はじめに：「勉強したはずなのに、解けない」

勉強を続けていると、こんなことが起きます。

前に解いた問題を、また解いている
「TLSが苦手」とは分かるけれど、何が曖昧なのか説明できない
支援士の勉強で覚えたことを、CySA+や実務に活かしきれない
ChatGPTに前回の進み具合を毎回説明する
学習ログは増えているのに、次に何をするかは結局その日の気分で決めている

学習時間を記録するだけでは、「何を理解できて、何がまだ怪しいのか」が見えにくい。そこで、Google Sheetsを学習状態の正本にして、ChatGPTを問題作成や振り返りに使う仕組みを作りました。

現在は、情報処理安全確保支援士、CompTIA CySA+、CCNA、Linux、セキュリティ実務の学習を、共通の知識テーマでつなげています。

この記事では、実際に使いながら育てている個人用の学習DBについて、設計の考え方と運用例を紹介します。

1. 学習日記から「状態を見られるDB」へ

最初は、日付・勉強内容・勉強時間・感想を残すだけでした。

2026/09/20
TLSを勉強
2時間
CertificateVerifyが難しかった

記録としては便利です。でも、後から「TLSのどこが難しかった？」と聞かれると、過去ログを探して読み直す必要がありました。記録はあるのに、次の勉強に使いにくい状態です。

そこで、学習テーマを小さく分け、それぞれに固定のIDを付けました。

TLS-001  TLSハンドシェイク
TLS-002  CertificateVerify
TLS-003  Finished

WIN-001  Windows Event ID 4624
WIN-002  Windows Event ID 4625

DNS-001  DNSログ解析
WEB-001  XSS
WEB-002  CSRF
WEB-003  SSRF

IDを固定しておけば、テーマ名を後から調整しても、学習状況や演習履歴とのつながりを保てます。Topic_IDは知識テーマを結び付けるキーです。

2. 資格別ではなく、知識テーマでつなぐ

TLSは、支援士にもCySA+にも、ネットワークやSOCの学習にも登場します。資格ごとに別々のTLS管理表を作ると、同じ知識が重複してしまいます。

このDBでは、資格や演習の側から共通のTopic_IDを参照します。

情報処理安全確保支援士 ─┐
CySA+ ──────────────────┼── TLS-002 CertificateVerify
SOCトレーニング ────────┘

知識を資格ごとの箱に閉じ込めず、「どの試験・演習から出会ったか」と「何の知識か」を分ける考え方です。あるテーマを学んだ成果を、別の資格や実務学習にも活かしやすくなります。

3. CoverageとStableを分ける

学習状態を管理するとき、「勉強した／していない」だけでは足りません。勉強したけれど、まだ自分の言葉で説明できないテーマがあるからです。

そこで、学習範囲に触れたかを示すCoverageと、理解が安定しているかを示すStableを分けています。

項目	見ていること
Coverage	そのテーマを学習対象として扱ったか
Stable	問題や説明で、理解を安定して示せるか
Priority	今取り組む優先度
Weakness	どこでつまずいたか
LastStudy / NextReview	学習日や次の確認タイミング

例えば、Kerberosを一度学習していても、TGTとTGSの役割が混ざっているなら、次のように状態を残せます。

Topic_ID: KRB-001
Coverage: TRUE
Stable: FALSE
Weakness: TGTとTGSの役割の整理

「学習済み」と「理解できた」を同じ扱いにしないことで、勉強した回数ではなく、知識の現在地を見やすくします。Stableの判定や復習の仕組みは、今も運用しながら調整しています。

4. Topicの現在状態と、学習した証拠を分ける

学習DBの中心にはTopic_Indexを置いています。ここには、各テーマの現在の状態をまとめます。

Topic_ID	Topic_Name	Coverage	Stable	Priority	Weakness
TLS-002	CertificateVerify	TRUE	FALSE	高	秘密鍵所有の証明との関係
TLS-003	Finished	TRUE	FALSE	高	Transcript Hashとの関係
KRB-001	Kerberos	TRUE	FALSE	高	TGT/TGSの整理

一方で、問題を解いた記録は演習履歴に残します。Topic_Indexが「今の状態」なら、演習履歴は「そう判断した根拠」です。日次ログには、その日に何を学んだかや次に続けたいことを残します。

過去問もTopic_IDと関連付け、問題ID、出題状況、結果などを管理します。ただし、問題本文の正本と学習状態の正本は別です。問題文は公式資料などの元ファイルで確認し、Engineer Learning DBには対応関係や進捗を記録します。問題文そのものを、DBに無条件で複製する設計にはしていません。

5. ChatGPTは「記録帳」ではなく、学習支援役

この仕組みでは、ChatGPTの会話や記憶を正式な学習記録とは扱いません。学習状態の正本はEngineer Learning DBです。

ChatGPTには、DBで確認できる情報をもとに、次のような作業を手伝ってもらいます。

Priorityが高く、Stableでないテーマから問題を作る
解答を採点し、弱点を具体的な言葉にする
同じテーマを別のシナリオで復習する
複数のログをもとに、FACTとHYPOTHESISを分けて考える練習をする

