PISA2025を読む——3分野すべてOECD加盟国1位、AI利用は38か国中38位
カテゴリ
2026年9月8日、OECD（経済協力開発機構）が「PISA2025」の結果を公表しました。国内の報道では「日本、OECD加盟38か国のトップ」「学校でのAI利用頻度は最下位」という2つの見出しが並んでいます。同じ日、文部科学省と国立教育政策研究所も41ページの資料「PISA2025のポイント」を公表しました。この一次資料を読むと、2つの見出しの間には、順位表だけでは見えない数字がいくつも挟まっています。読解力は前回から有意に低下していること、下がったのは下位層に集中していること、そして「AIを使っていない」の中身が単なるICT環境の不足ではないこと——教材・問題制作の現場の視点で読み解きます。
PISA2025は何が変わったのか
91か国・地域、日本は高校1年生約6,500人
PISAは、義務教育修了段階の15歳が持つ知識や技能を、実生活の課題にどれだけ活用できるかを測る調査です。今回は91か国・地域から約76万人が参加しました。日本からは、全国の高等学校・中等教育学校後期課程・高等専門学校の1年生のうち、国際的な規定に基づき抽出された183校・約6,500人が、2025年6月から8月にかけて参加しています。
3年ごとから4年ごとへ、そしてオンラインCBTへ
調査の枠組み自体も変わりました。2000年以降おおむね3年ごとに実施されてきましたが、2025年以降は4年ごとになります。実施方式も、2015年から2022年まではUSBメモリを使ったオフラインのCBT（コンピュータ使用型調査）でしたが、今回からオンラインのCBTに移行しました。
さらに、生徒の解答状況に応じて出題される問題の難易度が変わる多段階適応型テストが、今回から3分野すべてに導入されています（読解力は2018年、数学的リテラシーは2022年から先行導入）。同じ試験時間でより精度の高い習熟度測定を行うための設計で、全国学力・学習状況調査の中学校英語がIRTスコアを採用したのと同じ流れの上にあります（参考: 令和8年度 全国学力・学習状況調査の結果公表を読む）。
「科学的リテラシー」が「科学コンピテンシー」に
今回の中心分野は科学でした。あわせて分野名が「科学的リテラシー」から「科学コンピテンシー」へ改称されています。理由は資料に明記されており、科学に関する知識や理解だけでなく、それらを使って実社会の課題に対応したり意思決定を行ったりする「何ができるか」という行動面に焦点を当てるためです。
その一環として、環境リテラシーが今回初めて測定されました。「人間と地球システムとの相互作用が及ぼす影響を説明する」「環境を再生し持続させるために多様な証拠を評価し、行動に向けた意思決定を行う」といった能力です。日本の平均得点は536点でOECD加盟国中1位（全参加国中5位）、レベル5以上の生徒が15.4％（OECD平均7.0％）と際立って高い一方、「授業における環境学習の機会」に肯定的に答えた割合はOECD平均よりおおむね低いという組み合わせでした。
3分野すべて1位——ただし得点は下がっている
平均得点と、2つの順位
日本の平均得点は、科学コンピテンシー538点・読解力503点・数学的リテラシー525点。OECD加盟38か国の中では3分野すべてで1位で、調査開始以降はじめてのことです。OECD平均は順に482点・461点・463点ですから、いずれも大きく上回っています。
ただし「1位」には2つの物差しがあります。OECD非加盟を含む全参加91か国・地域で見ると、日本は科学5位・読解4位・数学5位です。上位には北京・上海・江蘇・浙江（科学597点・数学612点）、シンガポール（読解535点）、マカオ、台湾が並びます。報道の見出しが「加盟38か国のトップ」と限定しているのは、この違いによるものです。
「有意に低下」したのは読解力
前回2022年調査からの変化を見ると、3分野とも得点は下がっています（科学547→538点、読解516→503点、数学536→525点）。このうち統計的に有意に低下したのは読解力（−13点）で、科学と数学は低下しているものの有意差はありません。
