チャンキングが実際に意味すること
チャンキングとは再符号化です。小さな情報の単位をいくつか取り、それらを一つの馴染みある単位として組み直します。電話番号は10桁の数字ではなくなり、3つのグループになります。チェスの盤面は20個あまりの駒ではなくなり、キャスリングした王と崩れたポーン構造になります。記憶そのものは何も変わっていません。変わったのは、あなたが数えている対象の大きさです。
この言葉は、George Miller が1956年に Psychological Review に発表した論文「The Magical Number Seven, Plus or Minus Two」に由来します。その冒頭は心理学でも屈指の一文です。「私の問題は、ある整数に迫害され続けてきたことだ。7年のあいだこの数はどこまでも私を追いかけ、私の最も私的なデータに割り込み、最も公的な雑誌の紙面から私を襲ってきた。」
Miller の本当の貢献は、その数字ではありませんでした。ビットとチャンクの区別です。彼は「直後記憶のスパンは、1チャンクあたりのビット数とはほとんど無関係に見える」と書き、そこから、何かを学ぼうとする人にとって決定的な結論を引き出しました。「記憶スパンが一定数のチャンクであるならば、そこに含まれる情報のビット数は、より大きなチャンクを次々に作り、各チャンクが以前より多くの情報を含むようにするだけで増やすことができる。」
彼が挙げた例は、モールス符号を学ぶ無線通信士です。
無線電信の符号を学び始めたばかりの人は、一つ一つの短点と長点を別々のチャンクとして聞く。やがて彼はそれらの音を文字へとまとめられるようになり、文字をチャンクとして扱えるようになる。次に文字が語へとまとまり、語はさらに大きなチャンクとなって、彼は句のまとまり全体を聞き取り始める。
この通信士の記憶スパンは決して伸びません。伸びるのはチャンクです。Miller はこの過程を再符号化と呼び、過小評価されていると考えていました。「人々が行うこの種の言語的再符号化は、思考過程のまさに生命線であるように私には思われる」と彼は論じています。それから70年たった今も、勉強のアドバイスの多くは記憶を、書き換えるべきコードではなく、詰め込むべき容器として扱い続けています。
この論文からもう一つ、覚えておく価値のある細部があります。チャンクというものがいかに捉えにくいかを示しているからです。Miller は、英語の単音節語1000語からランダムに選んだ語について、記憶スパンが5語だという例を引いています。その同じ5語には約15の音素が含まれます。スパンは5だったのでしょうか、それとも15だったのでしょうか。
Miller 自身の答えは、「直観的には、被験者が思い出していたのは5つの語であって15の音素ではないことは明らかだが、論理的な区別はすぐには見えてこない」というものでした。この未解決の区別こそが要点です。単位とは、材料の性質ではなく、その人の性質なのです。
誰もが引用するあの数字は間違っている
Miller の「7プラスマイナス2」は大衆文化へ逃げ出し、そこで法則として固まってしまいました。それは法則ではありませんし、Miller も法則として提示したことはありません。
Nelson Cowan は2001年、Behavioral and Brain Sciences に発表した「The magical number 4 in short-term memory」でこの問いを再び開きました。リハーサルとグルーピングを阻むように設計された課題の証拠を集め、彼は実際の容量上限が3から5チャンク、平均して4程度であると論じました。Cowan 自身の後年のレビューや、その後の研究の多くもこの範囲の上限を支持しています。ただし、その背後にある機構については今も議論が続いています。一度に頭の中へどれだけ抱えるかを設計するなら、4が誠実な計画値です。
では、なぜ7はこれほど長く生き延びたのでしょうか。Fabien Mathy と Jacob Feldman が2012年に Cognition でその答えを出し、その答えが二つの数字を和解させました。彼らはチャンクを圧縮可能性の観点から定義し、最大限に圧縮された単位で数えれば容量は4であり、Miller の7は典型的な複雑さをもつ圧縮前の系列の長さで、それはおよそ7対4の比率で圧縮されると結論づけました。
