執筆協力：ChatGPT-5.1、Claude Sonnet 4.5
本シリーズは、複数の生成 AIとともに、「理解と学習」という複雑な現象を分野横断的に記述する抽象記号体系の構築を試みた協働推論のプロセスを記録するものです。
数学・認知科学・教育学・発達心理学・学習科学などの知見を参照しながら、それらを個別の理論としてではなく、共通の言語（formal descriptive language）として整理し直すことを目指しています。
第1話では、「理解の動力学」を語るための記号と用語をざっと並べて、学習現象を構造的に眺めるための「辞書」と「文法」を準備しました。
第2話にあたる本稿では、そこから一歩踏み込み、
- 「どこで負荷が生まれているのか（教材側か、学習者側か）」
- 「どこで理解が止まり、どこで動き始めるのか」
を切り分けて考えられるようにすることを目標にします。
そのためのキーになるのが、
- 教材 $e$ と学習者 $(p, f_p, \varphi)$ から「有益な負荷」と「外在的な負荷」を取り出す 負荷抽出写像 $\Phi$
- 取り出された負荷をどれだけ理解の変化 $\dfrac{dp}{dt}$ に変換できるかを記述する 理解変化写像 $G$
の二つです。
この体系は予測モデルではなく、学習が前に進まない場面で 「今、問題が起きているのは Φ か G か」 を 構造的に切り分けて語るための抽象言語です。
本稿では、このうち $\Phi$ と $G$ の「責務分離」 に焦点を絞り、
- 何を $\Phi$ の仕事とみなし
- 何を $G$ の仕事に残すのか
という境界線を、できるだけシンプルに整理していきます。
0. 理解の動力学の層構造の再整理
本体系では、学習過程を複数の層として整理する。
| 層 | 写像 | 役割 |
|---|---|---|
| 第1層 | Φ_germ / Φ_ext | 教材の知覚と負荷生成 |
| 第2層 | G | 負荷の処理と理解変化 |
| 第4層 | H | 理解変化の一般能力への転写 |
| 第5層 | R | 理解変化・能力成長から報酬を生成 |
第3層は、教材構造の扱いなど、今後の必要に応じて導入されうる余白として確保している。
本稿では、第1層と第2層についてさらに考察を深める。
1. 負荷抽出写像 Φ の定義と役割
負荷抽出写像 Φ は、教材 $e$ が学習者にとって
どのような負荷として立ち現れるかを、学習者の状態 $(p, f_p, \varphi)$ に基づいて生成する写像として定義される。
$$
\ell_{\mathrm{germ}} = \Phi_{\mathrm{germ}}(e; p, f_p, \varphi)
$$
$$
\ell_{\mathrm{ext}} = \Phi_{\mathrm{ext}}(e; p, f_p, \varphi)
$$
ここで用いている記号は次の通りである。
- $p$：教材 $e$ に結びつく現在の理解状態
- $f_p$：一般能力（抽象化・構造化・転移能力など）
- $\varphi$：認知スタイル
- $e$：教材・課題・外界入力
Φ の段階で定まるのは、負荷の「量」ではなく、負荷の性質である。
- $\ell_{\mathrm{germ}}$ が至適か、過小か、過大か
- $\ell_{\mathrm{ext}}$ がどの程度生じているか
- 認知スタイルによる負荷の抽出傾向
- 前提知識や一般能力の違いによる負荷の変動
この体系では、負荷を教材固有の客観的性質とはみなさない。
負荷とは、教材 $e$ と $(p, f_p, \varphi)$ の相互作用によって
動的に生成される量である
という立場を採用する。
CLT との関係
CLT（Cognitive Load Theory）の語彙を参照しているが、本体系は CLT を拡張した理論ではない。CLT が負荷を「分類概念」として導入するのに対し、本体系では負荷を
写像 Φ の出力として生成される量
として扱う。
この点で、本体系はより一般的・構造的であり、CLT を否定するものでも、置き換えるものでもない。
