- 長期記憶を高めるには、同じ内容にそのまま取り組み続けるより、誤りなく実行できる水準に到達した後で復習の時点を分けるほうが効率的な場合がある
- 過剰学習(overlearning) は、基準到達直後に同じ教材をさらに反復する方法で、1週間後の成績には役立ったが、4週間後には利点がほとんど消えていた
- 総学習時間が同じでも、2つのセッション間の セッション間隔(ISI) と、最後の学習からテストまでの 保持間隔(RI) が適切に対応していると長期記憶が向上し、実験では最適な ISI は RI の約 10〜30% の範囲だった
- 数学学習でも、追加問題をまとめて解く過剰学習は1週後・4週後の得点を高めなかったが、同じ問題数を1週間間隔で分けて解いた集団は、1週後に 74% 対 49% とより高かった
- 教材や授業は、同じ種類の問題を一度にまとめて与えるより、以前の内容に数週間・数か月かけて再び触れさせ、複数の問題タイプを混ぜる方法のほうが長期記憶に適している
過剰学習は長期記憶では効率が低い
- 学習者は、特定の資料や技能を一度に学ぶとき、いつ止めるかを決めなければならない
- たとえば単語リストを回しながら、すべての定義を一度ずつ正確に想起した後、同じリストをもう一度繰り返すか判断する状況がこれに当たる
- 過剰学習とは、誤りのない遂行に到達した直後でも、同じ教材を学び続ける方法である
- 多くの教育者は、過剰学習が長期記憶を高めると考えている
- 数学課題のように同種の問題が多く配置された環境では、学生はかなりの時間を過剰学習に費やすことになる
- 約80年にわたる実験文献では、基準到達後の追加学習がその後のテスト成績を高める場合が多かった
- ただし、ほとんどの過剰学習研究では、学習後1週間以内、多くは1時間以内にテストしている
- 長期保持効果を見るには、学習とテストの間の 保持間隔(RI) をより長く取る必要がある
単語学習実験で明らかになった1週間効果と4週間効果
- ある実験では、参加者は
cicatrix-scar のような単語-定義ペアをフラッシュカードのように反復テストしながら学習した
- 適正学習 条件では、リストを5回巡回した
- 過剰学習 条件では、リストを10回巡回した
- 適正学習の参加者は、完全に学習できた試行が概して1回を超えず、過剰学習の参加者は大半が少なくとも3回の完全試行に到達した
- その後のテストは1週間後または4週間後に行われた
- 過剰学習は1週間後のテストでは目立つ利点をもたらした
- 4週間後にはその利点はほとんど検出されなかった
- 別の実験でも、過剰学習の利点は時間とともに小さくなるパターンを示した
- 利点が検出される期間は、手続きの細部条件によって異なる
- 過剰学習はより多くの学習時間を必要とするため、同じ時間を別の方法で使った場合の効果と比較する必要がある
- 直前に学んだばかりの内容を学び続けるより、数週間・数か月・数年前に学んだ内容を復習するほうが、一般により大きな利点をもたらす可能性が高い
- これは学習時間を減らせという意味でも、反復練習そのものを否定する意味でもない
- 問題なのは、誤りなく実行できるようになった直後に同じ教材を練習し続ける方法の効率である
- 過剰学習が適している状況もある
- 長期記憶ではなく短期的な成果が目標なら有用な場合がある
- パイロット、軍人、看護師の緊急手順のように、誤りや反応の遅れが深刻な結果を招きうる場合には、望ましい、あるいは必要なこともある
間隔効果は同じ時間をより長く残す
- 学習時間配分の研究では、通常、固定された総学習時間を2つのセッションに分け、2つのセッションの間の セッション間隔(ISI) を調整する
- ISI が 0 なら、まとめて学習したと見なされる
- 保持間隔(RI) は常に2回目の学習セッションからテストまでの時間として測定される
- その後のテスト成績は、一般にまとめて学ぶ場合より、間隔を空けて学ぶ場合のほうがはるかに良い
- この結果が 間隔効果(spacing effect) である
- 間隔効果を説明する理論はいくつもあるが、その議論は研究の範囲外である
- 長期記憶のために2つの学習セッションをどれだけ離すべきかは、まだ十分に解明されていない問題だった
最適な間隔はテストまで残された時間によって変わる
- 最初の間隔実験では、Swahili-English の単語ペアを学習した
