メタ認知とは何か：シンプルな定義
メタ認知とは、自分の思考についての自覚と、その思考を舵取りする力のことです。よく「考えることについて考える」と短く言い表されます。実際には、自分が何を知っているかを把握し、何を知らないかに気づき、いまのやり方がうまくいっていないときに勉強の仕方を変えることを指します。
この用語を1970年代につくったのは、発達心理学者のJohn Flavellだとされるのが一般的です。1979年にAmerican Psychologist誌に掲載された彼の論文は、メタ認知を「a new area of cognitive-developmental inquiry」（認知発達研究の新しい領域）として打ち出し、「knowledge and cognition about cognitive phenomena」（認知的な現象についての知識と認知）と説明しました。
この短い言い方は覚えやすいのですが、学生にとって最も大事な部分が抜け落ちています。Flavellの論文は、知識と同じくらいの比重でモニタリングも論じていました。モニタリングとは、自分の記憶や理解がどれくらいうまく働いているかに気づき、気づいたことに基づいて行動することです。自分をテストしたほうがよく学べると知っているのは、メタ認知的知識です。直前の1ページを説明できないと気づいて章の途中で実際に手を止め、戦略を切り替えるのは、メタ認知的調整です。
イメージをつかむのに役立つのが、Thomas NelsonとLouis Narensが1990年に示した、思考の2つのレベルです。対象レベルは実際の作業を担います。読む、解く、思い出す、といった作業です。メタレベルはその上に位置し、作業を見守っています。情報は下から上へ流れ（モニタリング：「この段落が分からない」）、判断は上から下へ流れます（コントロール：「ゆっくり読み直して、それから説明してみよう」）。よく学べる人が、対象レベルの作業で速いとは限りません。優れているのは、2つのレベルのあいだのやり取りのほうです。
メタ認知の種類：知識と調整
多くの研究者は、メタ認知を2つのタイプに分けています。認知についての知識と、認知の調整です。Gregory SchrawとRayne Dennisonは、この区分に基づいて、最も広く使われている質問紙のひとつである52項目のMetacognitive Awareness Inventory（メタ認知的気づき尺度、1994年）を作成しました。その分類は、何に取り組めばよいかを示す実用的な地図になります。
| 構成要素 | 下位スキル | 意味 | 学生の例 |
|---|---|---|---|
| 認知についての知識 | 宣言的知識 | 学習者としての自分自身と、戦略について知っていること | 「本を読み始めて25分ほどたつと、集中が切れる」 |
| 認知についての知識 | 手続き的知識 | 戦略の使い方を知っていること | 「見出しを問いに変えるやり方を知っている」 |
| 認知についての知識 | 条件的知識 | ある戦略がいつ、なぜ合うのかを知っていること | 「暗記カードは語彙には効くけれど、証明には効かない」 |
| 認知の調整 | 計画 | 始める前に目標を立て、やり方を選ぶこと | 「今夜は第4章と第5章、そのあと10問のセルフテスト」 |
| 認知の調整 | モニタリング | 取り組みながら、理解と進み具合を確かめること | 「この段落を2回読んだのに、要約できない」 |
| 認知の調整 | 評価 | 終わったあとに、結果と過程を判断すること | 「比の問題は全問不正解だった。解き方つきの例題が必要だ」 |
SchrawとDennisonは、情報管理とデバッギング（理解のつまずきを直すこと）も得点化していますが、学生が覚えておく価値があるのは、計画・モニタリング・評価の3段階です。Education Endowment Foundationの教師向けガイダンスも、同じサイクルを土台にしています。
条件的知識は、ほとんどの人が飛ばしてしまう下位スキルです。想起練習が効くと知っているのは宣言的知識です。そのやり方を知っているのは手続き的知識です。そして、3週間後に控えた生物の試験には適した道具だけれど、初めて読む哲学の論文の込み入った議論を解きほぐすのには向かない、と知っているのが条件的知識です。勉強法のアドバイスの多くはこの部分を飛ばし、それぞれをいつ使うべきかを言わないまま、道具だけを手渡してきます。
