想起練習 — 知識はどう獲得されるか

知識の獲得とは、引き出せる経路を作る作業である。経路は引いたときにしか太くならないので、情報に触れた回数はほとんど寄与しない。想起練習・分散学習・「自分の言葉にする」の効き目は、すべてこの一点から導ける。学習法の議論が混乱するのは、筆記具や教材という手段の層と、この機序の層を混ぜて話すため。

素朴なモデルが間違っている

多くの人が暗黙に持つのは容器モデル — 脳を器と見て、注いだ量に比例して知識が増えると考える。読んだ回数・眺めた時間が投入量になる。

flowchart LR
    A["情報"] -->|"読む・見る"| B["脳に入る"] --> C["知識"]

容器モデルは検証可能な予測を立てるので、そこを突けば倒せる。予測は「投入量に比例して知識が増える」。

反例が2方向から来る。

• 入れたのに出ない — 同じ教科書を何度読んでも試験で出てこない。投入量は積み上がっているのに、取り出せる量が増えていない
• 出ないのに残っている — 何年も使わず完全に思い出せなくなった内容でも、覚え直しは初回よりはるかに速い。取り出せる量はゼロなのに、何かが残っている

2つは逆向きの反例になっている。容器モデルは入れることと出せることを同一視しているため、片方が成り立って片方が成り立たない状況を原理的に表現できない。だから局所的な修正では救えず、モデルごと置き換える必要がある。

置き換えた先が経路モデルで、情報に触れた時点ではまだ知識になっていない。触れて生まれるのは素材だけで、知識になるのは、そこへ至る経路ができたとき。

flowchart TD
    A["情報に触れる"] -->|"符号化"| B["痕跡ができる<br/>(まだ知識ではない)"]
    B --> C{"手がかりだけの状態で<br/>思い出そうとする"}
    C -->|"成功"| D["経路が太くなる"]
    D --> B
    C -->|"何もしない"| E["痕跡は残るが<br/>たどり着けない"]

なぜ1軸では足りないのか

ここでいう軸とは、記憶の状態を記述するために立てる変数のこと。何本立てるかがモデルの設計判断になる。

素朴な捉え方は、暗黙に1本しか立てていない。「よく覚えている ↔ あまり覚えていない」という単一の目盛りがあり、学習でその目盛りが上がり、時間が経つと下がる、という像になる。前節の容器モデルで言う「注いだ量」も、この1本の別名にすぎない。器の比喩をやめても、変数が1本のままなら構造は変わらない。

変数を1本で済ませると、その1本が2つの役目を兼務することになる。

• 今その項目を出せるか — テストで答えられるかどうか
• どれだけ深く入っているか — 後々どれだけ残るか

普段この2つは連動して見えるので、兼務していることに気づかない。以下で並べるのは、その兼務が破綻する場面ばかりになる。

4つとも、上の2つの役目がズレて観測されている。

なぜ2本目の軸が「必要」と言えるのか。 節約の観測を形式的に書くと、次の2つが同時に成り立っている。

1. 想起できない → アクセスの度合いはゼロ
2. 再学習が速い → 何かが残っている量はゼロではない

1軸モデルでは「アクセスの度合い」と「残っている量」が同じ変数なので、この2つは x = 0 かつ x > 0 になり矛盾する。矛盾を解く方法は、2つを別の変数に分離する以外にない。ここでの2軸は、観測を無矛盾に記述するための最小構成という位置づけになる。便利な比喩として導入されたものではない。

残り3つの現象も同じ形に還元できる。分散効果なら「触れた回数は同じなのに保持が違う」、テスト効果なら「触れた情報量が少ないほうが保持で勝つ」、直後と長期の乖離なら「同じ項目が今は出て後で出ない」。いずれも1変数では両立しない観測の組で、同じ理由で同じ分離を要求する。4つが独立に2軸を支持している点が、この分離の強さになっている。

Bjork の言い方では performance(今の出来) ≠ learning(習得)。この2つが、次節で名前のつく2本の軸になる。

2つの強度 — 何が減り、何が減らないのか

つかみ方 — 人の名前が出てこないとき

抽象的な定義より先に、誰でも持っている観測から入るほうが早い。

人の名前が出てこない。顔は分かる。どこで会ったかも分かる。名前だけ出ない。そこで誰かが「た行だよ」と言った瞬間、「あー、田中さん」となる。

ここで起きたことを分解する。

• ヒントで増えた情報は 1ビット程度。名前そのものは与えられていない
• それで出てきた → データは最初からあった
• 出なかったのは、たどり着けなかっただけ

