はじめに
LLM に質問するとき、「とりあえず聞く」だけでも答えは返ってきます。ただ、欲しいのが「用語の定義」なのか「設計レビュー」なのか「新しいアイデア」なのかが曖昧なままだと、返答もぼんやりしがちです。
そこで便利なのが、ブルームの認知分類学（Bloom's taxonomy）です。学習目標を「思い出す → 理解する → 適用する → 分析する → 評価する → 創造する」のように段階化して整理する枠組みで、LLM への問いの粒度を揃えるのにそのまま使えます。
さらに、質問の設計をもう一段うまくしたいなら、認知負荷理論（Cognitive Load Theory）の考え方も相性が良いです。LLM に渡す情報が増えるほど、こちらの頭が先に疲れる問題が起きがちなので、「ワーキングメモリを節約する設計」を意識すると、質問も回答の評価もラクになります。
この記事では、ブルームの 6 段階を「LLM への質問テンプレ」として落とし込みつつ、認知負荷理論を使って質問のムダを減らすコツまでまとめます。
🐣 結局 LLM と話す時も人と話すときと同じような明確さが大事なんですね
ブルームの 6 段階を LLM の質問に翻訳する
ブルームの認知分類学は、「どのレベルの思考を引き出したいか」を言語化するための表です。LLM への質問に当てはめると、次のように整理できます。
| レベル | 目的 | LLM に期待すること | 質問の型 |
|---|---|---|---|
| Remember（記憶） | 事実・用語の想起 | 定義、一覧、用語集 | 「A とは何ですか」「B を列挙してください」 |
| Understand（理解） | 意味づけ・説明 | たとえ話、図解風の説明、要約 | 「中学生にも分かるように」「たとえで」 |
| Apply（適用） | 手順の適用・実装 | 手順、サンプル、チェックリスト | 「この条件で実装案を」「具体例を」 |
| Analyze（分析） | 分解・比較・因果 | 比較表、原因の切り分け、構造化 | 「要因を分解して」「比較して」 |
| Evaluate（評価） | 判断・批評 | トレードオフ、レビュー、リスク | 「どちらが妥当か」「懸念点は」 |
| Create（創造） | 新規生成・設計 | 代替案、企画、仕様、プロトタイプ | 「新しい案を 3 つ」「要件から設計を」 |
ポイントは「今ほしいのはどの段階か」を自分で宣言してから質問することです。LLM は文脈がはっきりすると、出力の型も安定します。
まず効く 3 つのコツ
1) レベルを明示する
「理解レベルで説明して」「評価レベルでレビューして」のように、レベルを言葉として入れるだけでブレが減ります。
2) 期待する出力形式を固定する
- 箇条書き
- 表
- 300 文字要約
- 例を 2 つ
- 手順を 5 ステップ
形式の指定は、LLM の迷いを減らす定番です。
3) 制約と前提を書く
- 対象読者: 初学者 / 実務者
- 目的: 理解 / 実装 / 仕様検討
- 制約: 依存追加なし、既存の API だけ、締切、予算
「どこまで踏み込んでいいか」が決まると、回答の密度が上がります。
認知負荷理論で質問のムダを減らす
ブルームは「どのレベルの答えがほしいか」を決める枠組みでした。一方、認知負荷理論は「学習中に頭の中の作業スペース（ワーキングメモリ）が詰まりやすい」という前提から、負担を設計で調整する理論です。
LLM への質問も、実は「こちらが読み、判断し、次の質問を考える学習タスク」になっています。つまり、質問設計が悪いと、モデルより先に自分のワーキングメモリが溢れます。
ここでは、認知負荷を 3 種類に分けて、LLM 質問術に直結する形に翻訳します。
3 種類の認知負荷を LLM 質問に当てはめる
-
課題内在性負荷（intrinsic）
- タスクそのものの難しさによる負荷
- 例: 仕様が複雑、前提が多い、数理が重い
-
課題外在性負荷（extraneous）
- 本質と関係ないノイズによる負荷
- 例: 情報が散らばっている、条件が曖昧、長文のまま投げる、評価軸がない
-
学習関連負荷（germane）
- 学習や理解の深まりに効く負荷
- 例: 自分で説明する、比較して構造化する、例題から一般化する
LLM 質問でまず狙うのは、課題外在性負荷を落として、学習関連負荷に寄せることです。課題内在性負荷は、分割や段階化で「扱えるサイズ」に落とします。
課題外在性負荷を下げる質問テク
