イメージマーケット・ワンクリック展開
イメージマーケットから、AI 教育クライアントと実行環境をプリインストール済みのイメージテンプレートを選び、機房の全端末に一括配信します。1 台ずつのインストールや手動設定は不要で、バージョンが統一され環境も一致し、AI 教育環境の立ち上げ期間を大幅に短縮します。
すぐに実装できるソリューション
AIを使いこなすことは、AIを理解することと同じではない
大学向けAI教育プラットフォームの迅速導入ソリューション
AI 時代の競争で問われるのは、誰のモデルのパラメーターが大きいか、誰のニューラルネットワークが深いかではなく、誰がAI をより早く活用する。 信管系、信息系、经管学院……ではない每个专业都需要成为算法工程师，但每一个专业的学生，都需要具备AI時代に効果的に働く能力。 vDisk AI 教育プラットフォーム，让大学各院系在GPU サーバーの購入もアルゴリズムチームの編成も不要という前提のもと、AIを本当に教室へ届ける。
0 台
追加の GPU サーバー
数日
立ち上げから開講まで
完全互換
DeepSeek · Wenxin · Tongyi · GLM…
95%+
自社構築よりコスト削減
AI 教育、ハードルはいったいどこにあるのか？
AI 教育を推進する際、多くの大学はこの2つの考え方の間でジレンマに陥りがちです。
いきなりモデルに着手する
GPU サーバーを調達し、ローカル大規模モデルを展開し、アルゴリズムチューニングチームを編成して、まずは全校の教職員と学生にニューラルネットワークと Transformer アーキテクチャを理解させる……
- ハードウェア調達はかさむ 200〜300万元スタート
- 展開に数か月かかり、学期全体を逃す
- 展開当日には、モデルは既に商用版に後れを取っている
- CS（情報科学）以外の教員・学生は使い方がまったく分からない
- 情報管理学科や経営学部の学生にはまったく不要
まず使ってから、深く学ぶ
「AI ツールを使いこなす」を切り口に、最も優れた商用大規模モデルの能力を直接授業に届け、学生が最初の授業から AI による学習と業務効率の真の向上を実感できるようにします。
- 一般的な業務サーバー1台で、機房全体の接続を支える
- イメージマーケットから一括配信し、数日で展開を完了
- 管理画面でいつでもモデルを切替、常に最新版を利用
- 全専攻の学生が起動後すぐ利用でき、設定不要
- Token 使用量をコントロール可能、費用は透明で予算超過なし
車の運転がエンジンの修理を覚えることを意味しないのと同様に、AIツールを使いこなすことが、誰もがニューラルネットワークに精通することを意味するわけではない。AIを日常の学習やワークフローに真に取り込むことは、この時代が高等教育に求める最も核心的な要請である。私たちが解決したいのは、これをどう実際に実現するかです。
導入前に直面しうる4つの壁
大学がAI教育を推進する際、意欲がないのではなく、こうした現実的な問題に阻まれていることが多いのです。
ハードウェア投資のハードルが高すぎる
課題
大規模モデルを自前で構築するための GPU サーバーは価格が桁外れで、モデルの更新も非常に速いため、今日購入した機器が来年には最新版を動かせなくなり、絶え間ないハードウェアの負担となります。
解決法
API 経由でクラウドの主要な大規模モデルに接続し、推論はクラウドで実行。校内には接続と管理を担う一般的なサーバー1台があれば十分、ハードウェア投資はほぼゼロ。
導入が複雑で期間も長い
課題
自前構築の方式では、GPU ドライバ、モデル重みのダウンロード、推論フレームワークの設定、権限体系の構築……など、あらゆる工程で専門人材の介入が必要となり、立案から本番稼働まで数か月を要することも珍しくありません。
解決法
vDiskイメージマーケットを基盤に、AI教育コンポーネントを統合済みのイメージを選び、ワンクリックで機室端末へ一括配信します。導入から開講まで、最短で数日で完了。
使用量が制御できず、費用の見積もりが困難
課題
トークン課金の AI API は管理が不十分だと、多数の学生が同時に利用することで費用が急激に膨らむおそれがあり、予算が不確定なプロジェクトを学校経営層が承認しにくくなります。
解決法
プラットフォームサポートユーザーごとのToken上限設定アカウント別の集計により、費用上限を事前に固定でき、運用コストは完全に透明、調達承認も記録に基づいて確認できる。
授業運営とデータ継続性の課題
課題
学生が毎回の授業で大量の背景情報を再入力する必要があり、対話履歴が授業をまたいで継続できないため、Token を浪費し教学のリズムにも影響します。AI 生成コンテンツも統一的に保存・管理しにくくなります。
解決法
vDiskネットワークディスクは仮想ドライブとしてマウントされ、デスクトップ・ドキュメント・AI成果物をリアルタイムでサーバーに保存します。次回の授業で前回の進捗からそのまま続行、コンテキストを繰り返し入力する必要がありません。
プラットフォームのコア機能一覧
完全で、本当に実装できるAI教育インフラ
OpenAI 互換ゲートウェイ ・ ソフトに接続するだけで利用可能
プラットフォームの対外提供统一的 OpenAI API 互換代理端点。VS Code、Cursor、各类 AI 编程插件、自研教学系统，只需在设置中填写统一的网关地址与密钥，即可接入 DeepSeek、文心一言、通义千问、智谱 GLM、豆包、讯飞星火、腾讯混元、Kimi 等国产主流大模型，无需为每家模型单独对接。
vDiskネットワークドライブ ・ AIの成果物を失いません
