| 生成AI |
入力されたデータの構造と特性を模倣し、文章、音声、画像、動画のような成果物を生成するAI。AI基本法第2条第5号の生成型人工知能 |
| ハルシネーション |
AIが事実と異なる内容や根拠のない内容をもっともらしく作り出す現象 |
| 指示文（プロンプト） |
AIに与える要求とコンテキスト。本書では目標、対象、形式、例、制約の5つの要素で説明します |
| 例示ベースの指示 |
望む結果の例を指示文に含めて形式や水準を導く方法。少数の例によって正確性と一貫性を高めます |
| 達成基準 |
教科ごとに児童・生徒が学習を通じて到達すべき知識、技能、態度を記した文章。国家教育課程情報センター（NCIC）で確認できます |
| 一次資料 |
事実の出所となる最初の資料。公的統計、法令原文、教育課程文書、史料など |
| リスクベースの検証 |
誤っていた場合の被害が大きい情報から確認する検証方式 |
| 固定観念 |
特定の集団に対して固定化した考え。AI教材の人物設定や役割の描写に現れやすいです |
| バイアスの3つのカテゴリー |
NIST AI RMFが分類した体系的バイアス、計算・統計的バイアス、人間認知的バイアス |
| 習熟度別教材 |
同じ学習目標を児童・生徒の習熟度に応じた異なる表現と足場かけ（ステップ）で提供する教材 |
| 公表された著作物 |
公衆に公開された著作物。著作権法（韓国）における授業目的利用および引用規定の対象 |
| 著作物 |
人間の思想または感情を表現した創作物（著作権法（韓国）第2条第1号） |
| 授業目的利用 |
著作権法（韓国）第25条第3項に基づき定められた学校・機関が、授業目的で公表された著作物の一部分を複製・公衆送信などすること |
| 補償金 |
授業目的利用に対して著作財産権者に支払う金銭。高等学校以下の学校における複製等には支払われません（第25条第6項） |
| 公衆送信 |
著作物を公衆が受信したりアクセスしたりできるように無線または有線通信で送信すること。学習プラットフォームへの掲載が代表例です |
| 引用 |
報道・批評・教育・研究などのために、正当な範囲内で公正な慣行に合致するように他人の著作物を利用すること（第28条） |
| 出所の明示 |
著作物を利用する際に出所を明らかにする義務（第37条）。授業目的利用にも適用されます |
| 高影響人工知能 |
人の生命、身体の安全および基本権に重大な影響を及ぼしたり危険をもたらしたりするおそれがあるAIであって、法律が列挙した領域で活用されるもの（AI基本法第2条第4号） |
| 児童・生徒評価領域 |
高影響領域のうち、「教育基本法（韓国）」第9条第1項に基づく幼児・初等・中等教育における児童・生徒の評価（第2条第4号ヌ目） |
| 人工知能開発事業者 |
AIを開発して提供する者（第2条第7号イ目） |
| 人工知能利用事業者 |
開発事業者が提供したAIを利用して製品やサービスを提供する者（第2条第7号ロ目） |
| 影響を受ける者 |
AI製品・サービスによって生命、身体の安全および基本権に重大な影響を受ける者（第2条第9号） |
| 事前検討 |
事業者が高影響AIへの該当性をあらかじめ検討する義務（第33条第1項） |
| 確認要請 |
高影響AIへの該当性を科学技術情報通信部長官に確認するよう要請すること。義務ではなく任意です |
| 人間による管理・監督 |
高影響AI事業者の措置の一つ。人間がAIの結果を検討し、是正できるようにすること（第34条第1項第4号） |
| 説明方策 |
技術的に可能な範囲で最終結果、主要基準、学習用データの概要を説明する方策（第34条第1項第2号） |
| 影響評価 |
高影響AIが人の基本権に及ぼす影響をあらかじめ評価すること。努力義務（第35条） |
| 事前告知 |
製品・サービスが高影響AIまたは生成AIに基づいて運用されているという事実をあらかじめ告知すること（第31条第1項） |
| 成果物の表示 |
生成AIの成果物に生成の事実を表示すること（第31条第2項） |
| 機械可読表示 |
人間ではなく機械が読み取れる方法による表示（電子透かしなど）。使用する際は生成の事実を案内文や音声などで1回以上提供しなければなりません（施行令第23条第2項） |
| 自動化バイアス |
自動化されたシステムの判断を人間が過度に信頼して従う傾向 |
| 長さバイアス |
採点ツールが内容にかかわらず長い答案に高い点数を与える傾向 |
| 非一貫性 |
同じ入力に対してAIが毎回異なる結果を出す性質 |
| プロンプトインジェクション |
入力の中に隠された指示がモデルの挙動を変えてしまう攻撃。外部資料を介したものは間接プロンプトインジェクション |
| 一致度点検 |
AIの採点スコアを教員の採点スコアと比較して、どれほど一致しているか、どこで異なっているかを確認すること |
| ルーブリック（採点基準表） |
評価項目と水準別の基準を整理した表 |
| 例示答案（アンカー） |
