望ましい困難：難しい学習ほど記憶に残る理由

望ましい困難とは何か

学習科学でいう望ましい困難とは、取り組んでいる最中は練習が難しく、遅く感じられるのに、数日後や数週間後の保持と転移はむしろ良くなる、そういう条件のことです。この言葉は、Robert Bjorkが1994年に作りました。現在の標準的な例は、スペーシング、インターリービング、リトリーバル練習、生成、変動練習です。厄介なのは、望ましい困難が練習中のパフォーマンスを下げるので、失敗しているようにしか見えないという点で、だからこそ、ほとんど誰も自分からは選びません。

UCLAの心理学者であるBjorkは、訓練を扱った書籍の章でこの考えを提示し、その後の数十年をかけてElizabeth Ligon Bjorkとともに発展させてきました。彼らの研究室は、同じ結果に何度もぶつかりました。学習の最中にパフォーマンスを押し下げる操作こそが、しばしばそのあとのパフォーマンスを高めていたのです。最もよく知られたまとめは、ElizabethとRobert Bjorkによる2011年の章で、そのタイトルが原理をそのまま述べています。「Making things hard on yourself, but in a good way（自分に対して物事を難しくする、ただし良い意味で）」。

定義が書かれているのもこの章で、そこには一般向けの解説が落としてしまう条件がついています。Bjork夫妻によれば、望ましい困難が「望ましいのは、学習、理解、記憶を支えるエンコードと想起のプロセスを引き起こすからである。しかし、学習者がそれにうまく応じるための背景知識や技能を持っていなければ、それは望ましくない困難になる」。読み飛ばされがちなのは後半です。同じ課題が、ある学習者には望ましく、別の学習者には役に立たないことがあるのです。

数十年にわたる追試の蓄積を持つ条件が5つあります。

• スペーシング: 学習を1回にまとめず、別々のセッションに分けて配置すること。
• インターリービング: 1回のセッションの中で、問題タイプやトピックをまとめずに混ぜること。
• リトリーバル練習: 情報を読み込み直すのではなく、記憶から引き出すこと。
• 生成: 答えを見せられる前に、自分で答えを作り出すこと。
• 変動練習: 毎回同じ条件ではなく、変化する条件のもとで練習すること。

6つ目の生産的失敗は別の研究系譜から育ってきたものですが、同じ系統に属します。これについては、後で独立した節を設けます。

これらに共通するのは、どれもが脳に「再認」ではなく「再構築」を強いる点です。再認は安上がりで、知識のように感じられます。再構築は高くつき、知識を実際に築きます。同じ考えは、努力を要する学習（effortful learning）という名前でも語られます。手間のかかる練習こそが、長く残る練習なのです。

---

望ましい困難の例：当てはまるもの、当てはまらないもの

摩擦を足すこと自体が目的ではありません。この考えが誤用されるのは、たいていここです。Bjork夫妻も、同じ2011年の章で「多くの困難は、指導の最中にも、その後もずっと望ましくない」と警告しています。困難が「望ましい」という形容に値するのは、2つのテストに通ったときだけです。まず、余分な努力が教材そのものに注がれていること。つまり、教材を想起する、生成する、あるいは似たものと見分けることに使われていなければなりません。そして、その努力でどこかへ進めること。ただ行く手をふさぐだけの困難は望ましくありません。それは障害物です。

よく挙がる候補をこの2つのテストにかけると、次のように分かれます。

これが小テストの問題（次のうち、望ましい困難はどれか）として出たなら、中央の列が解答で、右の列がその理由です。「はい」はどれも、あなたに何かを再構築させます。「いいえ」はどれも、何も難しくしていないか、難しくする対象を間違えているかのどちらかです。

---

流暢性の錯覚

すでに2回読んだ教科書の章を開いてみてください。ページに目を走らせます。文章には見覚えがあります。段落ごとにすっと腑に落ちます。本を閉じるとき、あなたは内容を分かったと確信しています。

1週間後、あなたはその中心的な主張をほとんど思い出せません。

認知心理学者はこれを流暢性の錯覚、あるいは能力の錯覚と呼びます。学習時間の大半が無駄になる最大の原因が、これです。情報がスムーズに処理されると、脳はそのスムーズさを習得の証拠だと解釈します。違います。スムーズさは、ただのスムーズさです。

データは容赦がありません。Dunloskyらが2013年にPsychological Science in the Public Interestで発表したレビューは、よく使われる10種類の学習テクニックを、エビデンスが示す有用性に応じて3つの階層に仕分けました。地球上で最も人気のある2つの方法、ハイライトと再読は、最下層に置かれました。最上層に入ったのは、練習テストと分散練習です。学習者が好む方法は弱い学習を生み、学習者が避ける方法が強い学習を生みます。

最も分かりやすいのが再読です。CallenderとMcDaniel（2009）は、テキストを直後に読み返すことについて4つの実験を行い、ごく一部の例外を除いて、後のテストへの効果はほとんど、あるいはまったくないことを見出しました。なじみは記憶ではありません。再認は再生ではありません。

この錯覚は構造的なものです。脳は処理のしやすさを「これは知っている」というヒューリスティックとして使います。そのヒューリスティックが、将来の想起を予測する用途にはたまたま向いていない、というだけのことです。自分の「分かった」という感覚を疑えるようになることが、学んだものが残る学習への第一歩です。

---

Bjorkが本当に発見したこと

Robert A. BjorkとElizabeth Ligon Bjorkは、なぜこれが起きるのかを数十年かけて解きほぐしてきました。1992年の章「A New Theory of Disuse and an Old Theory of Stimulus Fluctuation」が、そのすべてを説明する枠組みを導入しました。

この理論は、記憶を2つの別々の次元に分けます。

貯蔵強度（storage strength）は、記憶がどれだけ深く配線されているかを測ります。異なる文脈にわたって、また時間をかけて、その教材にどれだけ関わってきたかの関数です。貯蔵強度は上がる一方で、下がることはありません。