仮想ディスク（例：D:）としてマウントし、デスクトップ、マイドキュメント、AppDataなどのディレクトリを自動的にサーバーへリダイレクトしてリアルタイム保存します。AI対話記録、コードの下書き、実験レポートはすべて保存され、次の授業は前回の中断点から継続できるため、Tokenの重複入力を大幅に削減し、教師が学習過程を確認するのにも便利です。
Token 使用量の管理 · 費用は予測可能
アカウントごとに Token 使用上限を設定でき、各学生の消費状況をリアルタイムに集計し、上限超過のリクエストをシステムが自動でブロックします。学校の予算計画は根拠が明確で、一部の学生の乱用で全体費用が膨らむ心配がなく、全体の運用コストが完全に透明です。
管理画面でいつでもモデルを切り替え・常に最新版を利用
大規模モデルの進化は非常に速い。プラットフォームの管理画面では接続する国産モデルをいつでも切り替えられ、フロントエンドの教育インターフェースを一切変更する必要がなく、学生は常に業界最良のモデルを利用できます。ハードウェア依存による旧バージョンの長期使用を回避し、教育内容とツール層を常に技術の最前線に保ちます。
AI 助教と授業管理 ・ 運用コストをさらに低減
AI ビジョンを既存の監視カメラと連携させ、授業の自動巡回点検、異常警告、時間割連動を実現します。時間割の時間帯には自動で電源・入退室・エアコンをオンにし、授業後は自動で切るため、人の常駐が不要となり、機房管理者を反復作業から解放します。
異なる学部・学科でも同一プラットフォーム
AI教育はコンピューター学科だけのものではなく、どの専攻にも固有のAI活用シーンがある
コンピュータ / ソフトウェア工学 / AI 専攻
プログラミング支援・コードレビュー学生はVS CodeまたはCursorで統一されたOpenAI互換アドレスを設定するだけで、プログラミング実習でAI補完、コード解説、バグ特定を利用できます。AIの出力は自動的に保存され、次の授業では前回のプロジェクトの進捗から継続できるため、開発環境を繰り返し構築する時間コストを削減します。
- AI 支援プログラミングで効率が大幅に向上
- コード履歴と会話ログを自動保存
- 個人ごとの API Key 登録は不要、一括認可
情報管理学科 / 経済経営学院
AIリテラシー · データ分析情報管理、経営管理、マーケティングなどの専攻の学生にとって重点はモデルの学習ではなく、AIツールを活用して市場分析、企画書作成、データ処理といった業務シーンのタスクを効率的に完遂する方法を身につけることです。プラットフォームには対話インターフェースが内蔵され、起動後すぐに利用でき、現在最も強力な商用大規模言語モデルにゼロハードルでアクセスできます。
- AI 支援によるレポート作成と市場分析
- 対話履歴をリアルタイム保存、いつでも振り返り可能
- 時間割連動で授業の秩序が整然
理工系実験授業
実験レポート・データ処理化学、物理、生物などの実験系科目では、学生は AI を活用して実験原理を素早く調べたり、実験レポートのフレームワークを生成したり、データ分析を補助したりできます。実験中に生成されたデータと AI とのやり取りの記録はネットワークディスクに同期保存され、教師は実験レポートの完成度をリアルタイムで追跡できます。
- 実験記録と AI の成果物を一元的に保存
- 教師は学生の AI 支援プロセスを確認可能
- 時間割連動で実験室が自動起動・停止
全校共通の AI 教養科目
知識ゼロでOK · すぐに使える全学の各専攻向けにAI教養選択科目を開設します。学生はAIの基礎知識が一切なくても、クラウドデスクトップにログインするだけで大規模言語モデルとの対話、Promptエンジニアリング入門、AIツールチェーンの実践操作を体験できます。統一されたアカウント体系により、一人ずつ登録・チャージ・設定する必要がなく、教養科目の教育運営コストを大幅に削減します。
- 電源を入れるだけ、事前設定は一切不要
- 全専攻の学生を一元管理・権限付与
- 利用量を管理でき、コストは予算内
立ち上げから開講まで、全部で何ステップ？
私たちの目標は、AI教育の能力を最短時間で本当に稼働させることです。
01
1〜2営業日
環境アセスメントとソリューション確認
当社のコンサルタントと、サーバー室のサーバー台数、ネットワーク帯域、利用中のクラウドデスクトップのバージョン、対象学部のニーズを確認し、貴校の実情に適した導入プランと概算費用を提示します。
02
1〜3営業日
イメージ準備とゲートウェイ設定
vDisk のイメージマーケットで AI 教育コンポーネントを統合済みのイメージを選択またはカスタマイズし、管理端で OpenAI 互換ゲートウェイを構成し、対象の大規模モデルへ接続し、Token 利用ポリシーとアカウント別権限を設定します。
03
半日〜1営業日
イメージの一括配信 · マシンルーム全体をカバー
vDisk 集中管理プラットフォームを通じてイメージを機室端末に一括配信し、ネットワークディスクのマウントポリシーとユーザーディレクトリのリダイレクト設定を同時に完了させ、AI 成果物と学習記録が自動的に保存されるようにします。
04
1営業日
教員研修・開講リハーサル
科目担当教員向けに短時間の操作研修を行い、Token 使用量の確認、モデル切り替え、学生データの閲覧を中心に説明します。初回の試行授業で検証し、教学フローがスムーズであることを確認したうえで正式に開講します。
全工程は最短5営業日で、AI教育を正式に教室へ導入。
長いハードウェア調達サイクルを待つ必要も、アルゴリズムチームの整備を待つ必要もありません。この学期から、始められます。
