理工系学部の小論文は、文系のそれとは作法が違う。感情や思想で押す書き方が通用せず、論理の組み立てと根拠の正確さが厳しく見られる。一方で、数式や専門用語をひけらかす答案も低く評価される。理工系小論文には「理工系らしい論述の作法」があり、それを外すと点が伸びない。
この記事では、理工系学部の小論文で頻出するテーマと、論理性・数式表現・技術倫理の3軸でどう書くかを整理する。AI、脱炭素、宇宙開発など近年比重が増えているテーマの論じ方も具体的に解説する。
筆者は AI 小論文添削サービス lonova 編集部。理工系志望者の答案を採点してきた経験から、理工系で点が伸びる答案の構造を観察してきた。
理工系小論文の特徴
理工系の小論文には3つの特徴がある。
1. 論理の隙間に厳しい
理工系の採点者は、論述の論理的飛躍に敏感だ。「A だから B」と書くとき、その間に省略された前提を補えるかを見られる。文系では情緒的な接続で許される箇所も、理工系では論理の不備として減点される。
2. 数値・データへの感度が見られる
「多い」「急増している」のような形容詞ベースの議論は弱い。可能なら数字や桁感を添える。正確な数字を覚えていなくても、「日本のエネルギー自給率は1割前後」のようなオーダー感が示せると、理工系らしい論述になる。
3. 技術倫理の視点が評価される
理工系といっても、技術の話だけでは終わらない。技術が社会・人間・環境にもたらす影響を考える視点が求められる。AI、ゲノム編集、自動運転、宇宙開発、原子力。これらは技術と倫理がセットで問われる。
頻出テーマ7つ
理工系学部の小論文で出題されやすいテーマは7系統に整理できる。
- AI・情報技術（生成AI、機械学習、AI 倫理、自動化と雇用）
- 脱炭素・エネルギー（再生可能エネルギー、カーボンニュートラル、エネルギー安全保障）
- 環境・サステナビリティ（気候変動、生物多様性、循環型社会）
- 宇宙・先端科学（宇宙開発、量子技術、素材科学）
- モビリティ・交通（自動運転、次世代モビリティ、都市交通）
- 生命科学・バイオ（ゲノム編集、合成生物学、医療AI）
- 技術倫理・科学者の責任（デュアルユース、研究公正、技術と社会）
このうち1-3は近年の最頻出、4-6は学部・学科の専門に応じて、7は学部横断で問われる。AI 関連の出題は文系学部にも広がっており、技術と社会の論点として「AI時代の小論文」の記事も参考になる。
採点者が見ている4つの観点
理工系の採点者が答案で確認しているのは4点に絞られる。
1. 論理の連結が緩んでいないか
序論・本論・結論の連結が論理的にきちんと噛み合っているか。本論で立てた根拠が結論を支えているか。「だから」「したがって」のような接続詞が、本当にその論理関係を表しているか。
2. 事実関係に誤りがないか
理工系では、誤った事実を断定すると一気に評価が落ちる。「太陽光発電は二酸化炭素を全く排出しない」のような不正確な断定は減点対象だ。「製造・廃棄まで含めるとライフサイクル全体での排出はある」のように、断定の精度を上げる。
3. 技術の社会的影響を想像できているか
技術そのものの説明で終わらず、それが社会・人間・環境にどう影響するかを論じられるか。技術礼賛でも技術悲観でもなく、両面を踏まえて自分の立場を取る姿勢が評価される。
4. 自分の専門への動機が滲んでいるか
総合型選抜や推薦入試では、専門分野への関心が答案に滲むかを見られる。志望理由書ではないので直接書く必要はないが、扱うテーマの解像度や具体例の選び方に動機が表れる。
文系小論文との違い
文系志望者が理工系小論文を書くと、共通して失点するパターンがある。逆に理工系志望者が文系の作法のまま書くと損をする。
違い1：価値判断の置き方
文系小論文は「自分はどう考えるか」を強く出す。理工系では、価値判断を出す前に「事実関係はこうである」を踏む。事実認定 → 評価 → 立場の順で進む。
違い2：具体例の選び方
文系は身近な経験や社会現象を例にする。理工系では、技術の事例・データ・研究成果が具体例の中心になる。
違い3：結論の射程
文系は思想的・哲学的な結論で締めても許される。理工系は「だから具体的に何をすべきか」まで踏み込むことが期待される。実装の射程に降りるのが理工系の作法だ。