- ISI は5分から14日までだった
- RI は10日に固定された
- 最終想起は ISI に大きく左右され、1日 ISI で最も良かった
- 2つ目の実験では、あまり知られていない物体の名前を学習した
- RI は6か月だった
- ISI は5分から6か月までだった
- 効果は最初の実験より大きく、最適 ISI はおおよそ 1か月 だった
- どちらの実験でも、最適 ISI は RI の約 10〜20% の水準にあった
- 10日 RI では1日 ISI が最適で、これは RI の 10% に当たる
- 6か月 RI では1か月 ISI が最適で、これは RI の 17% に当たる
- 約1,300人を対象に進行中のウェブベース実験の予備結果も、同じ方向を示している
- ISI は最大15週まで、RI は最大50週まで同時に変化させた
- 最適 ISI は RI に応じて変わり、おおむね RI の 10〜30% の範囲にあった
- この関係は3つのパターンに要約できる
- ISI がどの値でも、RI が長くなるとテスト得点は低下する
- RI が固定されていれば、ISI が長くなるにつれて得点はいったん上がり、その後また下がる
- RI が長くなるほど、最適 ISI も長くなる
授業・教材・ソフトウェア設計にもたらす変化
- 間隔効果は、実際の教育期間に相当する長い時間範囲でも強く現れる
- 短すぎる間隔は、長すぎる間隔より悪い成績になることさえある
- 長期記憶を見るほど、間隔効果は小さくなるより大きくなる傾向がある
- 小中等教育では、毎週異なる綴りや語彙リストを提示する方式より、同じ教材を数か月にわたって散発的に配置するほうが学習者に有利な場合がある
- 大学の授業で累積型の期末試験がなければ、以前の教材を再学習する動機は弱まる
- 集中的な外国語コースは期間が短いため、十分な間隔を作るのが難しい
- 初期の学習水準は高く見えても、その後の急速な忘却につながる可能性がある
- 数学学習でも同じパターンが観察されている
- 順列課題を学んだ学生に3問または9問を割り当てた実験では、追加の6問は強い過剰学習を生んだが、1週後・4週後の得点向上は検出されなかった
- 同じ課題の別の実験では、4問を1週間間隔の2セッションに分けて解いた集団が、1セッションですべて解いた集団より、1週間後のテストで 74% 対 49% と高かった
- 1セッションで4問を解いた集団は、半分だけ解いた集団より信頼できるほど高くはなく、得点は 49% 対 46% だった
- ほとんどの数学教材は、直前の単元に関連する問題を1つの問題セットに集中させ、これは集中学習と過剰学習の両方を促す
- 代替案は、ある単元の練習問題を教材の残り全体に分散させる シャッフル形式 である
- たとえば放物線の単元の直後には放物線の問題を一部だけ置き、残りの放物線問題はその後の練習セットに配置できる
- 問題タイプを混ぜると、時間的間隔だけでなく 識別学習 も生じる
- 標準形式では、一標本 t-test の単元の後に一標本 t-test の問題だけが続くため、どの問題の特徴がどの手続き選択を示すのかを見分ける練習が不足する
- シャッフル形式では問題タイプが混在し、学生は各問題に合った戦略を見つけなければならない
- この利点は、時間的な間隔効果とは独立しているように見える
- 試験準備では、答えを見る前に自力で思い出してみる 想起練習 が一般に良い戦略である
- コンピュータベース教育は、すでに想起練習と迅速なフィードバックを多く提供しているが、長期記憶を最適化するように学習セッションを配置する機会はまだ十分に活用されていない
- 教育実践は、伝統や流行よりも経験的証拠に近づけることができる
2件のコメント
Hacker Newsの意見
この研究自体への批判ではないが、とくに「最適化」を語るときは、全体の文脈を念頭に置くべき。
遅延されたテスト時点で知識の保持を最大化するように「学習、保持期間、テスト」を最適化することと、学んだ知識の価値を最大化することは別物。
学習価値を高めるには、すぐ使えて、すぐ他の学習に統合できるものを学ぶほうがよい。より早く、より多く使うほど価値も大きくなり、保持もしやすくなる。