なぜ自前でモデルを構築しないのか？
これは多くの学校が意思決定時に尋ねる核心的な問いです
大多数の大学にとって、自前で大規模モデルを構築する核心的なロジックは成り立ちません。問題は技術が難しいかどうかではなく――自前でモデルを構築すれば、初日からすでに後れを取る。
商用大規模モデルの反復は月単位で進み、今日200万かけて調達したハードウェアと展開したモデルは、半年後にはより強力な次世代版に追い抜かれている可能性が高い。一方で学校の設備はモデルの進化に合わせて自動更新できず、学生が長期間使い続けるのはある時点で「凍結」されたAI能力であり、業界とも市場とも、卒業後に実際に使うツールとも乖離してしまう。
vDisk プラットフォームの考え方は、学校を常に業界最良の商用大規模モデルへ接続させ続けることにあります。バックエンドでモデルを切り替えてもフロントエンドは無感知。授業の知識項目や育成目標は教師が決定しますが、ツール層は常に主流のプラクティスと同期。これは技術力への妥協ではなく、教育目標を実現する最も現実的な道筋です。
AI 教育の真の競争力は、どれほど大きなモデルを導入したかではなく、学生が実際の業務シーンで AI を効果的に使いこなせるようになっているかどうかにあります。
自社構築 vs. API 接続：主要な観点の比較
| 次元 | 自前のAIサーバー | vDisk API連携 |
|---|---|---|
| 初期ハードウェアコスト | 200万～300万元から | ほぼ 0 円 |
| 導入サイクル | 数か月 | 数日 |
| モデルの更新方法 | ハードウェアの再調達 | 管理画面からワンクリック切替 |
| モデルの能力レベル | 固定バージョンで次第に陳腐化 | 常に最新の商用モデルに接続 |
| 運用保守要件 | 専任の AI エンジニアが必要 | 既存サーバールームの運用だけでOK |
| コストの予測可能性 | 一括の大型購入＋継続的なメンテナンス | Token 課金で、上限を制御可能 |
| 学生の利用体験 | 自前で構成が必要、ハードルが高い | 電源を入れればすぐ使える、設定不要 |
2026 年、今日
教室にある見えない壁
これは生徒の問題でも教師の問題でもありません。ツールと時代との間に断層が生じているのです。
生徒の声
迷い・抵抗・消耗
「なぜVB6を学ぶ必要があるのか？今どきどの企業がまだ使っているのか？」
「授業では for ループを手で打ち、寮に戻ってスマホを開けば、すべて AI がワンタップでコード生成――これは二つの世界だ。」
「VC++ を学んで Hello World は書けるようになったけど、就職活動では履歴書に何を書けばいいのかすら分からなかった。」
「学びたくないわけじゃない、これを学ぶ意味が分からないだけなんだ。」
悪循環
先生の声
疲弊・無力感・消極的
「今どきの生徒は学びたがらない、教科書より携帯を手に取る回数の方が多い。」
「基礎が固まらないうちに、歩く前から走ろうとする。」
「世間が AI を使っているのは分かる。でも試験範囲はこれだけ。どうしろと？」
「授業の雰囲気はどんどん悪くなり、教える情熱も次第に失われていく。」
生徒の感想
学んでも役に立たない
学んでも役に立たない
授業への参加度
継続的な低下
継続的な低下
先生の声
生徒が学習に消極的
生徒が学習に消極的
そのまま継続利用
古い教材コンテンツ
古い教材コンテンツ
本当の問題は態度ではなく、ツールである
当课堂里用的是 VC 6.0 和 VB6，而学生手机里看到的是 Cursor 一键生成完整项目、 Claude Code 合格对话重构整个代码库——这种认知落差，ではない靠"学習態度を正す"能弥合的。 真正有效的做法，是2026年に実際に使われている本物のツールを教室へ， 让学生从第一堂课就感受到：这东西出去真的能用。
也不需要一上来就讲 Transformer 原理、反向传播、神经元激活函数—— 那是研究生和算法工程师的课题。对大多数学生而言， まず使いこなし、効果を出し、ポジティブなフィードバックを築くことこそ、すべての出発点です。 基礎原理は、興味が湧いた後に自然と探究していけばよい。
実践導入ガイド
Cursor · Claude Code · Codex
PC教室の実践構築フロー全体
この 3 つのツールは、2026 年にエンジニアと学生が最も頻繁に使う AI コーディングアシスタントです。これらを機材室に導入し、学生が授業から実世界のツールを使い始められるようにします。
Cursor
教室に最も適したAIプログラミングIDEVS Code をベースに深く改良し、AI 対話、コード補完、ファイル全体の編集、Composer による複数ファイル連携を内蔵しています。学生はツールを切り替えることなく、コードを書きながら AI とリアルタイムにやり取りでき、習得のハードルが極めて低くなっています。
Claude Code
ターミナル内のAIコーディングエージェントAnthropic が提供するコマンドライン AI プログラミングツールで、プロジェクトディレクトリの直接操作、ファイルの読み書き、コマンドの実行、コードのコミットが可能です。コンピューター専攻の上級学生が、本物の AI 協働開発フローを体験するのに最適です。
GitHub Copilot / Codex
最も広く使われているAIコード補完VS Code プラグイン形式で、インラインコード補完、関数生成、コメントからコードへの変換に対応。互換性が高く、ほぼすべてのプログラミング言語をサポートし、初心者にとって最もスムーズな AI 入門方法です。