違い4：感情表現の比重
「強く感じた」「胸を打たれた」のような情緒表現は、理工系の答案では浮く。事実と論理で押す。情緒は最後の一文程度に抑える。
数式・専門用語の扱い方
理工系志望者が陥りがちな失敗が、「数式や専門用語で武装した答案」だ。技術力をアピールしたい気持ちは分かるが、ほぼ逆効果になる。
原則1：数式は必要最小限
入試小論文では、数式を書くこと自体が評価対象ではない。「E=mc²」を書いても採点は伸びない。式は説明の補助に徹し、書くなら短く、必ず文章で意味を補う。
原則2：専門用語は定義してから使う
「ディープラーニング」「カーボンニュートラル」「量子もつれ」のような語を、定義なしで連発しない。読み手は高校生レベルの常識を前提に読むので、初出の専門用語は1文で説明する。
原則3：背伸びより精度
知っている専門用語を全部詰め込むより、3つの重要概念を正確に使うほうが評価される。誤用は致命的なので、自信のない用語は使わない。
原則4：数字は桁感で示す
「日本の発電量に占める再生可能エネルギーの割合はおよそ2割」のように、桁感を添える。覚えていない数字を捏造するのは絶対に避ける。
AI・情報技術テーマの書き方
AI は理工系小論文の最頻出ジャンルだ。書き方の型を整理する。
論点1：何ができて、何ができないかを分ける
「AI は何でもできる」も「AI は人間を超えられない」も、どちらも雑な議論になる。生成AI のように得意な領域（パターン抽出、文章生成、画像生成）と苦手な領域（厳密な事実保証、新規発見、責任を負う判断）を分けて論じる。
論点2：技術的論点と社会的論点を分ける
技術の精度・効率の問題と、雇用・教育・倫理の問題は別の階層にある。両方に触れるとしても、混ぜずに段落を分ける。
論点3：自分の専門との接続
工学部志望なら「自分が AI 技術者になったときに何を守るか」、理学部志望なら「AI を研究の道具としてどう使うか」、情報系志望なら「AI システムの設計者として何を考えるか」。立場に応じて結論の方向が変わる。
資料読解型での AI テーマの扱い方は「資料読解 小論文」の記事も合わせて参考にできる。
脱炭素・エネルギーテーマの書き方
脱炭素・エネルギー分野は理工系小論文で増えているテーマだ。
論点1：再生可能エネルギーの長所と限界
太陽光・風力は二酸化炭素排出が少ない一方で、出力変動・土地利用・蓄電・廃棄物処理などの課題がある。長所だけを書く答案は弱い。「ライフサイクル全体で評価する」視点が理工系らしい。
論点2：エネルギーミックスの議論
脱炭素を「原子力 vs 再生可能エネルギー」のような対立軸だけで論じない。火力の天然ガス化、水素、アンモニア、地熱、CCS など、複数の選択肢の組み合わせとして捉える視点が評価される。
論点3：技術と政策の両輪
技術だけで脱炭素は実現しない。カーボンプライシング、補助金、規制など政策の議論にも触れられると論述に幅が出る。
論点4：エネルギー安全保障との関係
脱炭素は気候変動対策だけの話ではなく、エネルギー輸入依存をどう減らすかという安全保障の論点とも繋がっている。両者をリンクさせて論じると深みが出る。
lonova で書いた小論文を 5 軸即採点 無料で AI 添削を試す
技術倫理の論じ方
技術倫理は理工系小論文の本丸の1つだ。論じ方の型を覚えておくと、AI・ゲノム・自動運転・宇宙開発など幅広いテーマで使える。
ステップ1：技術がもたらす利益を明示する
否定から入らない。技術が解決する問題、もたらす便益を最初に整理する。
ステップ2：技術が抱えるリスクを分類する
リスクには複数の階層がある。
- 技術的リスク（誤動作、安全性）
- 社会的リスク（格差拡大、雇用喪失）
- 倫理的リスク（自律性、尊厳、責任の所在）
- 環境的リスク（資源、廃棄物、二酸化炭素）
分類して並べると、論述の構造が見える。
ステップ3：誰が責任を負うかを問う
技術倫理の核心は「誰がどう責任を負うか」だ。開発者・運用者・利用者・規制当局・国際機関。役割分担を整理する視点が評価される。
ステップ4：自分の立場を取る
「推進すべきだが条件付きで」「条件が整うまで待つべき」「全面禁止」など、立場を明示する。両論併記で終わらせない。
