10大学の公開資料から見る教育 研究 ガバナンス 組織基盤
Educational Research Foundation（ERF／一般財団法人 総合教育研究財団）
調査基準日：2026年9月23日
版：Publication Version 1.0
編集日：2026年10月5日
位置付け：公開一次資料による探索的な国際比較。総合ランキングや、全学実装の監査結果ではない。
1 要旨
大学のAI活用能力を判断するには、教育・研究の目的、専門的判断、共通支援、説明責任、実践からの改善がどのように結び付いているかを確かめる必要がある。本稿は、英国5大学の教育実装比較を基礎に、5か国10大学の公開資料を6軸で比較し、大学の執行部と教育研究担当者が制度・支援体制を検討するための論点を示す。
比較軸は、Assessment（学習評価）、Curriculum（教育課程）、Teaching Practice（授業実践）、Governance（意思決定・説明責任）、Research（研究での活用・研究基盤）、Institutional Capability（組織的実行基盤）である。
本稿でいうInstitutional AI Capability（大学としてのAI活用・統合能力）は、教育・研究上の目的を定め、必要な専門性・情報・技術・資源を組み合わせ、AI利用の妥当性と成果を検証し、組織として継続・修正できる能力を指す。これはERFが今回の比較のために設定する作業定義であり、既成の国際認証基準ではない。
比較対象は英国のOxford、UCL、King’s College London、Manchester、Edinburghに、米国のArizona State University（ASU）とUniversity of Michigan、スイスのETH Zurich、シンガポールのNational University of Singapore（NUS）、日本の東京大学を加えた10大学である。
現時点で確認できる特徴は、Oxfordの支援拠点と研究利用方針、Michiganの共通基盤と研究者支援、ASUの提案募集と実装・評価支援、NUSの全新入生対象のAI教育と利用承認制度、ETHの研究開発と教育システム運用の接続などである。既存の英国比較も、Manchesterの教育評価制度だけでなく全学AI戦略組織、King’sのPAIRだけでなく研究倫理支援までを捉え直す必要がある。[O2–O4, M1–M3, K1–K3, US1–US8, CH1–CH4, SG1–SG4]
大学運営への示唆は、教育・研究・情報部門の責任分担を明確にし、共通の利用環境と専門支援を重点的な実践に結び付け、その検証結果を次の設計と資源配分に戻すことである。これは比較から導く提案であり、各大学で効果が実証された共通手順ではない。
アクセスの提供、規則の制定、科目設計、実施報告、学習・研究成果の改善は別々の証拠である。今回の資料から、10大学のどこかを「全学のAI統合が完成した大学」と認定することはできない。
2 枠組みと調査方法
2 1 6軸の定義
| 軸 | 比較する能力 | 主な観察項目 | それだけでは十分でない証拠 |
|---|---|---|---|
| Assessment／学習評価 | AIの利用条件と、学生自身の理解・判断を評価できる | 課題別条件、本人の遂行能力、過程記録、採点基準、AI採点の監督 | 利用許可・禁止の宣言だけ |
| Curriculum／教育課程 | AIを学習成果と専門教育の進行に位置付ける | 共通基礎、分野別到達目標、学年進行、科目と評価の対応 | 一般研修やAI専門学位の存在だけ |
| Teaching Practice／授業実践 | 教員・学生が実際の学習活動を設計・実施・改善する | 演習、対話、助言、フィードバック、授業内検証 | 製品機能や将来の授業計画だけ |
| Governance／意思決定・説明責任 | 誰が許可・監督・修正し、責任を負うかを定める | 全学と部局の権限、利用審査、研究倫理、データ管理、異議申立て | 倫理原則や委員会名だけ |
| Research／研究での活用・研究基盤 | 各分野の研究者がAIを適切に利用し、成果を検証できる | 研究工程、分野横断支援、再現可能性、専門人材、研究者育成 | AI論文数、著名研究者、計算機保有だけ |
| Institutional Capability／組織的実行基盤 | 方針と個別実践を継続的に支える | 利用基盤、専門職、研修、継続財源、導入支援、利用・効果検証、移行能力 | ライセンス数、単発イベント、試行件数だけ |
総称のInstitutional AI Capabilityと第6軸が循環しないよう、第6軸は「組織的実行基盤」に限定する。Governanceは権限・責任・判断手続、第6軸はその判断を実行する人材・資源・運用を扱う。
Researchでは、①AIそのものを開発・解明する研究、②AIを各分野の研究方法として使う実践、③その利用を支える組織的サービスを区別する。国際比較の中心は②と③であり、①は関連する背景として記録する。自然科学だけでなく、人文・社会科学と研究管理も対象に含める。