01
Cursor ・ マシン室導入とAPI設定
導入手順
-
イメージマーケットに登録
vDisk 管理端のイメージマーケットで Cursor がプリインストールされた授業用イメージを選ぶか、ベースイメージに Cursor をインストールしてスナップショットを作成し、教室内の全端末へ一括配信してバージョンの統一を確保します。
-
統一 API ゲートウェイを設定
Cursor を開く →
Settings → Models → OpenAI API Key、学校が一括配布したKeyを入力します。Override OpenAI Base URLに vDisk の OpenAI 互換ゲートウェイアドレスを入力します。完了すると、Cursor のすべての AI リクエストが学校のゲートウェイ経由で国産大規模モデルへルーティングされます。 -
プロジェクトディレクトリをネットワークディスクに指定
Cursor のワークスペース（Workspace）を vDisk ネットワークディスクのドライブ文字（例：
D:\projects\）。vDiskネットワークディスクは各学生がログイン後に個別にマウントされる個人ディスク、D:ドライブ自体が現在ログイン中の学生だけに属するため、学籍番号ごとにサブディレクトリを作って区別する必要はありません。すべてのコードファイル、対話履歴（.cursorディレクトリ）はリアルタイムでサーバーに保存され、次の授業ではそのまま開くだけで、前回の進捗とAI対話のコンテキストが完全に引き継がれます。
API設定の例
Cursor Settings → Models
OpenAI API Key sk-school-xxxxxxxxxxxxxxxx Override Base URL https://ai.school.edu.cn/v1 Model deepseek-chat # 或 gpt-4o / qwen-max # 学生无需注册任何大模型账号 # 统一由学校网关鉴权与计量 # Token 超额后自动提示，不产生额外費用
会話履歴の保存パス（ネットワークディスク）
# D: 是每位学生登录后独立挂载的個人専用盘 # 无需学号子目录，D: 本身就只属于当前学生 D:\projects\ # 個人ディスク直下にプロジェクトを作成 ├─ .cursor\ # AI対話履歴 ← 自動保存 │ └─ chat-history\ ├─ src\ # コードファイル ← サーバーへリアルタイム書き込み └─ README.md
指導アドバイス：学生の最初の授業の課題を、Cursor + AIとの対話を使って、本物の小さなプロジェクトをゼロから動かすこと——20行のHello Worldをまず写すのではなく——にしましょう。学生が初めて、AIが自分の意図を理解し関数全体を自動補完するのを目にした瞬間、授業の雰囲気は一変します。
02
Claude Code · ターミナル展開とプロキシ設定
導入手順
-
Node.js と Claude Code のインストール
PC教室イメージにNode.js（LTS版推奨）を事前インストールした後、実行します
npm install -g @anthropic-ai/claude-code。このステップをイメージ作成フローに組み込み、授業中の学生操作に時間を取られないようにすることを推奨します。 -
APIプロキシ環境変数を設定
vDisk ゲートウェイは OpenAI 互換プロトコルを提供するため、システム環境変数（またはログオンスクリプト）でプロキシの向き先を設定し、Claude Code のリクエストを学校の統一ゲートウェイ経由で転送する必要があります。ユーザーのログオン時に GPO またはログオンスクリプトで一括配信でき、学生のログオン後に自動的に有効化され、手動設定は不要です。
-
プロジェクトディレクトリとセッションの永続化
学生をガイドして入室
D:\projects\my-projectディレクトリに移動してから Claude Code を起動(claudeコマンド)。vDisk ネットワークディスクは各生徒にログイン後に個別マウントされる個人ディスク、D: は自然に分離され互いに見えないため、学籍番号サブディレクトリは不要です。Claude Code は現在のディレクトリ内の全ファイルをコンテキストとして読み込み、会話履歴とファイル変更はリアルタイムでディスクに保存されるため、別のマシンでログインしてもプロジェクトの状態は完全に一致します。
環境変数の設定（ログインスクリプトで一括配信）
Windowsログオンスクリプト／ユーザー環境変数
# GPO または vDisk ポリシーで一括配信 ANTHROPIC_API_KEY = sk-school-xxxxxxxxxxxxxxxx ANTHROPIC_BASE_URL = https://ai.school.edu.cn/v1 CLAUDE_CODE_MAX_OUTPUT = 8192 # 学生開く终端直接运行： # cd D:\projects\my-project # claude # 无需任何额外構成即可开始 AI 编程对话
Claude Code はプロジェクトディレクトリ全体を直接読み取り、コード構造を理解したうえで対話形式での修正を行えます。高学年の学生が「AI に実際のプロジェクトを任せる」という一連の流れを体験するのに適しており——これは現在、企業のエンジニアが行う最もリアルな AI コラボレーションの一つです。
03
VS Code + GitHub Copilot · 最も手軽な入門プラン