検索強度（retrieval strength）は、いまこの瞬間にその記憶をどれだけ簡単に引き上げられるかを測ります。こちらは激しく変動します。学習した直後には上がり、使わなければ下がり、その瞬間に使える手がかりに大きく左右されます。

流暢性の錯覚は、この2つの隙間に住んでいます。章を読み返すと、教材が目の前にあるので検索強度は跳ね上がります。貯蔵強度はほとんど動きません。検索強度が薄れた瞬間、想起を支えるものは下に何も残っていないのです。

この理論で最も直感に反する法則は、この切り分けから出てきます。再学習したり想起したりするその時点で記憶の検索強度が高いほど、貯蔵強度の増分は小さくなるのです。楽に取り出せるときの入金はわずかです。苦労して取り出したときは、たどり着けさえすれば、入金は大きくなります。練習中の困難こそが、逆説的に、持続する学習を作るのです。

名前がついたのは、その2年後です。1994年の章「Memory and Metamemory Considerations in the Training of Human Beings」で、Bjorkは、練習中には人を遅くし、その後には助けになる訓練方法を集め、それらを望ましい困難（desirable difficulties）と呼びました。彼の元のリストは5項目で、いま出回っているものとは少し違います。

生成は、ここにはありません。Bjork夫妻の2011年の章までには、テストと同じ節に入る形でリストに加わっています。フィードバックの削減は逆の道をたどり、ほとんどのまとめから姿を消しました。議論の分かれるケースを扱う節では、その近縁で、より研究の進んでいる遅延フィードバックを取り上げます。

SoderstromとBjorkの2015年の論文「Learning versus Performance: An Integrative Review」は、この区別をさらに締め上げました。パフォーマンスとは、今日、練習中にできることです。学習とは、後で、新しい文脈でそれを行う能力における比較的永続的な変化です。学習習慣の大半は、パフォーマンスを最大化し、学習を損ないます。

名前がついてから四半世紀後、Bjork夫妻は2020年にJournal of Applied Research in Memory and Cognitionに載せた論文「Desirable Difficulties in Theory and Practice」でこの主題に戻ってきました。そして、その語り口は変わっていました。メカニズムはもう十分に確立されていました。一方、それを誰かに実行してもらうことのほうは、そうではありませんでした。彼らはこう認めています。自分たちは「関連する研究知見を学習者や教師に伝えるだけで十分だと、非現実的にも前提しがちだった」。実際には、学習者は勉強についての素朴な理論を抱えてやってくるので、まずそれを取り除かなければなりません。同じ号のRohrerとHartwigの言葉を引けば、「あまりにも多くの場合、教室とは有望な介入が死にに行く場所である」。

要点は、ここから先のすべての中心に座っています。セッションが楽に感じるなら、働いているのは検索強度で、貯蔵強度はどこにも動いていません。セッションが生産的な意味で努力を要すると感じるなら（探し、失敗し、立て直し、手を伸ばしているなら）、貯蔵強度は登っています。不快さこそが入金なのです。

これは、Glaspの読者がすでに知っている手法群を一本につなぐものでもあります。アクティブリコールと間隔反復、それにファインマン・テクニック、プロテジェ効果、ブラーティング法は、それぞれ無関係な小技ではありません。どれも、貯蔵強度を築く努力的な作業へと脳を追い込むための、異なる手段です。望ましい困難がメタ原理であり、残りはすべてその実装です。

---

スペーシング：分散学習が一夜漬けに勝つ理由

スペーシング効果は、この文献全体で最も古く、最も多く追試されてきた知見です。Hermann Ebbinghausが1885年、忘却曲線を生んだのと同じ著作のなかで記述しました。今でも効きます。

主張はシンプルです。ある教材を学ぶのに合計10分あるとしたら、その10分を1ブロックで使い切るより、複数のセッションに分けたほうが、遅延テストでより多くを覚えています。総時間は変わりません。効いているのは分布のほうです。

Cepedaらが2006年にPsychological Bulletinで発表した統合分析は、184本の論文に含まれる317の実験から839の測定をまとめたもので、すべて言語的な再生課題でした。スペーシングは一貫して集中学習を上回り、しかも最良の保持をもたらす間隔は、保持期間が長くなるほど広がりました。同じグループによる2008年の後続実験が、その比率を突き止めています。1,350人を超える参加者が一連の事実を学び、最長3か月半の間隔を置いて1回だけ復習し、さらにそこから最長1年後に最終テストを受けました。その結果、最適な間隔は、どれだけ長く覚えていたいかに対する割合としては縮んでいくことが分かりました。テストまでの期間が1週間ならその約20〜40%、1年ならわずか約5〜10%です。この比率をカレンダーに置き直すと、1回きりの復習のタイミングは、1週間後にテストがあるなら最初の学習のおよそ1日半〜3日後、1年後にテストがあるなら約3〜5週間後になります。

この効果は、規模は小さくなるものの、実際の授業でも保たれます。Murrayらが2025年にEducational Psychology Reviewで発表した数学学習のメタ分析では、全体としてスペーシングが集中学習を上回りました（27件の研究で g = 0.28）。その差は、教材が実際のコースに組み込まれていた場合（0.24）より、単独で教えられた場合（0.43）のほうが大きく出ています。

メカニズムは貯蔵強度と検索強度の切り分けに直結します。同じものを続けて2回学ぶと、2回目の露出は検索強度がまだ高いうちに起きるので、その練習は実質タダで、貯蔵の増分はごくわずかです。3日後にもう一度学ぶと、検索強度は減衰しています。記憶を引き上げるには労力が要り、その労力こそが貯蔵を買っているのです。

実践上、スペーシングが戦う相手は2つ。一夜漬けと、予定に入っていない復習（つまり永遠に起きない復習）です。解決策はカレンダーのレベルにあります。本当に残したいものを選び、それぞれに繰り返しの復習枠を与え、「何にもっと注意が要るか」という自分の感覚よりもスケジュールを信じること。その感覚は、繰り返しになりますが、たいてい流暢さがしゃべっているだけです。

