロジェクトを説明する
• この課題にとって、AI Fluency のどの側面が最も重要かを説明する

評価の優先順位を特定する:

• 課題のゴールにとって、4つのD（およびサブ能力）のどれが最も関連するかを AI と話し合う
• この具体的な文脈で、学習者にとっての「成功」がどう見えるかを探る
• 学習者が遭遇しそうな、よくあるつまずきや誤解を考える
• 「学習者がフルエンシーを身につけた」と自分を納得させる証拠が何かを見定める

ステップ2: 評価アプローチを選ぶ（10分）

評価アプローチを能力に対応づける作業を AI と行います。評価する各D について、次を探ります。

• outcome ベースの尺度が機能するか（どんなプロダクトが能力を示すか？）
• process ベースの尺度が現実的か（チャットログにアクセスして評価できるか？）
• reflection ベースの尺度が価値を加えるか（どんな問いが理解を明らかにし／促すか？）
• どのアプローチの組み合わせが、学習者の発達を最も明確に映し出すか？

現実的な判断を下す:

• あなたの時間とリソースを踏まえ、実際に評価できるものは何かを AI と話し合う
• どの要素をピア評価（相互評価）や自己評価にできるかを考える
• 自分が直接評価すべきものと、学習者が記録できるものを切り分ける
• 網羅的な評価と、採点の効率性をどう両立させるかを計画する

ステップ3: 観察可能な指標を作る（10分）

具体的で観察できる基準を AI と一緒に作ります。

パフォーマンスのレベルを定義する:

• 3つの明確なレベル（例: emerging＝萌芽／developing＝発展途上／proficient＝習熟）を AI と作る
• 各レベルについて、学習者の成果物で「実際に何が見えるか」を記述する
• 一般的な言葉ではなく、あなたのコースと課題に固有の言葉を使う
• 役立つ場合は、あなたの分野からの具体例を含める

明確な指標を書く:

• 抽象的な概念を、観察できる行動に変換する
• 「よく理解している」のような曖昧な言葉を、具体的な行動に置き換える
• 指標を、あなたの課題要件に直接つなげる
• 各指標が、あなたが実際に評価できるものになっているか確認する

ステップ4: ルーブリックを整える（5分）

最終的なルーブリック文書を作る:

• あなたのルーブリックを、明確で使いやすい形式に構成するのを AI に手伝ってもらう
• 各基準が明確に区別できるかどうかを AI と一緒に見直す
• レベル間の進み方（progression）が論理的で、到達可能なものになっているか確認する
• ルーブリックが、あなたが掲げた学習目標と整合しているか検証する
• このルーブリックを学習者にどう伝えるかを考える
• 言葉が、あなたにとっても学習者にとっても明確であることを確かめる

次回予告（What's next）

次のレッスンでは、学習者が AI Fluency を「育て」かつ「示せる」課題の設計に焦点を当てます。

フィードバック

コースを進める中で、学んだ概念を生活・仕事・授業でどう使っているか、またフィードバックがあればぜひ聞かせてください。

クレジットとライセンス（Acknowledgments and license）

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. CC BY-NC-SA 4.0 ライセンスのもとで公開されています。本コースは Dakan と Feller による「The AI Fluency Framework」に基づいています。アイルランドの高等教育庁（Higher Education Authority, Ireland）による、全国教育学習向上フォーラム（National Forum for the Enhancement of Teaching and Learning）を通じた支援を一部受けています。

英語原文

What you'll learn

Estimated time: 40 minutes By the end of this lesson you'll be able to:

• Apply outcome, process, and reflection-based assessment strategies to evaluate AI Fluency
• Create rubrics that capture the 4D competencies in your specific teaching context

How do we assess the 4Ds?

This video explores three complementary approaches to assessing AI Fluency: outcome-based (focusing on what students produce through AI collaboration), process-based (examining how students work with AI over time), and reflection-based (evaluating metacognitive awareness). The video demonstrates how to apply these three approaches to each of the 4Ds, providing specific examples of what to look for and how to evaluate student development. For Delegation, we assess goal-setting, task breakdown, tool selection; for Description, we evaluate conversation quality and iterative refinement; for Discernment, we look at critical evaluation skills; and for Diligence, we examine ethical decision-making and accountability. The video emphasizes that combining all three assessment approaches provides the most complete picture of student AI Fluency development.

Key takeaways

• Effective AI Fluency assessment combines outcome, process, and reflection approaches for a complete picture
• Each of the 4Ds requires different types of evidence and assessment strategies
• Outcome assessments focus on products created, process assessments examine the journey, and reflection assessments evaluate metacognitive awareness
• Observable actions and concrete artifacts are more reliable than assumptions about understanding
• Assessment should be a learning opportunity, not just measurement

Exercises

This exercise helps you create a practical rubric for assessing AI Fluency in your specific course context.