CLT を含む複数の学習理論を 同じ形式で記述できる抽象言語として位置づけられる。
2. G（理解変化写像）の役割と責務の分離
理解状態の時間変化は、次のように記述される。
$$
\frac{dp}{dt} = G(f_p, \ell_{\mathrm{germ}}, \ell_{\mathrm{ext}}, \varphi, e)
$$
G が担う役割は明確である。
Φ が生成した負荷を入力として、
- それがどのように処理されるか
- その結果として理解がどのように変化するか
を、学習者の能力や認知スタイルのもとで記述する。
G が負荷の性質を「再評価しない」理由
G は、負荷が至適か、外在的か、過大かといった性質の判定を行わない。
これは 責務分離（Separation of Concerns） の考え方にもとづく。
- Φ：教材がどのような負荷として知覚されるかを決める層
- G：知覚された負荷が理解変化にどう寄与するかを記述する層
この分離によって、
- 負荷の二重定義
- 循環論法
- どの層が負荷の意味を決めているのかの曖昧さ
を避けることができる。
ソフトウェア設計になぞらえれば、
- Φ は入力データの前処理や特徴抽出
- G は整形されたデータを用いた主要な処理
に相当する。
3. 教材 e が G に残る理由（補足）
「Φ が負荷を抽出するなら、G の引数に $e$ を残す必要はあるのか」という疑問は自然である。
本体系では、これを次のように考える。
Φ は $e$ の「負荷としての側面」を抽出するが、
G が理解の進む方向を記述するためには、
$e$ の「構造的側面」が必要になる場合がある。
ここでいう構造的側面とは、たとえば次のようなものを指す。
- 概念同士の結びつき方
- 記述や説明の流れ
- 関係性の配置
- 推論の方向を制約する構造
これらは負荷として一元的に表せる「量」ではなく、理解がどの方向に進むかを規定する「ベクトル」に関わる情報である。
4. 教材 e の構造情報の扱いは将来的な課題として保留する
教材 $e$ の構造的性質を、
- Φ の側で扱うのか
- G の側で扱うのか
- あるいは別の層として切り出すのか
という点については、現段階では明確な結論を出していない。
そのため、本体系では次の立場を取る。
教材 $e$ の構造情報の扱いは、
将来の言語拡張に向けて意図的に保留する。
この保留により、
- 早すぎる形式化による硬直化を避け
- 実例や経験に基づく後続の整理に余地を残し
- 抽象言語としての柔軟性を保つ
ことができる。
5. 二つの負荷の相互作用も保留する
実際の学習場面では、次のような状況がしばしば観察される。
- 同じ教材要素が有益負荷にも外在負荷にもなり得る
- 初学者には外在負荷、熟達者には有益負荷として機能する
- 認知スタイルによって負荷の寄与が変化する
しかし、これらを厳密に記述するには、さらなる語彙と構造が必要になる。
そのため本体系では、
負荷同士の相互作用の形式化は現段階では行わず、
Φ の基本定義には含めない。
という扱いを採用している。
これは欠落ではなく、後の精緻化に向けた意図的な余白である。
6. CLT の語彙との関係：独立した抽象言語としての位置づけ
本体系は CLT の語彙を用いているが、CLT の下位理論ではない。
- CLT：認知資源の有限性を前提に、負荷の性質を説明する理論
- 本体系：CLT を含む多様な学習過程を記述可能にする抽象言語
という関係にある。
Python にたとえるなら、
CLT は特定のアルゴリズムであり、
この体系はそのアルゴリズムを記述するための文法である。
と言える。
7. まとめと今後の展望
本稿で整理した主なポイントは次の通りである。
- 負荷の性質は Φ の段階で確定する
- G は負荷を処理する層であり、負荷の性質を再判断しない
今後の予定
次稿（第3話）では、第5層にあたるRについて、さらに考察を深める予定です。
論文化してarXivに掲載しました（2025年12月27日追記）。