メタ認知の例：勉強の場面ではどう現れるか
メタ認知の例としては、模擬テストの前に自分の点数を予想すること、手を止めて節の内容を記憶だけで要約すること、テストの間違いを原因別に仕分けることなどが挙げられます。次の表は、同じ場面を、メタ認知の習慣が弱い場合と強い場合とで比べたものです。
| 場面 | メタ認知が弱い場合 | メタ認知が強い場合 |
|---|---|---|
| 教科書の章を読む | 最初から最後まで一気に読み、たくさんハイライトして、終わった気になる | 節ごとに手を止めて記憶だけで要約し、思い出せなかったところに印をつける |
| 試験に備える | ノートを、見慣れた感じがするまで読み返す | 模擬テストを受ける。先に点数を予想し、見つかった穴を勉強する |
| 講義動画を見る | 2倍速で再生し、うなずきながら見る | 新しいトピックに入るたびに一時停止して次の内容を予想し、分からなかった箇所をタイムスタンプつきでメモする |
| 宿題にChatGPTを使う | 答えを尋ね、その推論をそのまま写す | まず自分で問題に取り組み、それからAIに自分の解答の欠点を探してもらう |
| テストが返ってくる | 点数を見て、しまい込む | すべての間違いを原因別（ケアレスミス、概念の誤解、そもそも勉強していない）に仕分け、計画を変える |
| グループで勉強する | 一番できるメンバーに全部説明してもらう | 自分でトピックを声に出して説明し、説明に詰まる箇所に気づく |
強いほうのやり方は、どれも特別な才能を必要としません。必要なのは1、2分の時間と、いまの取り組みが効いているかを確かめるための、ちょっとした一時停止だけです。その一時停止こそが、目に見える形になったメタ認知です。
それから、誰もが知っている例があります。1ページを読み終えて、何が書いてあったのかまったく分からないと気づく、あの瞬間です。目は動いていたのに、心はどこか別のところにありました。それに気づくことがメタ認知的モニタリングであり、これはれっきとしたスキルです。気づくのが早いほど、読み直す量は少なくて済みます。
メタ認知が重要な理由：エビデンスが示すこと
メタ認知が重要なのは、知能とは別に学業成績を予測し、しかも教室で行われた介入試験では、指導によって伸びることが示されているからです。
単独で学業成績を予測します。 2018年、OhtaniとHisasakaは、メタ認知・知能・学業成績を扱った118本の論文から149のサンプルを統合しました。その結果、知能の影響を統制したあとでも、メタ認知は依然として成績を予測していました。それ以前の2006年には、Marcel Veenmanらが、この重なりにおおよその数字を与えていました。年齢・課題・教科の異なる学習者を対象にした自分たちの研究を平均すると、学習成果のばらつきのうち、メタ認知スキルが単独で説明したのは約17%、知能が単独で説明したのは約10%で、さらに20%を両者が共有していたのです。頭がよいことと、自分の学習をうまく管理できることは、互いに関係してはいても別々のスキルです。そして後者は、前者にはないものを付け加えてくれます。
教えれば成果が上がります。 イングランドの学校のために教育研究をレビューしているEducation Endowment Foundation（EEF）は、「metacognition and self-regulation」（メタ認知と自己調整）を「high impact for very low cost based on extensive evidence」（豊富なエビデンスに基づく、非常に低いコストでの高い効果）とまとめており、その効果は1年間で平均約8か月分の追加の進歩に相当するとしています。教室での介入を対象にしたメタ分析も、同じ方向を指しています。Charlotte DignathとGerhard Büttner（2008年）は、自己調整学習のトレーニングによる学業成績への平均効果が、小学校で0.61、中学・高校で0.54であることを見いだしました。Hester de Boerらが48の介入を対象に行った2018年のメタ分析では、メタ認知戦略の指導による効果は追跡調査の時点でも保たれ、わずかに大きくなってさえいました（トレーニング直後はg = 0.50、平均で約5か月後は0.63）。介入の中身そのものは、ありふれたものです。課題の前に計画を立て、取り組んでいる最中に理解を確かめ、終わったあとに何がうまくいったかを振り返る、というだけです。