採点者たちが合意した水準別の代表答案。人間とAIの解釈を合わせるために使用します |
| 形成評価 |
学習の過程で理解度を確認し、フィードバックを与えるための評価。通常は成績に反映しません |
| 個人情報 |
生存する個人を識別できる情報。他の情報と容易に結合して識別できる情報を含みます（個人情報保護法（韓国）第2条第1号） |
| 仮名処理 |
追加情報なしには特定の個人を識別できないように、個人情報の一部を削除または代替すること |
| 匿名情報 |
時間・費用・技術を合理的に考慮した際、他の情報を用いてももはや個人を識別できない情報。個人情報保護法（韓国）は適用されません（第58条の2） |
| 情報主体 |
処理される情報によって識別できる人であって、その情報の主体 |
| 個人情報処理者 |
業務を目的に個人情報ファイルを運用するために個人情報を処理する機関、法人、団体、個人 |
| 最小処理 |
目的に必要な最小限の個人情報のみを収集・処理する原則（第3条） |
| 目的外利用 |
収集根拠の範囲を超えて個人情報を利用すること。個別の同意などの根拠が必要です（第18条） |
| 法定代理人の同意 |
満14歳未満の児童の個人情報処理に同意が必要な場合に得なければならない保護者等の同意（第22条の2） |
| 敏感情報 |
思想・信条、健康などプライバシーを著しく侵害するおそれがある情報。個別の同意や法令の根拠が必要です（第23条） |
| 委託・受託者 |
個人情報の処理業務を他者に委託することおよび受託した者。文書、公開、教育・監督が必要です（第26条） |
| 国外移転 |
個人情報を国外へ提供・処理委託・保管すること。法律が定める要件を満たす場合に行うことができます（第28条の8） |
| 漏えい等 |
個人情報の紛失・盗難・漏えい・偽造・変造または毀損。覚知した場合は情報主体に通知し、施行令が定める要件に該当する場合は報告（申告）します（第34条） |
| 学校生活記録 |
学校の長が作成・管理する児童・生徒の人的事項、学籍、出欠、教科の学習発達状況などの記録（初・中等教育法（韓国）第25条） |
| 児童・生徒関連資料の提供制限 |
学校生活記録と健康診断記録を児童・生徒（未成年者の場合は児童・生徒と保護者）の同意なしに第三者へ提供することを禁じた規定。監督・監査、上級学校の選抜、非識別化された統計・研究などの法定例外があります（初・中等教育法（韓国）第30条の6） |
| 学習利用 |
AIサービスが利用者の入力をモデルの学習や改善に使用すること |
| 保管期間 |
AIサービスが入力と対話記録を保管する期間。学習利用とは別の条件です |
| 機関契約アカウント |
学校や機関が契約によってデータ条件を定めたアカウント。同じ企業の個人向けアカウントと条件が異なる場合があります |
| AI判別器（ディテクター） |
文章がAIによって作成された可能性を推定するツール。児童・生徒を判断する根拠として用いるには信頼性に欠けます |
| オーサーシップ（著者性） |
文章のどの部分を誰が書いたのか、およびその内容に対する責任 |
| 許容レベル |
課題ごとに定めたAI利用範囲。本書では0（利用しない）から3（自由利用）までの4段階で説明します |
| AI利用記録 |
児童・生徒が使用したツール、日付、目的、主な質問、活用方法を記した記録 |
| 弁明（疎明） |
疑惑を持たれた者が自身の立場と事情を説明すること。学術・学習倫理手続きの中核段階です |
| データ不正操作 |
存在しない調査・実験結果を作り出したり（捏造・偽造）、実際の結果を恣意的に改ざんしたり（変造）すること |
| NIST AI RMF |
米国国立標準技術研究所のAIリスクマネジメントフレームワーク。中核はGovern、Map、Measure、Manageの4つの機能です |
| Govern（ガバナンス） |
組織内にリスク管理文化を醸成して実行する機能。他の機能全般にわたる横断的機能です |
| Map / Measure / Manage |
リスクのコンテキストを確立する機能 / リスクを分析・追跡する機能 / リスクにリソースを配分しインシデントに対応する機能 |
| UNESCO生成AI指針 |
UNESCOが2023年に発表した教育と研究における生成AIに関する指針 |
| UNESCO教員AIコンピテンシー・フレームワーク |
UNESCOが2024年に発表した、5つの次元・15のコンピテンシーと、習得・深化・創造の3段階からなる教員AIコンピテンシー・フレームワーク |
| パイロット運用 |
小規模な範囲で先行して運用し、効果と課題を確認すること |
| 成果指標 |
導入目的の達成状況を判断するための測定値 |
| ナレッジ資料 |
文書ベースのチューターが回答の根拠とする資料 |
| 検索拡張生成（RAG） |
質問に関連する文書を検索し、その内容を根拠として回答を生成する方式。ナレッジ資料ベースのチューターにおける一般的な構造です |