どちらの数字も正しいのです。測っているものが違うだけです。
| 主張 | 出典 | 測っているもの | 値 |
|---|---|---|---|
| スパンは約7項目 | Miller (1956), Psychological Review | 圧縮前の典型的なリストに含まれる項目数 | 5から9項目 |
| 容量は約4チャンク | Cowan (2001), Behavioral and Brain Sciences | リハーサルとグルーピングを阻んだときに保持されるチャンク数 | 3から5チャンク |
| どちらの数も一つの限界を表す | Mathy and Feldman (2012), Cognition | 典型的なリストがどれだけ圧縮されるか | 7項目が約4チャンクに圧縮される |
実践的に読むならこうです。使えるスロットはひと握りしかなく、あなたが制御できる変数はそこに何を入れるかです。9個の箇条書きを詰め込んだ要約が、うまく名づけられた一つの考えより頭に留めにくい理由の、これは無理のない説明になっています。この枠組みが初耳なら、認知負荷理論のガイドが同じ上限を読者の側から、つまり誰もあなたのために設計してくれなかった材料の上で扱っています。
チェスの達人にはごまかしが効かない
チャンクが長期記憶の中に住んでいることを最もきれいに示したのはチェスです。Adriaan de Groot は1940年代に、達人は実際の対局の盤面をわずか数秒見ただけで再現できるのに、弱いプレイヤーにはできないことを示しました。変数を一つ変えるまでは、これは超人的な記憶に見えます。
William Chase と Herbert Simon は1973年、Cognitive Psychology に「Perception in Chess」でその後を追いました。駒がありうる対局の形ではなくランダムに散らされると、達人の巨大な優位はほとんど蒸発してしまいました。彼らの説明はこうです。達人が持っているのは、ふつうのワーキングメモリと並外れたチャンクである、と。実際の盤面は、彼らが何千回も見てきたパターンへ分解されます。ランダムな盤面はそもそも分解されません。
この話は覆されたのではなく、精緻化されました。Fernand Gobet と Simon は1996年、Psychonomic Bulletin & Review で、強いプレイヤーはランダムな盤面でもある程度の優位を保つと報告しています。ただしその差は対局の盤面でのそれよりはるかに小さいものでした。純粋なチャンクの数え上げモデルではこの残差を説明できません。だからこそ Gobet と Simon は同じ年、Cognitive Psychology の別の論文で理論を拡張し、より大きく柔軟な長期記憶構造をテンプレートと呼びました。
ここから、何を学ぶ人にとっても二つのことが導かれます。
第一に、まだ自分で作っていないチャンクは、あなたには何の価値もありません。ある分野についての誰かのきれいな要約を読んでも、手に入るのはその人のチャンクで、あなたのチャンクではありません。これが有能感の錯覚の背後にある機構です。流暢な文章は見ているあいだはチャンク化されているように感じられ、ページが消えるとその感覚も消えます。
第二に、チャンクには二種類あります。Gobet らは2001年の Trends in Cognitive Sciences でこれを明示し、戦略的で目標志向的な意図的チャンキングと、知覚経験から絶え間なく走り続ける自動的チャンキングを区別しました。前者は意志で起こせます。後者は何千時間が買ってくれるもので、近道はありません。
7桁から79桁へ: チャンキングはどこまで伸びるか
1980年、K. Anders Ericsson、William Chase、Steve Faloon は Science に「Acquisition of a Memory Skill」という2ページの論文を発表しました。SF として知られるその参加者は、実験室で数字スパンの再生を練習しました。230時間を超える練習の後、彼のスパンは7桁から79桁になりました。
この数字には少し立ち止まる価値があります。9桁ではありません。15桁でもありません。79桁を、一度聞いて言い返すのです。同じ参加者について Chase と Ericsson が後に書いた記述では、2年に渡る約250時間の後、82桁に達しています。