導入手順
-
イメージにVS Codeと拡張機能をプリインストール
イメージに VS Code と GitHub Copilot 拡張機能をプリインストール（
GitHub.copilot）。国産モデルで代替したい場合は、OpenAI 互換プロトコルに対応したサードパーティの Copilot 代替プラグイン（Continue、Codeium など）をインストールし、学校のゲートウェイを指すように設定できます。 -
OpenAI互換プロキシを設定する（Continueプラグインを例に）
VS Code に Continue 拡張機能をインストールした後、その設定ファイルを開きます
~/.continue/config.json、学校のゲートウェイアドレスと Key を入力します。学生は VS Code を開くだけで、エディターのサイドバーで直接 AI と対話したり、インラインのコード補完を呼び出したりできます。 -
ワークスペースをネットワークディスクに設定
VS Code の Workspace フォルダーを直接
D:\projects\だけで十分です。vDisk ネットワークディスクは各生徒に個人専用マウントドライブはログイン時に接続、ログアウト時に切断され、D: は現在の学生だけに帰属するため、学籍番号でサブディレクトリを作る必要はありません。Continue プラグインの会話インデックスと履歴はプロジェクトディレクトリ配下に保存され、リアルタイムでディスクに書き込まれるため、デバイス間・授業回間でシームレスに継続できます。
Continueプラグインの設定例
~/.continue/config.json
{
"models": [
{
"title": 「学校 AI ゲートウェイ」,
"provider": "openai",
"model": "deepseek-chat",
"apiBase": "https://ai.school.edu.cn/v1",
"apiKey": "sk-school-xxxxxxxxxxxxxxxx"
}
],
"tabAutocompleteModel": {
"title": 「自動補完」,
"provider": "openai",
"model": "deepseek-coder",
"apiBase": "https://ai.school.edu.cn/v1",
"apiKey": "sk-school-xxxxxxxxxxxxxxxx"
}
}
04
セッション記録の統一保存：vDisk ネットワークディスクの完全ソリューション
AI 编程工具最大的价值之一，是上下文的延续——AI 记得你上次在做什么，不用每次重新解释。 而这一切，依存于会話履歴ファイルを統一ストレージに永続化、ローカルの一時ディレクトリにのみ存在するのではなく。
統一されたディレクトリ構造規約
# D: 是每位学生登录后独立挂载的個人専用盘 # 登录即挂载，注销即卸载，天然隔离互不可见 D:\ ← 学生個人用 vDisk ネットワークディスク ├─ .cursor\ ← Cursor の会話履歴 │ ├─ chat\ │ └─ composer\ ├─ .continue\ ← VS Code Continue 履歴 ├─ claude-sessions\ ← Claude Code セッション概要 └─ projects\ ├─ week01\ ← 第1週の授業プロジェクト ├─ week02\ └─ final\ ← 期末プロジェクト
授業をまたいで継続できる実効果
- 第 1 課 生徒がAIと対話してプロジェクトの骨組みを作り、AIがプロジェクトの背景を理解します。
- 第 2 課 同じワークスペースを開くとAIが自動でコンテキストを復元し、前回の授業の機能開発をそのまま続けられます。
- 第 N 課 学期全体の AI 対話とコードの変遷が完全に保存され、期末には学習の軌跡をすべて遡って確認できます。
- 別のマシンに切り替え ネットワークディスクにログインすれば、どのマシンでも同じワークスペースを開け、履歴も完全に保持されます。
教師にとっての付加価値
- 生徒の AI 対話履歴を確認し、学習の思考過程を把握
- 生徒が能動的に探究しているのか、AIの出力をそのまま流用しているのかを評価します
- 対話記録は形成的評価の一部として活用可能
- 生徒に共通するつまずきを発見し、授業のペースを的確に調整
05
教師による AI プログラミング授業の設計法：「ツールを教える」から「ツールで実際の問題を解決する」へ。
従来型の教室
VC/VB6 の文法を教え、教科書のサンプルコードを書き写す
学生に API パラメータの順序を暗記させる
デバッグは目視頼み、見つからなければ諦める
課題：ソートアルゴリズムを手書きで実装
AI ツール授業
Cursor と対話しながら、実際のニーズから最初の Python スクリプトを書く
AIにAPIを解説させ、学生は形式の暗記ではなくロジックの理解に集中できる
把报错粘给 AI，学习"如何描述问题"这一コア技能
課題：AIで3種類のソート実装を生成し、性能を比較して分析レポートを書く
中核となる転換：AI プログラミング授業の目標は、「ある特定のツールのすべての機能を学生に教える」ことではなく、学生にAIと協働して実際のタスクを完遂する能力——問題をどう記述するか、AI の出力をどう評価するか、AI の助けを借りてどう継続的に改善するか。これこそが 2026 年のあらゆる職場が必要とする能力です。
学生の課題スペース
スクリーンショットで評価 ・ ファイルで提出 ・ ネットドライブで保管
