認知心理学

英語ページの自動翻訳です。母語話者による確認はまだ行われていません。

認知心理学 / 認知主義 — 学習を内的な心的過程 — 注意、知覚、記憶、推論、そしてメタ認知 — によって説明する理論の一群であり、観察可能な行動だけによって説明するものではありません。AI教育において、認知主義的な想定は、この分野の最も特徴的な貢献を支えています。学習者の知識をモデル化する知的チューターシステム、学習者が何を知っているかを追跡する知識追跡と認知的診断、誤りの診断に基づくフィードバック設計、そして学習者モデリングと適応的教授の全体です。認知主義は行動主義（学習を行動の変化として捉える立場）と構成主義（学習を能動的な意味構築として捉える立場）の中間に位置し、初期のAIEDを駆り立てた心のコンピュータという隠喩と最も緊密に結びついた理論的なレンズです。

考えるための問い

「学び」について考えるとき、あなたは誰かのすることの変化を思い浮かべますか、それとも知っていて取り出せることの変化を思い浮かべますか。その区別は、AIのチュータリング・ツールが実際に機能しているかどうかを判断する仕方をどう変えうるでしょうか。
AIチュータリングは「コンピュータの隠喩」 — 心を記憶の限界を伴う情報処理システムとして扱うこと — の上に築かれています。その隠喩が強力だと感じられるのはどこで、人間の学び方について何か重要なものを見落としているおそれがあるのはどこでしょうか。
あるAIツールが課題を労なしに感じさせます。次の段階を説明し、摩擦を減らし、学習者はそれを使っているあいだ見事に遂行します。それは成功した教授と言えるでしょうか。学習者が今や道具なしでそれをできるようになったかどうかを、どうやって知るでしょうか。
認知負荷理論は、内在的負荷、外発的負荷、生成的有益負荷を区別します。もしAIアシスタントを設計するなら、どの種類の負荷を意図的に減らそうとし、どの負荷は取り除かないよう注意するでしょうか。
学習者が記憶と推論をAIにオフロードできると分かっているとき、それが賢い戦略であるのはいつで、学習を静かに妨げる近道であるのはいつでしょうか。その違いを決めるものは何でしょうか。
認知主義は、知識は構成要素に分解され時間を追って追跡できると想定します。学習者の理解を追跡可能な知識構成要素の集合に還元するとき、何が失われるおそれがあるでしょうか。

はじめに

認知心理学は、学習を観察可能な行動の変化ではなく、内的な心的表象 — 記憶に保持される概念、スキーマ、手続き — の変化として扱う学習理論の伝統です。その情報処理の語彙（注意、符号化、検索、限界のある作業記憶）は、学習の困難のための診断の言語と、知的チューターと知識追跡の背後にある構造の両方を供給しました。学習者の内的な状態を推論しそれに適応するシステムです。それはこのナレッジベース全体にわたってメタ認知、望ましい困難さ、自己調整学習の参照枠であり続けています。

中心となる考え方

学びは内的な心的表象の変化である。 認知主義は、学習が観察可能な反応の変化だけでなく、記憶における知識 — 概念、スキーマ、手続き — の獲得、貯蔵、再構成を含むと主張します。学習者がすることだけでなく、知っていて取り出せることが問題なのです。
情報処理（コンピュータ）の隠喩。 心は能力とボトルネックを伴う情報処理システムとして扱われます。潜在能力の測定、作業記憶の限界、符号化と検索です。これはまさに、AIチュータリング（学習者の認知をモデル化し適応するコンピュータプログラム）を自然な適合にしたモデルなのです。
注意と記憶は限界がある。 作業記憶の容量は限られています。持続的な学びには、反復、敷衍、そして検索練習を通じた長期記憶への符号化が必要です。これは認知主義を研究、そして認知的オフローディング（記憶や処理を外部の道具に委任すること）や、AIが検索と練習を迂回するときの「成績–学習ギャップ」に関する研究に接続します。
メタ認知は認知を調整する。 メタ認知 — 自分自身の思考を監視し制御すること — は明確に認知主義的な構成概念であり、AIにいつ頼るかについての学習者の較正がなぜ学習にとって重要なのかを説明します（認知的オフローディングと自己調整学習を参照）。
知識は分解可能で追跡可能である。 認知主義的なAIEDは、学習者の知識を構成要素として表現し時間を追って追跡できると想定します。知識追跡、認知的診断、項目反応理論の基盤です。

認知主義とAI教育

AIEDの認知主義的な系譜

認知主義は、おそらくAI教育がそもそも存在する原因となった理論です。初期の認知的チューター（例えば、AndersonのACT-Rに基づくチューター）は、学習が生成規則としてモデル化でき、システムが学習者がどの規則を習得したかを追跡できるという想定を体現していました。これは今なお分野を定義する標準的な構造を生み出しました。領域モデル、学習者の知識状態を追跡する学習者モデル、そして教授を適応させる教授学的モデルです。すべて認知主義に起源を持ちます。現代の知識追跡（ベイズ的、深層学習、IRTに基づくもの）と認知的診断はこの伝統を継承しています。同じ想定が知的チューター、適応学習、個人化学習を支えており、これらはナレッジベースでは学習者モデリングと適応的教授の傘の下にまとめられています。