彼の記憶が良くなったわけではありません。論文自身の結論は、適切な記憶術の体系があれば「練習による記憶成績には限界がないように見える」ということでした。そして要旨の文言は、彼が得たものの範囲について慎重です。数字を用いた他の記憶テストでの成績が、生涯にわたる訓練を積んだ記憶の専門家たちに匹敵した、という書き方をしています。
決め手は、動かなかったもののほうです。系列が数字ではなく文字で作られると、彼のスパンは通常の範囲、およそ6か7に留まりました。その技能は、彼が数字のために築いた符号化の体系の中に住んでいたのであり、一般的な記憶の底上げの中にはありませんでした。
この範囲の限界こそが本当の教訓であり、しかも簡単に逆さまに受け取られます。チャンキングは、より良い記憶を与えてはくれません。特定の一種類の材料に対する、より良いコードを与えてくれるのです。そして新しい種類ごとに新しいコードを築かなければなりません。79桁を思い出せる人と、密度の高い論文を一読で思い出せる人は、違うコーパスの上で同じ機構を使っています。
2025年のあるモデルは、回路がこれを自力で学習しうることを示唆しています。Brown 大学の Aneri Soni と Michael Frank は eLife で、前頭前野と大脳基底核の回路におけるチャンキングをシミュレートしました。ネットワークは同じ前頭前野の集団を再利用して複数の項目を同時に保持することを学習し、精度を代償にして量を買いました。彼らの読みは、天井はハードウェアではなくソフトウェアだというものです。良いゲーティング方策を学習できなかったネットワークは、与えられた容量を下回る成績しか出しません。これはシミュレーションですから、誰かの脳の測定値ではなく、機構についての仮説として扱ってください。
チャンキングは気づいていなかった容量を解放する
ここまでの話には、当然の反論があります。チャンクは負荷を減らしているのではなく、貼り替えているだけではないのか。同じ作業を相変わらずやっていて、数え方を変えただけではないのか、というものです。
Mirko Thalmann、Alessandra Souza、Klaus Oberauer は2019年、Journal of Experimental Psychology: Learning, Memory, and Cognition の「How does chunking help working memory?」という論文でそれを直接検証しました。4つの実験を通じて、チャンキングの利益はチャンク化された材料の再生にだけ現れるのではなく、同時に保持されていた他の、チャンク化されていない項目の再生にも現れることを見出しました。チャンクは本当にコストが小さいのです。そこで解放される容量は実在し、別の用途に使えます。
同じ論文から、持ち帰るべき限界が二つあります。あふれ出した利益はリストの前半のチャンクから来たもので、末尾のチャンクからではありませんでした。そして、チャンクが要素を共有するようになると、利益はチャンクの大きさから独立ではなくなりました。だから著者たちは、ワーキングメモリは「その大きさに関係なく一定数のチャンクに限られているのではない」と結論づけています。大きいチャンクはやはりコストが高いのです。ただ、その部品たちの合計よりは安い、というだけです。そしてそれが4スロット像の誠実な版です。スロットは文字どおりの入れ物ではなく、大きなチャンクは無料ではありません。残るのは方向であって、算術ではありません。
だからこそチャンキングは、他のあらゆる勉強法と競い合うのではなく、その下に位置しています。よくチャンク化されたページに対する想起練習は、長い事実のリストではなく、いくつかの考えを試します。間隔をおいた復習が短くなるのも同じ理由で、項目が少ないからです。そして難しい段落は、9つの節ではなく2つの単位を抱えている状態になれば、お手玉のようには感じられなくなります。
これは、ほとんどの読者が知っているもどかしさの説明にもなります。密度の高い文章が難しいのは、文が長いからではありません。著者のチャンクがまだあなたのものになっていないため、一つの節ごとにスロットが1つ消えていくからです。ゆっくり読んでも助けにはなりません。立ち止まって単位に名前をつけることが助けになります。
読んだものをチャンク化する方法
