学習診断の難しさと本日のテーマ
医療の世界で診断について話すときって、私たちは普通、ある種の明確さを志大しますよね。
ええ、そうですね。
なんかこう、エンジニアリングみたいな。腕を骨折して病院に行って、レントゲンを取ったら、ギザギザの白い線が写っていて、医者が、「ほら、ここが折れてますよ。」っていうような。
かなりバイナリーというか、白黒がはっきりした世界ですからね。折れているか折れていないかっていう。
そうなんですよ。で、その明確さが私たちに安心感を与えてくれるじゃないですか。物事が目に見えて、きちんと分類されるのが好きなので。
でも、これが人間の学習とか、脳の発達っていう世界に足を踏み入れた途端、突然そのレントゲン殺液が壊れちゃうというか。
ああ、確かに。本当に濁りきった風景に直面しますよね。
ですよね。知識が本当に身についているのかどうかっていうのを診断するのは、骨折を見つけるようにはいきませんから。
テストで良い点を取ったからといって、本当に深いレベルで理解しているとは限らないですからね。
実はそこが今日の革新なんです。今回の深掘りのテーマは、人間の脳が真の知識を獲得する隠されたメカニズムと、学習における錯覚についてです。
はい。
今これを聞いているあなたも、明日の会議の準備をしているにせよ、純粋な好奇心から聞いているにせよ、今日の深掘りはあなたの時間を最大限に生かすためのものです。
単なる情報消費じゃなくて、脳の仕組みそのものをハックするような旅になりますね。
ええ、まさに。認知心理学の研究とか、スポーツのコーチング理論、医療のカリキュラム、あとは最新のAI学習の論文なんかを掛け合わせて、情報型の世界で効率的かつ確実に知識を身につけるためのハックを抽出していこうと思います。
一見バラバラに見える分野の資料なんですけど、実はこれ全部同じ人間の脳の製薬について語っているっていうのがすごく面白いところなんですよ。
ジョン・ウッデンの靴下の教え：基礎の徹底
そうなんですよね。じゃあ、まずはスポーツの世界のすごく驚くべきエピソードから始めてみましょうか。
はい、いいですね。
カリフォルニア大学ロサンゼルスと、UCLAの伝説的なバスケットボールコーチで、ジョン・ウッデンという人がいるんですけど。
チームを何度も全米優勝に導いた名将中の名将ですね。
ええ、彼が毎シーズン最初の練習で、全米から集まった超優秀なエリート選手たちに何を教えたと思いますか。
戦術とかシュートフォームじゃないんですよ。
なんと靴下と靴の正しい履き方なんですよね。
そう、靴下なんです。これ、全米トップクラスの19歳の若者たちに向かってですよ。彼らはもう今までの人生で何万回も靴下を履いてきているのに。
もちろん選手たちははーってなりますよね。俺たちはプロを目指すエリートなのに、今さら靴下なんてバカにしてるのかって。
ですよね。でもウッデンは靴下を脱がせて、シワが一つもないように完璧に履き直すことを要求したんです。
趣の理由は、シワがあると靴擦れとか水膨れの原因になって試合に出られなくなるからっていうすごく実用的なものでしたけど。
でもウッデンが本当に狙っていたのはもっと深い部分だったんですよね。
ええ、その通りです。チャンピオンシップでの成功っていうのは、こういう基礎を徹底的に守るという習慣から始まるんだっていう哲学ですね。
細部へのルール遵守がチャンピオンを作るという。
なるほど。
提供された資料の中に、聖書の吉脇一章八節への言及があったんですけど、規則を学び、黙想し、守り、勇気を持つっていうプロセスですね。
ウッデンの靴下のエピソードは、まさにこれと同じ構造を持っています。
背景知識の重要性：認知心理学の視点
ああ、なるほど。でもちょっと待ってください。ここを少し整理させて欲しいんですけど。
はい。
この物理的な基礎とかルールの徹底っていうのが、今日のテーマである脳の学習メカニズムにどう繋がってくるんですか。