この瞬間、2つの量を別々に観測している。「田中」を持っている度合いはずっと高いままだった。今すぐ出せる度合いだけが低かった。前者が貯蔵強度、後者が引き出し強度と呼ばれる。

メンタルモデル — 道の深さと、今の通りやすさ

冒頭の経路モデルをそのまま使える。踏み分けてできた道を思い浮かべる。

この比喩の利点は、後で出てくる3規則がそのまま落ちてくること。

• 藪をかき分けて通ると道が刻まれる。楽に通れる道を通っても、道は変わらない → 規則2
• 深い溝ほど埋もれにくい → 規則3
• 自分で道を探して通るほうが、案内されて通るより刻まれる → 規則1
• 分岐点に似た道が並ぶと、よく通る道に足が向き、他が埋もれる → 干渉
• 埋もれても溝は残るので、草を払えば通れる。掘り直しではない → 再学習の節約

工学的に言い直すなら、貯蔵強度は counter、引き出し強度は gauge になる。前者は単調増加でリセットされず、後者は現在値で放っておくと下がる。同じ「強度」という名前がついているが、片方は累積値で片方は現在値なので、そもそも比較する対象ではない。

どの比喩も一部しか運ばない点は承知しておく。道の比喩は干渉の扱いがやや粗く、counter/gauge は2軸の相互作用(規則2・3)を説明しない。掴むのは道、計算するのは counter/gauge、という使い分けになる。

定義

1項目を追跡する

学生時代に覚えた単語を1つ、時系列で追うと2軸の動きが分離して見える。

読み取る点は2つ。gauge は何度も上下している。そしてcounter が下がった行は1つもなく、上がるのは「思い出した」行だけ。

1年後に出てこないことは、失われたことを意味しない。日常語ではどちらも「忘れた」と言うので区別が消えるが、正確には次のように分かれる。

「思い出せない」は gauge が低い状態。「覚えていない」は counter が低い状態。

そして実践上の急所がここにある。勉強中に体感できるのは gauge だけで、伸ばしたいのは counter のほう。見えている数字と伸ばしたい数字が違うため、体感を頼りにすると構造的に外す(後述の「手応えと効果は逆相関する」は、これを別の角度から言ったもの)。

「減る」を割る

引き出し強度が下がる機序は少なくとも3つあり、性質が違う。

3つ目が効いてくる。引き出し強度は絶対量というより、同じ手がかりを共有する項目の中での相対的な順位に近い。したがって「減る」の多くは押しのけとして起きる。似た用語をまとめて覚えると混ざるのは、順位の奪い合いが起きているため。

「減らない」を割る

貯蔵強度は単調非減少とされる。学習と想起で増え、不使用でも競合でも減らない。

根拠は再学習の節約(Ebbinghaus の節約法) — 完全に思い出せなくなった素材でも、覚え直しは初回より速い。引き出し強度がゼロでも何かが残っている、とこの観測が示している。つまり「忘れた」は消えたのではなく、たどり着けなくなった状態を指す。

なぜ「ゆっくり減る」ではなく「まったく減らない」と置くのか。 節約の観測が要求しているのは「ゼロではない」ことだけで、「減らない」までは要求していない。にもかかわらず減衰ゼロと置くのには、モデル側の理由がある。

貯蔵強度にも減衰を許すと、減る量が2つになる。すると観測される忘却を、どちらの減衰にどれだけ帰属させるかが決められない。同じ忘却曲線を「引き出し強度が速く減った」でも「貯蔵強度が少し減った」でも説明できてしまい、2つの軸を分離した意味が消える(識別不能)。

貯蔵側の減衰をゼロに固定すると、忘却はすべて引き出し側で説明され、軸が分離したまま保たれる。つまり 「減らない」は観測から導かれた事実ではなく、モデルを識別可能にするための正規化に近い。

この理解は実用上も効く。「減らない」が反証しにくいのは、それが反証を受けるために置かれた命題ではないから。理論の怠慢を意味しない。逆に言えば、ここを実在の主張として振り回すのは誤用になる。

ただし単調非減少には注釈がつく。

• 収穫逓減がある — 上限に近いほど増分が小さい
• 正規化であって観測ではない — 上記の通り。理論の弱点として自覚しておく
• スコープは通常の不使用による忘却 — 損傷・加齢は扱っていない