1) 情報源を 1 か所に寄せる
「このログ見て」「さっきの仕様の続きで」みたいに参照が飛ぶと、自分もモデルも迷子になります。必要な抜粋は質問文にまとめて貼り、参照を完結させます。
以下の情報だけを根拠に回答してください。
- 前提:
- 仕様:
- ログ（抜粋）:
質問: （ここに 1 文で）
出力形式: （箇条書き / 表 / 手順）
2) 目的と非目的を書く
「何を決めたいか」と「今回はやらないこと」を並べると、回答が締まります。
目的: {決めたいこと}
非目的: {今回は触れないこと}
制約: {守りたい条件}
3) 出力に上限を付ける
長文はそれ自体が負荷になります。上限を決めると読みやすさが上がります。
出力は最大 10 行までにしてください。
結論 → 根拠 3 点 → 次の一手、の順で書いてください。
課題内在性負荷を扱えるサイズにする質問テク
1) ブルームの順番で分割する
難しいタスクほど、いきなり「評価」や「創造」に飛ぶと破綻しやすいです。
- Remember: 用語と前提の確認
- Understand: たとえ、誤解ポイント
- Apply: 手順や最小例
- Analyze: 切り分け、比較
- Evaluate: 判断基準でレビュー
- Create: 案を出して、評価で絞る
この順番は、そのまま「負荷の段階上げ」になっています。
2) 中間成果物を要求する
最終結論だけだと、途中のすれ違いに気づきにくいです。途中の表や前提リストを出させると、こちらの確認コストが下がります。
最初に「前提の一覧」と「不明点」を箇条書きで出してください。
その後に回答してください。
学習関連負荷を増やして、理解を定着させる質問テク
ここは「少し負担を増やす代わりに、得るものを増やす」方向です。質問回数は増えますが、後戻りが減ります。
1) 例題（worked example）から入る
いきなり解法をねらうより、まず模範解答を見せてもらってから一般化します。
まず、{類題} の例題を 1 つ作り、解法を手順付きで示してください。
次に、その解法を一般化してチェックリストにしてください。
2) ガイドを徐々に減らす（fading）
最初は手厚いテンプレで、慣れたら制約を緩めていきます。
- 初回: 「形式、手順、観点」まで固定
- 2 回目: 観点は残し、手順の自由度を上げる
- 3 回目: 「結論と根拠」だけ指定
3) 自己説明を引き出す
「なぜそうなるか」を短く言語化させると、こちらの理解も進みます。
各主張に対して「なぜそう言えるか」を 1 行で添えてください。
レベル別の質問テンプレと具体例
ここからは、各レベルで使えるテンプレをそのまま貼ります。テーマは何でも置き換えできます。
Remember（記憶）: まず用語と前提を揃える
目的は「辞書的に揃える」です。ここで曖昧さを減らすと、後の段階が楽になります。
あなたは {分野} の専門家です。
{用語A} と {用語B} を、それぞれ 1〜2 行で定義してください。
違いが分かるように比較も 3 点挙げてください。
使いどころ
- 新しい領域に入った直後
- 仕様書や論文の用語が多いとき
注意
- ここで深掘りしすぎない（理解・分析に寄せると長くなりやすい）
Understand（理解）: 分かった気になるのを防ぐ
理解レベルは「自分の言葉で説明できる状態」を目指します。
{概念} を、次の条件で説明してください。
- 対象: {対象読者}
- 形式: たとえ話 → 具体例 → まとめ
- 重要語には短い定義を添える
追加の一手
最後に、誤解しやすいポイントを 3 つ挙げてください。
Apply（適用）: 手順に落とす
適用レベルは「この条件ならどうするか」です。抽象を具体に落とします。
{やりたいこと} を {制約} の範囲で実現したいです。
必要な手順を 5 ステップで提示し、各ステップに
- 目的
- 具体的な作業
- 失敗しやすい点
を付けてください。
コードが必要なときは「最小例」を指定します。
最小の例（Minimum Working Example）を示してください。
依存は {制約} のみで、コメントで意図も説明してください。
Analyze（分析）: 構造化して原因を切り分ける
分析レベルは「分解」「比較」「因果」です。トラブルシュートや設計の分岐に効きます。
状況: {状況説明}
目的: {目的}
この状況を、要因に分解して整理してください。
- 仮説を 5 つ
- 仮説ごとの確認方法
- 切り分けの優先順位（理由つき）