一方のOECD平均は、読解力（−15点）と数学的リテラシー（−9点）が有意に低下しました。2015年以降の推移で見ると、OECD平均は下がり続けているのに対し、日本はトレンドに有意な変化がない（横ばい）という状態です。日本が加盟国1位になった背景に「他国の相対的な低下」があるという報道の説明は、この構図を指しています。順位が上がったから学力が伸びた、という読み方はできません。
なお報道によれば、文部科学省の担当者は読解力低下の要因について「はっきりしたことは言えない」としたうえで、読書量や学習時間の減少、スマートフォンやSNS・ゲームに充てる時間の増加が影響した可能性を挙げ、「中長期的に推移を捉える必要があるが、課題として受け止めている」と述べています。OECD側も、今回のOECD平均の読解力低下は単一の原因では説明できず、複数の要因が重なった結果である可能性を指摘しました。
開いたのは「下」——上位10％は横ばい、下位10％は27点減
低得点層は3分野すべてで増えた
一次資料でもっとも重く受け止めるべきは、この一節です。習熟度レベル1以下（低得点層）の割合が、3分野すべてで有意に上昇しました。
- 科学コンピテンシー：8.0％ → 11.3％（＋3.3ポイント）
- 読解力：13.8％ → 18.6％（＋4.8ポイント）
- 数学的リテラシー：12.0％ → 16.1％（＋4.1ポイント）
対して、レベル5以上（高得点層）の割合には3分野とも有意な変化がありません。平均点と上位層は保たれたまま、下の層だけが厚くなっている——これが今回の日本の姿です。
読解力の分布が、それをはっきり示している
読解力については、分布そのものの数字が資料に載っています。90パーセンタイル（上位10％の位置）の得点は636点→631点で有意差なし。一方、10パーセンタイル（下位10％の位置）の得点は387点→360点と有意に低下しました。結果として上位と下位の差は249点→272点へ有意に拡大しています。
つまり読解力の−13点は、全体が一様に沈んだのではなく、下位層が27点落ちた分が平均を押し下げたものです。「日本の15歳の読解力が落ちた」という一般化より、「読み書きにつまずいている層の落ち込みが深くなった」と読むほうが、資料の記述には忠実です。教材でいえば、上位向けの難問を増やす話ではなく、下支えの設計をどうするかという話になります。
国際的にはなお高い水準、だからこそ
国際的に見れば、科学でレベル1以下が15％以下だったのは北京・上海・江蘇・浙江、マカオ、シンガポール、エストニア、日本、台湾、韓国の7つの国・地域のみで、日本の水準はなお高い部類に入ります。それでも、レベル2は「科学コンピテンシーを実生活や社会生活で効果的かつ生産的に発揮し始めるレベル」と位置づけられており、そこに届かない生徒が3年で3.3ポイント増えた事実は、順位とは別に見ておく必要があります。
初実施の革新分野「ラーニング・イン・デジタルワールド」
ICTを使って「学びながら解く」力を測る
PISAは主要3分野に加えて、回ごとに異なる教科横断的な「革新分野」を実施します。2025年の革新分野がラーニング・イン・デジタルワールド（Learning in the Digital World：LDW）です。定義は「ICTを活用した自律的な学習（自己調整学習）のプロセスを通して、問題解決し、その中で新しい知識を獲得する能力」。
LDWは「コンピュテーショナルな問題解決能力」と「自己調整学習」の2つの要素から成りますが、今回公表されたのは前者のみで、自己調整学習を含むLDW全体の結果は2027年に公表予定です。今回の数字はLDWの半分である、という前提で読む必要があります。
日本は557点、レベル5以上が48.0％
日本の平均得点は557点でOECD加盟国中1位（全参加91か国・地域では4位）。習熟度の分布はさらに際立っていて、レベル1以下が9.0％（OECD平均22.7％）、レベル5以上が48.0％（同26.1％）です。生徒の半数近くが最上位帯にいる計算になります。