2 2 共通の判定方法
各主張について、次の4点を別々に記録した。
1. 対象範囲：全学／部局／プログラム／科目／個人。
2. 状態：方針・設計／試行／実施報告／継続運用／成果検証。
3. 証拠水準：A＝当該事実を直接示す一次資料、B＝強い二次資料、C＝限定的自己報告・示唆、D＝未確認。
4. 時点：資料の公表・更新時点、対象年度、確認日。原調査の資料確認日は2026年9月23日である。
大学公式のニュースは、発表や具体的な活動の記録としては一次資料でも、教育効果や研究生産性の改善を独立に実証するものではない。効果に関する自己評価はCとする。Dは不存在やゼロ点を意味しない。
軸ごとの点数、重み、総合点は設定していない。公開情報の量や大学の広報力によって順位が決まることを避け、何がどの範囲で確認できるかを比較する。とくに「Researchが高いからAssessmentの不足を補える」といった相殺は行わない。
2 3 対象選定と探索範囲
英国5校はERFの既存比較を継承。追加校は、大学運営とAIの接続の異なる仕組みを検討できる目的抽出とした。ASUは組織的な試行支援、Michiganは共通サービス、ETHは研究・技術開発と教育、NUSは共通教育と制度、日本は東京大学を比較の接点とする。各国の平均像を推定する標本ではない。
既存原稿『英国主要5大学における生成AIの教育実装』Publication v2.1（基準日2026年9月6日）を読み、その訂正と留保を継承した。大学公式ドメインを優先し、generative AI / AI strategy / governance / research support / assessment / curriculum / course / syllabus / PAIR / ELM / Maizey / CreateAI、および「生成AI」「授業」「評価」「シラバス」を組み合わせた。公式方針、サービス案内、原著、科目カタログ、担当者による報告を目的抽出した。
全シラバスの網羅調査ではなく、各大学で同数の科目を無作為抽出した調査でもない。学内限定資料、実際の提出物、会計記録、契約書、利用ログへのアクセスは行っていない。検索要約だけの資料を主要結論に用いていない。
3 教育実装の比較
「設計」と記したものは、実施・採点の完了を意味しない。「実施報告」は原則として当事者による記録である。
| 大学 | Assessment | Curriculum | Teaching Practice |
|---|---|---|---|
| Oxford | 評価課題では事前書面許可が必要。研究利用は別方針 | Foundation Yearの学習支援事例。全学の学習成果への統合は未確認 | Astrophoria Physical Sciencesで2024–25年度に対話型復習等を試行したとの報告 [O1,O5] |
| UCL | 3分類は任意の支援資源。担当教員が課題条件を明示 | 医学系のAI出力批判課題は限定された学生集団の事例 | AI生成の科学的出力を学生が批判的に評価した原著研究。全学効果は示さない [U1,U2] |
| King’s | 課題に適した利用と申告を明確化。PAIRで過程・省察を設計 | PAIRを既存課題に組み込む共通方法 | 2023–24年度に19超モジュールで試行と報告。現在の継続数は未確認 [K1,K2] |
| Manchester | 全総括的評価の4区分が9月1日施行。全課題への反映完了は未確認 | 初年度は既存課題の分類を優先し、学習成果の一斉変更を求めない | MATS16402でAI利用・対話記録・省察を伴う課題の実施報告 [M1,M4] |
| Edinburgh | BIME10082ではポスター課題内にAI利用過程の評価を規定 | 同科目で適切なAI利用を学習成果に明記 | ELMと学生の調査を組み合わせる2026–27年度の設計。実施成果は未確認 [E1] |
| ASU | 科目別のシラバス条件・評価設計を支援。統一必須区分の確認には至らず | 科学哲学・学術論文作成など既存科目でのAI活動を報告 | IBC633の模擬患者、German101の任意の会話練習、哲学の対話課題等を2024年に報告 [US7,US8] |
| Michigan | 教員の専門的判断で条件を定め、シラバス・課題時に周知 | AIリテラシー支援はあるが全学必修化は今回未確認 | Maizeyで教材に基づく学習支援を構築した教員報告。Canvas連携も提供 [US4,US5,US6] |
| ETH Zurich | 教員が利用条件を明示、学生が使用を申告。Ethelでは人間の監督を伴う評価支援を研究開発 | 科目目標の見直しを推奨し、Innovedumで教育開発を支援 | Ethel Classicの教材チャット・手書き課題への助言。新世代は試行段階 [CH1,CH2,CH3] |
