主要な数字
このページから1つだけ表を持ち帰るなら、これにしてください。
| 統計 | 数字 | 出典 |
|---|---|---|
| 単独テクニックとしてのハイライトの有用性評価 | 「有用性低」 | Dunlosky et al., 2013, Psychological Science in the Public Interest |
| 文書内で個人が群衆に上乗せする予測シグナル | ≈ +0.017 AUC | Glasp Research, Paper I (arXiv:2606.09024) |
| 代わりに文書選択で得られるパーソナライズ効果 | ≈ +0.13 | Glasp Research, Paper II (arXiv:2606.10398) |
| 6か月後の読み手の選択プロファイルが数年後も保持される割合 | R = 1.003（検出可能な減衰なし） | Glasp Research, Paper V (arXiv:2606.12904) |
| 大人のノンフィクション黙読の平均速度 | ≈ 毎分238語 | Brysbaert, 2019 メタ分析 |
| 切り替えまでに1つの画面へ向ける平均注意時間 | ≈ 47秒 | Gloria Mark, UC Irvine |
| 成績評価対象の課題に生成AIを使うイギリスの学部生（2026年） | 94% | HEPI / Kortext Student Generative AI Survey 2026 |
どの数字にも背景となる物語があり、いくつかは広く誤って引用されています。以下のセクションで文脈を補います。
ハイライトは効果があるのか：実験研究が語ること
ハイライトに関するもっとも引用される評決は、Psychological Science in the Public Interest 誌に掲載されたDunloskyらの2013年のモノグラフから来ています。10の一般的な学習テクニックをレビューしたこの論文で、ハイライトとアンダーラインは再読・要約と並んで最低評価の「有用性低」を受けました。最高評価を得たのは練習テストと分散練習です。
この発見が引用されるとき、たいてい2つの詳細が抜け落ちます。
第一に、この評価の背後にある研究は、ハイライトを受動的な一回きりの活動としてテストしていました。数行に印を付け、後で読み返し、テストを受ける、という形です。この条件では、テキストに印を付けても素の読書にほとんど何も足しません。レビューは、ハイライトがその後の想起練習、ノート、間隔を空けた復習の材料になるような、より大きなシステムの中のキャプチャステップとしては検証していません。
第二に、レビューは、ハイライトが推論問題の成績をむしろ下げうること、そして効果が現れるのは主に印の付け方が選択的なときであることも見出しています。段落まるごとに印を付けると、何が重要かを判断する仕事を脳から取り上げてしまいます。学習が起きるのは、まさにその判断の場面です。有効成分は選択性である、という点はハイライトの科学で掘り下げています。
つまり実験研究の文献を誠実に読むと、その射程は狭いのです。ハイライト単体では持続する学習は生まれません。しかしアクティブリコールと復習への入り口としてのハイライトは、別物であり、ほとんど検証されていない活動です。
人は実際にどうハイライトするのか：数百万件のハイライトのデータ
実験研究は通常、数十人の学生が数本の文章を読む様子を観察します。Glaspは100万人以上のユーザーと数百万件のハイライトを持つソーシャルハイライトプラットフォームを運営し、その行動データに基づく査読投稿済みの研究を公開しています。シリーズ全体はGlasp Researchページにありますが、ここで特に重要なのは3つの発見です。
文書の中でどこに印を付けるかは、ほとんど共通している。 同じ文書の読者を横断すると、ハイライトは同じ箇所に集まります。群衆が印を付けた場所しか知らないモデルは、個人に合わせて調整したモデルとほぼ同じ精度でその人の次のハイライトを予測できます。文書内での個人による上乗せはごくわずか、約+0.017 AUCです（Paper I、arXiv:2606.09024）。
個性は文書の選択に宿る。 同じモデリングは、その人がそもそもどの文書に関わるかを予測する場面では、はるかに大きな効果、およそ+0.13を示します（Paper II、arXiv:2606.10398）。平たく言えば、あなたは何に線を引くかで特別なのではなく、何を読むと決めるかで特別なのです。
読者は派閥を作るが、それは文書の中だけ。 論争的なテキストでは、読者は異なる領域に印を付ける明確なサブグループに分かれ、統計的な分離も強力です（z ≈ +6.3）。しかしその派閥への所属は、次の文書へはほとんど持ち越されません（Paper III、arXiv:2606.11613）。何が重要かをめぐる意見の相違は実在しますが、それは状況的なものであって、アイデンティティではありません。
ハイライトは予測できるのか
同じシリーズのさらに2つの結果が、実用的な問いに答えます。
コールドスタート予測は、ロングテールで機能する。 まだ読者のいない新しい文書について、訓練済みモデルは、群衆が最終的にどの箇所をハイライトするかを予測でき、「人は冒頭をハイライトする」という強力なベースラインを平均適合率で約+0.04上回ります。優位性が集中するのはロングテール、つまり単純なヒューリスティクスが失敗する、あまり人気のない箇所です（Paper IV、arXiv:2606.11654）。
読書のアイデンティティは持続する。 最初の6か月で凍結した読み手の興味プロファイルは、数年後の文書選択を測定可能な減衰なしに予測します。ペア保持率は1.003で、凍結したプロファイルは次に読む文書の予測で人気ベースラインをいまだに3倍以上上回ります（Paper V、arXiv:2606.12904）。あなたの読書の好みは、気分ではなく特性のように振る舞うのです。
個人のナレッジマネジメントシステムを構築している人にとって、この最後の数字は静かな励ましです。今日キャプチャした興味は2年後もあなたを描写し続けるので、あなたが築くライブラリは期限切れになるのではなく、複利で積み上がります。