ダニエル・ウィリンガム博士の認知心理学の資料に背景知識っていう言葉が出てきましたけど。
ウィリンガム博士の主張は非常に明確で、知識とスキルは独立していないっていうことなんです。
独立していない。
はい。私たちってよくクリティカルシンキング、つまり批判的思考とか分析力みたいなものを筋肉みたいに鍛えられる汎用的なスキルだと考えがちじゃないですか。
ああ、そうですね。一度その思考法の筋肉を鍛えちゃえば、どんな分野にでも応用できると思ってました。
論理的に考えるスキルがあれば、経済学でも生物学でもいけるんじゃないかって。
実は人間の脳ってそういうふうにはできていないんです。
例えば、チェスのルールや定石を全く知らない人がチェスの盤面を見てクリティカルに思考するなんて不可能ですよね。
確かに。コマの動かし方もわからないのに戦略なんて立てられないですからね。
そういうことです。豊かな背景知識という土台があって初めてその分野における批判的思考が可能になるんです。
博士はこれを、富むものはますます富むという現象だと説明しています。
富めるものはますます富む。つまり、家の土台、つまり背景知識を作る前に屋根であるクリティカルシンキングを作ろうとしても無駄だっていうことですかね。
まさにその通りです。すでに基礎的な知識が頭に入っていると、新しい情報が入ってきたときにそれを既存の知識と結びつけて素早く理解できるんですよ。
だからこそ、靴下の履き方みたいな一見退屈な基礎の徹底が後々の高度な応用のために絶対に必要なんですね。
認知負荷理論とワーキングメモリーの限界
基礎知識の自動化ですね。
でも、なんで自動化する必要があるんですか。人間は考える足だって言いますし、毎回ゼロから論理的に考え直してもいいような気がするんですけど。
それをやってしまうと、私たちの脳のワーキングメモリー、つまり作業記憶がすぐにパンクしてしまうんですよ。
あ、パンクしたんですか。
はい。ここでジョン・スウェラーが提唱した認知不可理論というものが登場します。
認知不可理論。脳の処理限界の話ですね。資料にはジョージ・ミラーという人が、人間が一度に保持できる情報の単位は7つ程度だって言ったとありますけど。
ええ、ただその後のネルソン・コーアンの研究ではもっと厳しい現実が突きつけられています。人間が頭の中で同時に処理できる要素って実はたった4つ程度だと言われているんです。
たった4つですか。いや、それって脳をRAMが限られた古いスマートフォンに例えるようなものじゃないですか。
そうですね。
アプリを4つ同時に開いて激しく動かしたら、もう画面がフリーズして動かなくなるみたいな。
まさにそのイメージです。だから毎回ゼロから考えるんじゃなくて、基礎知識を長期記憶というハードドライブに保存して、無意識に引き出せるように自動化しておく必要があるんです。
RAMの容量を節約するために。
3つの認知負荷とスキーマ構築
はい。認知負荷理論では学習時の脳の負荷を3つに分類しているんですけど、これが非常に重要でして。
ちょっと待って。全ての精神的疲労が良いわけじゃないんですか。減らすべき負荷と最大限にすべき負荷があるってことですか。
その通りです。まず1つ目は内在的負荷と呼ばれるものです。これは学ぶ課題そのものの難しさですね。
つまり微分析分を理解するとか、そういう内容自体の複雑さですか。
はい。これは避けられない負荷です。そして2つ目が課題外負荷です。これは質の悪い教材とか無関係な情報によって引き起こされる無駄な精神的疲労です。
ああ、読みにくいフォントの教科書を解読するのに疲れて肝心の内容が頭に入らないみたいなことですね。
ええ、まさにそれです。そして3つ目が学習関連負荷と呼ばれるもので、これが非常に有益な負荷なんです。
有益な負荷。