4象限

2軸が独立なので4象限が存在する。実務で問題になるのは逆対角の2つ。

左下が学習の失敗の大半を占める。読み返した直後の「分かった感」がここで、貯蔵強度は伸びていないのにアクセスだけが一時的に良くなっている。

中核 — 想起が記憶を書き換える

直感では「思い出す＝記憶を読みに行く」。実際には、思い出す動作そのものが記憶を書き換え、貯蔵強度を上げる。想起は read ではなく modify にあたる。

flowchart TD
    Q["手がかりだけ与えられる<br/>= 情報がない状態"] --> R{"思い出そうとする"}
    R -->|"成功"| S["経路が太くなる<br/>貯蔵強度が上がる"]
    R -->|"失敗"| F["どこが欠けているか判明<br/>= 診断になる"]
    F --> H["手がかりを足す<br/>素材に戻る"]
    H --> Q
    S --> W["時間が経つ<br/>引き出し強度が下がる"]
    W -->|"忘れかけが次を効かせる"| Q

なぜ「読み出しではない」と言い切れるのか。 想起が単なる読み出しなら、テストは状態を変えない測定であるはずで、そこから予測が出る — 同じ時間を与えたとき、触れる情報量が多い再読のほうが保持で勝つはず。

実際の結果は時間依存で反転する。直後の測定では再読群が勝ち、数日置いた測定ではテスト群が逆転する(Roediger & Karpicke, 2006)。同じ2群の順位が、測定時期だけで入れ替わる。

ここが決定的で、もしテストが測定にすぎないなら、テスト群の保持は再読群を上回りようがない。逆転が起きた時点で、テストは測定と同時に状態を変えている。しかも直後に負けて後で勝つという順序は、変化した対象が「減りにくさ」の側であることまで示している。

筋トレの比喩で言い直すと、持ち上げる動作が重り自体を大きくしている状態に近い。中身を増やす作業が引く行為の外側にあるわけではない。引く行為そのものが、唯一の経路になっている。

2軸の相互作用 — 3つの規則

2軸は独立に動くが、無関係ではない。互いに違う役割で影響する。

flowchart LR
    SS["貯蔵強度"] -->|"高いほど 減衰が遅くなる"| RS["引き出し強度"]
    RS -->|"低いほど 次の増分が大きくなる"| SS

矢印が逆向きで役割が違うことが、この理論の生む予測すべての源になっている。規則として明示すると:

1. 学習イベント(再読・想起)は両方を増やす。ただし想起のほうが増分が大きい
2. 貯蔵強度の増分は、そのときの引き出し強度に反比例する — 引き出し強度が低いほど大きく入る
3. 引き出し強度の減衰速度は、貯蔵強度が高いほど遅い — よく入ったものは忘れにくい

flowchart TD
    E["学習イベント"] --> Q{"そのときの<br/>引き出し強度"}
    Q -->|"高い(直後・すぐ復習)"| A["増分：小<br/>= ほとんど学習していない"]
    Q -->|"低い(忘れかけ)"| B["増分：大"]
    B --> C{"再読か想起か"}
    C -->|"再読"| D["増分あり"]
    C -->|"想起して成功"| F["増分がさらに大きい"]

規則2の含意が強い。引き出し強度が高いときは、貯蔵強度がいくつであろうと、ほとんど学習が起きていない。読んですらすら分かる状態での勉強は、定義上ほぼ無価値ということになる。

この3規則から、直感に反する命題が演繹される。

それぞれをどう増やすか

3規則を操作の側から読み直すと、2軸で難易度がまったく違う。

引き出し強度

何をしても上がる。見る、読む、聞く、ヒントをもらう、思い出す。どれでも即座に効く。最も安いのは読むことで、コストはほぼゼロ。

ただし上げた分を保持できない。放っておけば下がる。

貯蔵強度

直接上げる手段が存在しない。学習イベントを通してしか動かず、その増分は3つの条件で決まる。

操作としては次の順序になる。

間隔を空けて忘れかけさせる → 見ずに思い出す → 成功する

貯蔵強度に直接触れる手段がないため、引き出し強度を下げてから想起するという間接的な形しか取れない。

非対称性

簡単に上がるほうは減り、減らないほうは簡単に上がらない。

実務上の罠

片方を上げる操作が、もう片方を上げる機会を消費する。

教材を開いて答えを見た瞬間、その項目の引き出し強度は上がる。同時に「忘れかけている状態」が失われるため、貯蔵強度を大きく増やす機会がそこで消える。払ったコストが引き出し強度の延命だけに変換された形になる。