読書速度と注意力：ハイライトが置かれている文脈
ハイライトの統計は、人がどう読むかという背景に照らして初めて意味を持ちます。
読書速度。 もっとも慎重な推定は、190の研究を対象にしたBrysbaertの2019年のメタ分析から来ています。大人はノンフィクションを黙読で平均およそ毎分238語で読み、個人差は大きいとされます。普通の読者が理解を落とさずにその3倍の速度で読めるという主張は、検証に耐えていません。
注意力。 UC IrvineのGloria Markによる画面注意の研究は、ナレッジワーカーを20年近く追跡しました。1つの画面に向ける平均注意時間は、2004年の約2分半から近年は約47秒まで落ちています。対照的に、有名な「金魚より短い8秒の注意持続時間」という統計には追跡可能な一次資料がなく、神話として扱うのが最善です。この点は注意持続時間の危機で掘り下げています。
まとめると、5,000語の記事は平均的な読者からおよそ20分の、ますます断片化した注意を要求します。その投資が次のタブ切り替えを生き延びるかどうかは、良いハイライトのレイヤーにかかっています。キャプチャの手間をゼロにするWebハイライターのようなツールの実用的な存在意義はここにあります。
2026年のAIと学習
ハイライトを取り巻く環境は、直近の3年間でそれまでの30年間よりも速く変わりました。
HEPI / Kortext Student Generative AI Survey 2026は、イギリスの学部生についてこれを数字にしています。94%が成績評価対象の課題に何らかの形で生成AIを使っており、2025年の88%、2024年の53%から増加しました。AIが生成したテキストをそのまま課題に貼り付ける割合は12%に達し、前年の8%から増えています。
実験研究の文献はこの変化にまだ追いついておらず、統計的に誠実な言い方をすれば、学習効果に関する長期的なエビデンスはまだ存在しません。上の行動データが示唆するのは分業です。AIは文書が何を言っているかを圧縮するのがもっとも得意で、あなたのハイライトは、AIには決して知りえない唯一のこと、つまり何があなたにとって重要だったかを記録します。AI YouTube要約ツールの要約は、そのソースが注意に値するかを教えてくれます。あなたのハイライトは、実際に注意を払った残滓です。
統計があなたの学習システムに示唆すること
これらの数字を合わせて読むと、ハイライターへの賛否の評決ではなく、特定の働き方が浮かび上がります。
- 選択的にハイライトし、その後に何かをする。 「有用性低」の評価が付いているのは、印を付けて読み返すだけの使い方です。エビデンスに裏打ちされたテクニック、つまり想起練習と分散学習には原材料が必要で、ハイライトはそれを集めるもっとも安価な方法です。
- 労力は選択に注ぐ。 データが言うのは、個性が宿るのは文書の選択だということです。何を読書キューに入れるかのキュレーションは、印の付け方を磨くことより重要です。
- ライブラリが良く熟成すると信頼する。 読書のアイデンティティは何年も安定しているので、今日キャプチャしたハイライトは価値を保ち続けます。恒久的な場所にエクスポートしましょう。Kindleハイライトをノートアプリに入れるのでも、AIアシスタントに検索させるMCPセットアップにつなぐのでも構いません。
- 注意は断片化していると想定する。 画面注意が1分を切る世界では、長い中断なしのセッションを要求するシステムは設計段階で失敗します。数秒でキャプチャし、数分で復習しましょう。
よくある質問
ハイライトは時間の無駄ですか？
単体では、おおむねイエスです。Dunloskyのレビューは、印を付けて読み返すだけの使い方を「有用性低」と評価しました。想起練習、間隔を空けた復習、ノートに材料を供給するキャプチャステップとしてなら、この批判は当てはまりません。評価の背後にある研究は、そのワークフローを検証するようには設計されていなかったからです。
学生の何パーセントが学業にAIを使っていますか？
HEPI / Kortextの2026年の調査では、イギリスの学部生の94%が成績評価対象の課題に何らかの形で生成AIを使っており、2025年の88%、2024年の53%から増加しています。AIが生成したテキストをそのまま課題に含める割合は12%です。
平均的な人はどれくらいの速さで読みますか？
ノンフィクションの黙読でおよそ毎分238語です。190の研究を対象にしたBrysbaertの2019年のメタ分析によります。フィクションはやや速く、大きな個人差があるのは正常です。
人は同じ場所をハイライトするのですか？
大部分は、イエスです。Glaspが公開した研究によれば、文書の中では、個人のハイライトが群衆のすでに印を付けた場所に上乗せする予測シグナルは約+0.017 AUCにすぎません。個性が現れるのは、どの文書を選ぶかであって、どの行を選ぶかではありません。
これらのハイライトの統計はどこから来ていますか？
実験系の発見は査読済みの心理学研究、主にDunlosky et al. (2013)から来ています。行動系の発見は、Glaspが自社プラットフォームのデータについて公開している研究シリーズから来ており、コードと再現性バンドルとともにglasp.co/researchとarXivで入手できます。
まとめ
ハイライトに関する統計は、古い論争を二つに割ることで決着させます。テキストに印を付けて読み返すだけではほとんど学べない、という点で実験研究は正しい。ハイライトはノイズとはほど遠い、という点で行動データも正しい。ハイライトは予測できるほど一貫し、持続する読書のアイデンティティを定義できるほど安定し、そして何に付けられるかという点でこそ個人的なのです。問題は道具にあったのではなく、欠けていたのは二歩目でした。
このページの背後にある数字が欲しければ、ここで引用したGlaspの研究はすべて、データとコードとともにglasp.co/researchで公開されています。そして、あなた自身の読書が痕跡を残し始めることを望むなら、Glaspこそ、あの数百万件のハイライトが生まれた場所です。