はい。新しい情報を長期記憶のスキーマに統合するために使われる負荷のことです。
あの、ちょっと腑に落ちないんですけど、スキーマって何ですか。頭の中にファイリングキャビネットがあって、そこに整理して入れるようなイメージですか。
ファイリングキャビネットというよりは、情報のネットワークとか雲の巣をイメージした方が正確ですね。
雲の巣ですか。
ええ、例えばチェスの達人が盤面を見たとき、彼らはコマをバラバラの20個の要素として見ているわけじゃないんです。
これはシシリアンディフェンスの人形だという一つの巨大なパターンの塊として認識しています。この塊がスキーマです。
ああ、なるほど。さっきの講案の4つしか処理できないっていう限界もスキーマがあれば突破できるんですね。
その通りです。
シシリアンディフェンスという巨大な塊をワーキングメモリー上ではたった一つの要素として扱えるから。
ただ、バラバラの情報を結びつけてスキーマを構築する作業には、どうしても知的努力というエネルギーが必要です。それが学習関連負荷なんです。
なるほど。じゃあ、優れた学習法っていうのは、無駄な課題外負荷を減らして、余ったラムを全部そのスキーマ構築のための苦労、つまり学習関連負荷に注げ込むってことですね。
チャンキングで情報を小分けにしたりして。
AI学習ギャップと有能さの錯覚
はい。ここで非常に興味深いのは、まさに今の時代におけるテクノロジーとの関わり方なんです。
テクノロジーですか。いや、ここからが本当に面白いところなんですけど。
ええ。
負荷を減らすっていうなら、究極の解決策があるじゃないですか。
AIですよ。
AIですね。
チャットGPTとかに膨大な資料を読み込ませて、要約させたり構成を考えさせたりすれば、私たちの脳は全く疲れないですよね。
聞いているあなたも、AIを使って素晴らしいレポートを書いた経験あるんじゃないですか。
論理的にはそう思えるんですけど、現実はそう甘くありません。ベトナムの大学生27人を対象にしたAI支援学習の調査データがあるんですが。
27人。かなり大規模ですね。
ええ。この研究は、AIに負荷を肩代わりさせることの代償を見事に浮き彫りにしました。研究者たちは無作為知識検証という手法を使ったんです。
どういうことですか。
まず、学生たちにAIを使って課題を提出させます。当然、課題の質は平均で7.62位と非常に高かったんです。
見栄えはバッチリなわけですね。
はい。でもその後、デバイスを取り上げて本当に理解しているかを口頭諮問などで確認したところ、実際の知識の習得度は平均5.55しかなかったんです。
2.07もギャップがある。提出物の見栄えは最高なのに、画面を見ないと何も説明できなかったってことですか。
そういうことです。これをAI学習ギャップと呼んでいます。
なんでそんなことが起きるんですか。AIが情報を整理してくれたんだから、むしろ理解しやすくなっているはずですよね。
先ほどの3つの認知負荷を思い出してください。AIは確かに課題外負荷を劇的に減らしてくれます。
でも同時に絶対に削ってはいけない学習関連負荷、つまりスキーマ構築の苦労まで奪ってしまったんです。
うわー、なるほど。良質な海の苦しみまでAIが肩代わりしちゃったんですね。
ええ、AIがクラウド上で完璧なスキーマを構築して出力してくれますが、学生自身の脳には何も保存されていません。
結果として、本人は完全に理解していると思い込む有能さの錯覚に陥ってしまうんです。
有能さの錯覚。怖すぎますね、それ。
AIが便利になればなるほど、私たちの脳はスキーマの作り方すら忘れていく危険があるってことじゃないですか。
まさにその危険性が指摘されています。
足場かけ（スキャフォルディング）による効果的な学習
じゃあどうすればいいんですか?AIに頼り切るのがダメなら、昔みたいに分厚い教科書をひたすら読んで苦労するしかないんですか?