したがって鉄則が1つ出る。

答えを見る前に、必ず思い出そうとする。

順序を逆にすると、同じ教材に同じ時間をかけても、得られるものが変わる。

「情報がない」ことが効き目の源

flowchart LR
    A["目の前に情報がある"] -->|"経路を使わずに答えに届く"| B["何度読んでも<br/>経路はできない"]
    C["情報がない<br/>手がかりだけある"] -->|"経路を通るしかない"| D["経路ができる"]

情報が目前にある状態の学習では、経路を使わずに答えへたどり着ける。だから経路は作られず、100回読んでも同じ。逆に手がかりが少ないほど遠回りの経路を通ることになり、効果が大きい — Bjork の desirable difficulties(望ましい困難)。

なぜ手がかりが少ないほど効くのか。 規則2は、増分をそのときの引き出し強度の減少関数として決める。ここで手がかりの働きを考えると、手がかりはその場のアクセスを補助する — つまり実効的な引き出し強度を押し上げている。

したがって手がかりを減らす操作は、実効的な引き出し強度を下げる操作と同じことになり、規則2を経由して増分を大きくする。desirable difficulties は規則2の系として出てくる。独立した原理を立てる必要がない。

この導出には実用上の含みがある。効いているのは、難易度が引き出し強度を下げる手段になっているという一点。難易度それ自体が効くわけではない。だから引き出し強度を下げない種類の難しさ — 字を小さくする、制限時間を無意味に詰める、関係のない負荷をかける — は、いくら苦しくても増分を生まない。正確に言うなら「アクセスを下げた分だけ効く」で、苦しさの総量は効き目と対応しない。

ただし条件が1つ。たどり着ける範囲であること。届かない難易度では何も起きないので、最適は「ギリギリ思い出せる」ところ。失敗が続くならヒントを足して難易度を下げる。

忘却が次の想起を効かせる

上のループには忘却が組み込まれている。引き出し強度が下がるからこそ次の想起が効く。忘れる前に復習すると経路を通る必要がないので、ほぼ何も起きない。

分散学習(spacing)が効くのは、忘れかけを作れるため。なぜそう言えるかを規則から辿ると、次の形になる。

復習の間隔を変数にとって、1回の復習が生む貯蔵強度の増分を考える。

• 間隔を詰める → 引き出し強度は高いまま → 規則2より増分はゼロに近づく
• 間隔を空ける → 引き出し強度が下がる → 規則2より増分が大きくなる

ここまでなら「無限に空けるほど得」に見える。ところが規則1は、増分が得られるのは想起が成立した場合だという前提を含んでいる。間隔を空けすぎると想起は失敗し、増分はまた失われる。

したがって増分は間隔に対して単調にならず、途中で最大をとる。最適は端点ではなく内点に来る。その内点が「引き出し強度が下がりきる直前」になる。

分散が規則2と3から出る最適化問題の解である、というのはこの意味になる。技法として覚える必要はなく、規則から毎回導き直せる。

神経基盤の側から見ると、海馬の CA3 のパターン補完(部分的な手がかりから全体を復元)が想起そのものであり、睡眠中のリプレイによる固定化が、間隔を空ける意味を裏打ちする。

忘却曲線との関係

ここまでの話は「エビングハウスの忘却曲線」として知られる内容と重なる。ただし流通している運用は逆を向いていることが多い。

曲線は減衰の記述であって、いつ復習すべきかを何も言っていない。広く出回る「20分後・1日後・1週間後に復習」も、彼が測定した時点であって推奨スケジュールではない。そして「忘れる前に復習して曲線を上に保て」という運用は、規則2に真っ向から反する。同じ曲線を、下がるのを防ぐものと見るか、下がるのを利用するものと見るかで、行動が真逆になる。

より根本的には、忘却曲線は縦軸が保持率1本の1軸モデルで、本ノートが最初に退けた形と同じものになる。復習のたびに曲線の傾きが緩くなる現象(規則3)を表現できない。この限界を埋めた現代版が Woźniak の DSR モデルで、R が引き出し強度、S が貯蔵強度に対応する。