---

インターリービング：混ぜるほうがまとめるより効く理由

インターリービングとは、1つを習得し終えてから次に移るのではなく、1回の学習セッションの中で異なるトピックや問題タイプを混ぜることです。代数を学んでいるなら、二次方程式を20問続けては解きません。二次方程式を1問、次に連立方程式、次に関数の変換、そしてまた二次方程式に戻ります。

取り組んでいる最中の手応えは、むしろ悪くなります。セッション中のパフォーマンスは落ちます。学習者は、インターリーブ練習のほうから多く学べたと計測されたあとでさえ、そちらの効果を低く評価しがちです。このメタ認知のずれは、この分野で最も強力な錯覚の1つです。

Doug RohrerとKelli Taylorは2007年、知見をそのままタイトルにした研究でこれを示しました。「The Shuffling of Mathematics Problems Improves Learning」。大学生に数種類の問題の解き方を学ばせ、その後、タイプごとにブロック化して練習させるか、ランダムに混ぜて練習させました。1週間後にテストすると、混合グループのパフォーマンスは圧倒的に上でした。Rohrer、Dedrick、Stershicは2015年、これを実際の教室で再現しています。126人の7年生が3か月にわたってインターリーブまたはブロックの課題に取り組み、遅延テストで同じ結果が出ました。

なぜ効くのでしょうか。メカニズムは2つです。第一に、インターリービングは識別を強制します。同じ手順をオートパイロットで当てはめるわけにはいかず、それぞれの問題がどの手順を求めているのかを見極めなければなりません。その識別こそ、テストや実際の仕事であなたが本当に必要とする技能です。第二に、インターリービングは定義上、各トピックを分散させます。問題タイプAの項目のあいだは問題タイプBの項目で埋まるので、Aに戻るたびに本物の想起が起きるのです。

この識別というメカニズムは、インターリービングが効かなくなる境界も教えてくれます。そして、一般向けの解説がいちばん雑になるのがここです。BrunmairとRichterが2019年にPsychological Bulletinで発表したメタ分析「Similarity matters」は、59件の研究と238の効果量をまとめました。全体としてはインターリービングが中程度の差で上回りましたが（Hedges' g = 0.42）、その利得は教材によって大きく割れています。絵画のような視覚的カテゴリで最大、数学の問題ではより小さく、単語を材料にした研究では逆転して、ブロック練習が完勝しました。このパターンは理論の予測どおりです。混ぜているカテゴリが互いに紛らわしいなら、並置することで見分け方が身につきます。共通点が何もないなら、識別すべきものがなく、得るものがないまま、切り替えコストだけを払うことになります。

独学者にとって、インターリービングは聞こえるよりは簡単で、見た目よりは難しいものです。凝ったスケジューラは要りません。先へ進む前にトピックを「終わらせたい」という衝動を拒めばいいだけです。同じ問いについて意見が分かれている2人の著者や、1つの科目に出てくる3種類の問題タイプのように、実際に取り違えそうなものを選び、それらを交互に行き来しましょう。脳は抗議します。脳のほうが間違っています。スケジューリングの実務は、インターリービング練習の詳しいガイドで扱っています。

---

リトリーバル練習：テスト効果

望ましい困難を1つだけ採り入れるなら、これにしてください。リトリーバル練習（テスト効果）とは、情報を記憶に押し戻すのではなく、記憶から引き出す行為です。アクティブリコール、フラッシュカード、ブラーティング法、そして教育で機能しているものの大半を動かしているエンジンが、これです。

Henry Roediger IIIとJeffrey Karpickeが2006年にPsychological Scienceで発表した「Test-Enhanced Learning: Taking Memory Tests Improves Long-Term Retention」が、その代表的な実証です。学生は散文の文章を学習し、その後、再学習するか自由再生テストを受けるかに分かれました。どちらの場合もフィードバックはありませんでした。第1実験では、最終テストは5分後、2日後、1週間後に行われました。5分後の時点では、81%対75%で再学習組が勝ちました。1週間後には順位が入れ替わり、テスト組が56%、再学習組が42%を思い出しました。第2実験は、この比較をさらに推し進めました。文章を1回学習してから3回自分をテストした学生は1週間後に61%を思い出し、4回学習した学生は40%でした。およそ50%多い計算です。総時間は同じで、違うのはやった作業です。

想起がなぜこう働くのかについては、いまも議論が続いています。想起が記憶を変えるということ自体には、異論がありません。Bjorkは1975年の時点でこれを2語で言い表し、1994年の章でも繰り返しています。想起という行為は「記憶の修飾子（memory modifier）」である、と。有力な説明の1つが、Jeffrey Karpickeの研究室によるエピソード文脈説です。この説によれば、想起に成功すると記憶の文脈が更新され、学んだ瞬間に加えて思い出した瞬間も含むようになります。そして文脈が豊かになるぶん、後の探索が正しい記憶に狙いを定めやすくなります。失敗でさえ役に立ちます。答えを探し、何も出てこないまま、そのあとで答えを学ぶと、同じ時間を読むことに使った場合よりもよく覚えていられるのです。Richland、Kornell、Kaoは2009年、「The Pretesting Effect: Do Unsuccessful Retrieval Attempts Enhance Learning?」と題した論文でこれを実証しました。

穴が1つあります。このエビデンスの大半は、言語的な教材から得られたものです。スペーシングの節で触れたMurrayらの数学学習のメタ分析では、テストと再学習を比較した研究は7件しか見つからず、その統合効果（g = 0.18）の信頼区間はゼロをまたいでいました。著者らはこれを、数学では想起が効かないという証明ではなく、判断を下すにはエビデンスが少なすぎるという意味に読んでいます。

リトリーバル練習は何十もの形をとります。本を閉じたままの想起、フラッシュカード、自由形式の要約執筆、声に出して教えること、ファインマン・テクニック。共通しているのは根っこの動きです。見る前に、記憶から引き出すこと。