読みながらのチャンキングは、物理的な痕跡を残す意図的な行為です。うまく機能する方法を、5つのステップで示します。
1. 何かに印をつける前に、まず節を丸ごと読みます。 最初の一文の内側からでは、考えの境界は見つけられません。これは誰でもやってしまう間違いです。人は最初の段落でハイライトを引き、その最初の印と一貫性を保つためにハイライトを引き続けてしまいます。
2. その節の要になっている一節だけに印をつけます。 節ごとに1つ、5つではありません。ハイライトとは、チャンクがどこで始まりどこで終わるかについての主張ですから、それを引くには決断のコストがかかります。そこが肝心です。ハイライトの科学についての記事で、これを上手にやる場合と下手にやる場合について研究が何を言っているかを扱っています。
3. チャンクに自分の言葉で名前をつけます。 ハイライトに3語から7語ほどの短いメモを添えます。ページから借りた専門用語は使いません。名づけは Miller が述べた再符号化のステップそのものです。名前がなければ、それは保存された引用であってチャンクではありません。
4. あとで使い回せる取っ手をチャンクに与えます。 タグ、トピック、繰り返し使うラベルなどです。チャンクが積み上がるのは、同じラベルが新しい材料を集め続けるときだけで、それがばらばらのハイライトの集まりを構造へ変えていく仕組みです。Glasp のウェブハイライターで一節に印をつけ、その場でタグを付けていけば、各チャンクに戻ってこられる住所ができます。
5. 名前だけから節を復元してみます。 ページを隠してください。4つの名前で議論が戻ってくるなら、チャンクは持ちこたえています。戻ってこないなら境界が間違っていたわけで、どこが間違っていたかもはっきり見えます。このテストは、事実ではなく構造に対して適用したアクティブリコールです。
補足が2つあります。本もやり方は同じです。Kindle ですでに印をつけた箇所は、そのままチャンクの候補になります。Kindle のハイライトを取り込めば、端末の中に置いておく代わりに、名前をつけてまとめられる場所に置けます。そして自分のチャンク境界を誰かの境界と突き合わせたくなったら、Glasp のコミュニティが同じページから他の読者が何を抜き出したかを見せてくれます。読み飛ばした一文を素早く見つける手段です。
動画や講義をチャンク化する方法
動画は止まってくれないので、チャンク化がいちばん難しい形式です。テキストなら一つの段落とじっくり向き合えます。講義は、あなたが3つ目の節をまだ抱えているあいだも話し続けます。
ここでの証拠は珍しく具体的で、しかも自らの限界について珍しく率直です。Günter Daniel Rey らは2019年、Educational Psychology Review にセグメント化効果のメタ分析を発表し、56件の調査と88の対比較を扱いました。連続した提示を意味のあるかたまりへ切り分けることで生じたのは次のとおりです。
- 保持の向上、d = 0.32、そして転移の向上、d = 0.36。いずれも有意でした。
- 報告された認知負荷の低下、d = 0.23。
- 予備知識の多い学習者のほうが大きな効果を得たこと。予備知識がまったくない、あるいは少しだけの学習者と比べて、です。しかもこれは保持についてだけでした。
- 課題に費やす時間の増加。 セグメント化された教材は読み通すのに時間がかかり、これは丸め誤差ではなく本物のコストです。
そしてここから面白くなります。ペース配分の結果が、何を測るかによって逆転するからです。
| 条件 | 内容 | 保持 | 転移 |
|---|---|---|---|
| システム主導のセグメント化 | セグメント化された教材を、あらかじめ決めたペースで提示 | d = 0.42、有意 | d = 0.35、有意 |
| 学習者主導のセグメント化 | セグメント化された教材で、ペースは学習者が制御 | d = 0.19、有意でない（p = 0.10） | d = 0.45、有意 |
| 全研究をプール | 両方を合わせたもの | d = 0.32、有意 | d = 0.36、有意 |
最上段を、大事なのは設計者の切り方であって自分で一時停止することには価値がない証拠だと読みたくなります。著者たちはまさにその考えを検証し、確認できませんでした。彼らのモデレータ分析では、利益は設計者が意味のあるつなぎ目で材料を切ることから来るという仮説は支持されませんでした。そして転移については、学習者主導の研究のほうが上に出ています。
