学校向けAI検出ポリシー：実用的なポリシーの骨子

学校で機能するAI検出ポリシーは、5つのことを行います。学生がAIの使用を開示しなければならない時期を明示し、検出器のスコアだけでは満たせない証拠基準を設定し、名前を明かしたレビュアーとタイムラインを伴う実効性のある異議申し立ての経路を学生に与え、検出器が実際に何を測定するかについて職員を訓練し、レビューサイクルを約束します。以下はすべて、適応できる骨組みです。

学生は実際に何を開示すべきか？

開示は、ほとんどのポリシーが失敗する部分です。なぜなら、AIを完全に禁止する（執行不能）か、何も言わない（ブレインストーミングに使った正直な学生に不公平）かのどちらかだからです。開示ルールは、ツールではなくタスクに結びついているときに機能します。

それを尺度として書き、すべての課題概要にその尺度を記載します：

1. AI使用なし。 持ち込み不可の試験、教室内での執筆、プロセスが評価対象となるタスクに使用。
2. 準備のみにAIを使用。 ブレインストーミング、構成作成、練習問題の生成、文法チェック。提出作品にAIのテキストは含まれない。1行の宣言で足りる。
3. 下書きにAIを使用、開示あり。 作品の最後に短い注記：どのツール、何をしたか、学生が何を変更したか、学生が何を確認したか。これが最も明確さを必要とする層である。なぜなら、実際の使用のほとんどがここで起こるからである。
4. AI使用が想定される。 学生が出力を説明し、すべての主張、引用、図表を検証できる限り、許可または必須。

文言よりも重要な2つの詳細があります。第一に、宣言はフォームではなく一文であるべきです。官僚的なフォームは学生にチェックボックスを付けることを教えます。第二に、製品だけでなくプロセスを尋ねてください。チャットボットを使って構成を作り、その後すべての段落を自分の言葉で書き直した学生は、恐れずにそう言えるべきです。それはまさにあなたが報いたい行動です。

もしあなたのスタッフが「不実表示」の意味についてまだ議論しているなら、何が不実表示に該当するかは、最初のポリシー会議の前に彼らに渡すべき補足資料です。

何が証拠として認められるか、そしてなぜ検出器のスコアだけでは不十分なのか

検出器の出力は確率の推定値であり、著者であることの証明ではありません。すべてのポリシーはこれを平易な言葉で、脚注ではなくポリシー本文自体に明記すべきです。同じエッセイを分析しても、2つのツールの判定はしばしば一致しません。その理由は構造的なものです。ツールは文の長さの変動や単語の予測可能性といったシグナルを重み付けしますが、それらのシグナルを文書レベルの数値に集約する方法が異なるのです。

私たちはベンダーの主張を信じるのではなく、自社の計測器でこれを測定しました。2026-09-13に、私たちは23件の手書きのDeAIzeガイドをDeAIze検出器で30%のフラグ閾値でスコアリングしました。AIスコアの平均は21%、中央値は22%、範囲は0%から46%でした。人間が書いた23件の文書のうち5件がフラグされました。これは私たち自身の測定であり、私たち自身のローカルアンサンブルによるもので、正直な実態を示しています。人間の文章にはばらつきがあり、その一部は閾値を超えるのです。

では、何が証拠として認められるのでしょうか。ポリシーに階層構造を組み込みましょう。

このセクションには2つの安全策を盛り込むべきです。第一に、スコアを告発の唯一の根拠にしてはならない — これをポリシーに明記し、審査委員会が密かに無視できないようにします。第二に、懸念を提起する者に対し、他に何を気づいたかを記録するよう義務付けます。「検出器が高いスコアを示した」は事件ファイルにはなりませんが、「検出器が中間セクションにフラグを立て、学生は第3段落の論証を説明できず、引用文献が存在しない」ならば事件ファイルになります。

証拠基準を書く前に、文単位の検出が実際に何を報告するかを見たい場合は、ご自身の過去の採点サンプルをAI検出器にかけてみてください — どの文がシグナルを持ち、どの文が持たないかをハイライトします。これは審査委員会にとって、文書全体の1つの数値よりもはるかに有用です。