Glaspのウェブハイライターで章をハイライトしたら、いったんソースを閉じて、自分のハイライトだけから議論を再構築してみてください。それからページを開いて答え合わせをします。自分が出せたものと、そこに実際にあるものとの差が、あなたの貯蔵強度の不足分です。その差を埋めることが、作業の中身です。

---

生成：先に自分で答えを出す

生成効果はリトリーバル練習の近縁ですが、独立した項目を立てるだけの違いがあります。SlameckaとGraf（1978）は5つの実験を通じて、教材を自分で生成した学習者のほうが、同じ教材をただ読んだ学習者よりよく覚えていることを示しました。

彼らの実験パラダイムはルールにもとづくもので、拍子抜けするほど単純です。一方のグループは「lamp - light」のような単語ペアをそのまま読みました。もう一方には、ルール（associate、つまり連想）と刺激語の「lamp」、そして頭文字の「l」だけが渡され、自力で「light」を作り出さなければなりませんでした。読んだグループは答えを見ていたにもかかわらず、生成したグループが大差で勝ちました。

この原理はそのままスケールします。証明の解答を読むことは、自分で証明を試みてから見比べることより、力になりません。誰かの本の要約を読むことは、自分で要約を書くことより学びが少なくなります。誰かがコードを書くのを眺めることは、自分でコードを打ち、エラーにぶつかり、その理由を突き止めることより学びが少ないのです。

生成は、望ましい困難の純粋形です。もらえたら嬉しい情報をわざと差し控え、自分で作り出すことを強制します。半分思い出し、半分推測するときのあの苛立ちが、まさにメカニズムそのものです。答え合わせをする頃には、露出をエンコードに変える作業を、あなたはすでに終えています。

ハイライトは生成の道具にも、受動的な道具にもなります。全段落に黄色を絨毯爆撃するのは受動的です。判断を、未来の読み返しに外注しているだけだからです。控えめで意図的なハイライトは生成的です。「これはあれより重要だ」と、いまのあなたに態度表明を迫るからで、それ自体がすでに統合という作業です。ハイライトの科学でさらに深く掘り下げています。

---

変動練習：条件のほうを変える

変動練習とは、同じ技能を毎回まったく同じ条件で練習するのではなく、少しずつ異なる形式、文脈、条件のもとで練習することです。

KerrとBoothが1978年に行った、子どもにお手玉を投げさせる研究が教科書的な例になりました。8歳児と12歳児という2つの年齢群で実施されています。一方のグループは、1つの距離だけから練習しました。もう一方は、的の距離を挟み込みながら、その距離そのものは一度も含まない複数の距離から練習しました。変動グループは、一度も練習していないテスト投擲で、固定グループを上回ったのです。彼らはより一般的な運動表象を築いていました。

この設計の細部に注意してください。たいてい落とされてしまう点です。変動させた距離は、的を取り囲んでいました。変動性は、でたらめなノイズを入れてよいという免許ではありません。技能を一般化させたい範囲全体を、変動がカバーしているときに効くのです。

認知的な学習も同じパターンを示します。学ぶ定義の言い回しを変えてみましょう。新しい用語に出会う文脈を変えてみましょう。同じ教科書の別々の章ではなく、別々の分野で同じ概念について読んでみましょう。

変動性が支えるのは転移、つまり学んだことを、学んだときの条件の外で使う力です。転移こそ、ほとんどの学習者が欲しがっているものであり、ほとんどの学習習慣が積極的に妨げているものです。1つの形式だけで技能を練習すれば、その形式ごと技能をエンコードしてしまい、形式が変わった途端に苦労します。変動性は、技能を特定の形式から切り離します。

---

生産的失敗：説明の前に苦闘する

ETHチューリッヒのManu Kapurは、これを生産的失敗と呼びます。やり方を教える前に学習者へ難しい問題を与え、欠陥だらけの試行を自分で作らせ、そのあとで初めて説明を届ける、というやり方です。

試行はたいてい失敗します。それが設計です。失敗した試行が果たす役割は、問題空間の地図を作ることです。おかげで、正統な解法がやってきたとき、学習者にはそれを置く場所があり、自分のアプローチに何が欠けていたのかも見えます。

SinhaとKapurが2021年にReview of Educational Researchで発表したメタ分析は、53件の研究と166件の実験的比較をまとめました。「指導より先に問題解決」は、「問題解決より先に指導」を上回りました（Hedges' g = 0.36）。Kapurの生産的失敗の原則に最も忠実に従った設計はさらに成績がよく、効果は0.37から0.58のあいだでした。境界も2つ見つかっています。2年生から5年生と、領域一般的なスキルについては、先に指導するほうが上回りました。年少の子どもたちには、生産的に失敗するための問題解決の足場がまだできていないのかもしれません。

読書版は簡単に実行できます。半分だけ知っているトピックの記事を開く前に、2分だけ使って、自分なりの答えを書いてみてください。それから読みましょう。あなたの版はほぼ必ず、興味深い形で間違っています。そして、その版と著者の版とのあいだの差こそが、あなたの記憶に残るものです。

6つを一覧にすると、こうなります。

---

議論の分かれる2つのケース：遅延フィードバックと読みにくいフォント

望ましい困難としてしょっちゅう名前が挙がる候補が2つあります。1つは、Bjorkの元のリストにあった項目の近縁で、条件つきでしか成り立たないことが分かっています。もう1つは、そもそもリストに載ったことがなく、追試にも耐えませんでした。

フィードバックの削減と遅延。Bjorkの1994年のリストにある項目は、フィードバックを減らすことで、これは運動技能の訓練から来ています。Richard Schmidtと共同研究者たちは、フィードバックを定期的な要約としてまとめて与えたり、練習が進むにつれて徐々に減らしたりすると、単純な運動技能の習得は遅くなる一方で、その長期保持は良くなることを見出していました。よくある説明は、絶え間ないフィードバックが寄りかかるための杖になってしまう、というものです。パフォーマンスはそれに頼り、なくなったとたんに落ち込みます。