詳細は forgetting-curve に分離した。Ebbinghaus が実際に発見したもの、誤解の整理、FSRS における関数形の変遷を扱っている。

手応えと効果は逆相関する

実践上もっとも危険な性質。

flowchart TD
    A["読み返す"] --> B["引き出し強度が一時的に上がる"]
    B --> C["流暢に読める"]
    C --> D["「知っている」という感覚"]
    D --> E["学習を打ち切る判断"]
    E --> G["本番で出てこない"]
    B -.->|"伸びていない"| F["貯蔵強度"]
    F -.-> G

流暢性の錯覚(fluency illusion)。重要なのは、これが規則2から演繹されるという点。注意力の問題として扱うと対処を誤る。

手応えとは何の関数かを考える。すらすら出てくる、引っかからずに読める、という感覚は、アクセスの良さそのもの — つまり引き出し強度の増加関数になっている。一方、その時点で起きる学習量は、規則2により引き出し強度の減少関数。

同じ変数について、一方が増加関数で他方が減少関数になる。したがって手応えと学習量は必然的に逆相関する — そうならない状況が存在しない。

帰結として、この錯覚は「気をつければ避けられる」種類のものではなくなる。注意深く自己評価するほど引き出し強度を正確に読み取ってしまい、正確に読み取るほど学習量とは逆の指標を見ることになる。自己評価の精度を上げても解決しない。だから学習法は原則で選ぶしかない。「読み返すな、テストしろ」に根拠があるのはこのため。

直感が狂う原因 — 日常語が2軸を混ぜている

錯覚が起きるより手前に、語彙の問題がある。「覚える / 忘れる」が1語で2つの軸をまたいでいる。

最後の行が罠になる。「忘れないための復習」は今のアクセスを保っているだけで、習得はほとんど進んでいない。勉強している感覚の正体がこれ。

同じ理由で「あれ覚えてる?」という問いは引き出し強度しか測っていない。テストが学習になるのは、測る行為が同時に規則2を発動させるからで、測定と学習が同一の操作である点がこの領域の得な性質になっている。

「自分の言葉にする」が効く理由

flowchart LR
    A["元の文"] -->|"転記・コピペ"| B["複製"]
    B -.->|"手がかりを外していない"| X["経路はできない"]
    A -->|"表現を捨て<br/>意味だけ残す"| C["再構成"]
    C -->|"想起と同じ処理"| Y["経路ができる"]

なぜ言い換えが想起の一種だと言えるのか。 想起の構造は「手がかりから対象を復元する」こと。言い換えでは、元の表現が使えない状態で意味を復元している。復元の対象が表現から意味に変わっただけで、手がかりから復元するという構造は同じ。したがって規則2がそのまま適用される。

転記が効かない理由も同じ規則から出る。転記の最中は元の文が目前にあるので、実効的な引き出し強度が最大に近い。規則2より増分はほぼゼロ。差を決めるのは、規則2のどこに位置しているか。勤勉さの問題ではない。

この見方をとると、言い換えの「質」が何を意味するかも決まる。効き目を決めるのは元の表現をどれだけ手放せているかで、表現のうまさは関係しない。原文の語順や語彙が残っているほど手がかりが残っており、増分は小さくなる。

副次効果として、言い換えられないこと自体が診断になる。詰まったらまだ理解していない、というシグナルなので、理解に戻る合図として使える。

言い換えを機械化する型:

定義の言い換えは難しいが、帰結の記述は書ける。そして試験・実務で問われるのはたいてい帰結のほう。

実装 — 2フェーズとゲート

flowchart TD
    subgraph P1["理解フェーズ: 素材を作る"]
        A["素材に触れる"] --> B["意味の骨格をつかむ"]
        B --> C{"言い換えられるか"}
        C -->|"No = まだ理解していない"| A
    end
    subgraph P2["定着フェーズ: 経路を作る"]
        D["問いの形にする"] --> E["手がかりを減らして想起"]
        E --> F{"思い出せたか"}
        F -->|"No"| H["手がかりを足す"]
        H --> E
        F -->|"Yes"| G["間隔を空ける<br/>= 忘れかけを作る"]
        G --> E
    end
    C -->|"Yes"| D
    G --> I["使える知識"]

含意は3つ。

1. 理解と定着は別の作業。混ぜると、理解していないものを暗記しようとして詰む
2. ゲートは「言い換えられるか」。通れないうちは定着フェーズに進んではいけない
3. 定着フェーズはループであって直線ではない。1回で終わる工程が存在しない

