学校に通えない／読み書きが身につかない子ども
公開された授業
全授業が公開されているので、住んでいる場所や学校の事情に関係なく、週に数時間から受けられます。合う先生を自分で選べます。学校に籍があるかどうかは問いません。
見る、返す、支え合う。
いい授業を見る。自分の授業に根拠つきで返ってくる。わからないと言える相手がいる。3つとも、これまでの学校では手に入りませんでした。
誰に、何が届くか
あの4人に、こう届きます。
トップで挙げた4人に、Raniusのどこが効くのかを並べます。同じしくみの、違う入口です。
免許を持っているのに、教えていない人
教える場そのもの
これまでは「常勤で学校に戻る」以外の道がほとんどありませんでした。Raniusでは、本業を続けたまま週1回から教えられます。免許は入口の条件ではありませんが、持っていれば当然その経験は評価されます。
免許はないけれど、教えてみたい人
応募から認定までの工程
4年かけて免許を取る以外の入口をつくります。応募→研修→伴走→認定まで約3ヶ月。やってみたいと思った時点から始められて、途中でやめても損をしない設計にしています。
いま学校にいる先生
評価と、職員室
自分の授業に秒数つきの根拠と子どもの声が返ってきます。4〜8名のチームで毎週、世界中の先生と学び合えます。比べる相手は自分の過去だけで、先生をランキングしません。
※ 4人は、課題を具体的に示すための架空の例です。実在の個人ではありません。
先生になるまで
4年ではなく、約3ヶ月。
サイトのあちこちで「応募→研修→伴走→認定の約3ヶ月」と書いてきました。その中身を開きます。
-
01 1日
応募
教えたい教科と、週に使える時間を出すだけです。免許の有無は聞きますが、入口の条件にはしません。履歴書も要りません。
通過の条件 なし。応募した人は全員、次に進みます。
-
02 約1〜2ヶ月
研修
公開されている授業を、観点を1つ決めて見ます。同じ観点で自分の授業を録り、AIが秒数つきで「どこで何が起きたか」を返します。見る→やる→返る、を繰り返します。
通過の条件 ルーブリックの基準を満たすまで。回数の上限は設けません。
ここはAIが担います。人手が律速だった部分です。
-
03 研修と並行
伴走
4〜8名のチームで毎週集まります。うまくいかなかった授業を持ち寄って、わからないと言える相手を持つための時間です。
通過の条件 なし。落とすためではなく、辞めないための工程です。
ここはAIに置き換えません。置き換えた瞬間に意味がなくなります。
-
04 約2週間
認定
社外の評定者2名が、研修と同じルーブリックで授業を見ます。合否の理由は、秒数つきの根拠として本人に返します。
通過の条件 2名の評定が基準を満たすこと。ここで初めて、子どもの前に立ちます。
AIに任せるのは、人手が足りなくて回らなかったところだけです。わからないと言える相手と、認定の判断は、人が持ちます。
※ 期間・判定基準は設計値です。この工程で「免許を持つ先生と同等に教えられるか」は、2026年12月のA/Bで測ります。メンター1人あたりの担当数は現在計測中です。
どう学ぶか
1週間で、何が起きるのか。
「見る・返す・支え合う」と書いてきましたが、実際に何をするのかを書いていませんでした。研修中の1週間を、そのまま並べます。
-
月 30分
見る
公開されている授業から1本を選びます。見る前に、観点を1つ決めてから入ります。「子どもが話している時間の割合」「わからないと言った子への返し方」など、その週に自分が試すものを1つだけです。
なぜ 観点を決めずに授業を見ると、「うまいな」という印象しか残りません。1つに絞ると、自分の授業で試せる形になります。
-
火〜水 授業1コマ
やる
同じ観点を、自分の授業で試します。授業は録画されます。うまくいかなくて構いません。この工程は、成功した授業ではなく、試した授業を集めるためのものです。
なぜ 見ただけでは変わらないからです。1週間のうちに、必ず1回は自分でやります。
-
水〜木 自動
返る
AIが録画を見て、決めた観点に沿って秒数つきで返します。良い・悪いの点数ではなく、「いつ、何が起きたか」を返します。判断するのは本人です。