Step 1: Establishing Your Assessment Foundation (5 minutes)

Start a new conversation with Claude or continue the conversation from Lesson 1: Setting up the conversation:

• Provide the AI with the transcripts from the two lesson videos.
• If starting fresh, share your teaching context and explain you're working on assessment for teaching AI Fluency
• If continuing, remind the AI you're now focusing on assessment strategies for your course
• Describe a specific assignment or project you're planning where students will use AI
• Explain which aspects of AI Fluency are most important for this particular assignment

Identifying your assessment priorities:

• Discuss with the AI which of the 4Ds (and sub-competencies) are most relevant to your assignment goals
• Explore what success looks like for your students in this specific context
• Consider what common challenges or misconceptions you expect them to encounter
• Determine what evidence would convince you that students have developed fluency

Step 2: Selecting Assessment Approaches (10 minutes)

Work with the AI to map assessment approaches to competencies: For each D you're assessing, explore:

• Whether outcome-based measures would work (what products would demonstrate competence?)
• Whether process-based measures are feasible (can you access and evaluate chat logs?)
• Whether reflection-based measures add value (what questions would reveal/promote understanding?)
• Which combination of approaches gives you the clearest picture of student development?

Making practical decisions:

• Discuss with the AI what's actually assessable given your time and resources
• Consider which elements could be peer-assessed or self-assessed
• Identify what you need to assess directly versus what students can document
• Plan how to balance comprehensive assessment with grading efficiency

Step 3: Creating Observable Indicators (10 minutes)

Develop specific, observable criteria with the AI: Defining performance levels:

• Work with the AI to create three clear levels (such as emerging, developing, proficient)
• For each level, describe what you would actually see in student work
• Use language specific to your course and assignment rather than generic terms
• Include concrete examples from your subject area where helpful

Writing clear indicators:

• Transform abstract concepts into observable behaviors
• Replace vague terms like "good understanding" with specific actions
• Connect indicators directly to your assignment requirements
• Ensure each indicator is something you can actually evaluate

Step 4: Formatting Your Rubric (5 minutes)

Create the final rubric document:

• Ask the AI to help structure your rubric in a clear, usable format
• Review with the AI whether each criterion is clearly distinguishable
• Check that the progression between levels is logical and achievable
• Verify that the rubric aligns with your stated learning objectives
• Consider how you'll communicate this rubric to students
• Ensure the language is clear for both you and your students

What's next

In the next lesson, we'll focus on designing assignments that help students both develop and demonstrate AI Fluency.

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 life, work, or classes and any feedback you may have. Share your feedback here.

Acknowledgments and license

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. Released under the CC BY-NC-SA 4.0 license. This course is based on The AI Fluency Framework by Dakan and Feller. Supported in part by the Higher Education Authority, Ireland, through the National Forum for the Enhancement of Teaching and Learning.

Teaching AI Fluency ｜ Lesson 05「AI Fluency を育む課題の設計（Designing assignments for AI Fluency）」

出典: Anthropic Academy ／ 2026-07-04 ／ 動画: YouTube zqho5KSgnjw

日本語ナレッジ（本文の自然な全訳）

このレッスンで学べること

所要時間の目安: 40分

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。

• 学習者が AI Fluency を「育て」かつ「示せる」課題（assignment）を設計できる
• AI で強化された学習者の成果物の、増える量と複雑さをマネジメントできる

AI Fluency を育む課題の設計

この動画は、学習者が AI Fluency を「育て」かつ「示せる」課題を設計することに焦点を当てます。3つの重要な原則を強調します。

• authenticity（本物らしさ）: 現実世界の AI 協働を映し出す課題を作る
• iteration（反復）: 成長を可視化する、改良（refinement）の機会を組み込む
• pedagogical transparency（教育上の透明性）: アウトプットだけでなく「協働のプロセス」を評価しているのだと、明確に伝える

動画は、さまざまな課題タイプを提示します。

• outcome ベースの課題（例: AI のアウトプットを改善する、複数の AI システムを比較する）
• process ベースの課題（例: 注釈つきチャットログ、録画したナレーション）
• reflection ベースの課題（例: 学習ジャーナル、個人のポリシー・ステートメント）

さらに、AI で強化された課題が生み出す「増えたコンテンツ量」をマネジメントするための実践的な手立ても扱います。詳細なルーブリックを使う、ピアレビューを重視する、短時間の面談（lightning round conferences）を行う、学習者の成果物を選択的にサンプリングする、といった方法です。