| NUS | 非監督下課題は申告を伴うAI利用を原則許可。禁止する評価は適切な監督環境を用意 | THE1008を2026–27年度から学部新入生全員の必修と発表 | THE1008の試行演習を報告。全員の修了・能力到達は未確認 [SG1,SG2] |
| 東京大学 | 授業・課題別に教員が方針を設定。51292では探究ジャーナル等を評価する設計 | 2026年度「AI時代の探究的な学習を考える」でAI利用と学習過程分析を到達目標化 | 生成AIとの対話、判断変更、支援要請を記録する秋学期の授業設計。実施済みとはしない [JP1,JP2] |
補足：NUSのCP4285の公開科目サイトでも、プロジェクト・持帰り課題での条件付き利用と、小テスト・期末試験の禁止が区別されている。ただし教員管理の外部ホスト資料であり、全学方針の認定には大学公式PDFを用いた。[SG5]
既存比較の重要な留保も維持する。King’sの政治経済学科目の配点付き設計を実施済みと読み替えず、Edinburghの20％を科目全体の配点としない。UCLのAI Co-Creators支援件数を現行のAI統合科目数としない。
4 ガバナンス 研究 組織基盤の比較
| 大学 | Governance | Research | Institutional Capability |
|---|---|---|---|
| Oxford | AI Governance Groupと支援拠点の役割を区別。研究利用方針あり | 実質的利用の検証・記録・申告を研究工程に位置付ける | AI Competency Centre、全学ツール提供、研修、相談、AI Ambassador網 [O2–O4] |
| UCL | 承認ツールの管理環境と課題設定者の責任を確認。全学AI専用の最終決裁構造は今回未確定 | ARCが計算・データ・ソフトウェアの研究支援。SOFAIRは基盤AI研究 | 教育支援、ARC、AI@UCLの機能を確認。これらの予算・審査の一元的接続は未確認 [U1,U3–U5] |
| King’s | 全学・部局・教員の層別ガイダンス。研究倫理部門とAI Instituteが連携 | Doing Science Well with AIの下で研究者向け倫理ワークショップを実施 | PAIRという共通設計方法と、研究者育成・学際連携を支える拠点 [K1–K4] |
| Manchester | University AI Strategy Groupと研究・業務・倫理等の組織を公表。教育戦略グループはOn-hold表示 | Research AI Strategy Groupが基盤・資金・分野横断連携を任務とする | AI Hub、承認ツール、研修、Pathfinderの導線。実績詳細は学内限定部分あり [M2,M3,M5] |
| Edinburgh | 中央の現行ガバナンス文書は取得制限があり、決裁構造の認定を留保 | SOFAIR参加は確認。全学の研究AI利用支援の詳細は未確定 | ELMと専用サポート。AskEdHelpでは利用者テストと修正の報告 [E2,E3,U5] |
| ASU | AI Advisory CommitteeはCIO等に助言。Faculty Ethics Committeeは倫理設計を支援 | AI Innovation Challengeに研究用途を含め、共通技術基盤を提供 | CreateAI、開発支援、採択案件の成果報告要件。評価機能の存在と効果実証は別 [US7,US9–US12] |
| Michigan | ProvostとCIOが共同で教育AI検討を支援。研究利用・データ管理のガイダンス | MIDASが研究相談につながる資源、研修、研究交流を提供 | U-M GPT、Maizey、GPT Toolkitを共通サービスとして提供し、授業接続を支援 [US1–US3,US6] |
| ETH Zurich | 教育担当部門・中央IT・情報セキュリティの役割を確認 | AI Centerの学際連携とApertus共同開発。一般研究者の利用成果とは区別 | 教育開発資金、中央ITの教育用AI基盤とEthelの研究開発を区別 [CH2–CH6] |
| NUS | AI-COPの下に方針作業部会。AI指導・助言・採点に部局等の事前承認を規定 | AI-for-Scienceの4採択事業でAI専門家と分野研究者を組み合わせる | 共通AI教育、大学管理のツール環境、IT部門・図書館の連携を確認 [SG1–SG4] |
| 東京大学 | 全学方針と教員裁量、情報システム本部の提供方針。詳細セキュリティ文書は学内限定 | BOOST NAISの博士人材育成、工学系AIイノベーション研究センター等 | Gemini・Copilot Chat、UTokyo Azure等を公式案内。全学の継続予算・成果検証との接続は未確認 [JP1,JP3–JP6] |
東京大学のツール提供状況は、閲覧した公式ページが明記する2026年3月時点の説明である。9月23日の全契約状態を独立に照合したという意味ではない。情報の古さを比較表から消さない。
5 国際比較で意味のある相違
5 1 Oxford 慎重な評価原則と、積極的な支援は両立する
