三つの認知負荷で測るとAIは従来の学習手段と何が違うか

J. Sweller, J. J. G. van Merriënboer & F. Paas, “Cognitive Architecture and Instructional Design: 20 Years Later,” Educational Psychology Review, vol. 31 (2019). 内在的負荷と外在的負荷を区別し、外在的負荷を削って空いた容量をスキーマ構築へ向ける、という設計原則を20年分の実証とともに総括したレビュー。1998年版からの変更点として、学習関連負荷を「総量に足すのではなく、作動記憶の資源を外在的な活動から学習に直結する活動へ配り直す」再配分として整理し直した。また、解法を開示する丁寧な提示（worked example）の効果は熟達者に対しては落ち、かえって逆効果になりうる（熟達逆転効果）と述べる。固定された一つの提示がすべての読者に最適化できないことの理論側の根拠。また、内在的負荷は情報の複雑さと処理する人の知識の両方で決まると述べ、同じ語が初学者には相互作用する複数要素・熟達者には単一要素になる例を挙げる（逐語: intrinsic cognitive load is determined by both the complexity of the information and the knowledge of the person processing that information）。さらに本レビューは、学習関連負荷を「配り直し」に定義し直したうえで、設計がその配り直しを促す側へ踏み込めるとする。外在的負荷を下げる設計は、学習関連負荷を上げればさらに効果的になりうる（逐語: instructional designs that are effective in decreasing extraneous cognitive load may become even more effective if they increase germane cognitive load）。原文はこの直後に「総負荷が限度内にとどまる限りで」という条件を置く（同じ条件は自己説明プロンプトの箇所でも独立に繰り返される。逐語: provided that total cognitive load does not exceed available capacity）。この転回が、学習関連処理を増やすことを明示的に狙った効果群を生んだと述べる（逐語: identifying new effects that explicitly aimed at increasing germane processing）。挙がる手立ては具体的で、例が複数あるときは練習の条件を振って比較対照させ（逐語: in order to stimulate germane processing, all learning tasks in a course or program show high variability of practice ／ stimulating learners to compare and contrast tasks with each other）、例が一つしか無いときは自己説明を促す問いを差し込む（逐語: when only one example is available, one might provide the learner with self-explanation prompts that elicit sophisticated self-explanations from the learners）。学習者が自分の理解を測る手がかりについては、解くのにかかった負荷を学習の証拠と読むのは妥当でなく、出した解法を仲間に説明できるかどうかがより妥当な手がかりだとし、教師がそう問い返す問いを出すことを勧める（逐語: a much more valid cue for germane processing would be the ability to explain the generated solution to a peer student. Teachers might then give prompts to students that help them learn to use more valid cues for regulating their learning）。学習者が使う無効な手がかりとして、原典は「処理の楽さ」も挙げる（逐語: students often use ‘ease of processing’ as a cue for understanding and future performance: if a text is easily read, students typically judge their understanding of the text and their performance on a future test as high）。ただし原典は同じ段落で限界も明記する。自己調整を領域によらない手続きとして教えられるという証拠は現状ほとんど無い（逐語: currently, there is virtually no evidence that self-regulation is teachable as a domain-general procedure that will improve performance on far transfer tasks）。変動性の効果は Paas と van Merriënboer の1994年の実験の報告として引く。高負荷の場面では損なうと予測し、予測どおりの交互作用が出たと書く（逐語: they predicted that high variability would have a negative effect on learning and transfer in situations in which cognitive load was already high ／ Indeed, the expected interaction between problem format (worked examples, conventional problems) and variability (low, high) was found）。 https://doi.org/10.1007/s10648-019-09465-5 ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹² ↩¹³ ↩¹⁴ ↩¹⁵ ↩¹⁶

J. Sweller, “Cognitive Load During Problem Solving: Effects on Learning,” Cognitive Science, vol. 12, no. 2 (1988). 作動記憶の容量は小さく、手段目標分析による問題解決はその容量を食い尽くすため、問題が解けてもスキーマ獲得（学習）が起きないことがある、と報告した認知負荷理論の出発点。専門性の実体をスキーマに置く見立てを、認知負荷理論が受け継いだ地点として引く。原典はこの見立てを、チェス研究に始まる熟達者研究の要約として提示している（逐語: In summary, the expert-novice research suggests that domain specific knowledge, in the form of schemas, is a major factor distinguishing experts from novices in problem-solving skill）。要旨の冒頭でも同じことを書く（逐語: Considerable evidence indicates that domain specific knowledge in the form of schemes is the primary factor distinguishing experts from novices in problem-solving skill ／ 綴り schemes は原典の表記のまま）。スキーマの定義も原典が与える（逐語: a schema is defined as a structure which allows problem solvers to recognize a problem state as belonging to a particular category of problem states that normally require particular moves）。 https://doi.org/10.1207/s15516709cog1202_4 ↩

