勉強を「気合」ではなく「ログ」で管理する

ChatGPTとスプレッドシートで作る学習管理システム

資格勉強や技術学習を続けていると、こんな問題が起きます。

• 何を勉強したのか忘れる
• 苦手だった分野を放置する
• 得意分野ばかり繰り返してしまう
• 「勉強した」という事実だけで満足する
• 試験範囲を本当に網羅できているのか分からない
• 数週間前に間違えた問題をそのまま忘れる

そこで現在、私は ChatGPTとGoogleスプレッドシートを組み合わせて、学習そのものをログで管理する 方法を試しています。

単純な勉強時間の記録ではありません。

目指しているのは、

学習 → 演習 → 評価 → 記録 → 弱点抽出 → 再学習

というサイクルを回し続ける仕組みです。

---

1. 勉強時間ではなく「学習状態」を管理する

一般的な勉強記録では、

9月11日
勉強時間：60分
内容：ネットワーク

くらいで終わることがあります。

もちろん勉強時間を記録すること自体には意味があります。

しかし、

「60分勉強した」と「できるようになった」は別物です。

そこで私は、時間だけではなく、

何を学んだか
↓
問題を解いたか
↓
理解できたか
↓
何を間違えたか
↓
もう一度解く必要があるか

まで記録します。

つまり管理対象を、

勉強時間

から、

習熟状態

へ変えます。

---

2. 学習管理を3階層に分ける

現在は、大きく3種類のログを使っています。

学習管理
│
├─ ① ロードマップ
│    └─ これから何を学ぶか
│
├─ ② 範囲・スキル追跡
│    └─ 何ができて、何ができないか
│
└─ ③ 日次学習ログ
     └─ 今日何をやったか

この分離がかなり重要です。

全部を1枚のシートに詰め込むと、だんだん管理できなくなります。

---

3. ロードマップは「地図」

まず大きな学習ロードマップを作ります。

例えばセキュリティなら、

ネットワーク基礎
↓
ネットワークセキュリティ
↓
通信・端末調査
↓
Webセキュリティ
↓
認証・アクセス制御
↓
SOC / インシデント対応
↓
セキュリティ設計

のように整理します。

ここでは細かい問題の正誤までは管理しません。

目的は、

自分が今どこにいて、次にどこへ進むのかを把握すること

です。

---

4. 本体は「範囲管理」

実際の学習管理で最も重要なのがこのシートです。

例えば資格試験なら、試験範囲をできるだけ細かく分解します。

ID	分野	テーマ	状態	優先度	次にやること	最終確認日
001	ネットワーク	DNS	要復習	高	ログ解析問題	9/10
002	認証	Kerberos	学習中	高	横展開問題	9/9
003	暗号	TLS	要確認	中	再確認問題	9/8
004	OS	仮想記憶	安定	低	2週間後確認	9/7

ここで重要なのが「状態」です。

私は例えば、

未履修
↓
要復習
↓
学習中
↓
要確認
↓
安定

のように段階を作っています。

一度正解しただけでは「安定」にしません。

---

5. 「一度正解した」を信用しない

この仕組みでかなり重要にしている考え方です。

問題に1回正解すると、

「これはもう分かった」

と思ってしまいます。

でも数日後に聞かれると普通に間違えます。

そのため、

初回正解
↓
要確認
↓
別パターンで再出題
↓
時間を空けて再確認
↓
安定

という流れにします。

つまり、

正解したかではなく、安定して正解できるか

を管理します。

---

6. 未履修を優先する

資格試験では、得意分野だけ勉強していても意味がありません。

そこで各テーマに「優先度」を持たせます。

例えば、

高：未履修・ほぼ未経験
中：ある程度勉強済み
低：安定して解ける

とします。

するとChatGPTに、

優先度「高」の中から、
まだ演習していないテーマを出題して。

と依頼できます。

これによって、

自分が好きな分野だけ勉強する問題

を防げます。

---

7. 演習履歴は別に残す

範囲管理とは別に、問題を解いた履歴も残します。

例えば、

日付	分野	テーマ	結果	弱点	復習メモ
9/10	OS	LRU	×	ページ置換	FIFOと比較
9/10	DB	Isolation	△	ACID混同	再演習
9/11	NW	DNS	○	ログ読解	別パターン確認

