学習課題と学習活動の設計

この章で扱う問い

前章までで認知を形式化する語彙を整えました。本章で考えたいのは、「形式化された認知構造を踏まえて、学習者の前にどんな課題・活動を置けば学習が起きるのか」という問いです。設計者の前には、易しすぎても難しすぎても学習が滞るという根本的な緊張があり、そのバランスを取るための原理が認知科学から提供されています。あなたがもし、自分で課題や教材を設計してみてどこに「ちょうど良さ」を置けばよいか迷っているなら、本章の二軸（認知負荷と望ましい困難）はそのつまみの目盛りを言葉にしてくれる道具になるはずです。学習材や課題系列の設計、教材開発、ITS のシナリオ設計に関心がある読者には、本章の道具立てが直接役に立つでしょう。本章では、認知負荷理論と望ましい困難という二つの軸で学習活動の設計を整理し、worked example から独立解決に至る一連の課題系列という具体的な道具立てを示します。

設計の出発点：ADDIE と本書の設計サイクル

教授設計（instructional design）の古典的な枠組みは、Robert Branch が体系化した ADDIE モデル [Branch2009] です。Analysis（分析）→ Design（設計）→ Development（開発）→ Implementation（実装）→ Evaluation（評価）という五段階を反復し、評価の結果を分析にフィードバックします。これは抽象的に書けばどんな工学設計とも変わりませんが、教授設計においてはとくに「分析」段階の質が後続のすべてを決めるため、ここに認知科学的方法を持ち込めるかどうかが成果を分けます。

本書の枠組みは、ADDIE の各段階を本書の章立てに対応させて読み直すことができます。分析段階は第5章で扱った認知タスク分析・プロトコル分析・エラー分析に対応し、学習者の前提知識・誤概念・認知負荷の所在を可視化します。設計段階は第6章の形式化と中間表現に対応し、ドメイン知識・手続き知識・誤りモデル・教授戦略を計算可能な形で書き下します。開発段階は本章および第8〜12章で扱う、課題系列・スキャフォルディング・フィードバックの実装に対応します。実装と評価は第15章の評価手法に接続します。要するに本章は、本書のサイクルにおいて、形式化された認知の地図を「学習者が日々触れる課題」に翻訳する局面を扱うわけです。

その翻訳を支えるのが、次節以降で見る二つの理論——認知負荷理論と望ましい困難の理論——です。前者は「易しすぎる方向への失敗」を、後者は「難しすぎる方向への失敗」を制御するための原理を与えてくれます。

認知負荷理論：ワーキングメモリ容量から設計を導く

John Sweller が1980年代に提唱した 認知負荷理論（Cognitive Load Theory, CLT）[Sweller1988]; [Sweller2011] は、ワーキングメモリの容量が極度に限られている——同時に保持できる情報要素は7±2、操作可能な要素は4以下とも言われます——という事実から、教授設計の処方箋を導く理論です。学習とは長期記憶に新しいスキーマを構築することですが、その構築作業はワーキングメモリ上で行われます。したがって、ワーキングメモリを学習に無関係な処理で使い切ってしまえば、いくら時間をかけても学習は起きません。これが CLT の基本的な問題設定です。

三種類の認知負荷

CLT は、学習者が課題に取り組む際の認知負荷を三つに区別します。

内在的負荷（intrinsic load）は、教材そのものの本質的な複雑さに由来する負荷です。連立方程式を解くことは、加減と移項と検算を同時に保持する必要があり、本質的に重い課題です。学習目標を維持する限り、内在的負荷を完全に消すことはできません。ただし、その「実質的な重さ」は操作可能です。前提知識を先に固めれば、上位課題における各前提のスキーマが自動化されるため、ワーキングメモリ上で扱う要素数は実効的に減ります。三元連立方程式を提示する前に二元連立を十分練習させるという素朴な順序立ても、実は内在的負荷の管理なのです。