E. L. Bjork & R. A. Bjork, “Making Things Hard on Yourself, but in a Good Way: Creating Desirable Difficulties to Enhance Learning,” in M. A. Gernsbacher et al. (eds.), Psychology and the Real World (Worth Publishers, 2011). 目先の成績と長期の学習は乖離し、想起・生成・間隔などの「望ましい困難」が目先の成績を下げながら学習を高めると論じる。ただし原典は「望ましい」の語を強調し、学習者に応じるだけの下地がなければ同じ困難はただの障害になる、と限定する（逐語: If, however, the learner does not have the background knowledge or skills to respond to them successfully, they become undesirable difficulties）。努力の除去が学習の除去でありうる、の根拠。併せて、章題どおり原典は望ましい困難を「導入する」側から書いており、挙げる4つはいずれも学習の条件の組み方である。条件を一定に保たず振る、話題ごとにまとめず交互に出す、詰め込まず間隔を空ける、提示ではなくテストを学習の機会に使う（逐語: Such desirable difficulties (Bjork, 1994) include varying the conditions of learning, rather than keeping them constant and predictable; interleaving instruction on separate topics, rather than grouping instruction by topic (called blocking); spacing, rather than massing, study sessions on a given topic; and using tests, rather than presentations, as study events）。困難を外から用意できる、の根拠として引く。悪い学習条件を選びやすくなる、という命題は条件付きで書かれている（逐語: if learners interpret current retrieval strength as storage strength, they become susceptible to preferring poorer conditions of learning to better conditions of learning）。 https://bjorklab.psych.ucla.edu/wp-content/uploads/sites/13/2016/07/EBjork_RBjork_2011.pdf ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸

H. Bastani, O. Bastani, A. Sungu, H. Ge, Ö. Kabakcı & R. Mariman, “Generative AI without guardrails can harm learning: Evidence from high school mathematics,” PNAS, vol. 122 (2025)。トルコの高校で約千人（原文: nearly a thousand high school math students）を対象にした無作為化比較試験。同じGPT-4を、素のChatGPT型（GPT Base）と教師設計のヒントを出すチューター型（GPT Tutor）の二通りで与えた。振った独立変数はチャット界面ではなくシステムプロンプトである（逐語: uses the same chat interface, but the prompt additionally implements safeguards）。SI Appendix A.1 は両ツールの差をシステムプロンプトと歓迎メッセージの2点と書き、モデルを GPT-4-0613 と特定する（逐語: The tools are identical except for the system prompt and the welcome message in the chat interface for GPT Tutor ／ We developed two math tutoring tools based on OpenAI’s GPT-4-0613 model）。チューター型のプロンプトには、答えを直接与えずヒントを出す指示に加えて、問題ごとの正解・典型的な誤り・その際のフィードバックが注入されており、これは有償で雇った数学教師2名の成果物である（逐語: We hired two math teachers part-time to provide these inputs）。原典は GPT Tutor の優位を二つに分け、第一に「プロンプトに解答が入っているので誤りをほとんど出さない」ことを挙げる（逐語: it rarely makes mistakes since its prompt includes the solution）。練習中の成績は素の型で48%、チューター型で127%向上（逐語: 48% improvement in grades for GPT Base and 127% for GPT Tutor）。だがAIを取り上げた後の試験で、素の型の群は対照群を17%下回った（逐語: when access is subsequently taken away, students actually perform worse than those who never had access (17% reduction in grades for GPT Base)）。チューター型では悪化がほぼ消え、試験成績は対照群と統計的に区別がつかず（逐語: statistically indistinguishable from that of the control arm）、ただし正の効果も観測されていない（逐語: though we still do not observe a positive effect）。練習中の伸びと試験の並みの落差について、原典はチューター型が答えの確認に使えたことを一因に挙げる（逐語: This difference may be partly explained by the fact that students with access to GPT Tutor during the practice session could ask it to check their answers）。生徒が素の型を「松葉杖」として使ったという表現は原文の crutch で、それが主たる機構だという判断は示唆の様相で書かれる（逐語: Our findings suggest that the second explanation (i.e., students using GPT Base as a crutch) is the main mechanism by which GPT Base impedes student learning）。生徒の自己認識も測っており、素の型の群は成績の低下も学習の減少も認識せず（逐語: they did not perceive that they performed worse or learned less）、チューター型の群は上がっていない試験の出来を上がったと感じた（逐語: they perceived that they performed significantly better）。SI Appendix Table B.8 では「学んだ量」の自己認識はチューター型で有意でなく（0.0711、SE 0.0551）、有意なのは試験の出来（0.130、p<0.05）と練習セッションの価値（0.271、p<0.01）の自己認識である。射程: 試験は同一90分セッションの第3部にあたる closed-book 評価で、出題は練習問題と概念的にごく近い（逐語: Each session has three contiguous parts／closed-book, closed-laptop exam／each problem in the exam corresponds to a conceptually very similar practice problem）。原典は自ら、扱っているのは長期学習ではなく短期学習だと断っている（逐語: Our analysis focuses on short-term learning (estimated via exam performance) rather than long-term learning-while the two can be significantly different (20), our finding of a “crutch” mechanism suggests that both types of learning would be negatively impacted）。Discussion ではチューター型を受け身のままだったと総括し（逐語: GPT Tutor remains passive, responding to students when they ask questions but failing to proactively engage students with the material）、Limitations では単一校・数学・2023年秋の配備という射程を自ら断る（逐語: First, our study focuses on two generative AI tutors for a single topic (mathematics) deployed in a single high school in Turkey ／ Additional studies are required to assess generalizability to other tutor designs and deployment contexts）。 https://doi.org/10.1073/pnas.2422633122 ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹² ↩¹³ ↩¹⁴ ↩¹⁵ ↩¹⁶ ↩¹⁷