大事なのは、DBを見ずに現在地を推測しないことです。出題済みか確認できない問題を「未出題」と決めつけたり、会話の印象だけで学習済みにしたりすると、データが少しずつずれていきます。

例：誤答を「次の学習」に変える

例えば、Windowsのプロセスログを読む問題で、メールソフトからコマンド実行、ファイル作成、外部通信へ続く流れを確認したとします。

まず、ログで直接確認できるFACTと、そこから考えたHYPOTHESISを分けます。

FACT:
・メールソフトを親プロセスとしてコマンド実行が始まった
・一時フォルダーにファイルが作られた
・その後、外部IPへの通信が記録された

HYPOTHESIS:
・メールを起点とする侵害の可能性
・正規ツールを悪用した実行の可能性
・外部通信がC2である可能性

次にEDR、DNS、Proxy、Windowsイベントログなどを確認し、仮説を検証します。解答で「FACTと推測が混ざった」ことが分かれば、単に不正解と記録するだけでなく、関連するTopicのWeaknessに反映できます。

6. DB更新は、対象を確かめてから行う

AIに学習記録の更新まで任せると便利ですが、誤ったTopicを更新したり、実際には扱っていないテーマまで学習済みにしたりするおそれがあります。

そのため、更新は次の順で扱うルールにしています。

今回の操作を判定
  ↓
適用する運用ルールを確認
  ↓
正本と対象Topicを確認
  ↓
更新前の整合性を確認
  ↓
対象データを更新
  ↓
更新後の状態を確認し、記録

更新対象は、今回実際に学習したTopicや、演習結果から確認できた弱点などに限定します。DBの場所やTopicとの対応を確認できない場合は、想像で書き込まず、まず確認が必要な状態として扱います。

これは完了した製品機能というより、学習履歴を汚さないために定めている運用ルールです。どこまでを自動化し、どこで人が確認するかは引き続き改善しています。

7. 実務の「分からなかった」も学習テーマにする

このDBには、資格の勉強だけでなく、仕事で出会った課題も学習テーマとして取り込みます。

例えば、uplink trunkに必要なVLANが含まれておらず通信できなかったなら、業務上の記録に加えて、TrunkやAllowed VLAN、VLAN forwardingに関する知識として整理できます。SFPの互換性判断に時間がかかったなら、光規格やトランシーバーの対応条件を次の学習テーマにできます。

仕事で分からなかったこと
  ↓
関連するTopicを特定する
  ↓
弱点や確認事項を記録する
  ↓
別シナリオ・問題で練習する
  ↓
次の業務で使う

仕事の出来事をそのまま資格問題に置き換えるのではなく、仕事で見えた知識の穴を、学習可能な単位にするのが狙いです。

8. 作ってみて分かったこと

この仕組みを作って一番変わったのは、学習時間の見方です。

「今日は2時間勉強した」は記録できます。でも、それだけでは何ができるようになったかは分かりません。Topic単位で状態と弱点を残すと、「今はTLS全体をやり直すより、FinishedとTranscript Hashの関係を確認しよう」のように、次の一手を具体化しやすくなりました。

一方で、Topicを細かく分けすぎると管理が重くなります。Stableの基準も、最初から完璧には決まりません。復習タイミングの自動化や可視化も、まだ改善したいところです。システムを作ること自体が目的にならないように、実際の学習で使いながら必要な部分を直しています。

9. まず試すなら、この列から

同じ考え方を試すだけなら、最初から大きなDBを作らなくてもよいと思います。Google Sheetsに、次の列を用意するところから始められます。

Topic_ID
Topic_Name
Coverage
Stable
Priority
LastStudy
Weakness

ChatGPTには、例えば次のように頼めます。

学習DBでStable=FALSEのテーマを確認し、
Priorityの高いものから1問ずつ出してください。

回答を採点したら、
・正誤
・回答から確認できた理解
・残っている弱点
を分けて説明してください。

DB上のテーマや現在状態を確認できない場合は、
推測で学習済み・未出題と判断しないでください。

まずはテーマを10個ほど登録して、問題を解くたびにWeaknessを具体化するだけでも、学習日記とは違う見え方が出てきます。

おわりに

作ったのは、Google Sheets、Topic_ID、ChatGPTを組み合わせた個人用の学習管理システムです。

Google Sheets（Engineer Learning DB）で学習状態を管理する
Topic_IDで資格や演習をまたいで知識をつなぐ
ChatGPTで問題作成、解答評価、弱点整理を手伝う
実際に確認できた内容だけをDBに反映する

まだ育てている途中ですが、「勉強した時間」だけでなく、「何が分かっていて、どこが曖昧か」を次の勉強につなげられるようになりました。

資格勉強やChatGPTを使った学習で、同じ問題を繰り返したり、自分の弱点が曖昧になったりしている方にとって、知識をTopic単位で管理する方法が参考になればうれしいです。

みなさんは、勉強の進捗を「時間」以外にどんな単位で管理していますか？