ひとつ注意があります。これらは多くの教室をまたいだ平均値です。メタ認知のトレーニングが一般に効果を持つことは示していますが、ワークシートを1枚こなせば成績が8か月分伸びる、という意味ではありません。
自己評価がしばしば外れる理由
メタ認知が役に立つのは、モニタリングが正確な場合に限られます。残念ながら、較正（自分の自信が実際の成績とどれだけ一致しているか）に関する研究は、耳の痛いものです。
最もよく知られている知見は、ダニング・クルーガー効果です。1999年の論文でJustin KrugerとDavid Dunningは、ユーモア・文法・論理のテストで下位4分の1の得点だった参加者が、自分を「grossly overestimated」（ひどく過大評価）していたと報告しました。彼らの得点は12パーセンタイルにあたるものでしたが、本人たちは62パーセンタイルにいると見積もっていたのです。このパターンのうち、どこまでが統計上の見かけの効果（アーティファクト）なのかについては、研究者のあいだでいまも議論が続いています。似たパターンは、実際の大学の授業でも現れます。
2000年に発表された研究で、Douglas Hackerらは、実際の大学の授業で行われた3回の試験を通して学生を追跡し、各試験の前には点数を予想させ、終わったあとには点数を見積もらせました。最も成績のよい学生は正確で、学期を通してさらに正確になっていきました。最も点数の低い学生は、試験の前も後も、ひどく自信過剰でした。
自信が重要なのは、それがしばしば勉強をやめるタイミングを決めるからです。2012年、John DunloskyとKatherine Rawsonは、それがどれほどの代償を伴うかを示しました。学生は重要な用語の定義を思い出す練習をし、自分の答えを自分で採点しました。そして、正解と判断した回数が3回に達した定義から順に、コンピューターが練習から外していきました。誤答を正解扱いしていた学生は、まだ身についていない定義を練習から卒業させてしまい、2日後のテストで覚えていた量が少なくなりました。論文のタイトルが、そのすべてを言い表しています。「Overconfidence produces underachievement」（自信過剰は成績不振を生む）です。
とはいえ、条件が整えば、モニタリングは確かに正確になります。1991年、Thomas NelsonとJohn Dunloskyは、学生に単語ペアを学習させ、それぞれのペアを後で思い出せる見込みがどれくらいあるかを、学習の直後か、少し時間を置いてから評定させました。直後の評定は、思い出せたペアと忘れたペアをある程度しか見分けられませんでした（ガンマ相関で+.38）。一方、時間を置いた評定ははるかに正確でした（+.90）。再生率そのものはほとんど同じだったにもかかわらずです（どちらの条件でも約46%）。RhodesとTauberが112の効果量を対象に行った2011年のメタ分析は、この遅延JOL効果（JOLは学習判断、judgment of learningの略）が大きく、安定して見られるものであることを確かめました。NelsonとDunloskyの説明はこうです。学習の直後は答えがまだ短期記憶に残っているので、分かっているように感じられます。時間を置くと、判断の材料として残るのは、実際に学んだものだけになるのです。
較正がずれるもうひとつの大きな原因は流暢さです。読み返しや大量のハイライトがあれほど生産的に感じられるのは、そのためです。この落とし穴については、能力の錯覚で詳しく扱っています。ある大学の学生の大半が、読み返しを主な勉強法として挙げた調査も、そこで紹介しています。
学生のための9つのメタ認知戦略
メタ認知戦略とは、自分の学習を計画し、モニタリングし、評価するためのテクニックです。以下の9つは、このサイクルに沿って並んでいます。全部を使う必要はありません。各段階から1つずつ選び、2週間続けてみてください。
計画
1. 教材を開く前に、3行の学習計画を書く。 今回の勉強の目標は何か。どの学習リソースを使うか。学べたことを、どうやって確かめるか。Patricia Chenらは、2017年にPsychological Science誌に発表した研究で、これに近いやり方を検証しました。統計学の入門科目の試験の前に、介入群の学生は、準備にどのリソースを使うか、それぞれがなぜ役立つか、それをどう使うかについて考える短い課題に、自分で取り組みました。2つの研究を通じて、彼らの最終成績は対照群より3.45パーセントポイントと4.65パーセントポイント高くなりました。A・B・Cといった評価段階でいえば、およそ3分の1段階分です。