学習教材で検証されてきたのは、フィードバックを遅らせるほうです。Butler、Karpicke、Roediger（2007）では、学生が散文の文章を読んで多肢選択テストを受け、正解をすぐに見るか、時間を置いてから見るかに分かれました。後日の手がかり再生テストでは、遅延フィードバックが勝ちました。著者らの説明は、拍子抜けするほど単純です。遅れて届くフィードバックは、間隔を空けた2回目の教材提示として働く、というのです。

その境界は、KulikとKulikが1988年に53件の研究をまとめたメタ分析ですでに描かれていました。テスト内容の学習を扱った実験室実験では、たいてい遅延のほうが有利でした。実際の教室の小テストと実際の授業教材を使った応用研究では、たいてい即時フィードバックのほうが効果的でした。つまり答えは「場合による」です。答えをしばらく伏せておくことは、あとで必ず確かめに戻ると分かっているなら助けになりえます。ふだんの授業の勉強では、すぐに受け取りましょう。

読みにくいフォント。2011年、Diemand-Yauman、Oppenheimer、VaughanはCognitionに「Fortune Favors the Bold (and the Italicized)」を発表しました。実験室での研究では、28人の参加者が架空の異星生物の種についての資料を学習しました。資料は、すっきりした16ポイントのArialか、それより小さく灰色のComic SansまたはBodoniで組まれていました。読みにくいフォントのグループは事実の86.5%を思い出し、もう一方は72.8%でした。2つ目の研究では、オハイオ州の高校生222人を対象に実際の授業教材の体裁を組み替え、クラスのテストでも点数が上がることを見出しました。タダで手に入る学習のように見えました。書体を変えるだけで、もっと覚えられる、というわけです。

しかし、これは持ちこたえませんでした。Rummer、Schweppe、Schwedeは、この実験室研究に少しだけ変更を加えた追試を3回行い（2016年発表）、そのどれでも効果を見出せませんでした。Xie、Zhou、Liuによる2018年のメタ分析は、25本の論文と3,135人の参加者をまとめ、テキストを読みにくくしても再生（d = -0.01）にも転移（d = 0.03）にも効果がないことを見出しました。実際に起きたのは、学習時間が延びること（d = 0.52）と、学べたという確信が下がること（d = -0.43）でした。フォントは、困難の感覚だけを足し、その恩恵は足さなかったのです。

この考えを活かそうとRMIT大学が2018年に公開したSans Forgetica（左に傾き、線の途中に切れ目の入った書体）も、同じ結末をたどりました。2020年にMemoryに載った2本の論文が、合わせて7つの実験でこれを検証しています。読み手はArialより読みにくいと評価しましたが、覚えている量は増えませんでした。2本のうち1本のタイトルは「Disfluent Difficulties Are Not Desirable Difficulties」です。

Robert Bjork自身も意見を述べています。「Is Disfluency Desirable?」と題した2016年の論評で、彼とCarole Yueは、当初報告された恩恵は「少なくとも一般的な形では再現されない」と結論づけ、その理由も示唆しました。テキストからの学習にとって重要なことは、「紙や画面に載っているものを知覚的にエンコードしたあとで起こる」というのです。

これは、望ましい困難の例を扱った節で挙げた2つのテストのうちの1つ目です。努力は教材に注がれなければなりません。読みにくいフォントが難しくするのは見ることです。望ましい困難が難しくするのは想起すること、生成すること、識別することで、あなたが築こうとしている記憶を変えるのは、この2種類目の努力だけです。その後の研究では狭い例外も見つかっていますが（ある研究では、読み手がテストを予期していなかったときにだけ恩恵が見られました）、学習習慣の土台にできるようなものではありません。

---

困難が「望ましくない」に変わるとき

すべての困難が役に立つわけではありません。そして、どこで役に立たなくなるのかについての研究は、たいていの要約が認めているよりずっと具体的です。

困難が望ましくなくなるのは、学習者がそれに生産的に関われないときです。そもそも単語が解読できないなら、読む速度をさらに落としても助けにはなりません。微分が何かを知らないなら、微分と積分の問題をインターリーブしてもただの雑音です。リトリーバル練習が自分の貯蔵強度をはるかに超えていて何も出てこないなら、それは想起ではなく、空回りです。

認知負荷理論が、これにメカニズムを与えます。ワーキングメモリが同時に扱える相互作用する要素は、ほんの数個です。教材がすでに高い要素相互作用性を持っている（互いの関係のなかでしか意味をなさない部品が多い）とき、その上に生成やインターリービングを載せると、総負荷が容量を超えます。追加された困難を処理する余力が残っていないので、その困難は何も生みません。

Chen、Kalyuga、Swellerは2015年、Journal of Educational Psychologyの研究で、幾何の指導を使ってこの交差を直接示しました。要素相互作用性の低い教材では、生成効果は期待どおりに現れました。自分で答えを生成するほうが、答えを見せられるより勝ったのです。要素相互作用性の高い教材では逆転し、解答例を学ぶほうが生成に勝ちました。さらに、より知識のある学習者を対象にした第2実験では、実効的な複雑さが下がり、生成がすべてで勝ちました。これが熟達度逆転効果です。正しい学習方略は固定されていません。あなたが上達するにつれて動きます。

これが、このガイドの冒頭で引いたBjork夫妻の定義の後半です。困難に応じるための背景知識がなければ、その困難は望ましくないものに変わります。

正しいゾーンとは、たとえ不完全でも何かを生み出せる場所です。手を伸ばしているのであって、落下しているのではありません。いくつかの試行では失敗し、大半では成功しているのが目安です。全部正解できてしまうなら、教材が易しすぎるか、間隔が短すぎます。ほとんど何も出てこないなら、境界を越えています。そこで必要なのは根性ではなく、足場です。

だから、調整は両方向に行います。本当に手に余るときは、苦闘をロマン化しないこと。説明を読み、土台を整えてから戻ってきましょう。楽すぎると感じるときは、その心地よさに騙されないこと。間隔を広げ、難しいバリエーションを混ぜ、より生成的な形式に移りましょう。