要点（Key takeaways）

• 効果的な AI Fluency 課題は、authenticity（本物らしさ）・iteration（反復）・pedagogical transparency（教育上の透明性）を強調する
• outcome ベースの課題はプロダクトに注目するが、そこから協働スキルが見えてくる
• process ベースの課題は、記録（documentation）を通じて「見えない意思決定」を見える化する
• reflection ベースの課題はメタ認知的な気づきを育てるが、疲弊を避けるために多様性が必要
• 増える量をマネジメントするには、ルーブリック・ピアレビュー・選択的サンプリングなど戦略的なアプローチが要る

演習（Exercises）

この演習は、AI Fluency を育てかつ評価する、包括的な課題を作るためのものです。

ステップ1: 課題のアーキテクチャ（10分）

評価設計についての演習1の会話を続けます。

あなたのルーブリックとつなぐ:

• 直前に作ったルーブリックと、それが強調する能力を参照する
• これらの能力を学習者が最もよく示せる課題／構成要素はどれかを AI と話し合う
• outcome・process・reflection、あるいはその組み合わせのどれに焦点を当てたいかを考える
• この課題が、あなたのより広いコース構造の中でどう位置づくかを探る

課題の構成要素を選ぶ:

• 動画で扱ったさまざまな課題の構成要素を AI と一緒に見直す
• あなたの目的に対して一貫して機能する、2〜3の構成要素を選ぶ
• これらの構成要素を、あなたのコースの文脈で自然に感じられるよう調整する
• 学習者にとっても自分にとっても、作業量が無理なく管理できる範囲であることを確かめる
• この課題があなたの分野の現実の AI 協働を映し出し、AI とのパートナーシップが価値を加える「本物の問題」を組み込むよう、AI と一緒に整える

ステップ2: 反復と成長を組み込む（10分）

改良と発達の機会を設計します。

• 学習者がどこで立ち止まり、成果物を練り直すべきかを AI と話し合う
• 早い段階の試みから学べるチェックポイントを計画する
• 学習者が「鍵となる意思決定の瞬間」を捉えるためのテンプレートやガイドを作る
• 振り返りが苦手な学習者のためのサポート構造を設計する

ステップ3: 実施計画（10分）

実践的な詳細を固めます。

• 具体的だが過剰でない課題説明の下書きを AI と作る
• 何を評価しているのか（アウトプットだけでなく、プロセスと振り返り）を明確に述べる
• 提出物・形式・提出要件を指定する
• 課題を、AI Fluency の発達へ明示的につなげる
• 採点を管理可能に保つ方法を AI と話し合う。詳しく評価する要素と手早く確認する要素を計画し、負担を増やさずに価値を加えるピアレビューの構成要素を探り、詳細な文章フィードバックの代わりにサンプリングや面談をどう使うかを検討する

レッスンの振り返り（Lesson reflection）

• これらの評価を実施するうえで、どんな課題（困難）が予想されるか？
• プロセスと振り返りの価値を、学習者にどう伝えるか？

次回予告（What's next）

次のレッスンでは、あなたの分野における「カリキュラム・教え方（pedagogy）・評価」への AI の具体的な影響を検討します。

フィードバック

コースを進める中で、学んだ概念を生活・仕事・授業でどう使っているか、またフィードバックがあればぜひ聞かせてください。

クレジットとライセンス（Acknowledgments and license）

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. CC BY-NC-SA 4.0 ライセンスのもとで公開されています。本コースは Dakan と Feller による「The AI Fluency Framework」に基づいています。アイルランドの高等教育庁（Higher Education Authority, Ireland）による、全国教育学習向上フォーラム（National Forum for the Enhancement of Teaching and Learning）を通じた支援を一部受けています。

英語原文

What you'll learn

Estimated time: 40 minutes By the end of this lesson you'll be able to:

• Design assignments that help students both develop and demonstrate AI Fluency
• Manage the increased volume and complexity of AI-enhanced student work

Designing assignments for AI Fluency

This video focuses on designing assignments that help students both develop and demonstrate AI Fluency. It emphasizes three key principles: authenticity (creating assignments that mirror real-world AI collaboration), iteration (building in opportunities for refinement that showcase growth), and pedagogical transparency (being clear about assessing the collaboration process, not just outputs). The video presents various assignment types including outcome-based assignments (like improving AI outputs or comparing different AI systems), process-based assignments (such as annotated chat logs or recorded narrations), and reflection-based assignments (including learning journals and personal policy statements). It also addresses practical strategies for managing the increased volume of content that AI-enhanced assignments generate, such as using detailed rubrics, emphasizing peer review, conducting lightning round conferences, and selective sampling of student work.

Key takeaways

• Effective AI Fluency assignments emphasize authenticity, iteration, and pedagogical transparency
• Outcome-based assignments focus on products but reveal collaboration skills
• Process-based assignments make invisible decision-making visible through documentation
• Reflection-based assignments develop metacognitive awareness but need variety to avoid fatigue
• Managing increased volume requires strategic approaches like rubrics, peer review, and selective sampling

Exercises

This exercise helps you create a comprehensive assignment that develops and assesses AI Fluency.