なぜ 「もっと待ちましょう」と言われても直せません。何秒待ったかが分かれば、次に何をするかが決まります。
AIが返すもの（例）
08:12 子どもが「わからない」と言ったあと、3秒で先生が答えを言いました。
19:40 同じ場面で、今度は12秒待ちました。そのあいだに別の子が説明を始めています。
全体 子どもが話した時間は 18%（前回 12%）。比べているのは、あなたの前回の授業です。
-
木 60分・4〜8名
話す
チームで集まります。持ち寄るのは、うまくいかなかった授業を1本です。AIの指摘をなぞるのではなく、「なぜそうしたのか」を話します。答えを教える場ではありません。
なぜ ここを外すと人が辞めます。精神疾患で休職した先生の原因2位は「職場の対人関係」で23.2%、休職者の63.4%はその学校での勤務3年未満です。わからないと言える相手がいないことが、力の問題より先に効いています。
-
月末 数問
子どもに聞く
授業を受けた子どもに、数問だけ聞きます。先生をランキングするためではなく、大人が見ただけでは分からないことを拾うためです。
なぜ 1回の授業観察の信頼性は 0.14〜0.37。同じ授業を見ても、見る人によって評価が変わります。子どもからの評価は 0.66 で、大人の観察より安定しています。
観点（ルーブリック）って、結局なに？
授業を見るときの「今日はここだけ見る」というレンズです。点数表ではありません。研修でも認定でも同じものを使うので、「認定のときだけ違う基準で落とされる」ことが起きません。中身は、評価測定の専門家と一緒に固めていく段階です。
AIに全部やらせるの？
いいえ。AIが担うのは「見て、秒数つきで返す」ところだけです。人手が足りなくて回らなかったのがここだからです。わからないと言える相手と、認定の判断は人が持ちます。ここをAIにすると、続けられる仕事にならなくなります。
ランキングされる？
しません。比べる相手は自分の前回の授業だけです。先生どうしを並べた瞬間に、うまくいかなかった授業を出せなくなります。出せなくなったら、この工程は動きません。
週にどれくらい要る？
見る30分＋自分の授業1コマ＋チーム60分で、週に2〜3時間の想定です。他の仕事と並行できる量にしています。これも設計値で、12月に実測します。
使うほど、良くなる。
Raniusは、授業を配る場所ではありません。授業が集まるほど、先生を育てる力そのものが上がっていく作りにしています。
-
01
授業が、すべて評価される
公開された授業には、観点ごとに秒数つきの根拠が付きます。うまくいった授業も、いかなかった授業も、同じように残ります。消さないことが前提です。
-
02
その授業から、問題がつくられる
実際に起きた場面が、ケーススタディと場面指導の問題になります。「この12秒後、あなたならどうするか」。教科書の想定事例ではなく、現実に起きたことが素材です。
-
03
バーチャルで、繰り返し鍛える
子どもの前で一度きり試すのではなく、同じ場面を何度でも。教科や学年を越えて通じる「先生としての力」を、ここで鍛えます。
-
04
誰かが授業するたびに、精度が上がる
場面が増えるほど問題は細かくなり、評価の基準も鍛えられます。先生が使うほど、次の先生が育ちやすくなる。これが、教材を配るのとの違いです。
いちばんの課題は、正当性です。
この仕組みの弱点は、技術ではありません。「どの観点で評価しているのか」に、外から見て納得できる根拠があるかどうかです。基準を私たちだけで決めれば、どれだけ精度が上がっても、それは私たちの中でしか通用しません。だから評価の観点そのものを外に開いて、心理測定と公平性の専門家と一緒につくろうとしています。
この1週間を、認定まで約3ヶ月くり返します。特別なことは何もしていません。学校の中で時間が取れなかったことを、外に出して回しているだけです。
出典：MET Project（1回の授業観察の信頼性 0.14〜0.37／子どもからの評価 0.66）／ 文部科学省 令和6年度 人事行政状況調査（原因2位「職場の対人関係」23.2%、休職者の63.4%が当該校3年未満） ※曜日・時間・観点の例は設計値です。2026年12月のA/Bで実測します。