2. 点数を予想してから、テストする。 セルフテストや模擬試験の前には必ず、取れると思う点数を書き留めます。終わったら、実際の点数と比べます。予想と結果の差が、あなたの較正の誤差です。これを数週間記録していくと、自分の自信が信用できるものかどうかが分かります。最初のうちは、信用できないと分かる人が少なくありません。
3. すでに知っていることを呼び起こす。 章を読む前に2分間、そのトピックについてすでに知っていることと、その章に答えてほしい問いを1つ書き出します。これがモニタリングの基準線になります。章の内容が自分のリストと食い違ったり、リストをさらに広げてくれたりしたときに、それに気づけるようになります。
モニタリング
4. 時間を置き、手がかりだけを見て学習を判断する。 内容がまだ画面に映っているうちに、どれくらい分かっているかを評定してはいけません。教材を閉じ、少なくとも数分待ってから、見出しか問いだけを見て、自分を評定する前に、自分で答えを出してみてください。これは、遅延JOL効果を習慣にしたものです。
5. セルフテストを測定の道具として使う。 想起練習は、たいてい記憶のテクニックとして紹介されますし、実際にそうです。しかし同時に、あなたが持っている最良の診断ツールでもあります。白紙に思い出せることを書き出す方法（ブラーティング法はそれを型にしたものです）を使えば、手がかりなしで自分が何を再現できるかが正確に分かります。それこそが、試験や実際の仕事で求められることです。
6. 声に出して、または書いて、自分に説明する。 自己説明とは、手を止めて、各ステップや主張がなぜ筋が通るのかを説明することです。Michelene Chiの1989年の研究では、物理の解き方つきの例題から最も多くを学んだ学生は、各ステップを根底にある原理と結びつける説明を、ほかの学生より多く生み出していました。1994年に8年生（日本の中学2年生にあたります）24人を対象に行われた小規模な後続研究では、循環器系についての文章を自分に説明するよう促された生徒は、同じ文章を2回読んだ生徒よりも理解が深まりました。Bisraらが64の研究報告を対象に行った2018年のメタ分析では、全体として中程度の効果が見られました（g = 0.55）。ただし、自分の説明は元の資料と照らし合わせて確かめてください。Chiの1994年の研究では、説明のおよそ4分の1が誤っていました。説明に詰まったところが、あなたの見つけた穴です。
評価
7. エグザム・ラッパーを使う。 採点されたテストが返ってきたら、ほかの何かを見る前に、3つの問いに答えます。自分はどう準備したか。どんな種類の間違いをしたか。次は何を変えるか。カーネギーメロン大学のMarsha Lovettは、こうした短い振り返りシート（エグザム・ラッパー）を広めました。成績への効果を調べた統制研究の結果はまちまちです（ある教室での統制研究では、有意な効果は見られませんでした）。そのため、ラッパーは、次の計画につなげるための評価のステップとして扱ってください。
8. 間違いノートをつける。 練習問題での間違いはすべて、その原因と一緒に書き留めます。うっかりミス、概念の抜け、問題の読み違い、そもそも勉強していなかった、などです。数週間たつと、パターンが見えてきます。間違いの半分が問題の読み違いなら、必要なのは内容の復習を増やすことではありません。
9. 誰かに教える。 教える準備をすると、内容を整理せざるをえなくなり、自分が説明できない部分があらわになります。プロテジェ効果に関する研究によれば、その効果は本物ではあるものの控えめで、ネットで広まった「90%が記憶に残る」という主張には遠く及びません。ある実験では、ノートを開いたまま教えた場合、効果は消えてしまいました。記憶だけを頼りに説明し、答えられない質問はすべて穴として扱ってください。
9つの戦略を一覧で
| 戦略 | 段階 | 鍛えられるもの | エビデンスの強さ | 時間のコスト |
|---|---|---|---|---|
| 3行の学習計画 | 計画 | 目標設定、戦略の選択 | 有望（Chen et al., 2017） | 5分から15分 |