比較が欲しいなら表が強いです。
{案A} と {案B} を、次の観点で比較表にしてください。
観点: 性能 / 保守性 / コスト / 学習難度 / リスク
最後に、選ぶときの判断基準も書いてください。
Evaluate（評価）: 判断の軸を作る
評価レベルは「どれが良いか」を決めるフェーズです。ここで重要なのは、LLM に結論だけ出させないことです。
{候補} について、レビューしてください。
- 良い点
- 懸念点
- 想定される失敗モード
- 代替案
- 推奨（ただし前提条件も明記）
さらに精度を上げるなら、評価基準を先に固定します。
評価基準を先に定義し、その基準に従って採点してください。
基準: {基準1}, {基準2}, {基準3}
出力: 基準ごとの点数（1〜5）と根拠
Create（創造）: 発散してから収束する
創造レベルは「新しい案」を出す段階です。ここは 1 回で当てにいかず、発散 → 収束を分けるのがコツです。
発散
次の要件を満たす案を 5 つ提案してください。
要件: {要件}
各案に
- ねらい
- 仕組み
- 期待効果
- リスク
を付けてください。
収束（評価レベルを併用するイメージ）
上の 5 案を、{評価基準} で比較し、上位 2 案に絞ってください。
絞った理由と、次に試すべき検証を提案してください。
1 回で決めないためのミニ手順
LLM は「会話で精度を上げる」ほうが得意です。おすすめの流れは次です。
- Remember: 用語と前提を揃える
- Understand: 説明してもらい、誤解ポイントも出す
- Apply: 手順や最小例を作る
- Analyze: リスクや分岐を分解する
- Evaluate: 判断基準でレビューする
- Create: 案を出して、評価で絞る
この順番にすると、「いきなり創造」に飛ばず、筋のいい案が残りやすいです。
よくある失敗と直し方
失敗 1: レベルが混ざっている
例
- 「この技術を説明して、実装もして、最適案も決めて」
直し方
- まず理解、次に適用、最後に評価のように分割する
- それぞれで出力形式を固定する
失敗 2: 制約がないので万能回答になる
直し方
- 対象読者、制約、目的を 1 行でいいので追加する
- 迷ったら「前提を質問してから回答して」と書く
不足している前提があれば、先に質問を 3 つしてください。
その回答を待たず、仮定を置く場合は明記してください。
失敗 3: いい感じだけど検証できない
直し方
- 「検証手順」と「成功条件」をセットで出す
提案の検証手順を 3 つ、成功条件（定量でも定性でも）も添えてください。
🐣結局何を質問したいか？をまずは自分で理解しましょうというお話でした
すぐ使えるチートシート
- 記憶: 定義、用語、一覧
- 理解: たとえ、具体例、誤解ポイント
- 適用: 手順、最小例、チェックリスト
- 分析: 要因分解、比較表、切り分け
- 評価: 基準、採点、トレードオフ
- 創造: 発散案、リスク、検証、絞り込み
参考文献
- Sweller, J., van Merrienboer, J. J. G., & Paas, F. G. W. C. (1998). Cognitive architecture and instructional design. Educational Psychology Review, 10, 251–296
- Paas, F., & van Merriënboer, J. J. G. (2020). Cognitive-Load Theory: Methods to Manage Working Memory Load in the Learning of Complex Tasks. Current Directions in Psychological Science, 29(4), 394–398. https://doi.org/10.1177/0963721420922183
おわりに
ブルームの認知分類学は「欲しい答えのレベル」を揃えるための枠組みで、認知負荷理論は「質問と読み取りの疲れ」を減らすための枠組みです。レベルを宣言し、出力形式と前提を寄せ、段階化して進めるだけで、LLM との往復がかなり快適になります。
次に LLM に聞くときは、まず「理解がほしいのか、評価がほしいのか」を決めて、質問文のノイズを削ってから投げてみてください。回答のブレが目に見えて減るはずです。
ではまた次の記事でお会いしましょう。