本文へスキップ
hdknr blog
戻る

科学が格付けした10の勉強法 --- 100年の研究が示す「想起練習」と「分散学習」の圧倒的効果

科学が格付けした 10 の勉強法 --- 100 年の研究が示す「想起練習」と「分散学習」の圧倒的効果

@grandchildrice 氏が X で投稿した、勉強法の科学的格付けに関するポストが反響を呼んでいます。

アメリカの名門 4 大学が共同でまとめた研究結果がめちゃ有益で目玉飛び出た。この結果を見れば、今日から勉強の効率を爆上げできるかも。研究では、世の中で有効と言われている 10 種類の勉強法を過去の膨大な実験結果から格付け。

元になっている論文は Dunlosky et al. (2013) による “Improving Students’ Learning With Effective Learning Techniques”(全 55 ページ)です。本記事では、この論文の知見を技術者の学習にも活かせるよう、各勉強法の評価理由と実践方法を解説します。

論文の概要

著者と所属

4 大学 5 名の認知心理学・教育心理学の研究者が執筆しました。

著者所属大学
John DunloskyKent State University
Katherine A. RawsonKent State University
Elizabeth J. MarshDuke University
Mitchell J. NathanUniversity of Wisconsin-Madison
Daniel T. WillinghamUniversity of Virginia

研究方法

過去に発表された膨大な実験結果をメタ分析し、10 種類の勉強法を 4 つの変数カテゴリ(学習条件、学習者の特性、教材の種類、評価タスク)で横断的に評価しています。単一の実験ではなく、数十年にわたる研究の蓄積を総合評価した点が特徴です。

掲載誌は Psychological Science in the Public Interest(アメリカ心理科学会の公益誌)で、2013 年の発表以来、学習科学の分野で最も引用される論文の一つです。

10 の勉強法の格付け

効果が高い(High Utility)

1. 想起練習(Practice Testing)

学習した内容について自己テストを行う技法です。フラッシュカード、練習問題、白紙に書き出すなどの方法があります。

なぜ効果が高いのか:

想起練習の実践例:
  教科書を読む → 閉じる → 白紙に書き出す → 確認する
  フラッシュカードで自己テスト
  章末問題を解く(答えを見る前に)
  学んだ内容を誰かに説明する

2. 分散学習(Distributed Practice)

学習を一度に詰め込まず、時間を空けて複数回に分散させる技法です。

なぜ効果が高いのか:

分散学習のスケジュール例:
  1 日目: 新しい概念を学習
  3 日目: 復習(想起練習と組み合わせる)
  7 日目: 再復習
  14 日目: 最終確認

  × 試験前夜に 8 時間一気に勉強
  ○ 2 週間かけて毎日 1 時間ずつ復習

効果が中程度(Moderate Utility)

3. 精緻化的質問(Elaborative Interrogation)

明記されている事実や概念について、「なぜそれが真実なのか?」を自分で説明する技法です。

4. 自己説明(Self-Explanation)

新しい情報が既知の知識とどう関連するかを説明したり、問題解決の各ステップを言語化する技法です。

5. インターリーブ練習(Interleaved Practice)

1 回の学習セッションで、異なる種類の問題や教材を交互に混ぜて学習する技法です。

効果が低い(Low Utility)

6. 要約(Summarization)

テキストの要約を書く技法です。

7. ハイライト・下線引き(Highlighting/Underlining)

教材の重要部分にマーカーや下線を引く技法です。

8. キーワード記憶術(Keyword Mnemonic)

キーワードと心的イメージを結びつけて記憶する技法です。

9. テキストのイメージ化(Imagery for Text)

読みながらテキストの内容を頭の中で視覚化する技法です。

10. 再読(Rereading)

同じテキストを繰り返し読む技法です。

なぜ多くの人が「効果の低い方法」を使い続けるのか

論文が指摘する重要な問題は、最も広く実践されている勉強法(再読、ハイライト)が最も効果が低いという逆説です。

学生が使う勉強法の割合(調査結果から):
  再読:        84%  → 効果: 低
  ハイライト:   約60%  → 効果: 低
  要約:        約40%  → 効果: 低
  想起練習:    約20%  → 効果: 高
  分散学習:    約15%  → 効果: 高

原因として以下が挙げられています。

  1. 流暢性の錯覚: 再読すると「わかった気」になるが、実際には記憶に定着していない
  2. 努力の誤解: 想起練習は「思い出せない苦しさ」を伴うため、効果がないと感じてしまう
  3. 教育現場での未普及: 教師自身がエビデンスに基づく学習法を知らない場合がある

エンジニアの技術習得への応用

この研究結果は、プログラミングや技術知識の習得にも直接応用できます。

想起練習の応用

従来の学習法想起練習に変換
チュートリアルを読む読んだ後、コードを見ずに実装してみる
ドキュメントを通読API を暗記せず、必要な機能を思い出して書く
講義動画を視聴視聴後、学んだ概念を白紙にまとめる
サンプルコードをコピペ閉じて、自力で再実装する

分散学習の応用

技術学習の分散スケジュール:
  月曜: 新しいフレームワークの基本概念を学ぶ
  水曜: 基本概念を思い出しながら簡単なアプリを作る
  金曜: 応用的な機能を追加する
  翌週月曜: 最初から作り直す(想起練習 + 分散学習)

  × 週末に 10 時間一気に React チュートリアルを完走
  ○ 2 週間かけて毎日 1.5 時間ずつ、作って壊して作り直す

インターリーブ練習の応用

集中学習(効果低め):
  午前: SQL の練習問題を 20 問
  午後: Python の練習問題を 20 問

インターリーブ学習(効果高め):
  午前: SQL 3 問 → Python 3 問 → SQL 3 問 → Python 3 問
  「どのツールで解くか」の判断力も鍛えられる

日本での普及 --- 安川康介氏の書籍

この Dunlosky 論文の知見は、安川康介氏の著書『科学的根拠に基づく最高の勉強法』(KADOKAWA、2024 年)で日本語で詳しく紹介されています。13 万部を突破したベストセラーで、YouTube 動画(414 万回再生)も含め、日本での認知度向上に大きく貢献しました。

書籍では以下の構成で解説されています。

まとめ

参考



前の記事
AIパーソナライズが「イエスマン」を生む × MIT・Northeastern研究が示す役割依存型シコファンシー
次の記事
Claude Code の生成コードをローカル LLM でレビューする 3 つの構成パターン