擁護できる読みは、よく言われるアドバイスより狭いものです。あらかじめ切られたセグメントには、保持そのものについて最も強い証拠があります。自分でペースを制御するほうは、新しい問題でその材料を使えるかどうかを試すときに良く見えます。どちらの機構が働いているのかを示した人はいません。どちらに転んでも残るのは境界の話です。セグメントは議論の意味あるかたまりでなければなりません。節の途中での停止はチャンクを生まないからです。
ですから、意図してセグメント化してください。見る前に構造を手に入れます。タイムスタンプ付きのセクションが並ぶYouTube Summaryは、セグメント境界の下書きを渡してくれるので、あとは各タイムスタンプを名前をつけるべき1チャンクとして扱えます。流れていく引用を集めるのではなく、セグメントごとに文字起こしの1行だけをハイライトしてください。その動画にセグメント化する価値のある構造がないなら、それはその動画についての有益な情報です。もっと広いワークフローについてはYouTube から学ぶ方法をご覧ください。
他の勉強法と比べたチャンキング
チャンキングは人気のある勉強法の隣に分類され、そのせいでそれが何をしているのかが見えにくくなっています。反復系の方法は材料に触れる頻度を変え、スケジュール系の方法はいつ触れるかを変えます。チャンキングは、それらすべてが作用する単位の大きさを変えます。
| 手法 | 変えるもの | それが正しい一手になるとき |
|---|---|---|
| チャンキング | 保持する単位の大きさ | 不慣れというより、量に押しつぶされそうに感じるとき |
| アクティブリコール | 想起の強さ | 内容に見覚えはあるのに、自分では出てこないとき |
| 間隔反復 | 復習のタイミング | 先月は分かっていたのに、薄れてきているとき |
| インターリービング | 練習の順序 | 各タイプは解けるのに、見分けがつかないとき |
| デュアルコーディング | 使うチャネルの数 | その考えに空間的または視覚的な構造があるとき |
| マインドマッピング | 関係の外部レイアウト | 部分どうしのつながりを目で見たいとき |
このリストより、順序のほうが大事です。先にチャンク化し、それから反復します。互いに無関係な16個の事実に間隔反復を走らせるのは、再符号化のステップを一度もやらなかったことで自分が自分に作り出したスケジューリング問題です。名前のついた4つのチャンクなら、生かし続けるのは安上がりです。
マインドマップとこれを比べて考えているなら、それぞれが何を主張しているかの違いに注目してください。マインドマップは、すでに持っている単位を配置します。チャンキングは単位を作ります。マインドマップは効果があるのかのレビューで、配置する側の半分についての証拠を見ています。
チャンキングが失敗する5つのパターン
間違った境界でチャンク化する。 記事の見出し構造は著者のチャンキングであって、あなたのものではありません。しかも語数の都合で形が決まっていることも多いのです。ある節の本当の考えが2段落目から始まっているなら、そこで切ってください。
知らない部品の上にチャンクを建てる。 分解できない構成要素からできたチャンクは、穴の上にかぶせたラベルです。Miller の無線通信士は、すでに知っていた短点と長点から文字を組み立てました。求められたときにチャンクを展開できないなら、それは圧縮ではなくブックマークです。
チャンクが多すぎる。 1つの章に名前のついたチャンクが15個あれば、また上限を超えた場所へ戻ってしまいます。ほとんどの記事では3つから5つが正直な数で、選ばざるをえないことこそがこの方法を機能させています。
流暢さをチャンクと取り違える。 これが最大の落とし穴です。すらすら読める文章は、目の前にあるあいだはチャンク化されているように感じられます。テストは、それなしで節を復元できるかどうかです。これがどれほど確実に人を、しかもこの現象を知っている人までも騙すかについては、有能感の錯覚をご覧ください。
チャンクが転移すると思い込む。 SF の79桁は、数字以外の何においても彼を上達させませんでした。ある分野のチャンクは次の分野へは持ち込めません。もっとも、チャンクを作る習慣のほうは持ち込めます。