Step 1: Assignment Architecture (10 minutes)

Continue your conversation from Exercise 1 about assessment design: Connecting to your rubric:

• Reference the rubric you just created and the competencies it emphasizes
• Discuss with the AI what type of assignment/component would best allow students to demonstrate these competencies
• Consider whether you want to focus on outcome, process, reflection, or a combination
• Explore how this assignment fits within your broader course structure

Selecting assignment components:

• Review the different assignment components discussed in the videos with the AI
• Choose 2-3 components that work together coherently for your purposes
• Adapt these components to feel natural within your course context
• Ensure the workload is manageable for both students and yourself
• Work with the AI to ensure the assignment mirrors real-world AI collaboration in your field and build in genuine problems where AI partnership adds value

Step 2: Building in Iteration and Growth (10 minutes)

Design opportunities for refinement and development:

• Discuss with the AI where students should pause and refine their work
• Plan checkpoints that allow students to learn from early attempts
• Create templates or guides for students to capture key decision moments
• Design support structures for students who struggle with reflection

Step 3: Implementation Planning (10 minutes)

Finalize the practical details:

• Work with the AI to draft assignment instructions that are specific but not overwhelming
• Include clear statements about what you're assessing (process and reflection, not just output)
• Specify deliverables, formats, and submission requirements
• Connect the assignment explicitly to AI Fluency development
• Discuss with the AI how to keep the grading manageable, including planning which elements you'll assess in detail versus review quickly, exploring peer review components that add value without adding burden, and considering how to use sampling or conferences instead of extensive written feedback

Lesson reflection

• What challenges do you anticipate in implementing these assessments?
• How will you communicate the value of process and reflection to students?

What's next

In the next lesson, we'll examine AI's specific impact on curriculum, pedagogy, and assessment in your field.

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 life, work, or classes and any feedback you may have. Share your feedback here.

Acknowledgments and license

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. Released under the CC BY-NC-SA 4.0 license. This course is based on The AI Fluency Framework by Dakan and Feller. Supported in part by the Higher Education Authority, Ireland, through the National Forum for the Enhancement of Teaching and Learning.

Teaching AI Fluency ｜ Lesson 06「AI の影響と、あなたの学問分野（AI's impact and your discipline）」

出典: Anthropic Academy ／ 2026-07-04 ／ 動画: YouTube biNOM9jAkFY

日本語ナレッジ（本文の自然な全訳）

このレッスンで学べること

所要時間の目安: 40分

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。

• あなたの分野における、カリキュラム・教え方（pedagogy）・評価への AI の具体的な影響を分析できる
• あなたの学問分野における AI の役割について、自分の視点を明確に述べたポジションペーパー（position paper）を作れる

AI の影響と、あなたの学問分野

この動画は、AI が「カリキュラム・教え方・評価」を横断して、分野ごとに独自の形で影響を与えることを検討します。強調されるのは、あなたの分野の専門性（disciplinary expertise）——あなたの分野の核となる価値観・方法・考え方を理解していること——が、こうした変化（disruption）を乗りこなすうえで不可欠だ、という点です。

動画は3つの重要な問いを探ります。

• あなたの分野で、何が自動化されるか？
• 人と AI のパートナーシップが最も価値を生むのはどこか？
• 学習者が将来のキャリアで AI システムを「管理し、責任を持ち続ける」ために、どう備えさせるか？

また、変化（disruption）は一様ではないことを認めます。たとえば、カリキュラムは安定したまま評価が大きく変わることもあれば、核となる内容は変わらないのに教え方が進化することもあります。動画は、こうした影響を分析するための枠組みを提供し、ある変化は「活かすべき機会」であり、別の変化は「解くべき問題」だと強調します。どちらであるかを見分けるのは、あなたの専門性です。

要点（Key takeaways）

• AI は、カリキュラム・教え方・評価に、分野ごとに異なる形で影響する
• あなたの「分野の専門性・教え方の専門性・評価の専門性」こそが、意味ある AI 統合の土台になる
• 「何が自動化されるか・どこでパートナーシップが価値を加えるか・どうアカウンタビリティを保つか」を理解することが決定的に重要
• 影響と変化のパターンはさまざま——ある領域は変容し、別の領域は安定したまま
• AI Fluency は、分野の専門性を「置き換える」のではなく「増幅する」

演習（Exercises）

この演習は、あなたの分野への AI の影響を体系的に分析し、自分の立場を明確に述べるためのものです。時間はあくまで目安です。急がず、会話を意味あるものにしてください。

ステップ1: カリキュラムへの AI の影響を探る（10分）

Claude との会話を始めます（あるいは前のレッスンから続けます）。

会話のセットアップ:

• このコースのトランスクリプトを AI に渡す
• あなたの教える文脈と分野の文脈を共有し、あなた固有の分野への AI の影響を分析していることを説明する
• こうした変化についての自分の視点を明確に述べるポジションペーパーを作ろうとしていることを AI に伝える

カリキュラムの変化を探る:

• あなたの分野で、AI が現在すでに自動化している／近いうちに自動化しそうな定型タスクはどれかを AI と探る
• こうした自動化が、学習者にとって「どの基礎概念がより重要／より重要でなくなるか」をどう変えうるかを話し合う
• 学習者が「AI がやれるのに、なぜ XYZ を学ぶのか？」と尋ねる具体的な場面を想定し、分野に固有の説得力ある答えを練り上げる
• AI が定型作業を担うことで、どの人間のスキルがいっそう重要になるかを特定する
• あなたの分野で、人と AI の協働が最も価値を加えられるのはどこかを考える
• あなたの分野で AI と効果的に協働するために、学習者にどんな新しい能力が必要かを話し合う

ステップ2: 教え方の変容を検討する（10分）

教育方法に焦点を当てて分析を続けます。

強化の機会を特定する:

• あなたの分野で、AI がより良い学習体験を可能にしうる具体的な方法を AI と探る
• AI 以前には不可能に思えた教育上の可能性（例: 個別チューター、即時フィードバック、インタラクティブなシミュレーション）を話し合う
• AI が学習者の「本当の学び」を助ける場面と、単に「楽・速くする」だけの場面を区別する
• あなたの科目を教えるうえでの根深い課題に、AI がどう役立ちうるかを考える

リスクを見極め、厳密さ（rigor）を保つ:

• あなたの分野で、AI が「本物の学び」を短絡させ（ショートカットさせ）てしまいかねない箇所を AI と特定する
• AI の存在下で避けるべき／修正すべき教え方はどれかを話し合う
• AI が多くの伝統的な課題をこなせる中で、学問的な厳密さをどう保つかを探る
• その価値を守るために「人間中心のまま」であるべき学習体験はどれかを考える
• 学習者が AI を「学びの代替」ではなく「学びの道具」として使えるよう、どう助けるかを計画する

ステップ3: 評価戦略を再構想する（10分）

評価の課題と機会に焦点を当てます。

AI 時代における本物の評価を設計する:

• 学習者が AI にアクセスできる状況で、あなたの分野の「本物の理解」を示すものは何かを AI と話し合う
• 最終的なプロダクトと並んで、プロセス・成長・批判的思考をどう評価するかを探る
• AI によって新たに可能になる評価の形は何かを考える
• 評価において、創造性・判断・統合（synthesis）を価値づける方法を特定する

誠実さ（integrity）を保ちつつ、革新を取り入れる:

• AI ではショートカットできない評価を、AI とブレインストーミングする
• AI との協働がむしろ「習熟の証明」を高めうるのはどこかを探る
• あなたの分野で、適切な AI 利用と不適切な AI 利用をどう見分けるかを話し合う
• 責任ある AI 利用を促しつつ、個人の理解を示せる評価をどう設計するかを考える

ステップ4: 自分の立場を統合する（10分）

ポジションペーパーを作る:

あなたのスタンスを練り上げる:

• あなたの議論を、一貫したポジションペーパーへと統合するのを AI に手伝ってもらう
• カリキュラムの進化、教え方の変容、評価の革新についての自分の視点を含める
• あなたの分野で AI を「どう使うべきか／使うべきでないか」について、明確な原則を述べる
• 同僚に響く具体例と根拠（rationales）を加える

次回予告（What's next）

次のレッスンでは、あなたの分野知識を活かして AI Fluency フレームワークをあなたの分野に固有のものにすることに焦点を当てます。同僚と協働して、4つのD の分野に固有の応用を作っていきます。

フィードバック

コースを進める中で、学んだ概念を生活・仕事・授業でどう使っているか、またフィードバックがあればぜひ聞かせてください。

クレジットとライセンス（Acknowledgments and license）

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. CC BY-NC-SA 4.0 ライセンスのもとで公開されています。本コースは Dakan と Feller による「The AI Fluency Framework」に基づいています。アイルランドの高等教育庁（Higher Education Authority, Ireland）による、全国教育学習向上フォーラム（National Forum for the Enhancement of Teaching and Learning）を通じた支援を一部受けています。

英語原文

What you'll learn

Estimated time: 40 minutes By the end of this lesson you'll be able to:

• Analyze AI's specific impacts on curriculum, pedagogy, and assessment in your field
• Create a position paper articulating your perspective on AI's role in your discipline

AI's impact and your discipline

This video examines how AI impacts different disciplines in unique ways across curriculum, pedagogy, and assessment. It emphasizes that your disciplinary expertise—understanding your field's core values, methods, and ways of thinking—is essential for navigating these disruptions. The video explores three key questions: What gets automated in your field? Where does human-AI partnership add the most value? How do we prepare students to manage and remain accountable for AI systems in their future careers? It acknowledges that disruption isn't uniform—perhaps your curriculum stays stable while assessments transform, or your pedagogy evolves while core content remains constant. The video provides frameworks for analyzing these impacts, emphasizing that some disruptions are opportunities to leverage while others are problems to solve, and your expertise determines which is which.