| 予想してからテスト | 計画と評価 | 較正 | 間接的。ある授業では、最も点数の低い学生がひどく自信過剰だった（Hacker et al., 2000） | 1分 |
| 事前知識の書き出し | 計画 | モニタリングの基準線 | 直接の証拠は限られている | 2分 |
| 時間を置いた学習判断 | モニタリング | 分かっている項目と分かっていない項目の見分け | 相対的な正確さについては強い（g = 0.93） | なし |
| 診断としてのセルフテスト | モニタリング | 自分が何を再現できるかの把握 | 記憶への効果は非常に強い（テスト効果）。診断ツールとしては間接的 | 10分から20分 |
| 自己説明 | モニタリング | 理解の穴の発見 | 学習への効果は中程度（g = 0.55） | 読むペースが目に見えて落ちる |
| エグザム・ラッパー | 評価 | 結果と過程の結びつけ | 成績への効果はまちまち | 試験1回につき10分 |
| 間違いノート | 評価 | 間違いのパターンの発見 | 実践者の経験に基づく証拠 | 1回の勉強につき5分 |
| 誰かに教える | モニタリングと評価 | 穴のあぶり出し | 控えめ（プロテジェ効果） | 20分以上 |
勉強の前・最中・後に自分に問いかけるメタ認知の質問
メタ認知の質問とは、自分の学習を計画し、モニタリングし、評価するために、自分自身に投げかける問いのことです。Kimberly Tannerが2012年に生物学の教員向けに書いたガイドは、こうした問いをこのサイクルに沿って整理しており、以下のリストもその構成にならっています。
| 段階 | 自分に問いかける質問 |
|---|---|
| 前（計画） | 今回の勉強の目標は何か。このテーマについて、すでに何を知っているか。この教材に合う戦略はどれか。学べたことを、どうやって確かめるか。本当に必要な時間はどれくらいか。 |
| 最中（モニタリング） | いま読んだ内容を、見ずに説明できるか。具体的に、どの部分が分かりにくいのか。この戦略は効いているか、それとも形だけこなしているのか。ペースを落とすべきか、戦略を変えるべきか、助けを求めるべきか。 |
| 後（評価） | 前はできなかったことで、いまできるようになったことは何か。どの予想が外れたか。次は何を変えるか。まだはっきりしないことは何で、いつそこに戻ってくるか。 |
答えは書き出してください。頭の中だけで答えた問いは、簡単に受け流せてしまうからです。そして、このルーティンは短く保ちましょう。前に3つの質問、最中に1回の確認、後に3つの質問で十分です。20分もかかる儀式は、1週間ももちません。
メタ認知とAI：答えは良くなっても、自己認識は良くならない
生成AIは、メタ認知に新しい問題を突きつけます。AIは、自分が何を学んだかを判断する力を少しも高めないまま、アウトプットだけを良くすることがあり、しかもその代償を見えにくくしてしまうことがあります。最近の3つの研究が、同じ方向を指しています。
メタ認知的怠惰。 British Journal of Educational Technology誌に掲載されたランダム化研究（2025年）で、Yizhou Fanらは117人の大学生に、ChatGPT、人間の専門家、ライティング分析のツールキットのいずれかの助けを借りるか、追加のツールなしで、エッセイに取り組ませました。エッセイの得点が最も伸びたのはChatGPTのグループでしたが、知識の獲得や転移では、ほかのグループを上回りませんでした。著者らはこのリスクを「metacognitive laziness」（メタ認知的怠惰）と呼んでいます。学習者が、計画とモニタリングの作業をツールに任せてしまうことです。
点数は上がっても、自己認識は上がらない。 Computers in Human Behavior誌に掲載された研究（2026年）で、Fernandesらは参加者に、LSAT（米国のロースクール入学試験）の論理的推論問題20問に、ChatGPTの助けを借りて、または借りずに答えてもらいました。AIを使ったグループは約3.5問多く正解しましたが、どちらのグループも自分の得点を約4問分、過大に見積もっていました。AIは成績を引き上げましたが、その成績を判断する力は少しも高めませんでした。しかも、AIリテラシーの得点が高い人ほど、自分の成績についての見積もりは正確になるどころか、むしろ不正確でした。