認知負荷と教授の設計

認知負荷理論（CLT）は、教授設計において最も広く応用されている認知主義的な枠組みです。内在的負荷（課題の複雑さ）、外発的負荷（提示の摩擦）、生成的有益負荷（スキーマ構築の労力）を区別します。よく設計されたAIは、生成的な処理を保ちながら外発的負荷を減らすべきです。統合の悪いAIは三つすべてを減らし、完了した課題と空虚な学習だけを残します。CLTの作業記憶の枠組みは、認知的オフローディングをめぐる議論 — AIが有害な外発的負荷を減らすのか、それとも学習を生み出す生成的な処理を短絡するのか — においても中心的なものです。

Mayerのマルチメディア学習の認知的理論（CTML）は、同じ作業記憶の想定を教材そのものに適用し、その処方は例外的に具体的です。学習者は、言葉だけよりも言葉と絵を一緒に用いた方がよく学びます。それは、余分な素材が除外されているとき、授業が一つの連続したまとまりとして提示されるのではなく分割され学習者のペースで進められるとき、対応する言葉と絵が近くかつ同時に現れるとき、そしてナレーションが会話的で親しみやすい人間の声であるときです。形式的なものや機械生成のものではなく。

認知主義と行動主義と構成主義

対行動主義： 行動主義は学習を強化とドリルを通じた観察可能な行動の変化として説明します。認知主義は内的な表象を主張し心的状態を追跡します。AIの実践にはしばしば「名目上の構成主義、実際の行動主義」という乖離が見られますが、認知主義的な設計（学習者モデリング、知識追跡）は、単に反応を強化するのではなく学習者の推論された知識を表現しそれに適応するため、純粋な行動主義的なドリルとフィードバックとは区別されます。
対構成主義： 構成主義は学習者が経験を通じて能動的に意味を構築すると主張します。認知主義は（しばしばあらかじめ構造化された）知識と技能の正確な符号化を重視します。AIEDの認知主義的な系譜（構造化された領域、明示的な知識構成要素）は、構成主義者からあまりに行動主義的すぎる、あるいはあまりに伝達志向的すぎると批判されることがあります。一方、認知主義は、知識を表現し追跡することがこそ、真に適応的な教授を可能にするのだと反論します。
対学習科学： 認知主義は、その分野が設計に用いるメカニズム — 作業記憶、符号化、検索、分解可能な知識構成要素 — を供給しますが、それ自体は設計志向ではありません。認知主義は学習がどのように起こるかを説明します。学習科学は、それが起こる環境をどう構築するかを問い、その設計を実証的な検証に委ねます。

AI時代の緊張関係：認知主義の境界は圧力にさらされている

生成的AIは認知主義を拡張すると同時に挑戦してもいます。知識表象をより強力にすることで（LLMを知識エンジンと見なし、知識追跡で追跡し学習者モデリングで適応できる）拡張します。認知が「どこにあるか」を複雑にすることで挑戦します。AIが推論、記憶、さらにはメタ認知的な類似の機能を遂行するとき、学習は個人の心における内的な処理であるという認知主義的な想定は揺らぎます。分散認知、共調整、そしてポストヒューマンの捉え方は、認知は人間と人工のシステムにわたって分散しうると論じます。それでも認知主義的な問いは、この分野の中心的な問いであり続けます。学習者が知識を内面化するのか、それとも道具がそれを保持するのか。 これは、認知的オフローディングと成績–学習ギャップの問いの最も純粋な形です。

設計と研究への含意

成績ではなく内面化に向けて設計する。 認知主義的なAIEDは、学習者が知識を道具なしで検索し応用できるかどうかで評価されるべきです。補助された成績ではありません。これは成績–学習ギャップであり、補助なしの転移を測定することの根拠です。
学習者を表現せよ、ただ応答するな。 AIの対話に構造化された学習者モデリングと知識追跡を結びつけ、流暢だが無思慮に応答するのではなく、推論された知識に適応するようにしましょう。（EduClaw-Bench: A Long-Horizon Benchmark for Pedagogical LLM Agents with Simulated Learners）
作業記憶の限界を尊重する。 認知負荷理論をAIのUXに適用しましょう。外発的負荷（摩擦、過負荷のインターフェース）を減らしつつ、すべての認知的負荷を最小化するのではなく、生成的な処理（生産的なもがき苦しみ、検索練習）を保つのです。
メタ認知を較正する。 メタ認知は学習者がいつオフロードするかを選ぶことを支配するため、較正の教授（自分が補助なしに実際に何ができるかを知ること）は、過度の依存への認知主義的な答えです（認知的オフローディングを参照）。

メタデータ

学習と教授	認知心理学, 学習理論, メタ認知
技術と手法	生成AI, 知的個別指導, 知識追跡

Source History Edit Chat