一方の軸に貯蔵強度、もう一方の軸に検索強度を取って思い描いてみてください。高貯蔵/高検索は、最近練習していて、よく学べている状態です。高貯蔵/低検索は、リトリーバル練習が最も効く場所です。探索は難しいけれど、入金は本物だからです。低貯蔵/高検索が危険な象限です。たった今読み返したばかりで、知っている気になっているのに、まだ何も築けていないもの。一夜漬けはここに住んでいます。低貯蔵/低検索は本当に新しい教材で、まず足場が要ります。

---

AIツールは望ましい困難を消してしまうのか

既定では、そのとおりです。AIアシスタントは、貯蔵強度を築くまさにその努力を削除する、きわめて効率のよい機械です。そして、その代償についての最初のまともなエビデンスが2025年に出ました。

Hamsa Bastani、Osbert Bastaniらは、トルコの大規模校で高校数学を学ぶ1,000人近い生徒を対象にランダム化比較試験を実施し、PNASで発表しました。生徒は練習セッション中、2種類のGPT-4チューターのどちらかを使うか、AIをまったく使わないかに分かれました。「GPT Base」は、通常のChatGPTのインターフェースと同じ振る舞いをします。研究者は「GPT Tutor」のほうに安全策をプロンプトで組み込みました。最も重要なのは、答えを渡すのではなく、教師が設計したヒントを出させることです。

支援つきの練習中は、どちらも見事に機能しました。GPT Baseの生徒は対照群より48%向上し、GPT Tutorの生徒は127%向上しました。

そのあと研究者はツールを取り上げ、テストを実施しました。

GPT Baseで練習した生徒の点数は、AIをまったく使わなかった生徒より17%低いものでした。ツールを手にしていたときの見かけより落ちた、という話ではありません。ツールを一度も与えられなかった対照群より低かったのです。GPT Tutorのグループは対照群と統計的に区別がつかず、点推定値はほぼゼロでした。

これは、SoderstromとBjorkが言うパフォーマンスと学習の乖離が、チャットボットを使って、学校規模で再現されたということです。練習中の成績を5割ほど押し上げたツールが、なくなったあとには、生徒をかえって悪い状態に残していたのです。そして、解決策が禁止ではなかったことに注目してください。解決策は、AIに答えを差し控えさせることでした。これは、装いを変えただけの生成効果です。

より小規模な2つの研究も、同じパターンを繰り返しています。André Barcauiによる2025年のランダム化試験（n = 120）では、学部生がChatGPTを使って、あるいは使わずに学習し、45日後に抜き打ちテストを受けました。ChatGPTを使ったグループの得点は57.5%で、使わなかったグループは68.5%でした。論文は、この結果が「『望ましい困難』の原理」に合致するとはっきり述べています。2026年9月のプレプリントでは、Berghらがコンピュータサイエンスの学生55人に、ChatGPTまたは通常のウェブ検索を使ってC言語のプログラミング課題に取り組ませました。ChatGPTのグループはより良いコードを書きましたが（89%対69%）、再生テストの点数は、直後（41%対53%）も48時間後（39%対52%）も低くなりました。

大人のナレッジワークでも、同じ傾向が見られます。CHI 2025で、Microsoft ResearchとCarnegie MellonのLeeらは、319人のナレッジワーカーに、AIを使った実際の業務936例について調査しました。回答者は認知的な努力の低下を報告しました。そして、肝心の相関は次のような向きでした。AIへの信頼が高いほど批判的思考は少なく、自分自身への信頼が高いほど批判的思考は多くなっていました。ツールへの信頼が、思考の代わりになるのです。

広く共有されたMIT Media LabのKosmynaらの研究も、同じ方向を指しています。脳波の記録では、LLMを使ってエッセイを書いた参加者の神経結合が最も弱く、その参加者たちは、たった今自分が書いた文章を引用することにも苦労しました。ただし、確定ではなく示唆として扱ってください。2026年10月の時点でも、これは2025年12月に改訂されたarXivのプレプリントのままで、私たちが探した範囲では査読済みの版は見つかりませんでした。参加者は54人しかおらず（うち最終セッションに参加したのは18人）、他の研究者がarXivに投稿したコメントは、サンプルサイズ、脳波の分析、結果の報告のしかたに見られる不整合に疑問を呈しています。

これらはどれも、AIを使うなという議論ではありません。AIをループのどこに置くかという議論です。

2026年の2本の論文が、この点をデータで示しています。Middlebury Collegeのワーキングペーパーでは、210人の学部生が、GPT-4oを使って学習する群と使わずに学習する群に無作為に割り当てられ、最長35分間学習したあと、全員がAIなしでテストを受けました。AIを使ったグループの得点は標準偏差のおよそ4分の1だけ高く、1週間後の保持テストでもそのリードを保ちました。トルコの教室と違っていた点の1つは、学生の使い方です。最も多かった使い方は、難しい概念の説明をモデルに求めることでした。AIグループの44%がそう報告したのに対し、回答の下書きを書かせたと答えたのは16%でした（チャットのログには、学生の報告よりも多くの下書き作成が残っていました）。行き詰まったときに説明を求めることは、答えを求めることとは別の行為です。

答えを差し控えるチューターは、生徒が使ってこそ機能します。Khan AcademyのKhanmigoをテネシー州の中学校18校で2年間にわたって検証したランダム化試験（2026年8月にNBERのワーキングペーパーとして公開）では、伸びは小さく（年に標準偏差0.06から0.08）、AIなしのKhan Academyでの練習がもたらすものと似た水準でした。中央値の生徒がチューターにメッセージを送ったのは、練習した日の3分の1だけで、間違えたセッションに限ってもわずか17%でした。ヒントしか出さないチューターが助けられるのは、何かを尋ねてくる生徒だけです。