Oxfordでは、学生の評価対象物に対する明示許可原則と、全学のAI活用支援が併存する。AI Competency Centreは支援・相談・研修を担い、政策決定そのものは担わないと明記する。2025年活動報告ではAI Ambassadorが160人超、90超の部局・カレッジに広がったと報告する。これは支援網の広さを示すが、教育変革や利用熟達度を直接測った値ではない。[O1–O3]
研究方針では、AIを使った研究とAI自体の研究を区別し、実質的な研究利用に検証・記録・説明責任を求める。支援基盤と研究の質保証を結び付けて読むべき事例である。[O4]
5 2 Michigan 専門家でない利用者も使える共通サービス
U-Mのサービスは、対話利用、独自教材・データを使うMaizey、開発者向けAPIのGPT Toolkitという異なる利用層に対応する。MIDASの研究支援と教員の教材利用を併せて確認できる点が重要である。[US1–US3]
教員報告には、資料の整形や誤答への対応など運用上の手間も記されている。基盤があれば自動的に良い授業になるという解釈は支持しない。[US5]
5 3 ASU 提案から実装、成果報告へ進める仕組み
ASUでは、部局・教員等から課題を募るAI Innovation ChallengeとCreateAIの組合せが確認できる。採択案件には成果の文書化を求めている。個人の試行を組織が支援する仕組みの証拠である。[US9–US12]
模擬患者、語学会話、哲学的対話などの実践例は、分野に応じた使い分けを示す。ただし大学ニュース中の肯定的評価を、対照群を伴う学習効果の実証と読み替えない。2024年の実施報告を2026年の全科目への普及率にも換算しない。[US8]
5 4 NUS 学生への共通基礎と、教員側の責任を同時に制度化
THE1008の全新入生必修化は、一般的な利用案内より強い教育課程上のコミットメントである。初年次の共通基礎から専門分野の能力へ進む方向が示されるが、卒業時までの全プログラムへの実装完了はまだ認定できない。[SG2,SG3]
2026年9月15日版の方針では、AIによる教育サービスにも承認と責任を求める。学生の不正使用だけを管理対象にしていないことが比較上の特徴である。4つのAI-for-Science事業の採択は研究投資の証拠であり、発見の加速が実証されたという意味ではない。[SG1,SG4]
5 5 ETH 教育研究開発と本番サービスの区別
ETHは教育用AIの実験をEthel等で進め、中央ITのサービスと区別している。9月2日更新のEthelページは、Ethel Classic、新世代の試行、中央ITが本番運用するMoodle連携基盤を説明する。[CH3]
一方、上位のProjectsページには5月時点のMVP・広範提供前という説明が残る。本稿では新しい詳細ページの説明を優先し、「中央ITによる本番運用と記述されるが利用範囲は未確認」と判定する。両記述から全学導入の正確な日付を推定しない。[CH2,CH3]
Apertusの共同開発はAI技術の研究開発と開放性に関する実績である。大学構成員全体のAI活用能力とは分けて評価する。[CH6]
5 6 東京大学 具体的な科目設計と、全学接続は別に検証する
東京大学の2026年度科目51292には、AIとの対話だけでなく、問いの変化や判断の変更を記録・分析する設計がある。英国の過程・省察重視の事例と共通の比較対象になり得る。ただし秋学期の公開シラバスは設計証拠であり、実施と効果を証明しない。[JP2]
研究組織、博士人材育成、共通ツール案内も存在する。それらを全学の責任分担、教育課程、専門職配置、予算、検証とどう結び付けているかは追加確認が必要である。公開資料から接続を確認できないことを「組織能力が低い」「日本全体が遅れている」という結論にはしない。[JP3–JP6]
6 大学運営への示唆とERFの分析
以下は、確認した事実を基にしたERFの分析・提案であり、各大学の公式な自己評価ではない。
6 1 比較の焦点となる6軸の接続
6軸を独立した項目として埋めるだけでは、組織能力は測れない。実質的には次の関係を見る必要がある。
| 接続 | 比較上の問い | 今回参照できる事例 |
|---|---|---|
| Governance → 教育実践 | 利用を認める責任者と、実践を支える担当者が明確か | NUSの承認手続、Manchesterの評価分類 |
| 組織基盤 → 授業 | 共通ツールを科目の教材・支援に組み込めるか | MichiganのMaizey、ETHの教育基盤 |
| 組織基盤 → 研究 | 分野研究者が専門支援を受けてAIを使えるか | Michigan MIDAS、UCL ARC、Oxford支援拠点 |
| 実践 → 検証・改善 | 結果や失敗が、次の設計や資源配分に戻るか | ASUの成果報告要件、EdinburghのAskEdHelp利用者テスト |
| Curriculum ↔ Assessment | 育てたい能力と、確かめる課題が対応しているか | Edinburgh BIME10082、東京大学51292の設計 |