いえ、単に苦労すればいいわけではありません。
ここでカロリンスカ研究所が提唱する学習の障壁を取り除くためのアプローチ、UDLというものが参考になります。
ユニバーサルデザインによる学習ですね。
ユニバーサルデザインって、あの駅のエレベーターとかスロープみたいな?
考え方は同じです。身体的、心理的、環境的な障壁を取り除くんです。
例えば、医療教育で使われているボディインタラクトのような仮想患者シミュレーターがわかりやすい例です。
医学生が画面上のデジタル患者を使って診断のトレーニングをするシステムですね。
はい、これをコルブの経験的学習という大きな全体像と結びつけてみるとよくわかります。
人は経験し、消殺し、考え、行動するという試行錯誤を通じて学びます。
はい。
でも、医学生にいきなり現実の重症患者を見せたら、プレッシャーと複雑さでパニックになりますよね。
つまり、課題外負荷が大きすぎるんです。
確かに、最悪患者さんを危険にさらしちゃいますしね。かといって教科書を読むだけじゃ臨床の隙間はできないし。
そこでシミュレーターの出番です。学習者のレベルに合わせて一時的な支援やヒントを出します。
間違った薬を投与しても画面上でバイタルが悪くなるだけなので、すぐに消殺して誤った認識を修正できる。
これを教育学で足場掛けと呼びます。
足場掛け、スキャフォルディングですね。つまりこれって結局どういう意味なんでしょうか。
あの、自転車の補助輪みたいなものですかね。
補助輪と言いますと?
子供に自転車を教えるとき、いきなり強力なモーター付きのバイク、つまりAIを与えちゃったら、ペダルを漕ぐ筋力もバランス感覚も育たないじゃないですか。
ええ、確かに。
逆に大人用の重いマウンテンバイクを与えたら、転んでばかりで怪我をする。これが課題外負荷ですよね。
だから最初は補助輪を付けて無駄な転倒を防ぐ。でもペダルを漕ぐのはあくまで自分自身だってことです。
なるほど。素晴らしい例えですね。思わず笑ってしまいました。その通りです。
最初は補助輪を使ってサポートしつつ、徐々に外していくことで、自力で漕ぐスキル、つまり学習関連負荷を最大化するんですね。
まさに、AIに答えを作ってもらうのではなく、自分が答えにたどり着くための足場として使うんです。それが最適解ですね。
まとめとAI時代の専門性の定義
いやあ、見事につながりましたね。
ジョン・ウッデンの靴下の教えから始まった基礎知識の重要性が、実は認知不可理存に基づく脳のメカニズムそのものであり、AIによる有能さの錯覚を防ぐための唯一の防具だったと。
ええ。真の学習というのは、無駄な混乱は排除しつつも、スキーマを構築するための質の高い苦労はあえて受け入れることなんです。
リスナーの皆さんも、今日学んだことをぜひ持ち帰ってほしいと思います。
AIは素晴らしいツールですが、自分の脳の学習関連負荷まで奪われていないか気をつけてみてください。
そうですね。
さて、ここまで深掘りしてきましたが、最後に少し挑発的な思考をあなたに投げかけて終わりにしたいと思います。
おお、何でしょう。
もし今後、AIがさらに進化して、完璧な文章を書いたり、あらゆるスキルや出力を完璧に代行するようになったとしたら、私たち人間の専門性の定義ってどうなるんでしょうか。
ほう。
おそらくそれは、自らの脳に刻み込んだ背景知識だけを頼りに、AIが提示した答えのわずかなエラーを診断し、適切な問いを立てるという判断力そのものになるんじゃないでしょうか。
確かにそうかもしれませんね。
出力はAIがやる。でもそれを診断するレントゲン検査は人間の脳にしかできないんです。さて、あなたは明日、自分の脳にどんな靴下を履けせますか。
いい問いですね。
本日の深掘りはここまでです。お聞きいただきありがとうございました。次回の旅でまたお会いしましょう。