ステップ5：技術者としての自分に落とす
理工系の答案では、最後に「自分が技術者になったときにどう関わるか」に降ろすと、志望動機との接続が滲む。
書き出しのテンプレ3選
理工系小論文の書き出しは3パターンで対応できる。
テンプレ1：事実認定から入る 「〜という技術が近年急速に普及している。この技術は〜という便益をもたらす一方で、〜という課題を抱えている。本稿では〜の観点から論じる。」
テンプレ2：対立軸の提示 「〜という問題は、〜と〜の対立として捉えられることが多い。本稿では両者の根拠を整理したうえで、〜の立場から考察する。」
テンプレ3：データから入る 「日本のエネルギー自給率は1割前後にとどまる。この事実は〜という課題を示唆する。本稿では〜について論じる。」
テンプレ1は技術紹介系、テンプレ2は倫理ジレンマ系、テンプレ3はデータを軸にした論述に向く。800字の答案構成は「小論文 800字 例文」の記事も参考になる。
理工系でやりがちなNG
理工系の採点者から見て減点される答案には共通パターンがある。
- 専門用語を定義せずに連発：「ディープラーニング」「量子もつれ」を未定義で使う
- 誤った事実の断定：「太陽光はCO2を全く出さない」など
- 数字の捏造：自信のない数字を書く
- 技術礼賛で終わる：リスクへの言及がない
- 技術悲観で終わる：便益への配慮がない
- 「政府がやるべき」で投げる：技術者としての自分が消える
- 数式や用語で武装する：背伸びがバレる
- 文系の作法のまま書く：事実 → 評価 → 立場の順を踏まない
これらは AI 採点で「論理性」「具体性」軸が伸び悩む原因になる。
自分の答案をAIで採点する
理工系の小論文は「論理の連結」「事実の正確さ」「技術と社会の両面」が評価軸だ。これらを自己採点するのは難しい。書いた本人は自分の論述が論理的に見えてしまうし、事実誤認に気づきにくい。
AI 採点を使うと、設問適合・論理性・構成・具体性・文章力の5軸でスコアが返ってくる。「論理性」が低い場合は論の組み立てか接続詞の使い方、「具体性」が低い場合は技術的事例やデータ不足、「設問適合」が低い場合は設問の論点を外している可能性がある。
書いた答案を AI で採点して弱い軸を特定し、書き直すサイクルを回す。lonova は 400 字 / 600 字 / 800 字 / 1200 字 に対応しており、志望校の過去問字数に合わせて練習できる。
→ 理工系の小論文を AI で採点する（無料・1日3件まで）
まとめ
理工系小論文の対策の要点をまとめる。
- 理工系の核は「論理の連結」「事実の正確さ」「技術と社会の両面視点」
- 頻出テーマは7系統（AI・脱炭素・環境・宇宙・モビリティ・生命科学・技術倫理）
- 文系との違いは「事実 → 評価 → 立場」の順序と「実装への落とし込み」
- 数式・専門用語は必要最小限、定義してから使う
- 技術倫理は5ステップの型で書く（便益・リスク分類・責任主体・立場・技術者としての自分）
- NGは「専門用語の未定義連発」「事実誤認」「技術礼賛・悲観の一方」「文系作法のまま書く」
- 自己採点が難しいので AI 採点で軸別スコアを取る
理工系小論文は、知識量より「論理と事実への誠実さ」が問われる。型を覚えたら、新聞の科学技術面と志望分野の入門新書を行き来しながら書く練習を積む。
よくある質問
理科の知識をどこまで使えばいいですか？
高校で習う範囲の理解で十分。入試小論文は専門知識の試験ではなく、論述力の試験だ。背伸びして大学レベルの専門用語を使うより、高校範囲の概念を正確に使うほうが評価される。誤用は致命傷なので、自信がない用語は避ける。
数式は書いたほうが有利ですか？
ほとんどの入試小論文では不要。式を書くこと自体は評価対象にならず、むしろ「文章で説明できない」と見られるリスクがある。書くなら短く、必ず文章で意味を補う。図表は禁止されている入試がほとんどなので、事前に募集要項を確認する。
工学部の推薦入試の小論文は一般入試と違いますか？
違う。推薦・総合型では志望分野への関心と動機がより強く問われる。一般入試では論述力単体で評価されるが、推薦では「なぜこの学部を選ぶか」が答案の解像度に滲むかを見られる。志望理由書と整合する論じ方を意識する。