学校でのAI利用が最下位である国が、プログラミング的な問題解決では最上位という結果は、一見矛盾して見えます。しかしLDWが測っているのはツールの利用頻度ではなく、課題を分析し、手順を考え、コンピュータで実行可能な形に組み立てる力です。今回の対象となった生徒は、小学校でのプログラミング教育の必修化（2020年度）と、中学校技術・家庭科（技術分野）のプログラミングの充実をひととおり通ってきた学年にあたります。積み上げてきたものが、そのまま出た形と読めます。
全問自動採点、プロセスデータで——出題と採点のしくみ
LDWの大問は「はじめに」「課題」→「学習」→「ふり返り」→「応用」→「ふり返り」という段階構成をとります。公開された問題例「リサイクルクレーン」では、ブロックベースのプログラミングツールでクレーンを制御し、さまざまな物を効率的に分別するアルゴリズムを組み立てます。チュートリアルで操作を学び、途中でプログラムを修正し、最後に別の課題へ応用する——その場で学んだことを使えるかまでが1つの大問に収まっています。
採点はすべてコンピュータによる自動採点で、生徒のプロセスデータに基づいて評価とコードの割り当てが行われます。最終的な解答の正誤だけでなく、そこに至る過程を客観的に測る設計です。デジタル教材の設計で「解答ログをどう取り、何を返すか」を考えるとき、これは実装済みの参照事例になります（関連: 学習データを活かすデジタル教材）。
「AI利用が最下位」の中身を読む
指標の正体は、生徒質問調査の4項目
報道された「AI利用頻度が最下位」は、生徒質問調査から作られた「AIの利用頻度」指標のことです。日本の指標値は−0.69で、OECD加盟38か国中38位（OECD平均0.00）。もとになっているのは「学校の勉強で、次の活動を行うために人工知能チャットボット（例：ChatGPT）をどのくらい利用しますか」という4項目で、「まったく、又はほとんどない」と答えた割合は次のとおりです。
- 学習を助けてもらうため：43.8％（OECD平均20.7％）
- 文章を作成する課題の下書きをするため：58.2％（同32.3％）
- 読まなくてはいけない文章を要約するため：64.9％（同32.4％）
- 新しいテーマについての予備的な研究を行うため：68.6％（同28.9％）
どの項目でもOECD平均の2倍前後です。学校の勉強でAIを使う経験そのものが、まだ広がっていないことがわかります。
デジタル機器を使っていないわけではない
ただし、これを「日本の学校はデジタルが遅れている」と読むと一次資料からずれます。同時に実施されたICT活用調査では、「学校内でのデジタル・リソースの利用頻度」指標が回答24か国中5位（日本0.38・OECD平均0.32）、「学校外での利用頻度」は2位（0.85・同0.70）。学校での学習活動にデジタル機器を使う時間も1日平均1.7時間で、OECD平均と同じです。デジタル・リソースを使っていて「気が散っている」ことが「まったく、又はほとんどない」と答えた割合も74.1％（OECD平均39.2％）と高い水準でした（AI利用頻度の38か国とは回答国の数が異なるため、順位そのものの単純比較はできません）。
一方で、教科の授業で「すべて、又はほとんどすべての授業」「授業の半数以上」使うと答えた割合は、国語16.6％・数学14.0％・理科15.2％と、いずれもOECD平均（22.0％・20.0％・24.4％）を下回り、2022年からも横ばいか低下しています。端末はあり、生徒は使い慣れている。けれども授業の中心的な道具にはなっておらず、AIに至ってはほぼ使われていない——というのが、3つの指標を重ねたときに見える像です。
なお、余暇のデジタル利用時間は「平日」が回答24か国中24位、「休日」が17位で、いずれもOECD平均を下回りました。SNSを閲覧する時間は平日2.3時間（OECD平均2.8時間）、休日2.9時間（同3.1時間）です。国際比較で見るかぎり、日本の15歳は余暇のデジタル利用がもっとも少ない部類に入ります。
「使えば伸びる」でもない——質を評価する学習とセットで
では使う量を増やせばよいのかというと、資料はそう単純ではないことも示しています。学校での学習活動におけるデジタル・リソースの使用時間と科学の平均得点の関係を見ると、適度に使う場合に得点が高く、まったく使わない場合と長時間使う場合はどちらも低いという傾向が、日本でもOECD平均でも表れています。