vDisk 教学スペースに統合された生徒用ツール——課題の作成から提出まで AI が全工程に関与し、データは一貫してディスクに保存されます。
生徒側ワークフロー：AI支援による課題提出の一連の流れ
学生は Cursor、VS Code、または任意の AI ツールで段階的な作業を終えた後、作業領域を離れることなく、そのまま教学スペース内で完了できます。スクリーンショット評価与ファイル提出2つのアクション——AIが即座にフィードバックし、教師は提出記録を同時に受信。
AIツール内でコード／作品を完成させる
Cursor · VS Code · 任意のツール
現在の画面をスクリーンショット
ワンクリックでキャプチャ、範囲選択に対応
AI モデルによる自動評価
大規模モデルへ送信 → 採点とフィードバックを生成
結果をネットワークディスクに保存
截图 + 评价结果 → D:\assignments\
添付ファイルも一緒に提出
コードファイル・レポート・プロジェクト圧縮ファイル
教師側でリアルタイムに提出を受信
スクリーンショット表示 · AI 採点 · 元ファイル
スクリーンショット → AI評価 → 数値の成績
コアケイパビリティ学生が現在の作業画面（コード・実行結果・デザイン案いずれも可）をスクリーンショットし、課題要件とともに大規模モデルに送信します。モデルはあらかじめ設定された評価軸（正確性・コーディング規約・論理の明瞭さ・完成度など）に基づいて生成します。構造化された採点と文章フィードバック、学生は即座に確認でき、教師側も同期して記録します。
正確性
完成度
コーディング規約
明快なロジック
評価軸は教師が課題出題時にカスタマイズし、AIが軸ごとに採点して改善提案を行いますが、教師の最終評定に取って代わるものではありません。
実ファイルの提出
アーカイブ保証スクリーンショットによる評価に加えて、学生は実際のプロジェクトファイル（ソースコード、レポート文書、データファイル、アーカイブなど）もあわせて提出できます。ファイルは vDisk ネットワークディスクの課題ディレクトリから直接選択でき、追加のアップロードは不要です。教師側は統一された課題パネルで各学生の提出状況とファイル内容を確認できます。
- ソースコードファイル (.py / .js / .java…)
- 実験レポート (.docx / .pdf)
- 完全なプロジェクトアーカイブ
- スクリーンショット + AI評価結果（自動添付）
vDiskネットワークドライブ ・ 課題保存のディレクトリ構造
作業スペースのすべてのデータ——スクリーンショット、AI評価結果、提出ファイル——は、すべてvDiskネットワークディスクの標準化されたディレクトリに保存され、リアルタイムでディスクに書き込まれるため、教師も学生もいつでも履歴を確認できます。
D:\assignments\ ← 学生個人用 vDisk ネットワークディスク
# D: は各生徒専用の個人ディスクで、自然に分離されており、学籍番号のサブディレクトリは不要です D:\assignments\ ← 個人ディスク直下に課題フォルダを作成 ├─ week03_作业1\ │ ├─ screenshot.png ← スクリーンショット原画 │ ├─ ai_eval.json ← AI 採点結果（構造化） │ ├─ ai_feedback.md ← AI テキストフィードバック │ └─ main.py ← 提出されたソースコード ├─ week05_作业2\ │ ├─ screenshot.png │ ├─ ai_eval.json │ └─ project.zip ← プロジェクト圧縮ファイル └─ final_project\ ├─ screenshot.png ├─ ai_eval.json ├─ report.pdf └─ src\ ← プロジェクト完全ソースコード
リアルタイムディスク書き込み
スクリーンショットの撮影、AI評価の生成、ファイルの選択をした瞬間にデータはネットワークディスクサーバーへ書き込まれ、ローカルキャッシュに依存せず、シャットダウンしても失われません。
履歴を遡及可能
学期を通じて各課題のスクリーンショットと評価記録を完全に保持し、期末には学生の AI 支援学習の全過程レポートを生成して、形成的評価の根拠とできます。
権限分離
各生徒は自分の課題ディレクトリのみ閲覧でき、教師側はクラス全生徒のディレクトリに読み取り専用権限を持ちます。相互に干渉せず、データも安全です。
一括エクスポート
教師はクラス全員の課題ファイルとAI評価結果をワンクリックで書き出し、標準フォーマットに整理でき、一括採点と成績集計に対応します。
AI評価はどのように機能するのか？
1
教師が事前設定する評価基準
教师在布置作业时構成评价次元（如"代码是否能运行"、"是否满足作业要求"、"逻辑层次是否清晰"等）及权重，形成结构化评分 Prompt 模板，后续所有提交自动套用此模板。
2
生徒のスクリーンショットで評価を起動
学生在教学空间点击"スクリーンショット評価"，系统自动捕获当前屏幕画面，将截图与教师構成的评价模板一同发送至大模型（サポート视觉理解能力的模型，如 DeepSeek-VL、GPT-4o 等）。
3
モデルが構造化されたスコアを出力
大規模モデルがスクリーンショットの内容を分析し、評価軸ごとに項目別に採点し、文章による改善提案を生成。結果は構造化されたJSON形式（各評価軸のスコア・総合点・フィードバック要約を含む）で返されます。学生は画面上で可視化された採点結果を即座に確認できます。
4
結果をネットワークドライブに保存し、教員へ配信
