✓ 生き残り提案 12 件中 1 位ベンチャー教育 2026年10月26日

大学向けスケーラブルな口頭試問プラットフォーム

学部が短時間の構造化された口頭試問（viva）を大規模に実施するためのソフトウェアとワークフロー。AIでは偽装できない評価形式です。

Claude Code や Cursor などのコーディングエージェントにそのまま貼れる概要（英語）です。

I want to build a venture-scale product. Help me plan and start the MVP.

Product: Scalable oral exam platform for universities
What it is: Software and workflow for departments to run short, structured oral exams (vivas) at scale, the one assessment format AI can't fake.
Who pays: Department chairs and teaching & learning centers at universities with large STEM programs, paying $15k–60k/yr per department from academic integrity / instructional budgets.
Closest alternatives: HireVue (hiring interviews, not academic mastery), ExamSoft (written proctored exams), Gradescope (written work grading), manual ad-hoc vivas run by faculty
The gap: Oral assessment is the consensus AI-proof format in this discussion, but no product exists to run it at scale: scheduling hundreds of 10-minute vivas, generating per-student question variants from the actual homework, recording, rubric scoring, and flagging inconsistencies between submitted work and oral answers. Incumbents all target written deliverables.
Why now: In the last 12 months, frontier models made take-home written assessment unverifiable — a Fields medalist publicly abandoning homework grading is the signal; universities tried Turnitin/Rumi detectors and found them inadequate (per the article), so they need a structural alternative, not detection.
Moat to build toward: Rubric and question-variant banks per course compound over time, recordings create grading-consistency data, and integration with LMS/registrar systems creates switching costs; institutional sales create a reference moat.
Biggest risk: Universities are slow, budget-constrained buyers with enormous institutional inertia — the article itself notes the system may not change for years even when broken.

First three steps:
1. Build a viva scheduler + question generator that turns a course's homework set into per-student oral follow-up questions, with recording and rubric scoring.
2. Run a paid pilot with one math/CS department (50–200 students) offering 10-minute recorded vivas as 20% of the course grade.
3. Add an inconsistency report comparing each student's submitted written work to their oral answers to flag likely AI-dependent submissions.

Start by asking me up to five questions about constraints (stack, budget, timeline), then propose the smallest version a paying customer would use, and scaffold it.

総合6.6/10

課題の深刻さ7

支払い意欲6

タイミング8

市場の空白7

参入障壁6

実現性6

賛成

誰が払うか

STEM系プログラムの規模が大きい大学の学科長や教育支援センター。学科ごとに年間1.5万〜6万ドルを、学術的インテグリティ予算や教育予算から支払う想定。

議論での声 · 4

宿題は評価に含めるべきではなく、書面の不正が容易になった現在では、習熟度は試験と口頭試問で確認すべきだと主張している。コメントを読む ↗
教員が提出物について学生を無作為に指名し、クラスの前で説明または再現させれば、課題をやっていない学生を見抜けると提案している。コメントを読む ↗
信頼できる評価手段として、教室での記述試験または口頭試験への回帰を推奨している。コメントを読む ↗
非常勤教員が、今教えるなら対面試験と場合によっては面接のみで採点し、AIによる成績の水増しの余地を残さないと述べている。コメントを読む ↗

議論の内容を要約したものです。元のコメントはリンクからどうぞ。

競合と空白

HireVue (hiring interviews, not academic mastery)ExamSoft (written proctored exams)Gradescope (written work grading)manual ad-hoc vivas run by faculty

この議論では口頭試問がAIに強い評価形式の定説になっていますが、大規模に実施するための製品は存在しません。数百人分の10分間の口頭試問の日程調整、課題内容に基づく受験者ごとの質問バリエーションの生成、録画、ルーブリック採点、提出物と口頭回答の不整合の検出といった機能が必要です。既存の製品はいずれも記述式の成果物を対象にしています。

なぜ今か

過去12か月でフロンティアモデルの登場により、持ち帰り型の記述課題の正当性を確認できなくなりました。フィールズ賞受賞者が宿題の採点をやめると公言したことがその兆候です。記事によれば、大学はTurnitinやRumiなどの検出ツールが不十分だと判明しており、検出ではなく構造的な代替策が必要になっています。

参入障壁 · 6/10

コースごとのルーブリックや質問バリエーションの蓄積が時間とともに価値を増します。録画データは採点の一貫性に関するデータになります。LMSや教務システムとの連携がスイッチングコストを生み、大学への導入実績が参照事例として効いてきます。

反対

レッドチーム: 大学がAIに強い評価形式として実際に収束しつつある形式が口頭試問であり、試問の日程調整、バリエーション生成、大規模な採点を行う既存製品はありません。大学への販売サイクルは非常に長いものの、構造的なギャップは実在します。
失敗するとしたら: 大学は予算が限られ、組織的な慣性が非常に強い購買者です。記事自体も、仕組みが壊れていても何年も変わらない可能性を指摘しています。

始め方

最初の3ステップ: コースの課題セットを受験者ごとの口頭フォローアップ質問に変換し、録画とルーブリック採点を行う試問スケジューラと質問生成ツールを構築する。
1つの数学またはCS学科（学生50〜200人）と有償パイロットを行い、10分間の録画口頭試問を成績の20%として実施する。
提出された記述課題と口頭回答を比較し、AI依存の可能性がある提出物を指摘する不整合レポート機能を追加する。
元の議論: AI use leads UC Berkeley math professor to see 'no point' in grading homework ↗ 231 ポイントコメント 327 件コメントからリンク先の記事

英語からの翻訳です。原文を読む

賛成

反対

始め方

この号のほかのアイデア