これは強みの型を捉える分析であり、大学を排他的なカテゴリーに固定するものではない。同じ大学に複数の仕組みが併存する。
6 2 全学共通の条件と分野ごとの判断
データ保護、責任者、最低限のアクセス、調達・審査、事故対応は全学共通化の意義が大きい。一方、どの能力をAIなしで確かめるか、専門分野で何を適切な利用とするかは、科目・研究分野の判断が欠かせない。中央集権か分権かの二択ではなく、共通条件の下で専門的判断を可能にする設計が比較の要点になる。
6 3 学生と研究者ではAI利用の目的が異なる
学生にとって課題を遂行する過程そのものが能力形成の機会である。研究者にとっては、妥当な方法による新しい知識の獲得が中心となる。したがって、学生の評価でAI利用を制限しつつ、研究では検証と記録を条件として活用を支援する組合せには合理性がある。博士課程は研究成果と研究者としての能力形成を併せて扱う必要がある。
6 4 能力の証拠と成果の証拠を分ける
全学アクセス、研修参加、採択プロジェクト、共通必修科目は、能力形成の条件や活動の指標である。成果を判断するには、学習到達、誤りの検出、研究の再現可能性、教職員の作業負担、費用、利用格差などを別途測らなければならない。
AI導入後の速度だけでなく、出力の検証・修正に要する時間まで含める。AIを使わない方が適切と判断できること、問題のある利用を中止・修正できることも、組織能力の一部とする。
6 5 日本の大学に移せるのは、製品名より運用の仕組み
今回の対象はいずれも相応の資源を持つ大学である。独自の大規模モデルや計算設備を持つことを一般大学の必須条件にすると、研究目的や規模の違いを無視してしまう。共同調達、クラウド利用、大学間の専門人材共有でも、目的に適した能力を構築できると考えられる。
日本の大学には、①教育・研究・情報部門の責任分担、②承認された利用環境、③重点科目・研究チームへの実装支援、④利用者と専門職が行う検証、⑤結果に基づく翌年度の資源配分、という一続きの仕組みが検討対象になる。これは今回の知見から導く提案であり、各校で実証済みの普遍的な成功手順という意味ではない。
7 次の比較調査に使う確認指標
今後の聞き取り・内部資料確認では、同じ定義・母数・期間を用いる。以下は今回測定した数値ではなく、ERFが提案する確認項目である。
| 軸 | 具体的な確認項目 | 取得する証拠 |
|---|---|---|
| Assessment | 対象課題のうち利用条件が明示された割合。本人の理解を確かめる仕組み。AI採点の人間確認 | 課題要項の層化抽出、採点基準、審査記録 |
| Curriculum | 必修・選択の区別、対象学生比率、共通基礎から専門への進行、到達確認 | カリキュラムマップ、科目承認書、能力評価 |
| Teaching Practice | AI利用の目的、実施頻度、教員負担、学生の反応、継続・修正状況 | 授業記録、担当者面談、利用ログ、学生調査 |
| Governance | 誰が承認・停止できるか。分野・部局・中央の分担。苦情と異議申立て | 規程、権限表、会議記録、審査様式 |
| Research | 研究工程への利用、記録・再現可能性、分野別支援、若手研究者育成 | 研究計画、方法・コード・記録、支援案件の追跡 |
| 組織的実行基盤 | 継続予算、専門職FTE、利用対象・実利用、総費用、支援待ち時間、移行可能性 | 予算・人員計画、サービス実績、契約・出口方針 |
母数が異なる数字は比較しない。たとえばアカウント数と月間実利用者数、採択事業数と稼働科目数、研修の延べ参加数と修了者数は別の指標である。大学の規模、学問構成、教育使命、財源、法制度を背景変数として記録する。
8 比較の限界と資料の時点
| 項目 | 今回の扱い |
|---|---|
| 比較対象の拡張 | 英国5校を維持し、5校を追加。国別平均・世界順位とはしない |
| 比較概念の拡張 | 教育実装から、研究利用・責任分担・継続的実行基盤へ |
| Oxfordの実施時期 | 中央の事例ページがFoundation Yearを2024–25年度と明示。旧稿の時期不明を補えるが、9月以降の新規実践ではない |
| UCLの研究体制 | 9月11日付ニュースでSOFAIR Labの開所を確認。これはAI基盤研究で、全学の研究利用普及と同一視しない |
| NUSの教育方針 | 検索で見つかった旧パスは404。別の公式PDFの現行版は9月15日。条文を確認したが旧版との全文差分は未検証 |
| ETHの基盤 | 5月の上位案内と9月2日の詳細ページの記述を併記。後者を優先し、運用開始日・普及率は未確定 |
| Manchesterの戦略体制 | 公開ページはTeaching and Learning Strategy GroupをOn-holdと表示。教育活動全体の停止と解釈しない |
| 東京大学の提供状況 | 現行案内が記す2026年3月の時点を保持。全学契約の9月時点での完全確認ではない |