外在的負荷（extraneous load）は、教材設計の不備によって生じる、学習に寄与しない余計な負荷です。図と説明文がページをまたいで配置されていれば、学習者は両者を頭の中で対応づける処理に容量を使ってしまいます。同じ情報が図と詳細な文字説明の両方で重複していれば、両者を照合する処理が無駄に発生します。これらは設計を改めれば取り除ける負荷であり、CLT の最初の処方箋は「外在的負荷を可能な限り削れ」というものになります。

関連的負荷（germane load）は、スキーマ構築そのものに費やされる、望ましい負荷です。worked example をただ読むだけでなく「なぜこの一手なのか」を自問しながら読む（self-explanation）と関連的負荷が増し、学習効果が上がります。関連的負荷は内在的負荷とトレードオフ関係にあり、内在的負荷で容量を使い切ってしまえば、関連的負荷を割く余地は残りません。よって設計の順序は、まず外在的負荷を最小化し、内在的負荷を学習者の発達段階に合わせて調整し、残った容量を関連的負荷に割り当てる、ということになります。

CLT が導く設計効果

CLT からは数十の経験的に裏づけられた「効果」が導かれていますが、本節では本書の関心に近いものを四つだけ挙げ、それぞれを具体例とともに見ていきます。

最も古典的なのが ワークドエグザンプル効果（worked example effect）です。問題だけを与えて学習者に解かせるよりも、完全な解法例を提示し、それを読んで理解させる方が、初学者には学習効果が高くなります。これは初学者の場合、自力解決に伴う「次の一手をどうするか」の探索負荷（外在的負荷の一種）が極端に大きく、肝心の解法スキーマ構築（関連的負荷）に容量が回らないからです。連立方程式を初めて学ぶ生徒に、解法を一切示さず10題の練習問題を渡しても、闇雲な試行錯誤に終始して解法を抽出できないでしょう。最初の数題は完全な解法プロセスを段階的に提示する方が、はるかに早く定着します。

次に 分割注意効果（split-attention effect）です。関連する情報——たとえば回路図とその動作説明——が空間的・時間的に離れて提示されていると、学習者はそれらを頭の中で統合する処理に容量を使ってしまいます。解決策は単純で、図と説明を物理的に近接させ、可能なら図中に説明を埋め込みます。連立方程式の解説で、「左辺の $2x$ を移項する」という説明を本文で書きつつ、対応する数式を別ページに置くような構成は外在的負荷を増します。同じ式の同じ箇所に矢印と一行の注釈を直接重ねる方がよいでしょう。

冗長性効果（redundancy effect）はやや反直感的ですが重要です。同じ情報を複数のチャネル（図と詳細な文字説明、音声ナレーションと画面上の同一テキストなど）で提示すると、学習者は両方を照合せざるを得ず、かえって負荷が増します。「親切のつもりで全部書く」設計が学習を阻害する典型例で、削れる説明は削るべきです。

最後に モダリティ効果（modality effect）です。視覚情報（図）と言語情報を両方とも視覚的に提示するよりも、図は視覚で、言語は聴覚（音声ナレーション）で提示する方が、ワーキングメモリの視覚チャネルと言語チャネルに負荷が分散され、学習効果が高くなります。動画教材における音声ナレーションが効くのはこの効果によるものです。

これらの効果はいずれも、外在的負荷を削り、関連的負荷を確保するという同じ論理から導かれます。設計者にとって CLT は、UI の細部からカリキュラムの構造に至るまでを評価する一貫した尺度を提供してくれるのです。

望ましい困難：易しすぎる学習は定着しない

CLT が「難しすぎる学習を防ぐ」原理だとすれば、これと正反対の方向から教授設計を制約する原理があります。Robert Bjork の 望ましい困難（desirable difficulties）[Bjork1994] です。Bjork が示したのは、学習中の成績を意図的に下げるような介入が、長期保持と転移にはむしろ有利に働くという、一連の実験事実でした。