短期的には使う機会がない重要な知識、たとえばまれな脳外科手術の合併症への対処法を学ぶ必要があるなら、その知識を使う方法を作る必要がある。「保持期間」のあいだに再び見ることになる有用なプロジェクトを作り、まれな状況への対応の要約を継続的に更新する、といったやり方が考えられる。
だから総合的な学習価値のためには、テーマ選択、テーマの進め方、そして「学習、選択的なテスト、使用、使用、使用」を最適化すべき。「使用」とは、モチベーション、テスト、復習、価値の実現が合わさったもの。
子どもには、九九を集中的に暗記する方式が妥当な場合もある。
教科書コンテンツよりも、興味のあるネイティブ向け資料の文脈の中で新しい単語を学ぶよう促し、実際に出会った文で個人コーパスを作れるようにしている。
近いうちにWebとepubだけでなく、YouTube、漫画、HDMI入力、ゲームエミュレーターなど、より多くのメディアへ拡張する予定。
他人が作ったフラッシュカードを取り込む場合でも、興味を持てそうな元資料や自分のコーパスから関連文をより簡単に見つけるためのツールを提供する。単語・漢字単位の追跡分析もさらに追加予定で、オフライン優先かつプライバシーに配慮している。
[Mods: it might be helpful to tag this paper as written in 2007]
この論文は、学習のための間隔反復というアイデアを示す文章のように見え、今日の生産性・学習文化ではAli Abdaalのような例に見られるように、かなり一般化している。
「数学の教科書も、間隔を促す形式を簡単に採用できる」という部分は、実際に中学生の数学を個別指導していると、教科書に実装されている。各章の終わりに一般的な章末復習テストがあり、その後に前の章のテーマを復習する「Cumulative Practice」がある。
論文が強調しているように、こうした構成は学生がそのテーマを長期記憶として保持するのにとくに役立つ。
コンピュータベースの教育が、長期保持を最適化する形で学習セッションを配置する機会をまだ十分に活用できていないという点については、Ankiという非常に人気のあるソフトウェアが、まさにこの「間隔反復」方式のプロトコルを実装している。
Ankiのデータモデルはかなり独特で、柔軟性とも関係しているが、予想外の欠点や落とし穴もある。
Rustでバックエンドを書き直すよりも、もう少し明確な哲学を持った間隔反復ツールと、もう少し洗練されたUIがあるとよいと思う。
個人的には、「自分がよりよく学びたいことを他人に教えること」が最高の長期保持戦略だった。
表向きには合理的で賢い理由のように聞こえるが、本当の理由は知識の呪いにある。システムの内側にいる人は、外側からそのシステムを見ることができない。前提を置き、不透明だったり、ときには誤解を招く用語を使い、循環論法を使ってしまう。
新しく来た人はその用語や循環論法を知らないので、その人が書いた説明は、次の入社者にとっては私が説明するより理解しやすい。また、そうして書かれた文書は、私にとってもシステムを新しい視点から見る助けになる。もしかすると、必ずしもこう動作する必要はないのかもしれない。
助教が学生に「ほら、君にあまりにも長く説明していたら、私まで理解してしまったじゃないか！」と言う。
興味深いが、もっと多くの根拠を期待していた。論文は教材を混ぜて間隔を作り、再び露出させるシャッフル方式について述べているが、実際に保持を高めるという部分は意見のように見える。
それに「ISIとRIのあいだの仮説的相互作用」とはいったい何なのか分からない。十分に実験して実際に描けばよいのではないか。仮説的な相互作用グラフなら誰でも描ける。
この記事の内容や学習についての学習に関心があるなら、投稿者のブログを読むことを強く勧める: https://www.justinmath.com/blog/
間隔反復、交互学習、能動的想起のように、単純な入力ベースの自動間隔反復アプリで可能なものだけでなく、視覚要素とほかの要素を組み合わせる二重符号化や自由想起のような精緻化練習も含まれる
こうした要素と、学習者の動機づけ、進捗、確認された「blindspot」的な誤概念を理解させる要素を適用するため、GPT-3以前から心理学修士課程とともに Revision.ai を開発してきた
https://www.justinmath.com/why-is-the-edtech-industry-so-dam...