AI 評価結果は学生のネットワークディスク内の該当する課題ディレクトリ（ai_eval.json + ai_feedback.md）に自動的に書き込まれると同時に、その学生が提出を完了したことが教師側に通知されます。教師は AI の採点を人手で確認・調整し、最終成績の根拠とすることができます。
学生にとっての価値
- AIフィードバックを即座に得られ、教師の採点を待たずに問題点が分かります。
- 複数回スクリーンショットで評価を受け、自己改善してから正式提出
- 過去の課題とAI評価をすべて保存し、学期末に成長の軌跡を丸ごと振り返れます。
- 提出フローはシンプル。使い慣れた作業環境で1ステップで完了し、プラットフォームを切り替える必要はありません。
教師にとっての価値
- AIが一次採点を行い、教師は確認と深いフィードバックに専念でき、採点効率が大幅に向上します。
- スクリーンショット＋ファイル＋AI採点を三位一体で統合、課題評価の情報が完全
- クラス全体の AI 採点分布が一目で分かり、重点的な指導が必要な生徒をすばやく特定できます。
- 形成的評価をデータで裏付け、期末試験のみに頼らない
Token 使用量管理
統一アカウント体系のもとでのクォータ割り当て・使用量監視・モデルスケジューリング——AI リソースの利用を完全にコントロール下に置きます
なぜトークンを一元管理する必要があるのか？
学生合格学校统一网关调用大模型，每一次请求都会消耗 Token。 如果缺乏管控，少数高频使用的学生可能挤占大量资源，而大多数学生的使用体验反而受影响； 管理员也无法了解 AI 资源的实际使用效率，更难以在下一学期制定合理的配额计划。
Token 使用量管理的目标，ではない限制学生使用 AI， 而是确保すべての生徒が安定し公平なAI利用枠を得られます， 同时让教师和管理员对整体资源消耗保持清晰的感知与掌控。
生徒アカウント
Token リクエスト
vDisk ゲートウェイ
クォータ検証 · 計量 · ルーティング
クォータ検証 · 計量 · ルーティング
大規模モデルへ転送
クラウド大規模モデル API
個人ごとのクォータ割り当て
生徒アカウントごとに Token 枠を個別に設定でき、授業回・週・学期の単位で設定可能です。枠を使い切るとリクエストは自動的に停止し、生徒に通知が届き、教師はワンクリックで追加できます。特定の高頻度ユーザーが全体のリソースを占有するのを防ぎます。
リアルタイム利用量ダッシュボード
教師や管理者は管理画面で、クラス全体の消費トレンド、学生ごとの使用量ランキング、各授業のToken分布ヒートマップを確認できます。データはリアルタイムで更新され、使用量の異常（極端に高い／低い）は自動でマークされ、迅速な介入が可能です。
残量アラートのプッシュ通知
クラス全体の残量しきい値を設定し、利用可能枠が警告ラインを下回ると、担当教員と管理者に自動で通知をプッシュします。リソースの傾向を事前に把握して余裕をもって補充でき、枠の枯渇で授業の連続性が損なわれることはありません。
モデルのオンデマンド割り当て
コースのシナリオごとに異なるモデルを構成できます。日常的なコード補完には軽量で高速なモデルを、詳細な分析やアーキテクチャ設計にはフラッグシップモデルを使用します。同一の学生アカウントはシナリオに応じて自動的にルーティングされ、応答速度と利用効率を両立します。
使用量レポートのエクスポート
クラス別・科目別・期間別に Token 使用明細を出力でき、形式は一般的な表計算ツールと互換性があります。レポートは学期末の資源の振り返り、次学期の枠計画、学校の情報化部門へ提出する利用状況のまとめなどに活用できます。
クラス別 / 講座別の分離
同一校内の異なるクラスや科目ごとに独立した Token プールを設定でき、相互に影響しません。A クラスの使用量が超過しても B クラスの通常利用には影響せず、教師は重点科目に対して個別に十分な枠を割り当てることもでき、異なる授業強度に柔軟に対応できます。
トークンデータ + プロンプト分析
学生のAI利用プロセスを教育上の洞察に変える
AI 教育の最大の副次的成果は、生徒が AI と対話するたびに、定量化可能な学習状況データが残ることです
データ密度:従来の授業 vs AI 授業
従来の授業で得られる学習状況のシグナル
- 出席率（出欠管理）
- 課題提出率と採点
- 中間 / 期末試験の成績
- 授業中の発問（参加者は少数）
信号が少なく、遅延があり、カバー範囲が狭い
AI 授業が追加で生み出す学習状況シグナル
- 1 人 1 回あたりの Token 消費量
- 対話ターン数（マルチターン vs 単発クエリ）
- プロンプトのキーワードと意味解析
- タスク完遂におけるトークン効率の比較
- コードファイルのイテレーション回数と修正頻度
- 高頻度のエラータイプ（エラー説明から推定）
リアルタイム、全員をカバーし、思考プロセスを可視化
一つの重要な洞察
学生がAIとやり取りする際、Promptの質はその学生の思考の明晰さと知識の習得度。 一个描述模糊、只会说"プログラムを書いてください"的学生，与一个能精确描述需求、指定边界条件的学生， 处于完全不同的学习段階——而这个差异，在传统試験中几乎无法被量化捕捉。
Tokenの使用量もまた学習エンゲージメントの代理指標： 主动探索的学生会持续追问、修改、延伸； 被动应付的学生往往只取第一个答案、不做进一步交互。 两种学习行为，在データ上清晰可见。
4つの観点による学習状況分析
01
プロンプト品質分析
学生の問題記述力を評価する
⚠ 低品質な Prompt
"帮我写代码"
