計算論的思考：AI時代に誰もが必要とする基本リテラシー

2006年、カーネギーメロン大学コンピュータサイエンス学部長であったJeannette Wingは、Communications of the ACMに3ページの論文を発表し、計算論的思考は読み書き算数と並ぶ全員の基本スキルであるべきだと論じた。コンピュータサイエンティスト専用の専門能力ではなく、すべての人に適用可能な問題解決の基盤的フレームワークだというのである。^[1] それから約20年、生成AIにより誰もがコンピュータに複雑なタスクを「指示」できるようになった今日、計算論的思考の重要性はさらに増している。世界経済フォーラムの『2025年雇用の未来レポート』は、分析的思考とテクノロジーリテラシーを最も急成長している核心スキルとして挙げている。^[8] しかし、計算論的思考とは正確には何か？プログラミングとどう違うのか？AIが私たちに代わってコードを書ける時代に、なぜこれまで以上に必要なのか？

1. 計算論的思考の4つの核心要素

ISTE（国際テクノロジー教育学会）とCSTA（コンピュータサイエンス教師協会）は2011年の共同定義で、計算論的思考を4つの核心要素を含む問題解決の思考プロセスとして特徴づけた^[3]：

分解

複雑な問題をより小さく管理可能な部分問題に分割すること。これは決してコンピュータサイエンスに限定されたスキルではない。医師が症状を分類して診断する時、プロジェクトマネージャーが大規模プロジェクトをマイルストーンに分ける時、シェフが複雑な料理を下準備のステップに分ける時、いずれも分解を行っている。計算論的思考の特徴は、この分解を体系化し、教えることができる形にすることにある。

パターン認識

問題やデータの中にある規則性や繰り返しパターンを発見すること。「毎月末の締め処理の時にシステムがクラッシュする」ことに気づく時、私たちはパターン認識を行っている。この能力はAI時代において特に重要である。AIは大量データの中の統計的パターンを検出することに長けているが、人間の役割はそのパターンが意味あるものか、それが単なる相関ではなく因果関係を反映しているかを判断することに移行している。

抽象化

無関係な詳細を無視し、問題の本質的特徴に集中すること。Wingは抽象化を計算論的思考の中で最も重要かつ最も困難な要素と考えた。^[1] 地図でナビゲーションする時、地図そのものが抽象化の一形態である。道路構造と距離情報を保持しつつ、建物の色や道端の木といった無関係な詳細を省略している。AI時代においては、AIシステムに適切な抽象化レイヤーを設計する能力——どの情報を保持しどの情報を捨てるかを決定する能力——がAIを効果的に活用するための重要なスキルとなる。

アルゴリズム的思考

問題を解決するための順序立てられた一連のステップを設計すること。アルゴリズムはコードと同じではない。レシピ、標準作業手順書、デシジョンツリーはいずれもアルゴリズムの日常的な表現である。計算論的思考は、漠然とした問題解決プロセスを明示的で、再現可能で、検証可能なステップの連なりに変換する訓練を行う。

2. PapertからWingへ：計算論的思考の知的系譜

計算論的思考の知的源流はWingの研究よりもはるか以前に遡る。MIT教授のSeymour Papertは1980年の著書『Mindstorms』で核心的な洞察を述べている。コンピュータは単なる計算ツールではなく「考えるための対象物」（objects to think with）であり、Logo言語でプログラミングすることで、子どもたちはコンピュータへの指示の出し方だけでなく、体系的に考える方法を学ぶのだと。^[2]

Wingの2006年の貢献は、Papertの教育的ビジョンを学問レベルの主張へと高めた。計算論的思考は単なる教授法ではなく、数学的推論や科学的方法と並ぶ基盤的な認知能力であると。彼女はこう記した：「計算論的思考は概念化であり、プログラミングではない……コンピュータサイエンティストが考える方法であるが、その価値はコンピュータサイエンスを超えて広がる。」^[1]

米国国立研究評議会は2010年のワークショップ報告書で計算論的思考の学際的価値をさらに確認し^[6]、Denningの重要な2017年の省察論文は計算論的思考の教育にはより精密な定義とより厳格な評価基準が必要であることを指摘した。^[4]

3. 台湾108課程綱要における計算論的思考

台湾の12年国民基本教育課程綱要（108課程綱要）は2019年に実施され、計算論的思考を科技領域内の核心的学習目標として正式に組み入れた。これは高等教育改革におけるコンピテンシー志向の転換の重要な構成要素である。^[7] 科技領域は「情報科技」と「生活科技」の2つのサブ領域に分かれている。情報科技は計算論的思考を核心的学習パフォーマンス指標とし、生活科技は「デザイン思考」を中心としている。

中学校段階では、基本的なアルゴリズム的思考、プログラミングスキル（例：Scratch、Python）、データ処理能力の育成が期待される。高校段階では、抽象化概念、データ構造、システム設計の基礎の理解がさらに求められる。この教育課程の設計は、コンピュータサイエンスを選択制の専門スキルから核心的な一般リテラシーへと転換させるグローバルな教育改革の潮流を反映している。

しかし、108課程綱要の実施にも課題がある。教師不足（多くの学校で非専門の教師がIT授業を担当している）、設備格差（都市部と地方の学校間でデジタルインフラに大きな差がある）、評価の困難さ（認知能力としての計算論的思考は従来の試験では評価が難しい）である。Brennan & Resnickが2012年に提案した三次元フレームワーク——計算概念、計算実践、計算的視点——はより包括的な評価の参考を提供している。^[5]

4. AI時代にこそ計算論的思考が求められる理由

一見逆説的な問いである。AIがすでに私たちに代わってコードを書き、データを分析し、アルゴリズムを設計できるのであれば、なぜまだ計算論的思考が必要なのか？

答えは、まさにAIツールを使うこと自体に計算論的思考が必要だという点にある。AIにプロンプトを作成する時、実際に行っているのは：分解（漠然とした要求を具体的な指示に分割する）、抽象化（どのコンテキスト情報を提供しどれを省略するかを決定する）、パターン認識（どのタイプのプロンプトがどのタイプの回答を生成するかを理解する）、アルゴリズム的思考（複雑な目標を達成するための多段階インタラクションワークフローを設計する）である。

つまり、AIは計算論的思考の重要性を変えたのではなく、それが適用されるレベルを変えたのである。かつて計算論的思考のアウトプットはコードであった。AI時代において、計算論的思考のアウトプットはAIの効果的なオーケストレーションである。計算論的思考を持たない人は、最先端のAIツールを手にしても最も表面的なレベルでしか操作できない。ピアノを所有していても片手の指一本で鍵盤を叩くことしかできないようなものだ。

5. 結論：「コードを学ぶ」から「考えることを学ぶ」へ

計算論的思考の核心的メッセージは一貫している。重要なのは特定のプログラミング言語を学ぶことではなく、構造化された思考法を養うことである。40年以上前のPapertの洞察——コンピュータは「考えるための対象物」である——はAI時代においてさらに深い裏付けを得ている。AIが「コードを書く」という実行レイヤーを引き受ける中で、人間に必要なのはまさにより強力な「思考」能力——問題を定義し、解決経路を設計し、AIのアウトプットの妥当性を判断する能力——である。

教育者にとってこれは、計算論的思考の教育を「ツールを教える」から「思考を教える」へとシフトすべきことを意味する。学生に特定のプログラミング言語やAIツールの使い方を教えるのではなく（それらは常に進化する）、問題を分解し、パターンを認識し、抽象化を構築し、プロセスを設計する方法を教えるべきである。これらの能力こそが、技術が急速に変化する時代においても真に持続する資産なのである。