Edinburghの中央案内・Senate資料は403等により本文を取得できなかった。大学の別の公式資料でELM、利用者テスト、科目仕様、共同研究への参加を確認したが、中央ガバナンスの詳細を推測で補っていない。UCLのAI@UCL案内も、確認範囲は管理環境の説明であり、公開開始日や全員への適用範囲の完全確認ではない。
本稿が比較するのは、公開資料で確認できる制度・仕組みの違いである。内部予算・利用率・成果に基づく総合的能力評価には追加証拠が必要であり、現時点で数値ランキングを付す根拠はない。
9 結論
Institutional AI Capabilityは、教育・研究の目的に沿ってAIを使い、その妥当性を確かめ、組織として継続・修正できる能力として捉える必要がある。10大学の比較は、共通サービス、教育課程、利用承認、研究者支援など、異なる制度と実践の組合せを示した。一方、公開資料だけから全学への普及や成果を一律に認定することはできない。
大学の執行部・教育研究担当者にとっての検討課題は、6軸の取組を列挙することにとどまらない。誰が判断し、誰が実践を支え、何を証拠として改善につなげるかを明確にすることである。次の比較では、共通の定義・母数・期間を用い、学習到達、研究の妥当性、負担、費用、利用格差まで検証する必要がある。
付録A 主要主張の証拠記録
表のAは、その制度・設計・報告の存在を直接確認したことを指す。大学全体への普及や効果の認定とは異なる。
| 主張ID | 対象・範囲・状態 | 根拠と時点 | 水準・限界 |
|---|---|---|---|
| O-A | Oxford評価対象物の事前許可／全学原則 | O1、2026-04-27更新 | A／個別課題の運用は未監査 |
| O-GI | 支援センターと統治組織の役割分担／全学支援 | O2、日付不明。O3、2025年活動報告 | A／利用者能力・効果は未確認 |
| O-R | 研究での実質的利用の方針／全学 | O4、日付不明 | A／履行状況は未確認 |
| O-T | Foundation Yearの学習支援／限定実施報告 | O5、対象2024–25年度 | A（報告）、効果C |
| U-A | 3分類は義務的制度でない／全学ガイダンス | U1、日付不明 | A |
| U-T | AI出力の批判的評価／単一集団 | U2、2026年受理稿 | A（原著の実施報告）／全学・因果効果へ一般化不可 |
| U-RI | ARCの支援機能、AI@UCL管理環境 | U3,U4、日付不明 | A／両者の一元的運営はD |
| U-R | SOFAIRの開所と参加大学／共同事業 | U5、2026-09-11 | A（発表・開所）／研究成果は未確認 |
| K-CT | PAIRの19超モジュール試行 | K1、対象2023–24年度、2025-04更新 | A（報告）、効果C／現在の継続率D |
| K-GR | 研究倫理ワークショップ | K3、2026-03-13、対象2025年秋 | A（活動報告）／全研究者の行動変化はD |
| M-A | 全総括的評価の4分類 | M1、2026-06-01、9月1日施行 | A（制度）、全課題反映D |
| M-GR | 全学・研究等のAI戦略組織 | M2、日付不明 | A（公表体制）／委員会の実効性D |
| M-T | 材料科学科目での実践 | M4、実践年度等は既存稿でも確認 | A（担当者報告）、効果C |
| E-AC | BIME10082のAI学習成果・過程評価 | E1、2026–27年度 | A（設計）、実施結果D |
| E-I | ELM支援、AskEdHelp改善 | E2,E3、AskEdHelp開始2024年と記載 | A（サービス・テスト報告）／全学効果D |
| US-M | Michigan共通基盤・研究支援・統治 | US1–US3、現行ページ・日付不明 | A（サービス・方針）／利用普及率D |
| US-MT | Maizeyの授業利用 | US5、2025-07-25公開、7月30日更新 | A（本人報告）、効果C |
| US-A | ASUの模擬患者・語学等 | US8、2024-08-27 | A（実施報告）、効果C／2026年継続範囲D |
| US-AGI | ASU委員会・基盤・報告要件 | US9–US12、現行ページ・日付不明 | A（制度・機能説明）、実効性C/D |
| CH-GT | ETH教育方針とEthel | CH1、2024-12更新。CH3、2026-09-02更新 | A／本番基盤の普及率D |
| CH-R | AI CenterとApertus | CH4、設立2020年。CH6、2025年報告 | A（組織・共同開発）、一般研究者普及D |
| SG-AG | NUS教育AI方針 | SG1、2026-09-15版、pp.1–4 | A／制度の運用実績D |
| SG-CT | THE1008全新入生必修・試行 | SG2、2026–27年度 | A（発表・試行報告）、全員修了D |