こうすると、

現在の状態

と、

そこに至るまでの履歴

を分離できます。

---

8. 記述式では「正解・不正解」だけでは足りない

セキュリティの実務問題や記述式問題では、

○
×

だけでは評価できません。

そこで私は、例えば次のように分解しています。

事実を正しく拾えたか
根拠を示せたか
推測と事実を分離できたか
次に何を調査すべきか
適切な対応を判断できたか
文章として正確に説明できたか

例えばインシデント調査なら、

FACT
↓
HYPOTHESIS
↓
VERIFY
↓
RESPONSE

という流れで考えます。

「怪しい通信だからマルウェアだ」と即断するのではなく、

FACT:
5分間隔で外部IPへの通信がある

HYPOTHESIS:
C2通信の可能性がある

VERIFY:
EDR、DNS、Proxy、FWログを確認する

RESPONSE:
侵害が確認された場合は端末隔離を検討する

のように分けます。

この方法は資格試験だけでなく、SOCやインフラ障害調査にも応用できます。

---

9. ChatGPTを「先生」ではなく管理エンジンとして使う

この仕組みでChatGPTに期待しているのは、単純な質問回答だけではありません。

例えば、

スプレッドシート確認
↓
未履修を抽出
↓
問題作成
↓
自分が回答
↓
ChatGPTが採点
↓
弱点判定
↓
スプレッドシート更新
↓
後日再出題

という使い方です。

つまり、

AIを「何でも答えてくれる先生」から「学習状態を管理するシステム」に変える

イメージです。

---

10. 実務で分からなかったことも投入する

さらに資格勉強だけではなく、仕事中に分からなかったことも学習システムへ入れます。

例えば仕事中に、

Gi1/1/0/24って何？

ラインカードとは？

アップリンクとダウンリンクの違いは？

なぜEthernetは100mなの？

という疑問が出たとします。

そのまま流してしまうのではなく、

実務で疑問発生
↓
ログに記録
↓
ChatGPTで整理
↓
体系的な知識へ接続
↓
問題を作る
↓
自分で回答
↓
理解度を記録

という流れにします。

すると、

仕事そのものが教材になります。

---

11. 日次ログはシンプルにする

逆に毎日のログは細かくしすぎません。

例えば、

日付
学習時間
新規テーマ数
学習テーマ
できたこと
弱点
次回やること
業務で分からなかったこと

程度です。

詳細な弱点は「範囲管理」に任せます。

日次ログの役割は、

今日何をやったかを見るインデックス

です。

---

12. 最終的な学習ループ

ここまでをまとめると、現在目指している形はこれです。

        ┌─────────────┐
        │   実務・資格勉強   │
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │ 疑問・問題・間違い │
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │   ChatGPTで整理   │
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │    演習・回答     │
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │     評価・採点     │
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │   ログ・状態更新   │
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │     弱点抽出      │
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │     再出題        │
        └──────┬──────┘
               │
               └────────→ 演習へ

重要なのは、

「勉強する」で終わらないこと。

必ず、

学ぶ
↓
試す
↓
間違える
↓
記録する
↓
もう一度やる

までを1セットにします。

---

13. この方法の最大のメリット

この運用を始めて感じている最大のメリットは、

「今日何を勉強しよう？」を考える時間が減ること

です。

スプレッドシートを見れば、

未履修
要復習
最終確認日が古い
優先度が高い

テーマがあります。

なら、それをやればいい。

学習内容を毎日ゼロから考える必要がありません。

---

14. AI時代ほど「自分で答える」を残す

ただし、この方法には危険もあります。

ChatGPTに聞けば、ほとんどのことを説明してくれます。

だからこそ、

「分かった気になる」

という問題が起こります。

そこで私は、

AIに教えてもらう
↓
自分で問題を解く
↓
実機やログで確認する
↓
自分の言葉で説明する

という順番を大切にしています。

AIが答えられることと、

自分が答えられることは別です。

---

まとめ

私が現在試している学習管理を一言で表すと、

勉強をイベントではなく、状態遷移として管理する

という方法です。

未履修
↓
学習
↓
演習
↓
要復習
↓
再演習
↓
要確認
↓
安定

そしてChatGPTとスプレッドシートを使って、この状態を継続的に追跡します。

最終的に作りたいのは、

実務
↓
AI
↓
学習
↓
演習
↓
評価
↓
記録
↓
弱点抽出
↓
再学習
↓
実務

という循環です。

勉強で一番難しいのは、一日だけ5時間勉強することではなく、

「何をやるべきか分かっている状態」を長期間維持すること

だと思っています。

その判断をログとAIに手伝わせて、

人間は、

考えること、解くこと、実際に手を動かすこと

に集中する。

しばらくこの方法を続けて、どこまで学習効率と継続性を上げられるのか試してみます。