Key takeaways

• AI impacts curriculum, pedagogy, and assessment differently across disciplines
• Your disciplinary, pedagogical, and assessment expertise are the foundation for meaningful AI integration
• Understanding what gets automated, where partnership adds value, and how to maintain accountability is crucial
• Impact and disruption patterns vary—some areas transform while others remain stable
• AI Fluency amplifies rather than replaces disciplinary expertise

Exercises

This exercise helps you systematically analyze AI's impact on your discipline and articulate your position. The timing is just a reference - take your time and make your conversations meaningful.

Step 1: Exploring AI's Impact on Your Curriculum (10 minutes)

Start a conversation with Claude (or continue from previous lessons): Setting up the conversation:

• Provide the AI with the transcripts from this course
• Share your teaching and disciplinary context and explain you're analyzing AI's impact on your specific discipline
• Tell the AI you'll be creating a position paper that articulates your perspective on these changes

Exploring curriculum disruption:

• Explore with the AI which routine tasks in your field AI currently automates or may likely automate soon
• Discuss how these automations may change which foundational concepts become more or less important for students
• Work through specific examples of when students ask "Why learn XYZ when AI can do it?" and develop compelling, discipline-specific answers
• Identify which human skills become even more crucial as AI handles routine work
• Consider where human-AI collaboration could add the most value in your field
• Discuss what new competencies students need to work effectively with AI in your discipline

Step 2: Examining Pedagogical Transformation (10 minutes)

Continue your analysis focusing on teaching methods: Identifying enhancement opportunities:

• Explore with the AI specific ways AI could enable better learning experiences in your field
• Discuss pedagogical possibilities that seemed impossible before AI (e.g. personalized tutoring, immediate feedback, interactive simulations)
• Distinguish between where AI genuinely helps students learn versus just making things easier/faster
• Consider how AI might help address persistent challenges in teaching your subject

Assessing risks and maintaining rigor:

• Work with the AI to identify where AI might short-circuit genuine learning in your discipline
• Discuss which pedagogical approaches should be avoided or modified with AI's presence
• Explore how to maintain academic rigor when AI can complete many traditional assignments
• Consider which learning experiences must remain human-centered to preserve their value
• Plan how to help students use AI as a learning tool rather than a learning substitute

Step 3: Reimagining Assessment Strategies (10 minutes)

Focus on the assessment challenges and opportunities: Designing authentic assessment in the AI age:

• Discuss with the AI what demonstrates genuine understanding in your field when students have AI access
• Explore how to assess process, growth, and critical thinking alongside final products
• Consider what new forms of assessment become possible with AI
• Identify ways to value creativity, judgment, and synthesis in assessment

Maintaining integrity while embracing innovation:

• Work with the AI to brainstorm assessments that can't be shortcut with AI
• Explore where AI collaboration might actually enhance demonstration of mastery
• Discuss how to distinguish between appropriate and inappropriate AI use in your field
• Consider how to design assessments that encourage responsible AI use while demonstrating individual understanding

Step 4: Synthesizing Your Position (10 minutes)

Create your position paper: Developing your stance:

• Ask the AI to help you synthesize your discussion into a coherent position paper
• Include your perspective on curriculum evolution, pedagogical transformation, and assessment innovation
• Articulate clear principles for how AI should and shouldn't be used in your discipline
• Add specific examples and rationales that will resonate with your colleagues

What's next

In the next lesson, we'll focus on applying your disciplinary knowledge to make the AI Fluency Framework specific to your field. You'll work with colleagues to develop discipline-specific applications of the 4Ds.

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 life, work, or classes and any feedback you may have. Share your feedback here.

Acknowledgments and license

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. Released under the CC BY-NC-SA 4.0 license. This course is based on The AI Fluency Framework by Dakan and Feller. Supported in part by the Higher Education Authority, Ireland, through the National Forum for the Enhancement of Teaching and Learning.