| SG-R | AI4Sの4採択事業 | SG4、2026-06-16開始の8事業中4事業 | A（採択・計画）、成果D |
| JP-A | 教員裁量と利用条件の明示 | JP1、2023-04-28付 | A／各科目への徹底D |
| JP-AC | 科目51292の探究過程評価 | JP2、2026-09-17更新、A1/A2 | A（設計）、実施成果D |
| JP-I | 全学ツール・開発環境の案内 | JP3、記述時点2026-03 | A（その時点の案内）、9月全契約状態D |
| JP-R | 博士人材育成と研究センター | JP5、2026年秋募集。JP6、7月1日開設 | A（事業・組織）、全学研究支援普及D |
付録B 出典
資料確認日は原調査の記録に基づき2026年9月23日とする。日付不明の資料に公表日を推定付与していない。書誌・該当箇所は上の証拠記録と対応する。
Oxford
O1. Guidance on safe and responsible use of GenAI. Assessment、Use in research。2026-04-27更新。
O2. About: AI Competency Centre. What We Do / What We Don't Do。日付不明。
O3. AI Competency Centre: 2025 in Review. AI Ambassador、Training、Governance。対象年2025。
O4. Policy for using generative AI in research および FAQs. Scope、研究記録・検証。日付不明。
O5. Generative AI case studies. Astrophoria Foundation Year。対象2024–25年度。
UCL
U1. Three categories of GenAI use in assessment. Guidance。日付不明。
U2. Tam, A., Abraham, D., Williams, A. (2026). Integrating Generative AI Into University Coursework Assessments – a Student Perspective. 公式リポジトリのAbstractを確認。詳細な方法は既存v2.1の原著本文確認に依拠。In press表示。
U3. Advanced Research Computing. 役割・支援・教育。日付不明。
U4. UCL's AI guidance. Privacy and data use。日付不明。
U5. National AI research lab based at UCL opens. 2026-09-11。
King’s College London
K1. PAIR framework guidance. §3。2025-04更新。
K2. Macro-level: University-wide principles and policy. Governance、申告、学生支援。2025-04更新。
K3. Anticipate, Reflect, Engage, Act: Exploring Generative AI and Research Ethics at King's. 2026-03-13。
K4. About us: King’s Institute for Artificial Intelligence. 日付不明。
Manchester
M1. AI in Teaching and Learning Policy approved – what you need to do. 2026-06-01、9月1日施行。
M2. AI Transformation Programme. 各Strategy Groupの役割。日付不明。
M3. University AI Guidelines. 所有者・版履歴、関連技術基準への案内。2026-04-21更新。
M4. Using Artificial Intelligence in Teaching and Learning Practices. 材料科学科目と教員報告。公開日不明。
M5. AI Hub および AI Pathfinder. 公開サービス導線。詳細の学内SharePointは未閲覧。
Edinburgh
E1. Early detection and prevention of cancer, BIME10082. 2026–27年度。Assessment、Feedback、Learning Outcomes。
E2. Generative AI systems and ELM. Informatics公式案内。日付不明。
E3. How do students respond to AI in an enquiry service? What we learned testing AskEdHelp. 公式担当部署による方法・検証報告。本文はサービス開始を2024年とする。
米国