すぐ思いつく例として、間隔学習（spacing）が挙げられます。同じ内容を一日に集中的に練習するより、数日に分散させて練習する方が、短期的なテスト成績は劣るものの、数週間後の保持率は明確に勝ります。インターリーブ（interleaving）も同じ系列に属します。連立方程式の練習問題を「全問加減法」「全問代入法」とブロック化するより、両者を混在させた方が、学習中の正答率は下がりますが、未知の問題に対する解法選択の力は上がります。検索練習（retrieval practice）も同様で、教科書を再読するより、白紙に内容を再構成しようとする方が、再構成中は苦しいけれども定着は強くなります。

これらに共通するのは、学習中の認知的努力が、長期記憶へのスキーマ書き込みを駆動するという考え方です。CLT の「関連的負荷を確保せよ」という処方箋とまさに同じ向きの主張ですが、Bjork はそれをさらに踏み込んで「短期的にはむしろ難しく感じる課題を意図的に設計せよ」と主張します。Manu Kapur の productive failure [Kapur2008]; [Kapur2016] はこの哲学のもう一つの極端な事例で、解法を教える前にあえて難しい問題に取り組ませ、失敗を経験させる方が、その後に提示される正解の解法を深く理解できることを示しています。

ここで CLT との関係を整理しておきましょう。両理論は対立するのではなく、適用される段階が異なります。初学者で前提スキーマがまだ脆弱な段階では CLT が支配的 であり、worked example と段階的提示で容量を保護すべきです。中級者以上で基本スキーマが定着し始めた段階では望ましい困難が支配的 になり、間隔・インターリーブ・検索練習・ときに productive failure を意図的に導入すべきです。Sweller 自身、初学者向けに有効な worked example が熟達者にはむしろ効率を下げる expertise reversal effect を報告しており、二つの原理を学習者の発達段階で切り替える必要を示唆しています。

この二軸を念頭に、次節では具体的な課題系列の設計に踏み込みましょう。

課題系列の設計：worked example から独立解決へ

CLT と望ましい困難の二原理を実装する最も具体的な道具立てが、フェーディング（fading）された課題系列です。学習の初期から終期にかけて、外的支援を段階的に減らし、学習者が引き受ける認知的責任を段階的に増やしていきます。代表的な五段階は、(1) 完全 worked example、(2) 部分的に空欄を残した completion problem、(3) ヒント付き問題、(4) ヒントなし問題、(5) 自律的な問題解決の連鎖、と整理できます。

連立方程式の例で具体化してみましょう。第一段階 では、$2x+3y=12$、$x-y=1$ を解く完全な解法を、ステップごとの注釈つきで提示します。「下の式から $x=y+1$ を導く」「これを上の式に代入する」「整理して $5y+2=12$」「$y=2$、$x=3$」「検算」と各ステップの目的が明示されます。学習者は読んで理解するだけで構いません。

第二段階 の completion problem では、解法の骨格は与えられますが、いくつかの中間ステップが空欄になっています。たとえば「$2(y+1)+3y=12$」「$\boxed{?}y+2=12$」「$y=\boxed{?}$」「$x=\boxed{?}$」と空欄を埋めさせます。穴埋めは自力解決よりはるかに負荷が低いですが、worked example のように完全に受動的でもありません。Renkl らの研究は、completion problem が worked example と独立解決の間の橋渡しとして実証的に有効であることを繰り返し示しています。

第三段階 では問題のみを提示しますが、必要に応じてヒントを段階的に開示する仕組みを与えます。第一ヒントは「どちらかの式を $x=\cdots$ または $y=\cdots$ の形に変形できないか」、第二ヒントは「下の式から $x=y+1$」、第三ヒントは「これを上の式に代入する」、というように、ヒントの粒度自体が learner の状態に応じて細かくなっていきます。

第四段階 ではヒントなしで解かせ、誤答時にのみフィードバックを返します。ここまでで学習者は、解法を構築する責任の大半を負っています。

第五段階 は、複数の連立方程式を文章題として与え、解法選択そのものから学習者に任せます。インターリーブを意図的に導入し、加減法・代入法・グラフ的解法のいずれを選ぶかも learner の判断に委ねます。望ましい困難の原理に従えば、この段階では多少の失敗を許容することが、長期的な転移に貢献するでしょう。