よくある質問
チャンキングを簡単に言うと何ですか
チャンキングとは、小さな情報のかたまりを一つの意味ある単位へまとめ、ワーキングメモリがそれを単一の項目として扱えるようにすることです。10桁の電話番号を3つのグループへ再符号化するのが定番の例です。一度に保持できるものの数は変わりませんが、その一つずつが運ぶ中身が増えます。
チャンキングは暗記と同じですか
違います。暗記は、材料を長期の保管庫へ入れてそこに留めておくことに関わります。チャンキングは、同じ考えを表すのに必要な量が減るように材料をどう組織するかに関わります。チャンキングは暗記を安くするので、想起練習や間隔をおいた復習と自然に組み合わさります。
1つのチャンクには何項目入れるべきですか
決まった答えはありません。チャンクは個数ではなく意味によって定義されるからです。使える目安はこうです。チャンクとは、数語で名づけられて、求められたら展開できるものであるべきです。展開できないなら大きすぎます。自前の名前に値しないなら小さすぎます。
チャンキングは読書にも効きますか
読書にも効きますし、そちらのほうが価値が大きいとさえ言えます。古典的な実験が数字やチェスの盤面を使ったのは採点しやすいからですが、Miller 自身の枠組みは言語を含む再符号化全般についてのものでした。密度の高い段落を読むことはワーキングメモリの課題であり、単位に名前をつけることが、一つ一つの節がスロットを食いつぶすのを止めてくれます。
チャンキングと記憶の宮殿の違いは何ですか
記憶の宮殿は想起の仕組みです。項目に別々の場所を与え、順番にたどり直せるようにします。チャンキングは圧縮の仕組みです。配置すべき項目の数そのものを減らします。この二つはよく組み合わさります。記憶の宮殿のテクニックが場所を与え、チャンキングがいくつ必要かを決めるのです。組み合わせを正面から比較した人はいないので、これは発見ではなく、無理のない期待として扱ってください。
チャンキングの例にはどんなものがありますか
10桁の数字ではなく3つのグループとして読む電話番号。20個あまりの駒ではなく、キャスリングした王と崩れたポーン構造として見るチェスの盤面。短点と長点ではなく語として聞くモールス符号。カード番号、コードネーム、郵便番号、そして9つの文ではなく一つの主張として抱える記事の節まるごと。どの場合も材料は変わっておらず、数だけが減っています。
AI が代わりにチャンク化してくれますか
部分的にはできますが、その限界を正確に言う価値があります。要約器は境界を提案できますし、長い動画や不慣れな論文ではそれは本物の助けです。しかしチェスの研究が言うのは、チャンクが働くにはあなたの長期記憶の中に存在しなければならないということです。ですから誰かが引いた境界は、あなた自身の再符号化の出発点であって、その代わりにはなりません。構造には機械を使い、単位の名づけは自分でやってください。それがGlasp の AI チャットとYouTube Summaryの意図された使い方です。機械が境界を下書きし、名前はあなたのものになります。
まずは一つのチャンクから
Miller の数字は生き残りませんでしたが、彼の捉え直しは生き残りました。保持できる量は何を1単位と数えるかに左右され、その単位はあなたが制御できる部分だ、というものです。Cowan は数を下げ、Mathy と Feldman はなぜどちらの数も正しかったのかを説明し、Chase と Simon は単位が自分のものでなければならないことを示し、Ericsson の参加者は、230時間を超えて人がそのレバーに体重をかけたときにどこまで動くかを実演しました。
そのどれも、新しいアプリや体系を必要としません。必要なのは、節の終わりで立ち止まり、それが何についてだったかを自分の言葉で名づけてから先へ進むことです。
次に読む記事で試してみてください。Glaspで節ごとに一節だけ印をつけ、実際に声に出して言うような名前をそれぞれに与え、最後に名前だけから記事を組み直します。4つの名前で足りるはずです。足りたなら、あなたは今、記事をワーキングメモリに収まる大きさへ圧縮したことになります。それがこの技能のすべてです。同じ問題の保持の側面については、読んだことを覚えておく方法をお読みください。