US1. Michigan. ITS AI Services. 現行サービス案内、日付不明。
US2. Michigan MIDAS. Generative AI Hub. 現行の支援機能。未来のイベントを実施実績には数えない。
US3. Michigan. Artificial Intelligence Committee Reports および Conducting Research with AI. 委員会の任務、研究での検証・報告。報告の提案を施行済み規則とはしない。
US4. Michigan. Course Policies & Syllabi Statements. 担当教員の判断と学生への周知。日付不明。
US5. Carpenter, L. Maizey in My Classroom. 2025-07-25公開、7月30日更新。
US6. Michigan Provost. Making AI Work for Educators: a U-M Generative AI Update. 授業と共通基盤の接続。本文の相対的時点表現を現在の金額・普及数として転記していない。
US7. ASU Provost. Teaching and learning with generative AI. 授業設計、利用支援。日付不明。製品機能表の数値・技術解説は本稿の根拠に採用していない。
US8. ASU News. AI-powered educational experiences underway at ASU. 2024-08-27。
US9. ASU. AI Innovation Challenge. 成果報告要件。日付不明。
US10. ASU. Technical Foundation. CreateAIの運用・評価機能の説明。日付不明。
US11. ASU. Faculty Ethics Committee on AI Technology. 委員会の役割。日付不明。
US12. ASU. AI Advisory Committee. Scope。日付不明。
ETH Zurich
CH1. AI in Teaching and Learning. 学生・教員の責任と評価。2024-12更新。
CH2. Projects. Innovedum、AI Platformの2026-05時点の記述。
CH3. R&D Project Ethel. 2026-09-02更新。中央IT基盤と研究開発の区別。
CH4. About Us: ETH AI Center. 設立2020年、学際的役割。
CH5. New guidelines for the safe use of AI at ETH Zurich. 2025-09。情報セキュリティ部門の役割。
CH6. Annual Report 2025: Strategy. 2025年9月のApertus共同公開。
NUS
SG1. Policy for the Use of AI in Teaching and Learning. 2026-09-15版。pp.1–4、特に§2.4・2.5。
SG2. Fostering an AI-fluent generation: NUS equips students to use AI well. THE1008の必修化と試行。2026–27年度対象。
SG3. NUS powers education, research and administration to new heights with AI through a strategic collaboration with OpenAI. 2026年8月の発表、8月31日提供開始予定の記述。全員の実利用は未確認。
SG4. AI for Science: NUS leads cutting-edge research with 4 major AI-based projects. 2026-06-16の事業開始を記録。国の総予算をNUSへの配分額としない。
SG5. CP4285: Modern Recommendation Systems — Grading. 教員管理の科目ページ。年度・適用時点は今回未確定。全学規則の根拠には用いない。
東京大学
JP1. AIツールの授業における利用について（ver.1.0）. 2023-04-28付。
JP2. 全学自由研究ゼミナール「AI時代の探究的な学習を考える」. 2026年度、A1/A2、9月17日更新。目標・評価方法。
JP3. 生成AI関連情報. サービス説明は2026-03時点と明記。
JP4. 当面の全学構成員向け生成AIサービス提供方針について. 2024-03-27。運用・費用負担の検討を示す歴史的資料。現在の製品提供はJP3を優先。
JP5. BOOST NAIS. 2026年秋の博士課程入学者向け募集。全学の博士学生が応募対象であることと全員への支援を区別。
JP6. AIイノベーション研究センター. 工学系研究科。2026-07-01開設。全学の汎用研究支援サービスとはしない。