目安はこうです。AIには答えさせるのではなく、採点させましょう。想起は自分でやり、何かを生み出し、そのうえで初めてモデルを呼んで、自分の出力をソースと突き合わせさせます。困難は自分に残し、採点だけを外注するのです。より広いトレードオフはAIと学習で扱っており、AI学習モード比較では、いまどのアシスタントが既定で答えを差し控えるのかを見ています。また、AIチューターは本当に効果があるのかでは、トルコの試験を、伸びが見られた試験と並べて検討しています。

---

望ましい困難を組み込んだルーティンの設計

原則を知っても、自動的にはなりません。意図的に設計として組み込む必要があります。最小抵抗の経路は、いつでも、心地よくて貯蔵の増えない選択肢のほうだからです。自学自習のシステムに困難を焼き付ける方法を挙げます。

マークするためではなく、生成するためにハイライトする。文には控えめに印をつけ、そのうえで自分の言葉で短いメモを書き、なぜその箇所が重要なのか、すでに知っていることとどうつながるのかを説明します。絞り込んだ選択が識別です。メモが生成です。メモのないハイライトが、受動的な罠です。

AIチャットは要約のためではなく、リトリーバルのために使う。AIアシスタントの間違った使い方は、まだ読んでいない章の要約を頼むことです。正しい使い方は、章を読み、閉じ、自分で要約を書き、それをGlaspのAIチャットに貼り付けて、自分の再構築をソースと突き合わせて採点してもらうことです。想起はあなたがやりました。比較はAIがやります。

記憶ではなくKindleハイライトでスペーシングする。いつ復習すべきかというあなたの感覚は壊れています。それを動かしているのは新しさと感情であって、貯蔵曲線ではありません。復習はカレンダーに入れ、3週間前に読んだ本のハイライトを呼び出し、スクロールする前に議論を再構築してみてください。機械的なスケジュールこそが、流暢さに駆動された直感からスペーシングを守ります。

コミュニティフィードでトピックを回す。同じ人物が書いた同じトピックの記事を、4本続けて読まないこと。回しましょう。認知科学、次に起業、次にライティング、そして翌日に認知科学へ戻ります。ここまで離れたトピックは取り違えようがないので、インターリービングがもたらす識別の効果は期待しないでください。得られるのはスペーシングです。最初のトピックは、戻ってくるまでに1日かけて薄れています。本物のインターリービングがしたいなら、同じ問いについて意見が分かれている2人の著者を交互に読みましょう。

YouTubeサマリーを見たら、自分をテストする。ページを閉じて、1年後にも覚えていたいことを3つ書き出します。トランスクリプトと比べます。その差が、あなたの作業の場です。

読む前に予測する。予備知識のないまま開くものには、生産的失敗の一手を打ってください。何に目が留まるかが変わります。

形式を変える。同じアイデアを、本で、論文で、スレッドで、動画で読みます。媒体ごとにアイデアのエンコードのされ方が違うので、脳はそれらを横断して抽象化しなければなりません。それが変動練習の狙いです。

システムとしての全体像は、学習OSの作り方を扱った姉妹記事にあります。望ましい困難は原則です。OSは日々のメカニクスです。

---

よくある質問

望ましい困難の5つとは何ですか

スペーシング（学習を時間的に分散させる）、インターリービング（トピックや問題タイプを混ぜる）、リトリーバル練習（読み返すのではなく思い出す）、生成（答えを見る前に自分で作る）、変動練習（練習の条件を変える）の5つです。やり方を教わる前に問題へ挑む生産的失敗が、これに密接に関連する6つ目です。6つに共通するメカニズムは1つ。再認ではなく再構築を強いる、という点です。Bjorkが1994年に示した元のリストは少し違っていて、現在のリストで生成が入っている位置に、フィードバックの削減が入っていました。

望ましい困難の例を教えてください

本を閉じて、記憶だけで要約を書くのが最も分かりやすい例です。一夜漬けではなく間隔を空けたスケジュールで復習すること、1回のセッションで問題タイプを混ぜること、説明を読む前に答えを予測することも同じです。判定基準は2つあります。困難が、教材そのものと、それへの関わり方から生じているか。そして、それでも何かを生み出せるか。

次のうち望ましい困難はどれですか

正解は、学習セッションの間隔を空けること、関連するトピックをインターリーブすること、自分をテストすること、答えを見る前に自分で生成すること、練習の条件を変えることです。よくある不正解の選択肢は、一夜漬け、再読、何でもかんでもハイライトすることです。引っかけは読みにくいフォントです。古い授業資料には望ましい困難として載っていますが、その効果は再現されませんでした。解答の背後にあるルールはこうです。望ましい困難は、練習中のあなたを遅くし、後で思い出して使えるものを増やします。

望ましくない困難とは何ですか

想起も生成も識別もさせないまま勉強を難しくするだけの困難、あるいは、取り組んでもどこにも進めない困難のことです。読みにくいフォント、騒がしい部屋、ひどい文章の教科書は、どれも本物の困難ですが、努力が向かう先は見ることや集中することであって、学ぶ内容そのものではありません。自分の水準をはるかに超えた問題は、2つ目の理由で望ましくない困難に当たります。覚えておくべきは、Bjork夫妻自身の一文です。「多くの困難は、指導の最中にも、その後もずっと望ましくない」。

Sans Forgeticaのような読みにくいフォントは記憶に効果がありますか

いいえ。2011年の研究は、読みにくいフォントのほうがよく思い出せると報告しましたが、この知見は再現されませんでした。25本の論文と3,135人の参加者をまとめた2018年のメタ分析では、読みにくいテキストは再生にも転移にも効果がなく、2020年の2本の論文も、Sans Forgeticaに限って調べて、記憶への恩恵を見出せませんでした。こうしたフォントは読みにくく感じられ、学習時間は延び、学べる量は変わりません。