なぜゲートが要るのか。 これも規則から出る。ゲートを外して、理解していない項目をそのまま定着フェーズへ流したとする。理解していないので想起は失敗し続ける。規則1は増分が得られるのは想起が成立した場合だとしているから、失敗し続ける項目の増分はゼロのまま。回した時間に対して増分が構造的にゼロになる領域が存在することになる。

ゲートはこの領域を排除するために置かれている。ゼロ増分の区間に入らないための境界として必然的に要るもので、作業を丁寧にするための儀式ではない。

同じ理由で、ゲートは緩めてもいけないし、厳しくしすぎてもいけない。厳しすぎれば理解フェーズに滞留して定着が始まらず、緩すぎればゼロ増分の区間を回すことになる。判定基準を「言い換えられるか」に置くのは、それが想起が成立する見込みの、最も安いプロキシだから。

この vault の各ノートにある ## 押さえどころ セクションが「トピック → 1-2文の本質」形式なのは、そのまま問いの形に変換できるようにするため。理解フェーズの産物(ノート本体)と定着フェーズの入力(カード)を1ファイルで両立させる意図がある。

定着フェーズの中でどの技法を選ぶかは、手がかりの量という1本の軸で決まる。規則1と規則2を組み合わせると「成功するギリギリまで手がかりを削る」が最適になり、間隔と同じ形の内点解が手がかりの量にも現れる。

エビデンスの強さ

Dunlosky ら (2013) が10の学習技法を有用性で格付けした結果。高有用性はわずか2つ。

低評価は「効かない」ではない。 Dunlosky らの基準は、教材・学習者・測定課題を越えてどれだけ一般化するかと、正しく実行できるかにある。要約もキーワード記憶術も、条件が揃えば効く。ただし条件が狭く、実行の質で結果が割れるため、まず勧める手法にはならないという評価になっている。

この枠組みから見た内訳

格付けは実証の広さで決まっており、機序で決まっているわけではない。ただ結果を2軸の枠組みで並べ直すと、規則性が見える。

最後の群が示唆的で、記憶術とイメージ化はそもそも2軸を動かす技法ではない。初回の符号化を助ける道具なので、想起の反復が担う仕事を代替しない。適用範囲が狭いのはこのためと読める。

なお、この並べ替えは本ノートの枠組みによる解釈であって、Dunlosky らの格付け根拠ではない。

注意すべき整合性 — 「自分の言葉にする」に対応するのは中評価の自己説明・精緻化質問であって、低評価の要約ではない。差は「テキストを見ながら構造を写しているか」対「意味だけを頼りに生成しているか」にある。手がかりを外しているかどうかが、ここでも分岐点になる。

格付けと2軸モデルは、証拠の種類が違う。この区別は押さえておく価値がある。

実証されているのは技法が効くことであって、機序の説明ではない。本ノートの導出はすべて2軸モデルという枠組みの内側の話なので、枠組みごと差し替われば導出も変わる。「効く」の確度と「なぜ効く」の確度を同じものとして扱わないこと。

実務上は、枠組みが多少違っていても技法の選択は変わらない。だが新しい技法をこの枠組みから演繹して自作するときは、確度の差が効いてくる。

一方で手書き vs タイプの軸は弱い。よく引かれる Mueller & Oppenheimer (2014) は Morehead, Dunlosky & Rawson (2019) の直接再現で再現せず、直接再現のメタ分析でも手書き有利は小さく非有意だった。効いていたのは、手書きだと転記が物理的に不可能で要約せざるを得ない点。筆記具そのものは機序に関与していない。同じ機序はデジタルでも再現でき、しかも分散学習の管理はソフトでしか実行できない。