この五段階の系列は、各段階の境界をどこに置くかに自由度があります。学習者ごとに前段階の習熟度を測定して動的に決定するのが、後の章で扱う 学習者モデル と 適応的システム の役割です。設計者はまず、ドメインごとにこの系列の骨格を用意することから始めます。実装の途中で段階の切れ目を発明し直すよりも、worked example から独立解決までの五段階を先に紙の上で書き切ってから実装に入る――そんな順序のほうが、結果として早く動くものに辿り着けるはずです。

スキャフォルディングとフィードバック：課題のあいだを支える

課題系列の中で、各段階を学習者が乗り越えられるよう支えるのが、スキャフォルディング（scaffolding）と フィードバック です。両者はしばしば一体として運用されますが、機能は異なります。スキャフォルディングは課題実行中 に与える足場であり、フィードバックは課題実行後 に与える応答です。

スキャフォルディングとフェーディング

スキャフォルディング [Wood1976] は、第3章で扱った Vygotsky の発達の最近接領域（ZPD）の理論的後継として位置づけられます。学習者が自力ではできないが、適切な支援があればできる——その「あればできる」を支えるのがスキャフォルディングです。設計上の四原則は次のように整理できます。

第一に 診断的 であること。学習者の現在の能力を把握し、その学習者にとって ZPD 内に位置する支援を提供しなければ、過剰支援か不足支援になります。第二に 適応的 であること。同じ学習者でも、課題の進行とともに必要な支援は変わります。第三に 最小限 であること。必要以上の支援は学習者の自律性を損ない、関連的負荷を奪います。第四に 明示的 であること。何を支援しているのかが学習者にも分かるとき、学習者はその支援を内面化して次の課題に持ち込めます。

スキャフォルディングは支援するだけでなく、撤去されなければなりません。永続的な支援は学習者の独立を阻みます。前節の五段階フェーディングは、まさにスキャフォルディングを段階的に撤去する設計の典型です。完全 worked example は最大限のスキャフォルディングを提供し、独立解決の段階では支援はゼロになります。

フィードバックの種類とタイミング

フィードバックの効果は、Hattie と Timperley のメタ分析 [Hattie2007] が示した通り、教育介入のなかでも極めて大きい部類に属します。ただしその効果は、フィードバックの種類・タイミング・内容に強く依存します。

フィードバックの粒度を粗いものから細かいものへ並べると、まず knowledge of result（KR、結果のみ）があります。「正解」「不正解」だけを返すもので、実装は容易ですが学習効果は限定的です。次が 正答フィードバック で、誤答時に正しい答えを示します。三つ目が 精緻化フィードバック（elaborated feedback）で、なぜその答えが正しいのか、誤答の原因はどこにあるのかを説明します。最も豊かなのが メタ認知的フィードバック で、解法戦略や自己調整の仕方そのものに踏み込みます。

一般則として、精緻化フィードバックは KR より効果的ですが、学習者の前提知識が不足している場合には複雑すぎるフィードバックが理解できず逆効果になりえます。CLT の枠組みで言えば、フィードバック自体が学習者にとっての追加的な認知負荷であり、その負荷が learner の容量を超えれば学習に貢献しません。連立方程式で「符号反転を忘れたから誤答だ」と言われても、移項という概念自体が定着していなければ、その指摘は理解できません。フィードバックの粒度も、課題系列と同様に learner の発達段階に応じて調整される必要があります。

タイミングについても二極の立場があります。即時フィードバック は誤答直後に提供され、誤った手続きが定着する前に修正できるという利点があります。Cognitive Tutor 流のステップごとフィードバックはこちらに属します。一方、遅延フィードバック は課題終了後にまとめて提供され、学習者自身が自分の解答を振り返る余地を残します。これは検索練習や自己説明と組み合わせると効果的で、望ましい困難の原理に整合します。実証的には、単純なスキル習得には即時が、概念理解や問題解決には適度な遅延が有利という棲み分けが概ね支持されています。