練習での伸びが、本番に持ち越されない。 Hamsa Bastaniらがトルコの高校で数学を学ぶ約1,000人の生徒を対象に行った実験（PNAS、2025年）では、素のGPT-4チャットボットを使って練習した生徒は、AIを使わない生徒より練習問題で48%良い成績を上げました。ところが、その後AIなしで受けた試験では17%悪い成績になり、しかも本人たちはその害に気づいていませんでした。この研究と、害を避けられたヒント型のチューターについては、望ましい困難で詳しく解説しています。
対策は、順番を変えることです。まず自分で取り組み、AIはその次です。次のようなルールが役に立ちます。
- まず取り組み、それから尋ねる。 チャットボットを開く前に、自分の答えや構成案、説明を書きます。そのうえで、AIに独自の答えを作らせるのではなく、自分が書いたものを批評してもらいます。
- 答えではなく、問いを求める。 「この章について1問ずつクイズを出して。私が答えるまで正解は言わないで」と頼めば、思い出す作業は自分の手元に残ります。
- ツールなしで再テストする。 AIを使って何かを理解したなら、1日後に、AIを閉じた状態でそれを説明できるかを確かめます。
ハイライトを土台にしたメタ認知の学習ループ
ハイライトは、それだけでは効果の弱い勉強法です。文に印をつけるのに、ほとんど頭を使わないからです。しかしハイライトは、あなたの注意の記録でもあります。だからこそ、モニタリングのための格好の素材になるのです。ここで紹介するループは、Glaspのウェブハイライターでも、ハイライトとメモを一緒に保存できるほかのツールでも使えます。
ステップ1：自信の度合いを色分けしてハイライトする。 Glaspでは4色のハイライトが使えます。それぞれの箇所をどれくらい理解しているかを、色で記録しましょう。たとえば、デフォルトのピンクは重要なアイデア、緑はすでに説明できるアイデア、黄色はまだ理解できていないこと、青は以前に読んだ別のものとのつながり、という具合です。
ステップ2：ハイライト1つにつき1つ、自分の言葉でメモを書く。 その箇所がなぜ重要なのかを書き（小さな自己説明です）、それから、その箇所が答えになるような問いに書き換えます。どちらもできなければ、そのハイライトを黄色に塗り替えます。これは、そうしなければ見逃していたはずのモニタリングの信号です。
ステップ3：時間を置き、予想し、それからテストする。 2日後、メモに書いた問いだけを読みます。それぞれの答えにどれくらい自信があるかを1から5で評定し、それから実際に答えて、ハイライトと照らし合わせます。自信があったのに外れたものが、あなたの較正の誤差です。再現できなかったものは、すべて黄色に戻します。
ステップ4：保存したものすべてを横断して、自分にクイズを出す。 GlaspのAIチャットは、あなた自身のハイライトとメモをもとに答え、引き出してきた保存済みの箇所を示してくれます。あるトピックについて1問ずつクイズを出すよう頼み、示された出典を開く前に、それぞれの問いに答えてください。思い出すのはあなたで、チャットは素材を探してくるだけです。
ステップ5：ほかの読者と照らし合わせて較正する。 ほかのGlaspユーザーが読んだページでは、拡張機能のパネルにある「コミュニティ」タブに、2人以上がハイライトした箇所が一覧で表示されます。何人もが印をつけたのにあなたが飛ばした箇所は、もう一度見る価値があります。自分のモニタリングだけでは得られない、外からのチェックになるからです。このページ以外でほかの読者が何をハイライトしているかを見るには、Glaspのコミュニティをのぞいてみてください。
同じループは、動画や本にも使えます。YouTube Summaryを使えば、講義の文字起こしの行をタイムスタンプつきでハイライトできるので、一時停止して話し手が次に何を言うかを予想し、腑に落ちなかったところに印をつけられます。Kindleなら、Kindleのハイライトを取り込み、先月読み終えた本で同じ遅延セルフテストを行ってください。ハイライトを、間隔を空けた復習のための問いに変える方法は、アクティブリコールのガイドをご覧ください。
よくある質問
メタ認知を簡単に言うと何ですか？
