生成AIが語る講義中ノートPC可vs不可の理解度・期末成績比較データ

  1. 教育
  2. 0 view

大学や専門学校の講義で、「ノートPCを使ってメモを取ってよいかどうか」は、今も議論のあるテーマです。便利さを重視して「PC推奨」にする講師もいれば、集中力の低下を心配して「PC禁止」にする講師もいます。では、実際に「理解度」や「期末成績」に違いは出ているのでしょうか。ここでは、国内外の研究や架空データを組み合わせながら、講義中のノートPC可・不可が学習にどう影響しうるのかを、できるだけ分かりやすく整理してみます。

講義中PC利用をめぐる主な論点

講義中のPC利用をめぐる論点は、大きく次の3つに整理できます。

  • メモの効率:タイピングは速く、多くを書き留められるが、理解が浅くなりやすいのではないか。
  • 注意の散漫さ:ネット閲覧やSNS、チャットなど「ながら作業」が増え、集中力が落ちないか。
  • 学習スタイルの多様性:手書きが合う人もいれば、PCでの整理が得意な人もいるという個人差。

つまり、「PCが良いか悪いか」という単純な話ではなく、「どのように使うか」「どの学生に合うか」を含めて考える必要があります。

ノートPC可クラス vs 不可クラスの比較イメージ

ここでは、ある大学の基礎科目を受講する2クラス(各100名)を比較した、仮想的なインフォグラフの例を示します。実際の研究で報告されている傾向を踏まえつつ、イメージしやすいように数値を整理しています。

項目 PC利用可クラス PC利用不可クラス(手書きのみ)
平均期末成績(100点満点) 78点 82点
授業内容の理解度自己評価(5段階) 3.6 3.9
「授業中にSNSを見てしまう」学生の割合 48% 15%
「板書を写すのに精一杯」だと感じる学生の割合 21% 34%

このインフォグラフから見えるのは、PC可クラスは「情報量を多く記録できる」一方で、「注意の分散」による理解度や成績への悪影響が出やすい、という構図です。逆に、手書き中心のクラスでは「板書を写すのに追われる」負担が大きいものの、結果として理解度や成績はやや高くなる傾向が示されています。

なぜPC利用が成績に影響しうるのか

PC利用が期末成績や理解度に影響しうる理由として、次のようなポイントが挙げられます。

  • タイピングは「写し取り」になりやすい
    聞こえた内容をそのまま打ち込めてしまうため、「自分の言葉に言い換える」「要点をかみ砕く」といった整理のプロセスが省かれがちです。この整理こそが、理解を深め記憶に残すうえで重要だとされています。
  • 注意力のコストが高い
    画面上にはメモアプリだけでなくブラウザ、チャット、SNSなど多くの誘惑があります。通知やタブの切り替えが増えるほど、集中が細かく途切れていきます。
  • 「考える時間」が削られる
    速く打てることは利点ですが、その分「今の説明はどういう意味か」「他の知識とどうつながるか」と考える時間が少なくなりがちです。

一方で、PC利用には「資料をすぐ検索できる」「図やスライドを整理しやすい」「グループワークで共有しやすい」などのメリットもあります。つまり、問題は「PCそのもの」ではなく、「PCの使い方」と「授業設計」の組み合わせにあります。

理解度・成績を高めるための実践的な工夫

講義中のノートPC可否を、白か黒かで決めてしまうのではなく、次のような工夫が現実的な落としどころになりそうです。

  • 「PCを使う時間帯」を区切る
    講義の前半は説明を聞きながら手書きメモ、後半はPCで調べものやグループ作業、といったように時間で役割を分ける方法です。
  • ノートの取り方を教える
    PCでも手書きでも、「要点を自分の言葉でまとめる」「見出しと箇条書きで整理する」基本技術を授業で扱うだけで、理解度が大きく変わります。
  • ネット接続をオフにして使う
    授業中はWi-Fiを切り、メモアプリだけを使う運用もあります。集中が途切れる要因を、物理的に減らす狙いです。
  • 事前配布資料と組み合わせる
    スライドやレジュメを事前配布しておけば、「写すこと」に追われる時間が減り、PCでも手書きでも「考える」「書き足す」ことに集中しやすくなります。

PC可・不可を超えて「学び方」を選べる環境へ

生成AIが学びの現場に入ってきた今、情報端末を完全に排除することも、すべて自由にすることも、現実的ではなくなりつつあります。大切なのは、「PCがあるからこそできる学び」と「PCがあると邪魔されやすい学び」を、授業ごと・活動ごとに見極めることです。

また、学生側も「自分はPCだと気が散りやすいタイプか」「手書きだと追いつかない科目はどれか」と、自分の特徴を自覚して選ぶことが求められます。教員が一律にルールを決めるのではなく、データに基づいた情報を共有しながら、「どの場面で、どんなツールを使うと、理解度と成績が上がりやすいか」を一緒に試行錯誤していく。そんな環境づくりが、これからの大学教育には求められていると言えるでしょう。

※ 本稿は、様々な生成AIに各テーマについて尋ねた内容を編集・考察したものです。
AI Insight 編集部

関連記事

AIが考える入試対策の最短学習法

課題の整理:範囲の広さと時間不足をどう突破するか入試対策の最大の課題は「広い出題範囲」と「限られた時間」。やみくもな演習は努力の割に得点が伸びず、直前期に失速しがちです…

  • 15 view