AIリテラシーとしての生成AI活用の二層化：プロンプトリテラシーから意味構成リテラシーへ

 生成AI活用はしばしば「プロンプト／コンテクストエンジニアリング」として理解され、目的・制約・参照情報・出力形式を入力側で設計して、望ましい出力を安定的に得ることが中心課題とされる。この観点は重要であり、一定程度まで手続き化・定式化可能である。一方で、教育・研究・専門的実践の文脈では、生成AIの出力はしばしば「結論」ではなく「候補」や「素材」に過ぎず、妥当性の保証や根拠の自動提示を本質的に伴わない。ゆえに、生成AIを真に活用するためには、出力を得ることそのものよりも、得られた出力をどのように吟味し、再構成し、正当化していくかが決定的に重要となる。

この点を踏まえ、本稿は生成AI活用をAIリテラシーの観点から「プロンプトリテラシー／意味構成リテラシーの二層」として捉える枠組みを提案する。ここで二層とは、入力形式の違いではなく、生成AI活用における機能の違い（生成を駆動する技能／生成物を意味へ転換する技能）に基づく区別である。第一層であるプロンプトリテラシー（＝プロンプト／コンテクスト設計能力）は、生成AIから必要な情報や表現を引き出すための入力設計能力である。具体的には、目的の明確化、制約条件の付与、評価基準の提示、例示、参照情報の整理、反復による改善などを通じて、出力の品質と安定性を高める技能を指す。この層は、比較的汎用的な作法として共有しやすく、授業や研修においても手順・チェックリストとして教えやすい。

これに対し第二層である意味構成リテラシーは、生成AIの出力を「答え」として消費するのではなく、「検討可能な対象」として外在化し、理解・概念・論証へと転換する能力である。一般的な「批判的思考」や「情報リテラシー」と重なる部分はあるが、意味構成リテラシーはとりわけ、生成AIの生成物を対象に、外的表象（図・表・構造）を介して外在化→比較（差分）→再構成→正当化の循環を回す点を中核に据える。ここでは、(i) 前提・定義・射程の明示化、(ii) 反例・対立仮説・代替解釈の生成と比較、(iii) 外的表象としての固定化と差分検討、(iv) 根拠の形式（データ・論理・先行研究・価値判断）の明確化と正当化、といった対話操作が中心となる。意味構成リテラシーは、学習者や実践者の問題意識・専門性・評価基準に強く依存するため、プロンプトリテラシーのように一律の最適化問題としては扱いにくい。しかし、属人的だからこそ放置すべきではなく、むしろ「何を妥当と見なすか」「どこまで言えるか」を引き受ける能力として、生成AI時代の学びにおいて前景化する。

また、二層は直列に積み上がるだけではなく、往復する循環として働く。すなわち、意味構成の過程で明らかになった不足定義、見落としていた制約、必要な根拠や反例は、次のプロンプト／コンテクスト設計へとフィードバックされ、出力取得の方略そのものを更新する。この往復によって、生成AIの出力は単なる文章生成の結果から、検討と改訂を経た知識表現へと変換される。

この二層化の意義は、生成AI時代の典型的なリスク—すなわち、出力が容易に得られるがゆえに「解けた」ことと「分かった」ことが切り離され、理解が空洞化する—に直接対処できる点にある。プロンプトリテラシーのみを強化すると、「それらしい答え」を素早く得る能力は伸びる一方で、誤りの見落としや安易な権威付け、根拠なき一般化が生じうる。これに対し意味構成リテラシーは、出力の妥当性を点検し、概念の整合性を取り、射程と限界を明確化し、必要に応じて外的表象を改訂しながら再構成することで、理解の質を担保する。言い換えれば、前者が「生成AIから出力を得る力」だとすれば、後者は「生成AIの出力を材料に、学術的・教育的に責任ある知を作る力」である。

さらに、この枠組みは評価設計にも利点をもつ。プロンプトリテラシーは、条件遵守・目的適合度・再現性・出力品質などで比較的測定しやすい。一方、意味構成リテラシーは、定義の明確化、反例・対立仮説の提示、主張の射程限定、根拠タイプの明示、外的表象（図表・構造）の改訂、結論と根拠の接続の妥当性といった観点から、成果物や対話ログの分析に基づいて評価可能である。したがって、生成AI活用を「便利な生成技術」に留めず、学びと研究に資する形へと高めるためには、「プロンプトリテラシー／意味構成リテラシーの二層」を明確に区別し、とりわけ後者を教育目標として正面から扱う必要がある。これは、生成AIを“答えの供給装置”としてではなく、“意味構成を誘発し、吟味と正当化を促す対話相手”として位置づける試みであり、生成AI時代のAIリテラシーを再定義する基盤となる。
(初稿：20260127)