探究的学習環境：知識を能動的に再構成させる

ここまでの議論は「教師（あるいはシステム）が課題を提示し、学習者が解く」という構図を前提としてきました。しかし学習活動の設計には、学習者が能動的に環境を操作し、その応答から知識を発見する方向の設計もあります。代表的な二つを取り上げます。

シミュレーションベース学習 は、抽象的な概念を視覚化・操作可能にすることで、概念理解を促します。物理現象（振り子、回路、光学）、生物学的プロセス（細胞分裂、遺伝）、プログラムの実行（変数の値の遷移、再帰呼び出しのスタック）など、本来不可視のメカニズムを可視化し、パラメータを変えて結果を観察できるようにします。学習者は仮説を立て、操作して検証し、因果関係を発見します。CLT の観点から見るとシミュレーションは内在的負荷を増やすため、十分な scaffolding なしに自由探索させると探索負荷で容量が破綻します。実証研究は、適度な制約と段階的な目標提示を伴うシミュレーションが、純粋な自由探索より学習効果が高いことを繰り返し示しています。

Teachable agent（教えるべきエージェント）は、学習者が「他者に教える」という役割を引き受けることで学ぶ環境です。学習者は仮想エージェントに連立方程式の解法を教え、エージェントはその指示に従って問題を解こうとします。エージェントが誤った手順で失敗すると、学習者は自分の説明のどこが不十分だったかを再考します。教えることは自分の理解を外在化することであり、外在化は理解の穴を可視化します。さらに、エージェントの失敗が認知的葛藤として働き、誤概念の修正を促します。Vanderbilt 大学の Betty's Brain などが代表的な実装例で、メタ認知の促進と概念的理解の深化に効果が確認されています。

これら探究的環境はいずれも、学習者が「受け取る側」から「構成する側」に回ることを設計の中心に据えています。CLT の観点では負荷管理が常に課題となりますが、適切な scaffolding と組み合わせれば、worked example 系の系列とは異なる種類の深い学習を生み出せるのです。

まとめ

本章は「学習活動の設計は、認知負荷理論と望ましい困難という二つの軸で操作できる」という主張を貫いてきました。CLT は外在的負荷を最小化し、内在的負荷を学習者の段階に合わせ、関連的負荷をスキーマ構築に振り向けるという、ワーキングメモリ容量からの一貫した処方箋を提供してくれます。望ましい困難の理論はその逆方向から、易しすぎる学習は定着しないという制約を加えます。両者を統合する具体的な道具立てが、worked example から独立解決に至るフェーディングされた課題系列であり、その系列を支えるのがスキャフォルディングと適切な粒度のフィードバックです。シミュレーションや teachable agent といった探究的環境は、同じ二原理を別の角度から実装する選択肢を提供してくれます。

次章への橋渡し

これらすべては、第6章までで形式化された認知構造——概念階層、手続きルール、誤りモデル——に基づいて設計され、学習者ごとに動的に調整されることで初めて、Bloom の 2σ 問題に挑む実用的な学習環境になります。次章では、その「学習者ごとに動的に調整する」仕組みを支える土台として、知的学習支援システム（ITS）の標準アーキテクチャと半世紀の系譜を見ていきます。

さらに学ぶために

• Sweller, J., Ayres, P., & Kalyuga, S. (2011). Cognitive Load Theory. Springer. CLT の現在の到達点を体系的に整理した一冊。三負荷モデル、各種効果、expertise reversal などをカバー。
• Mayer, R. E. (2009). Multimedia Learning (2nd ed.). Cambridge University Press. マルチメディア教材設計の実証研究を集約。本章で扱えなかった近接原理・一貫性原理・個別化原理など。
• Bjork, R. A., & Bjork, E. L. (2011). Making things hard on yourself, but in a good way. In Psychology and the real world. 望ましい困難の概念をやさしく解説した著者自身による総説。