[context] OpenAI, “Introducing study mode,” openai.com (2025-07-29). 答えを与えずに段階的に導く学習向けの振る舞いを、教育の専門家と共同で書いたシステムプロンプトで実装し、対話中にオン／オフできると説明する（逐語: powered by custom system instructions we’ve written in collaboration with teachers, scientists, and pedagogy experts ／ Combines Socratic questioning, hints, and self-reflection prompts to guide understanding and promote active learning, instead of providing answers outright ／ Easily toggle study mode on and off during a conversation）。学習効果の実測は載せておらず、挙動の不安定さも自ら断る（逐語: some inconsistent behavior and mistakes across conversations）。既定の振る舞いをベンダーがプロンプト側で用意する動きが在る、という事実の範囲で引く。 https://openai.com/index/chatgpt-study-mode/ ↩

[context] Anthropic, “Introducing Claude for Education,” anthropic.com (2025-04-02). 大学向けの Claude for Education の一部として、答えを与えるのではなく学生の推論を導く「Learning mode」を発表した（逐語: A new Claude experience that guides students’ reasoning process rather than providing answers, helping develop critical thinking skills）。学習効果の実測は載せていない。ベンダーが同じ向きのモードを出している、という事実の範囲で引く。 https://www.anthropic.com/news/introducing-claude-for-education ↩

[context] Google, “Guided Learning in Gemini: From answers to understanding,” blog.google (2025-08-06). 問いを投げて段階的に理解を組ませる Gemini の学習向けモードを発表した（逐語: Guided Learning encourages participation through probing and open-ended questions ／ The aim is to help you build a deep understanding instead of just getting answers）。学習効果の実測は載せていない。ベンダーが同じ向きのモードを出している、という事実の範囲で引く。 https://blog.google/outreach-initiatives/education/guided-learning/ ↩

G. Kestin, K. Miller, A. Klales, T. Milbourne & G. Ponti, “AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting,” Scientific Reports, vol. 15, 17458 (2025). Harvard の学部物理の授業（N = 194）で、同じ内容を AI チューターと教室の能動学習で学ばせた交差デザインの無作為化比較試験（逐語: We find that students learn significantly more in less time when using the AI tutor, compared with the in-class active learning ／ Such an analysis provides an effect size in the range of 0.73 to 1.3 standard deviations）。チューターのシステムプロンプトには認知負荷の管理などの指針を入れたが、それだけでは多段の問題の足場を安定して組めず、各段を順に進ませる仕組みをプラットフォーム側に作ったと書く（逐語: to facilitate active engagement, manage cognitive load, and promote a growth mindset ／ we found that a system prompt could not reliably provide enough structure to scaffold problems with multiple parts）。学習の測定は各レッスン後の事後テストで、原典は構造化した AI チューターが常に勝つとは見ていない（逐語: we do not presume that structured AI tutoring will always outperform）。 https://doi.org/10.1038/s41598-025-97652-6 ↩ ↩² ↩³