「望ましい困難」という言葉を作ったのは誰ですか

Robert A. Bjorkが1994年に作った言葉です。通常引用される出典は、MIT Pressの書籍『Metacognition: Knowing about Knowing』に収められた彼の章「Memory and metamemory considerations in the training of human beings」です。多くの人が手に取る読みやすいまとめは、ElizabethとRobert Bjorkによる2011年の章、『Psychology and the Real World』所収の「Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning」です。中心的な主張はこうです。習得を遅らせ、練習中のパフォーマンスを悪く見せる条件が、しばしば長期的な保持と転移を良くします。そして学習者は、その短期的な落ち込みを体系的に失敗と読み違えます。Bjork夫妻は2020年、『Journal of Applied Research in Memory and Cognition』に載せた「Desirable difficulties in theory and practice」でこの主題に戻っていますが、その主眼は、これらの考えを実際に採用してもらうことがいかに難しいかを述べる点にありました。

ハイライトは望ましい困難ですか

やり方しだいで完全に変わります。そして、ほとんどのハイライトは望ましい困難になっていません。段落まるごとに印をつけるのは、判断を、後でそのページを読み返す誰かに先送りしているだけです。1ページに1〜2箇所だけ控えめにハイライトし、それぞれに自分の言葉でメモを書けば、それは識別の課題であり、同時に生成の課題でもあります。ハイライトは、読書の代わりではなく、未来の想起の手がかりとして扱ってください。

すべての問題で苦闘すべきですか

いいえ。目指すのは生産的な苦闘であって、空回りではありません。何も生み出せていないなら、望ましいゾーンを越えて過負荷に入っています。いったん引き返し、土台を整えてから、その困難に戻ってください。ときどき失敗して、たいていは成功しているくらいがちょうどよいのです。そして、自分にとって本当に複雑で新しい教材については、研究は「まず解答例を学ぶほうが生成に勝つ」と言っています。Chen、Kalyuga、Sweller（2015）は、要素相互作用性の高い内容では、学習者が効果を反転させるだけの熟達度を得るまで、解答例が問題解決に勝つことを見出しました。

ChatGPTを使うと学習は損なわれますか

ループのどこに置くかで完全に変わります。2025年のPNASのランダム化比較試験では、制約なしのGPT-4チューターで練習した生徒は、後のテストで、AIを一度も使わなかった生徒より17%低い点数になりました。一方、答えではなくヒントを出すチューターを使った生徒には、そうしたペナルティは見られませんでした。2026年に報告された実験では、最も多かった使い方がAIに概念の説明を求めることで、結果は逆でした。1週間後にAIなしで受けたテストで、AIを使ったグループのほうが高い点数を取ったのです。想起をモデルに代行させれば、学習は失われます。想起を自分でやり、モデルは説明や答え合わせに使えば、学習は残ります。

勉強の間隔はどのくらい空けるべきですか

心地よく感じるよりは長く、そして毎回少しずつ長く。保持を最大化する間隔は、覚えておきたい期間が長くなるほど広がり、同時にその期間に対する割合としては縮みます。Cepedaらの2008年の実験の比率（テストまでの期間が1週間ならその20〜40%、1年なら5〜10%）に従えば、最適な間隔は、1週間後のテストならおよそ1日半〜3日、1年後のテストなら約3〜5週間です。復習が楽に感じたら、次の間隔を伸ばしましょう。難しく感じたら、縮めましょう。いずれにせよ、勘よりスケジュールのほうが上です。

望ましい困難は事実だけでなく技能にも当てはまりますか

はい。そもそも、そのうちのいくつかは技能の研究から始まっています。変動練習とフィードバックの削減はどちらも運動技能の研究から生まれ、インターリービングも、誰かが数学の問題をシャッフルするよりずっと前に、文脈干渉という名前で運動技能を対象に研究されていました。識別、転移、想起の要素を持つ技能なら何でも恩恵を受けます。コーディング、ライティング、デザイン、語学、楽器、運動技術。練習の形は変わりますが、原則は変わりません。

なぜ学校は望ましい困難を使って教えないのですか

楽な方法のほうが、短期的には見栄えがするからです。集中練習と再読は、指導の直後に行う小テストでは高い点を生み、1週間後には低い点を生みます。ほとんどの学校は遅延保持を測っていません。SoderstromとBjork（2015）はまさにこの点を指摘しました。パフォーマンスと学習を取り違えるのは構造的な問題であって、個人の問題ではない、と。独学者であるあなたは、学校や制度が追いつくのを待つ必要はありません。

---

結論

持ち帰るべき原則はこれです。学習が楽に感じるなら、たぶんそれは学習ではない。努力は、持続する学びの代価です。脳は、スペーシング、インターリービング、想起、生成、変動性、あるいは生産的失敗によってあなたがそれを稼いだときにだけ支払います。

これは「もっと頑張れ」という意味ではなく、「もっと賢く頑張れ」という意味です。学習者の大半は、すでに時間を投じています。ただ、その時間を、流暢さを最大化し貯蔵を最小化する活動に使っているだけです。読み返し1回を、本を閉じたままの再構築1回に取り換えましょう。一夜漬け1回を、間隔を空けた復習4回に取り換えましょう。同じ問題ばかりの1ブロックを、混ぜたセットに取り換えましょう。どの取り換えも、短期の心地よさを長期の保持と交換しています。そして、見せかけの難しさには手を出さないこと。フォントを醜くしても、部屋を騒がしくしても、得るものは何もありません。

2026年になって、賭け金は上がりました。机の上のあらゆるツールが、努力の要る部分を代わりにやりましょうと申し出てきます。そしてエビデンスによれば、その申し出を受けることは、あなたのパフォーマンスをよく見せてくれる一方で、学習を失わせます。同じ研究からの朗報はこうです。答えを差し控えるツールなら、そのペナルティは生じません。どちらを使うかは、あなたが選べます。

Glaspは、この取引を中心に作られています。控えめなハイライト、余白のメモ、AIが採点する再構築、過去に読んだものの間隔を空けた復習、そして既定でトピックを混ぜてくるコミュニティフィード。どれも、露出を貯蔵に変えるために設計された、小さな摩擦のかけらです。

明日、自分のルーティンのなかで最も楽なものを1つ選んで、その難しい版に置き換えてみてください。その取り換えこそが、このゲームのすべてです。