Teaching AI Fluency ｜ Lesson 07「分野の専門性を AI Fluency に適用する（Applying discipline expertise to AI Fluency）」

出典: Anthropic Academy ／ 2026-07-04 ／ 動画: YouTube BUj8mjy6oxI

日本語ナレッジ（本文の自然な全訳）

このレッスンで学べること

所要時間の目安: 40分

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。

• あなたの分野の専門性を活かして、4つのD の「その分野に固有の応用」を作れる
• 同僚と協働して、あなたの学科・部門における AI Fluency の共通理解を築ける

分野の専門性を AI Fluency に適用する

この動画は、あなたの深い分野知識を活かして、AI Fluency フレームワークをあなたの分野に固有のものにする方法を示します。強調されるのは、分野に固有の AI Fluency は「暗黙知（tacit knowledge）を明示化すること」を通じて育つ、という点です。すなわち、「質（quality）がどう見えるか」「専門家がどうコミュニケーションするか」「どの問題が重要か」「どんな基準が適用されるか」を言葉にすることです。

動画は、あなたの分野における各D の共通理解を、同僚とどう築くかを示します。

• Discernment（見極め）: 質の判断基準（quality criteria）を定義する
• Description（記述）: コミュニケーションの規範（communication norms）をマッピングする
• Delegation（委任）: 仕事の分解（work decomposition）を理解する
• Diligence（吟味）: 倫理基準（ethical standards）を明文化する

この深い分野作業は、フィードバックループを生み出します。質の基準を言葉にできる学習者は、どんなアウトプットもより良く評価でき、方法を理解している学習者は、どんなプロセスも導くことができ、倫理を内面化した学習者は、どんな協働も責任を持って乗りこなせます。動画は、学習者を「置き換え不能（irreplaceable）」な存在に育てるとは、こうした人間ならではの能力を育てることだ、と結んで締めくくります。

要点（Key takeaways）

• 分野の暗黙知（例: ベストプラクティス、倫理、研究のジャンル／作法など）を明示化することが、学習者を効果的な AI 協働へ備えさせる
• 4つのD はそれぞれ、分野に固有の解釈と応用を必要とする
• 同僚との協働作業は、共通理解を築き、より強い枠組みを生む
• あなたの分野の「質・方法・倫理」を理解している学習者は、AI をより良く方向づけられる
• ゴールは、人間ならではの能力を育てることで、学習者を「置き換え不能」な存在に備えさせること

演習（Exercises）

最後の演習では、AI パートナーには一休みしてもらい、人間の同僚と話し合います。ただし、参加者全員が前レッスンの演習を個々にやり終えていると、この会話が進めやすくなります。

あなたの文脈に合った形で、同僚と一緒に4D フレームワークに取り組む時間を組織的に設けましょう。議論を導くための、いくつかの推奨トピックを挙げます。

Discernment（見極め）——「私たちの分野で、質とは何か？」

• あなたの分野で「卓越（excellence）」が何を意味するかを、曖昧な言葉を超えて一緒に言語化する
• 傑出した仕事と凡庸な仕事を分ける具体的な特徴を特定する
• こうした「質の目印」を学習者に認識させる教え方を話し合う
• 学習者が「人間が作ったもの」も「AI が生成したもの」も評価できるよう助ける基準を文書化する

Description（記述）——「私たちの分野で、どうコミュニケーションするか？」

• あなたの分野の主要なプロダクトを精確にマッピングする（単に「レポート」ではなく、具体的な成果物と、それがなぜ重要かまで）
• 専門家が自分の分野の問題に取り組むときに使う思考プロセスを文書化する
• プロの実践を定義する行動規範や慣習を特定する
• こうしたコミュニケーションのパターンを、学習者に向けてどう明示化するかを探る

Delegation（委任）——「私たちの分野で、どんな仕事が起きているか？」

• あなたの分野の典型的なタスクを、構成要素に分解する
• どの要素が人間の判断・創造性・専門性を要するかを特定する
• AI が自動化できる／拡張できる／エージェントとして振る舞えるのはどこかを話し合う
• 分野の仕事に AI をいつ・どう関わらせるかの意思決定フレームワークを作る

Diligence（吟味）——「私たちの分野の価値観と基準は何か？」

• あなたの分野に固有の倫理フレームワークを明文化する
• 透明性の規範と、開示（disclosure）の期待を明確にする
• アカウンタビリティの基準と、プロとしての責任を話し合う
• AI が仕事に関わるとき、これらがどう適用されるかを考える

共有ドキュメントを作る:

• 各D の分野に固有の解釈をまとめる
• 各能力について、あなたの分野からの具体例を含める
• これらの能力を育てるために同僚が提案する教え方を加える
• 合意している領域と、見解が分かれる領域を特定する
• この成果を学習者と共有し、AI Fluency を具体的なものにする方法を考える
• 分野に固有の4D を、カリキュラムにどう統合するかを話し合う
• これらの枠組みが学習者の助けになっているかを、どう評価するかを考える
• 議論を続け、新しい取り組みを実施するための次のステップに合意する

次回予告（What's next）

これで「Teaching AI Fluency」コースは修了です！　次のレッスンで最終クイズを受けると、修了証（certificate of completion）を獲得できます。