押さえどころ

• 知識の獲得とは → 引き出せる経路を作ること。経路は引いたときにしかできず、触れた回数は寄与しない
• メンタルモデル → 踏み分け道。貯蔵強度は溝の深さ(減らない)、引き出し強度は今の通りやすさ(草が茂る)。工学的には counter と gauge
• 「思い出せない」と「覚えていない」 → 前者は gauge が低いだけで counter は無事。日常語ではどちらも「忘れた」になる
• なぜ2軸か → 「今の出来(performance)」と「入った量(learning)」がズレるから。1軸では節約・分散効果・テスト効果が説明できない
• 何が減るのか → 減るのは引き出し強度だけ。時間・文脈のズレ・他項目との競合で減る。貯蔵強度はどれによっても減らない
• 「忘れた」の正体 → 消えたのではなく、たどり着けなくなった。根拠は再学習の節約(覚え直しは初回より速い)
• 想起の正体 → 読み出しではなく書き込み。思い出す動作が貯蔵強度を上げる
• 3つの規則 → ①想起は再読より増分が大きい ②貯蔵強度の増分は現在の引き出し強度に反比例 ③貯蔵強度が高いほど減衰が遅い
• 貯蔵強度の上げ方 → 直接手段はない。引き出し強度を下げてから想起し、成功する、の3条件が揃ったときだけ増える
• 引き出し強度の上げ方 → 読むだけで上がる。簡単だが減る
• 鉄則 → 答えを見る前に必ず思い出す。見た瞬間に「忘れかけ」が失われ、貯蔵強度を増やす機会が消える
• 規則2の含意 → 引き出し強度が高いときは、ほとんど学習が起きていない。すらすら分かる状態での勉強は定義上ほぼ無価値
• 日常語の罠 → 「覚える/忘れる」が2軸を混ぜている。「忘れないための復習」は延命であって習得ではない
• なぜ「情報がない状態」か → 情報が目前にあると経路を使わずに答えへ届くので、経路ができない
• 忘却の役割 → 前提として要る。引き出し強度が下がるから次の想起が効く = 分散学習の根拠
• 流暢性の錯覚 → 手応えと効果が逆相関する。体感で選ぶと必ず間違える
• 言い換えが効く理由 → 元の表現という手がかりを外した再構成 = 想起の一種。転記は手がかりを外していない
• desirable difficulties の正体 → 難易度が引き出し強度を下げる手段になっている点が効いている。アクセスを下げない難しさは効かない
• 分散が内点解である理由 → 詰めると増分ゼロ、空けすぎると想起失敗で増分ゼロ。最大は途中にある
• 錯覚が避けられない理由 → 手応えは引き出し強度の増加関数、学習量は減少関数。同じ変数の逆向きの関数なので必然的に逆相関する
• 「減らない」の身分 → 忘却の帰属先を一意にしてモデルを識別可能にするための正規化。観測された事実ではない
• 忘却曲線との関係 → 曲線は減衰の記述で復習法ではない。縦軸1本のため曲線が寝ていく現象(規則3)を表現できず、現代版の DSR モデルが R と S に分けて解いた → forgetting-curve
• エビデンス → 10技法中の高評価は練習テストと分散学習の2つだけ。再読は低評価。手書き/タイプの差は再現せず
• 低評価の意味 → 「効かない」ではなく「条件が狭い・実行の質で割れる・一般化しない」。要約も記憶術も条件次第では効く
• 証拠の種類 → 実証されているのは「技法が効く」こと。「なぜ効く」は説明の枠組みで、確度が違う

制限

• 貯蔵強度・引き出し強度は直接測定できる量ではなく理論的構成概念。予測がよく当たるモデルとして使うもので、実体として扱わない
• 効果量は領域・材料・学習者で変動する。「必ず効く」ではなく「平均して効く」
• 想起練習は失敗が続く難易度では効果が出ない。前提条件つきの技法であり、万能ではない
• ここで扱うのは宣言的知識(語彙・概念)の獲得。運動技能や手続き的知識の習得は別の機序が絡む

Links

• Dunlosky et al. (2013), “Improving Students’ Learning With Effective Learning Techniques”, Psychological Science in the Public Interest 14(1)
• Morehead, Dunlosky & Rawson (2019) — 手書き優位説の再現研究
• The Learning Scientists — laptop vs longhand の整理
• Roediger & Karpicke (2006), “Test-Enhanced Learning”, Psychological Science 17(3) — テスト効果の代表的実証
• Bjork & Bjork (1992), “A New Theory of Disuse and an Old Theory of Stimulus Fluctuation” — 貯蔵強度/引き出し強度の出典
• The Learning Scientists — Retrieval Strength vs. Storage Strength(2軸の増分規則の解説)

関連

• episodic-memory — CA3 のパターン補完が想起の神経基盤。睡眠中のリプレイによる固定化が分散学習の下地
• learning-system — 本ノートの理論を実際に回すシステムへ落とすときの設計。動力学を自作しない判断とその根拠
• cue-reduction — 技法の選び方。規則1と2から「成功するギリギリまで手がかりを削る」を導く
• llm-assisted-learning — 想起が代替できない理由を、LLM を使う場合に当てはめたもの