特定の間隔学習戦略に関する4ページの記事にすぎない。本当に画期的というわけでもなく、手法を網羅的に集めたものでもない
「人は学んだことのかなりの部分を忘れるため、学生は長く残る知識をもたらす学習戦略から利益を得られる。しかし、長期保持を最も効率よく達成する方法については、驚くほどほとんど知られていない」という箇所について、本当の問題は常に情報の関連性だと思ってきた
人は、人工的でくだらない試験を超えて何かを覚える実用的な理由を必要としている。効率的な技法は良いものだが、「やるべきだから学べ」以外に学ぶ理由がないときほど、やる気をくじくものはない
実際に興味のあることを学ぶときは、フラッシュカード、大量のノート、高度な技法を探す必要はない。ほとんど即座に、努力なく記憶される
情報の関連性を無意識に測定し、吸収レベルを物理的に調整する仕組みがあるのだと思う。いわば一種の「学習率」だ
「最高中の最高」と見なされる学生たちを教えるときに楽しさという言葉を使うのはかなりつらいが、それでも楽しさは重要で、少なくとも学期の大半において、学生には効果性より大きな影響を与える。単に「学べと言われた」からだ
基本的に、学期の70%の間、ほとんどの学生は40時間勉強しない。実際の作業は30時間ほどで、効果的には15時間にすぎないかもしれない。自然に興味を持てない科目では、彼らを興味づけたり動機づけたりする橋渡しがないからだ
2021年に、GPT-3でフラッシュカードアプリ Revision.ai に「概念を学ぶべき理由」の動機づけカードを生成して入れ始めた。3つ目の項目で読める: https://www.revision.ai/articles/20ThingsRevisionAIDoesForBe...
このカードを無効にした理由は単純だった。学生に必要なときに合わせて見せるタイミングを、最後までつかめなかった。アプリが閉じていると動機がない状態なのでカードを見られず、学習セッションの途中で見せるとカードやAI生成の例が流れを断ち切ってしまった [https://www.instagram.com/p/CVVlIuVg31W/]
関連する短め、または中くらいの長さの YouTube 動画を推薦し、視覚資料や過負荷な学習の「休憩」として使うことも試したが、学生の成果は上がらなかった。結局、やはり自然に学習へ流れ込むのではなく、やらされている感じの問題を解決できていないようだ
学生の興味を高める技術的・概念的なアイデアがあれば聞きたい。講義スライドを明確な視覚要素のある練習セットに変え [https://www.instagram.com/p/C5ByftwiJ00/]、コンテンツを細分化し、進捗を見せると、学生がより勉強するよう動機づけられることが分かった。関連論文では、試験不安や緊張も減らせる可能性があった
動機づけられた対象が練習可能なものなら、実際にやってみることでよりよく記憶できる。これも一種の間隔反復として機能する。しかし天体物理学やマクロ経済学のような分野では、それは難しい
動機があれば同じテーマの別の本を手に取る可能性も高まるが、これもまた別の形の間隔反復だ
過剰学習が広く行われている理由は、個人に有益だからというより、教師が多くの学生を一度に扱うための方法だからだと思う
ちょうどよい学習量を測るには、教師が各学生と個別に取り組み、新しく形成された知識の質に合わせて練習問題を出す必要がある
しかしシステムは概して、教師の影響力を拡大するための大量教育に合わせて作られている
日本語を読みながら学べる iOS/macOS ツール Manabi Reader を本業として開発しています: https://reader.manabi.io
読書とフラッシュカードを組み合わせ、読んで学ぶすべての単語と漢字を追跡します。これに基づいて、ある文章を読む、または JLPT の目標を達成するには何を学ぶ必要があるかを分析し、テキスト内の知らない単語や学習中の単語をハイライト表示します
次のフラッシュカード関連の作業は、SM2 アルゴリズムを FSRS に置き換え、コンテンツを読むだけでもフラッシュカードが受動的に復習されるようにすることです
フラッシュカードを何時間もかけて1枚ずつ復習するやり方は、学習速度の面で取りこぼしているものがあると見ています。読んでいる最中にフラッシュカードを受動的に復習することに加え、1ページ分の語彙と隠せる答えを一度に見る方式など、別の復習手法も試す予定です
私たちの心は、視野の周辺部や、一度に多くの情報をざっと見て入力する過程からも吸収します。忘却曲線の研究に基づく学習アプリの最終形が、現在の フラッシュカード UI だとは確信していません
マンガ、PDF、YouTube、ゲームエミュレーターのような Reader 機能や、あらゆる言語への拡張にも取り組んでいます
同様の研究に興味があるなら https://supermemo.guru は見る価値があります。少し隠れた “about” ページは https://supermemo.guru/wiki/SuperMemo_Guru:About にあります
著者は、アプリケーションの作成も含め、このテーマとその歴史にかなりの時間を費やしてきた人物です
https://supermemo.guru/wiki/School_damages_your_brain
神経科学分野で論文を出している立場から見ると、これは完全にゴミです
以前、どう学習するのがよいか調べたことがあるのですが、そのときに知った spaced learning に関する論文です。こうした類のエッセンスをまとめた本もあるので、興味のある方は一度読んでみるとよいと思います。
邦訳 : いかに学ぶか
原書 : Make It Stick
https://www.yes24.com/Product/Goods/15341766