"这个怎么做"
"报错了怎么办"
コンテキスト不足で、要件が整理しきれていない可能性
✓ 高品質なプロンプト
"用 Python 实现一个读取 CSV 并按第3列排序的脚本，需要处理空值"
"这段代码在并发访问时会有线程安全问题吗？"
意図を正確に表現でき、基本的な概念の枠組みを習得している
对持续输出低品質な Prompt 的学生，针对性补充"如何描述技术问题"的专项练习
02
トークン消費パターン分析
学習の深さと取り組み度を定量化
⚠ 極めて低い消費量
1 コマの授業で送信するのはわずか 2〜3 件
一度の対話でウィンドウを閉じる
実質的に関与していない、または AI の出力をコピーしただけの可能性がある
✓ 消費量は健全
複数ターンの対話で、細部を継続的に深掘り
同じ問題を異なる角度から繰り返し探求
能動的な学習行動、AIを思考のツールとして深く活用
消耗量异常低的学生在课堂中可能处于"隐性失联"ステータス，需教师主动介入
03
クラスのホットなPromptのクラスタリング
共通のつまずきを発見し、授業のペースを調整
→ 高頻度のエラーキーワード
"ImportError"、"undefined"、"null pointer"
"这个语法怎么写"、"为什么不能运行"
ある知識ポイントの説明が不十分、あるいは説明方法の効果が芳しくない
↑ クラスの想定を超える探究
多くの学生が自発的にアーキテクチャ設計の質問をし始める
カリキュラム範囲を超えた自主的な発展学習
このクラスは次のモジュールへ少し早めに進んでよい
聚类分析可在每课结束后自动生成"本课学生最常遇到的 5 类问题"摘要，辅助备课
04
コードイテレーションの追跡
学生の実際のプログラミング能力の成長を評価
⚠ 低頻度更新の挙動
一度生成したらそのまま提出し、一切修正しない
毎回まったく異なる質問で、連続性がない
AIの出力をそのまま流用しており、自主的な理解に至っていない可能性があります
✓ 高頻度な反復処理
複数の変更履歴を持つコードファイル
同じプロジェクトを段階的に作り込み、機能を継続的に追加
AIを補助ツールとして活用し、主体的にプロジェクトを進める
vDiskネットワークディスクのファイル変更履歴と組み合わせることで、学生の1学期を通じたコード成長の軌跡を追跡できる
プライバシーとコンプライアンスの説明
学習状況分析は匿名化された利用量統計とキーワードクラスタリングに基づいており、その中核原則は：学生を監視するためではなく、授業を支援するため。コース開始前に学生へデータ収集の範囲を説明し、分析結果は評価・採点の直接的な根拠ではなく、授業設計の改善に活用することを推奨します。
- データは学内サーバーに保存され、学内ネットワークから出ない
- 対話内容は教師のみ閲覧可能、管理者は集計データを閲覧
- 学生は自分の利用履歴を確認できる
- 学期終了後、元の対話記録は必要に応じて削除可能
よくある質問
当校には GPU サーバーがありませんが、接続できますか？
完全可以。vDisk AI 教育プラットフォーム的コア逻辑是"推理在云端、管控在校内"——大模型的计算在各大模型厂商的云端サービス器上完成，校内只需一台の一般的な業務サーバー，负责账号鉴权、Token 路由与计量統計即可。无需 GPU，无需高性能计算资源。
コンピュータ専攻でない学部に、AI 教育を導入する必要はありますか？
这是我们认为最值得认真对待的问题。信管系、经管学院、法学、新闻、理工系実験授業……这些专业的学生，未来会在各自的工作领域大量使用 AI 工具。会用 AI，是一种基础工作能力，和会用 Excel、会写メール一样重要。越早让学生在课堂中建立使用习惯和评估能力，越有竞争优势。
生徒が AI で宿題をズルしないか？授業の管理はどう担保するのか？
这是每一个推进 AI教学的学校都会遇到的问题。平台提供完整的对话历史记录与学习过程追踪，教师可查阅每位学生的 AI 使用记录，了解学生是在主动探索还是在被动复制。此外，合格合理的课程设计——如要求学生对 AI 输出进行评估、修改与批判——可以将 AI 从"作弊工具"转化为"思维训练工具"。
どの大規模モデルに対応？いつでも切替できる？
目前サポート接入的主流国产大模型包括：DeepSeek、文心一言、通义千问、智谱 GLM、豆包、讯飞星火、腾讯混元、Kimi 等。平台后台可按学校需求灵活構成，いつでも切换后端模型；前端教学界面无需任何改动，学生无感知。这意味着每当有更强大的新模型发布，学校可以第一时间让学生用上。
月額費用はおおよそいくらですか？
費用主要由 Token 消耗量决定，按实际使用量计费。プラットフォームサポート设置单人 Token 上限，管理员可以在开授業前预估用量、设定上限，将整体費用控制在预算范围内。通常情况下，相比自建大模型的硬件与運用保守への投入，API 接入的综合成本可降低 95% 以上。具体見積もり可お問い合わせ根据コンピューター教室の規模与课程数量测算。
このソリューションは市場の他の AI 教育製品と何が違いますか？
vDisk AI 教育プラットフォームではない一个独立的 AI アプリケーション，而是深度集成在 vDisk 統合クラウド管理プラットフォーム之上的能力体系。这意味着它与机房端末管理、イメージ配信、ネットワークディスク、時間割連携、IoTデバイス控制完全打通，是一套真正意义上的"可运营的 AI教学基础设施"，而非一个需要单独メンテナンス的孤立系统。
今学期、AI を本当に教室へ
学部・学科の責任者、担当教員、学校の IT 管理者のいずれであっても、ぜひお問い合わせください。貴校の実情に即した導入プランと費用試算をご提供します。