メタ認知とは、自分が何を知っていて何を知らないかを把握し、その知識を使って自分の学び方を管理することです。混乱していることに気づく、より良い戦略を選ぶ、勉強が実際に効果を上げたかを確かめる、といったことが含まれます。この用語を1970年代につくったのは心理学者のJohn Flavellだとされるのが一般的で、「考えることについて考える」というのがよく使われる短い言い方です。
認知とメタ認知の違いは何ですか？
認知とは、考えることそのものです。読む、問題を解く、事実を思い出す、といったことです。メタ認知は、その思考を見守り、舵取りします。章を要約するのは認知です。自分の要約が一番難しい節を飛ばしていることに気づき、そこへ戻るのがメタ認知です。
メタ認知の3つの段階とは何ですか？
最も一般的な枠組みは、3つの段階からなります。計画（始める前に目標を立て、戦略を選ぶこと）、モニタリング（取り組みながら理解を確かめること）、評価（終わったあとに結果と過程を判断すること）です。研究者はさらに、メタ認知的知識を宣言的知識・手続き的知識・条件的知識に分けています。それぞれ、学習者としての自分自身と戦略について知っていること、戦略の使い方、そして各戦略がいつ合うのかを表します。
メタ認知戦略にはどんな例がありますか？
よくある例としては、短い学習計画を書く、答え合わせの前にテストの点数を予想する、次に進む前に節の内容を記憶だけで要約する、概念を声に出して説明する、時間を置いてから自信の度合いを評定する、間違いノートをつける、試験のあとに振り返りシートを記入する、などがあります。
メタ認知は教えたり、伸ばしたりできますか？
はい。メタ認知のスキルは、指導によってよく伸びます。教室での介入を対象にしたメタ分析は学業成績の向上を示しており、Education Endowment Foundationは、メタ認知と自己調整のアプローチによって約8か月分の追加の進歩が得られると見積もっています。大人も同じ習慣を練習できます。自分の点数を予想する、時間を置いてから学習を判断する、終わったあとに振り返る、といった習慣です。
メタ認知はクリティカルシンキングと同じですか？
いいえ。ただし、重なる部分はあります。クリティカルシンキング（批判的思考）は主張や議論を評価することで、対象はたいてい他人の主張や議論です。メタ認知は、自分自身の思考を評価することです。自分が理解しているか、自分の戦略が効いているか、どれくらい自信を持つべきか、といったことです。クリティカルシンキングに長けた人は、たいていメタ認知も強いものです。自分の推論の弱点を見つけることは、メタ認知の働きだからです。
メタ認知と自己調整学習の違いは何ですか？
自己調整学習のほうが、より広い概念です。メタ認知に加えて、動機づけ、感情、時間管理、勉強する環境の選択までを含みます。メタ認知は、その内部でモニタリングとコントロールを担うエンジンです。自己調整学習を車全体だとすれば、メタ認知はハンドルにあたる、と考えるとよいでしょう。
AIを使うとメタ認知は損なわれますか？
損なわれることがあります。最近の研究では、エッセイにChatGPTを使った学生は、点数は上がったものの、他のグループより多くを学んだわけではありませんでした。AIを使って推論問題を解いた人は、点数こそ高かったものの、自分の出来を判断する正確さではAIを使わなかった人を上回りませんでした。さらに、素のチャットボットで数学を練習した高校生は、その後AIなしで受けた試験で、AIを使わなかった生徒より成績が悪く、しかもその害に気づいていませんでした。リスクは、計画と確認の作業をツールにやらせてしまうことです。AIを開く前に課題に取り組み、後でAIを閉じた状態で自分を再テストしてください。
あらゆる勉強スキルの土台にあるスキル
あなたが聞いたことのある勉強法はどれも、メタ認知があってはじめて機能します。間隔反復には、自分が何を忘れたかを知ることが必要です。アクティブリコールには、何が思い出せなかったかに気づくことが必要です。どのテクニックを選ぶかということ自体が、メタ認知的な判断です。正確な自己モニタリングがなければ、人は生産的に感じることを何でも続けてしまいます。そして、生産的だと感じることは、学ぶことと同じではありません。
次に読むもので試してみてください。Glaspでハイライトし、どれくらい覚えていられると思うかを書き留め、2日後にページを閉じた状態で自分をテストします。2つの数字の差が、あなたの較正の誤差です。そして、その差を縮めることこそが、メタ認知の存在意義なのです。
