学習とワーキングメモリ——研究が示すこと

著者: TOMOY · 公開: 2026年4月8日 · 更新: 2026年4月8日

1. ワーキングメモリは長期記憶への入り口である

新しいことを学ぶためには、まずそれをワーキングメモリの中に十分な時間保持し、処理する必要があります。WMは、新しい情報を既存の知識と結びつけ、操作し、長期記憶に取り込むための能動的な作業台です。新しい素材の要素を同時に保持するだけのワーキングメモリ容量がなければ、理解を構成するつながりを形成することができません。

WMが学習の基盤とされている理由はここにあります——学んだことを貯蔵するからではなく、学習が起きる場所がWMであるからです。読解、講義を聞くこと、未知の数学の問題を解くこと、新しい手順を習得すること——これらすべてにおいて、入ってくる情報を処理し続けながら中間ステップや部分的な結果をWMの中に保持し続けることが求められます。

2. 認知負荷理論

Sweller（1988）は、一部の教授設計が他よりも効率的に学習を生み出す理由を説明するために認知負荷理論を提唱しました。中心的な洞察は、ワーキングメモリにかかる認知負荷の合計が容量を超えると学習が損なわれる、というものです——学習者がやる気がないからでも注意が散漫だからでもなく、学習を担う認知的アーキテクチャが飽和しているからです。

Swellerは3種類の負荷を区別しました。

• 内在的負荷（Intrinsic load）：素材そのものの複雑さ——WMの中で同時に保持しなければならない相互作用する要素の数。複数ステップの方程式を解くような、要素間の相互依存が高い素材は高い内在的負荷を課します。
• 外在的負荷（Extraneous load）：素材自体ではなく、提示の仕方によって生じる負荷。冗長な情報、分割注意を要するレイアウト、不明確な説明——これらは学習に貢献しないままWMを消費します。
• 学習関連負荷（Germane load）：素材を処理して長期記憶に取り込むために向けられる認知的努力。これが学習を生み出す負荷であり、良い教授設計の目標は外在的負荷を最小化することで学習関連負荷を最大化することです。

3. 読解

読むことは、文の冒頭を保持しながら末尾を解析すること、文をまたいで代名詞の指示対象を追跡すること、前の段落の要旨を保持しながら新しい段落を処理することを必要とします。これらすべてが音韻ループと中央実行系に継続的な負荷をかけます。

複雑な統語構造を持つ文——長い埋め込み節、複数の否定、受動構文——は、同じ情報をより単純に表現した文よりも高いWM要求を課します。簡潔で直接的な文章が単なる文体的な好みではない理由はここにあります。理解のために必要なWM負荷を低減し、内容そのものに関与するための容量を確保するためです。

4. 暗算

暗算はワーキングメモリへの直接的な負荷です。後続の計算を実行しながら中間結果を保持すること、複数ステップの計算のどこにいるかを追うこと、新しい計算を行いながら部分和を保持すること——これらすべてが音韻ループの能動的なリハーサルと中央実行系の協調を必要とします。

練習によって計算が自動化されるにつれ、WMへの依存度は下がります。基本的な数値の操作が自動化されると、その分の容量が高次の数学的推論に充てられるようになります。自動化によって解放された容量は、依然として意図的な処理を必要とする問題の部分に向けることができます。

5. 学習中のWM負荷を減らす方略

学習中の認知負荷を管理するためのいくつかの方略は、作業をワーキングメモリの外に逃がすという考え方に基づいています。

• チャンキング：個々の項目を意味のある単位にまとめることで、WMの中で同時に保持しなければならない独立した要素の数を減らします。専門知識とは部分的に、長期記憶の中により大きく精緻なチャンクが存在することでもあります。
• 例題学習：完成した解法を学ぶことで、一から解法を探索する必要がなくなり、WMが解法の構造に注意を向けられるようになります。
• 外部化：中間ステップを書き出す、図を使う、プロセスのどこにいるかを記録しておく——こうした実践はWMの負担を環境へと分散させます。
• 分散練習：時間をおいて素材を繰り返し扱うことで、それが長期記憶に定着し、アクセスや使用に必要なWM負荷が徐々に下がります。