AIについても同様です。資料はこう整理しています——学校でAIによって生成された情報の質を評価することを学ぶ機会があり、かつAIを学習の助けとして適度に利用する生徒は、そうでない生徒に比べて科学コンピテンシーの平均得点が高い傾向にある。利用頻度そのものではなく、「生成された情報の質を評価することを学ぶ機会」とセットになっているかどうかが効いている、という読み方です。
文部科学省の施策側でも、生成AIガイドラインの改定と教育分野特化AIの実証研究に加えて、小学校の総合的な探究の時間への「情報の領域」の付加、中学校の「情報・技術科」新設、高校「情報科」の充実による情報活用能力の抜本的向上が掲げられています。「情報の真偽や偏りの吟味、判断の留保、デジタルの賢い使い方と距離の置き方」という表現は、今回のAIのデータとまっすぐつながっています（関連: 全教科の学習指導要領に「AI」が入る）。
順位の外側にある数字——好奇心・自己調整・公平性
「Competent learners」は13.9％
今回OECDは、習熟度が高く（Proficient）かつ学習への関与が高い（Engaged）生徒を「Competent learners」と呼び、新しい見方として示しました。日本は習熟度の高い生徒の割合が72.9％と高い一方、学習への関与が高い生徒の割合は15.8％（OECD平均22.6％）にとどまり、両方を満たす生徒は13.9％です。得点の高さと、学びへの向かい方が一致していません。
好奇心と自己調整はOECD平均を下回る
その内訳にあたるのが、好奇心と自己調整の項目です。「新しいことを学ぶのが好きである」に肯定的な回答は日本64.7％（OECD平均68.8％）、「様々なことに対する好奇心が強い」は62.6％（同73.5％）、「物事の仕組みを知ることが好きである」は59.1％（同74.0％）。
学習の自己調整はさらに差が開きます。「自分がすべて理解したかを確認するために、学習した内容について自問自答する」を「とてもよくする」「よくする」と答えたのは日本30.6％（OECD平均49.1％）、「勉強への取り組み方がうまくいかないと気づいたら、取り組み方を変更する」は30.2％（同44.3％）です。自分の学びを自分で点検し、やり方を変えるという習慣が、得点の高さに比べて弱いことになります。
授業の質は上がっている、楽しさはまだ低い
中心分野が科学だった今回は、理科の授業についての質問調査も豊富です。「理科の授業の規律ある雰囲気」「理科の授業における教師の支援」はいずれも肯定的回答の割合がOECD平均より高く、2015年調査との比較でも該当する設問すべてで肯定的回答が上昇しました。生徒に深く考えさせ、考えを説明させる「理科の授業における認知の活性化」指標もOECD平均を上回っています。
一方で「科学の学習の楽しさ」はOECD平均より低いままです。ただしこちらも2015年から2025年にかけて4設問すべてで肯定的回答が上昇しており、方向としては改善しています。授業の質は着実に上がっている、けれども「面白い」まではまだ届いていない——という読み方ができます。
男女差と、環境・家庭
科学のレベル5以上の割合は、日本では男子が女子より5.0ポイント高く、OECD平均の差（1.6ポイント）より大きく開いています。ただし日本の女子のレベル5以上の割合は、OECD平均の男子・女子いずれよりも有意に高い水準です。読解力ではレベル1以下の割合が男子のほうが有意に高く、これは日本もOECD平均も同じ傾向でした。文部科学省が今回の施策に「アンコンシャスバイアスの解消」を挙げているのは、この構図に対応するものです。
家庭面では、保護者が学校の様子を聞いたり学んでいることを話し合ったりする「家庭による支援的な関わりの頻度」指標が−0.64で37位（OECD平均−0.19）と低い水準でした。一方、「学校の一員だと感じている」に肯定的な回答は88.9％（同76.2％）と高く、生活満足度に「十分に満足」「満足」と答えた割合は2018年の50.2％から2025年は68.9％へ回復し、2015年（61.1％）も上回っています。
公平性の高さは維持されている