フィードバック

コースを進める中で、学んだ概念を生活・仕事・授業でどう使っているか、またフィードバックがあればぜひ聞かせてください。

クレジットとライセンス（Acknowledgments and license）

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. CC BY-NC-SA 4.0 ライセンスのもとで公開されています。本コースは Dakan と Feller による「The AI Fluency Framework」に基づいています。アイルランドの高等教育庁（Higher Education Authority, Ireland）による、全国教育学習向上フォーラム（National Forum for the Enhancement of Teaching and Learning）を通じた支援を一部受けています。

英語原文

What you'll learn

Estimated time: 40 minutes By the end of this lesson you'll be able to:

• Apply your disciplinary expertise to create field-specific applications of the 4Ds
• Collaborate with colleagues to build shared understanding of AI Fluency in your department

Applying discipline expertise to AI Fluency

This video demonstrates how to apply your deep disciplinary knowledge to make the AI Fluency Framework specific to your field. It emphasizes that developing discipline-specific AI Fluency happens through making tacit knowledge explicit—articulating what quality looks like, how experts communicate, what problems matter, and what standards apply. The video shows how to work with colleagues to build shared understanding of each D in your discipline: defining quality criteria for Discernment, mapping communication norms for Description, understanding work decomposition for Delegation, and codifying ethical standards for Diligence. It emphasizes that this deep disciplinary work creates a feedback loop where students who can articulate quality standards can better evaluate any output, those who understand methods can guide any process, and those who've internalized ethics can navigate any collaboration responsibly. The video concludes by noting that preparing students to be irreplaceable means developing these uniquely human capabilities.

Key takeaways

• Making tacit disciplinary knowledge (e.g. best practices, ethics, research genres, etc.) explicit prepares students for effective AI collaboration
• Each of the 4Ds requires discipline-specific interpretation and application
• Collaborative work with colleagues builds shared understanding and stronger frameworks
• Students who understand quality, methods, and ethics in your field can better direct AI
• The goal is preparing students to be irreplaceable by developing uniquely human capabilities

Exercises

For our final exercise we're going to give our AI partners a break and just talk to our human colleagues! However, having all participants work through the exercise from the previous lesson individually will facilitate these conversations. In whatever manner makes sense for your context, schedule some organized time to work through the 4D framework with your colleagues. Here are some suggested topics to help guide your discussion:

For Discernment - "What does quality look like in our field?"

• Work together to articulate what excellence means in your discipline beyond vague terms
• Identify specific features that distinguish outstanding work from mediocre work
• Discuss how to teach students to recognize these quality markers
• Document criteria that could help students evaluate both human and AI-generated work

For Description - "How do we communicate in our discipline?"

• Map the key products in your field with precision (e.g. not just "reports" but specific artefacts and why they matter)
• Document the thought processes experts use when approaching problems in your field
• Identify the behavioral norms and conventions that define professional practice
• Explore how to make these communication patterns explicit for students

For Delegation - "What work happens in our field?"

• Break down typical tasks in your discipline into component parts
• Identify which elements require human judgment, creativity, or expertise
• Discuss where AI could automate, augment, or act as an agent
• Create decision frameworks for when and how to involve AI in disciplinary work

For Diligence - "What are our field's values and standards?"

• Codify ethical frameworks specific to your discipline
• Clarify transparency norms and disclosure expectations
• Discuss accountability standards and professional responsibilities
• Consider how these apply when AI is involved in the work

Building a shared document:

• Compile the discipline-specific interpretations of each D
• Include concrete examples from your field for each competency
• Add teaching strategies that colleagues suggest for developing these competencies
• Identify areas where you have consensus and where perspectives differ
• Consider how to share this work with students to make AI Fluency concrete
• Discuss how to integrate these discipline-specific 4Ds into curriculum
• Consider how to assess whether these frameworks are helping students
• Agree on next steps to continue the discussion and implement new initiatives

What's next

You've completed our teaching AI Fluency course! Take the final quiz in the next lesson to earn a certificate of completion.

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 life, work, or classes and any feedback you may have. Share your feedback here.

Acknowledgments and license

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. Released under the CC BY-NC-SA 4.0 license. This course is based on The AI Fluency Framework by Dakan and Feller. Supported in part by the Higher Education Authority, Ireland, through the National Forum for the Enhancement of Teaching and Learning.

Teaching AI Fluency ｜ Lesson 08「修了証（Certificate of completion）」

出典: Anthropic Academy ／ 2026-07-04

日本語ナレッジ

コース修了時のクイズ／修了証ページ。学習コンテンツ本文はなく、修了判定用のクイズが表示される（受験は別途）。クイズに合格すると修了証が発行される。

クイズ（受験は別途）

（このレッスンはクイズ＋修了証のみ。設問データは一次テキストに含まれていない。）