異議申立てプロセスはどう機能すべきか？

異議申立ては、ポリシーが学生と教職員の信頼を得るか失うかの分かれ目です。短く、期限を区切り、懸念を提起した者とは別の担当者にします。

1. 定められた期間内の通知。 学生には、何が申し立てられているか、どの証拠が依拠されているか、ポリシーのどのセクションが適用されるかを書面で伝えます。検出器の報告書を結論だけでなく学生に渡します。
2. いかなる認定の前にも応答の機会。 学生は書面による回答を提出し、希望すれば自身のプロセスについて短い口頭説明を行います。これがほとんどの誤検出を捉えるステップです。
3. 告発者ではない審査担当者。 学科長、アカデミック・インテグリティ責任者、または小規模な委員会という1つの指名された役割がファイルを審査します。重大なケースでは、委任事項を起草する前に審査委員会が実際に評価する内容を読む価値があります。
4. 理由を付した書面による決定。 「支持」か「却下」かだけでなく、どの証拠が重視されたか、検出器スコアが寄与したかしなかったか、その理由も示します。
5. 第二の経路。 別の審査担当者によるさらなる審査1回と、それを請求するための明示された期限。

タイムラインは営業日単位で、現実的と言えるほど短くするべきです。通知期間、応答期間、決定期間です。ポリシーが審査担当者の役割を明記できないなら、それは完成していません。

職員は検出器の限界について研修を受けるべきか？

はい、そして任意ではなく必須とすべきです。なぜなら、一貫性のない運用は、ポリシーを恣意的に見せる最も手っ取り早い方法だからです。研修は長くある必要はありません。以下の4点をカバーする必要があります：

• スコアの意味。 テキストのパターンに関する確率の推定値であり、誰が書いたかについての断定ではありません。
• 一部の書き手がより多くフラグを立てられる理由。 非ネイティブの英語話者、フォーマルな文体で書く学生、テンプレートの多いジャンルで書く学生は、いずれも境界線に近い位置にいます。AI検出器が非ネイティブの英語話者にフラグを立てる理由は、職員会議の事前資料として適しています。
• スコアが誤っているように見える場合の対応。 記録し、尋ね、非難しないこと。最初の会話は告発ではありません。
• 一貫性。 2人の教師が同じファイルに対して同じ判断に達するべきです。毎学期、短いキャリブレーション演習を実施してください：職員に同じ匿名化されたケースを渡し、結論を比較します。

職員の前に提示する価値のある、私たち自身の測定から得られた直感に反する発見があります。同じ2026-09-13の実行で、私たちはAIの痕跡—機械出力に一般的に関連するフレーズや構文—の頻度を数えました。人間が書いたサンプルでは100語あたり4回、未編集のモデル出力では100語あたり1回でした。人間の書き手は、モデルよりも多くのいわゆる痕跡を使用していました。したがって、「このフレーズはAIっぽい」と言う職員の直感は、感じられるよりも弱いのです。

ポリシーはどのくらいの頻度で見直すべきか？

少なくとも年1回、そして主要なツールが変更されたときはいつでもサイクル外で見直してください。オーナーを任命し—委員会ではなく、名前の付いた役割—、文書の冒頭に短い変更履歴を置いて、職員が何がいつ変更されたかを確認できるようにしてください。

実用的なレビューチェックリスト:

• 開示の階層は、学生が実際に取り組む方法とまだ一致していますか？
• 証拠基準に記載されている検出ツールは、あなたが説明した形でまだ存在しますか？
• 過去1年間の異議申し立てで、プロセスのギャップが明らかになりましたか？
• スタッフは今年研修を受けましたか、そしてキャリブレーションは一貫した結果を生み出しましたか？
• 実際の案件量を考えると、タイムラインはまだ現実的ですか？

学生が見つけられる場所にポリシーを公開し、教師が持っているのと同じ開示スケールを学生に与えましょう。学生が読めないルールは、従えないルールです。

前文に書き込む価値のある最後の点: 作品におけるアイデア、データ、議論、結論は学生自身のものでなければなりません。どんなポリシーもツールもそれを変えません。良いポリシーが変えるのは、それらが学生自身のものであるかどうかをどれだけ公正に確認するかです。

測定に関する注記: 本記事の数値は、2026-09-13に当社独自の検出器を実行して得られたものです — n = 23の手書きガイド対 n = 12の未編集モデル出力、AIスコアの中央値はそれぞれ22%と34%でした。方法: /methodology/。