社会経済文化的背景（ESCS）との関係では、日本は良好な位置を保っています。生徒の科学得点のばらつきのうちESCSで説明される割合は7.6％で、OECD平均の11.6％を下回りました。ESCSの「最下位25％」群の科学得点は504点、「最上位25％」群は575点で、その差71点はOECD平均の85点（446点と531点）よりも有意に小さい値です。低得点層が増えたことは、特定の家庭環境の層だけに起きた現象ではない、ということでもあります。
教材制作の現場への示唆
「読む力」は一様に落ちたわけではない
読解力が有意に低下したことは事実ですが、資料の内訳はもう一段細かく書いています。「読みの流ちょう性（速く正確に読む）」の設問の正答率は有意に低下した一方、「評価し、熟考する」に関する設問の正答率は有意に上昇しました（OECD平均は低下）。比較的長い課題文（英単語400語以上に相当する日本語の文章）の設問、複数の課題文がある設問、「情報を探し出す」「理解する」に関する設問は前回と同程度です（OECD平均は低下）。資料は、流ちょう性の低下が平均得点の低下に影響している可能性を明記しています。
「読みの流ちょう性」の問題は、公開されている例を見ると意外なほど素朴です。短文が21〜22文、1つずつ表示され、意味が通っていれば「はい」、通っていなければ「いいえ」を選ぶ——たとえば「飛行機は犬でできている。」といった文が並びます。ここが落ちたということは、日本の生徒が弱めているのは吟味する力ではなく、読み進める土台のほうだということです。文章を読み慣れる量、語彙、素早く正確に処理する経験——ドリル的だと敬遠されがちな部分が効いてくる領域です。長文教材やデジタル読解教材で「思考力を問う設問」だけを厚くし、基礎的な読みの負荷を軽くしすぎていないか、点検する価値があります。
AIは「使わせる」より「確かめさせる」
AIのデータが示したのは、利用頻度を上げること自体が目的ではない、ということでした。得点と結びついていたのは「AIが生成した情報の質を評価することを学ぶ機会」があり、そのうえで適度に使っている状態です。教材の側でできることは、AIを使わせる導線を足すことよりも、生成された答えを検証させる課題を設計することにあります。出典の確認、数値の再計算、複数の説明の突き合わせ——教材の設問として実装できる形はいくつもあります（関連: 教材制作に生成AIをどう活かす？）。
答えだけでなく、過程を測る設計へ
LDWの自動採点がプロセスデータに基づいていたことは、教材設計への具体的な示唆になります。正誤だけを記録する演習から、どの順で試したか、どこで方針を変えたかまで残る演習へ。学習の自己調整がOECD平均より弱いという質問調査の結果を踏まえれば、自分の解き方を後から振り返れる仕組みは、そのまま弱点への手当てにもなります。紙とデジタルのどちらで扱うべき学習かの切り分けも、あわせて考えたいところです（関連: 紙教材とデジタル教材、どう使い分ける？）。
次回のPISA2029では読解力が中心分野に戻り、今回見えた「下位層の落ち込み」をより詳細に分析できるようになります。それまでの4年をどう使うかが、今回の結果の受け止め方そのものだと言えそうです。
エデュコンのデジタル教材・eラーニング制作では、学習ログの設計を含めたデジタル教材の企画・制作に対応しています。CBT・デジタルテスト問題制作では、既存問題のCBT化やタグ付け、IRTに基づく統計分析まで承ります。学力調査の出題形式に沿った類題の制作は学力調査問題の制作をご覧ください。
なお、本コラムの数値はいずれも文部科学省・国立教育政策研究所「OECD生徒の学習到達度調査 PISA2025のポイント」（令和8年9月8日）に基づいています。文部科学省担当者の受け止めのみ、2026年9月8日付の報道によります。国際結果報告書「PISA 2025 Results (Volume I)」はOECDのWebサイトで公開されています。詳細は国立教育政策研究所のWebサイトをご参照ください。
この記事を書いた人 / 監修
エデュコン教材制作チーム
創業以来、500社以上の教育機関様の教材制作を支援。
教育・IT・編集のプロフェッショナルが集まる専門チームが記事を監修しています。
