このエッセイには、 18 ヶ月前に書いた版があり、公開しなかったことに安堵しています。
タイトルは なぜ ChatGPT 時代に勉強アプリを? で、 2,000 語を費やして、 AI がどのように教育を変革するか、 Fluera がついにパーソナライズされた tutoring を現実にするアプリになるか、 5 年後には誰も以前のようには勉強しなくなるかを説明していました。楽観的でした。自信に満ちていました。そして振り返れば、ほぼ完全に間違っていました。
当時見えていなかったのは、問題は決して学生が情報に到達できないことではなかったということです。教師がパーソナライズできないことでもなかった。問題は — そして今もそうですが — 現代のツールが、何かを学んでいないのに学んだと 感じる ことを驚くほど簡単にしてしまうことです。そしてツールが感触の面で良くなればなるほど、本当に大事なことの面では悪くなるのです。
ボトルネックは移動した
歴史の大半において、何かを学ぶということを定義する問いは アクセス でした。本は高価でした。教師は少なかった。図書館は遠かった。教養人とは何より、情報に近づくことに成功した人のことでした。
私の世代にとって、問いは ナビゲーション に変わりました。情報は豊富で、正しい断片を見つけることが仕事でした。 Google 、 Wikipedia 、 Stack Overflow — たった一つの問いのためのインフラ全体: それはどこにあるか? 2015 年に教養があるとは、上手に検索できるという意味でした。
2026 年には、どちらの問いも本当の意味では私たちを制約していません。どんな事実も 3 秒で手に入ります。どんな説明も好みのスタイルで生成できます。ボトルネックは再び移動しました。そして — ここが見落としていた部分ですが — その新しい形態に対するインフラはまだ構築されていません。
新しいボトルネックは、 今読んだことを、本当に保持できる何かにどう変えるか? です。
古い認知科学の、ひそやかな名誉回復
そしてここが面白いところです。この問いへの答えは 50 年前から文献の中にあります。間隔反復は、 1885 年の Ebbinghaus 以来。 想起練習は、 2006 年の Roediger と Karpicke 以来 [Roediger と Karpicke, 2006] View in bibliography → 。 望ましい困難は、 1994 年の Bjork 以来 [Bjork, 1994] View in bibliography → 。 コンセプトマッピングは、 1984 年の Novak 以来 [Novak と Gowin, 1984] View in bibliography → 。 O’Keefe と Moser 夫妻による空間記憶の神経科学は、 2014 年にノーベル賞を受賞しました [Moser et al., 2005] View in bibliography → 。
これらの結果は頑健です。メタ分析は一貫しています。効果量は中程度から d = 0.88 まで — 認知科学のどの基準でもとても大きい。
私たちが一度も持ったことがないもの — ed-tech の歴史全体で一度たりとも — は、正しいことを最も簡単な道にするツールです。 Anki は想起練習を可能にしますが、巨大な構築コストの代償として。 Notion はノートを読みやすくしますが、想起可能にはしません。 GoodNotes は手書きを美しくしますが、どんな記憶スケジュールからも切り離されたままです。各ツールは多段階サイクルの一段階を解決し、誰もサイクルを解決しません。
そして今、このモザイクの上に LLM が乗ります。間違ったこと — articulate された答えの受動的消費 — を正しいことのように 感じさせる LLM が。 3 秒の流暢さが、符号化と取り違えられる。 惑星規模の自動化バイアスです [Kahneman, 2011] View in bibliography → 。
代替ではなく、 Centaur
AI ベースの勉強ツールを構築する誘惑は、 AI を中心に置くことです。ノートを生成させ、教科書を要約させ、試験問題を説明させる。誘惑は分かります。それが当然の製品です。そしてそれは、科学が告げるすべてによれば、まさに間違っています。
Kasparov の Centaur フレーミングこそが本当に機能するものです。世界最強のチェスプレイヤーは Stockfish ではありません。 Carlsen でもない。 Carlsen と Stockfish の組み合わせ、構造化された共生にあります — それぞれが最も得意なことをし、どちらも相手のふりをしない。
勉強においては、人間の貢献は深さ、判断、生成です。 AI の貢献は広さ、検証、足場かけです。これを理解するツールでは、 AI は答える前に問い、解く前に足場を架け、提供する前に検証します。これを誤るツールは逆を行い、学生は何も学ばずに以前より賢くなった気分でセッションを去ります。
Fluera は前者の試みです。
私たちが賭けているもの
私たちは、流暢さと能力の差を — それが大事な瞬間に — 感じ分けられる learner のコホートが存在すると賭けています。全員ではない、大半でもない、しかし十分な数。ごまかせない口頭試問を準備する学生。 ChatGPT に頼んだものすべてが翌週に蒸発することに気付く長期 learner 。 LLM 生成の articulate な小論文を提出されながら、その後それを学生が擁護できないのを見飽きた教員。
そういう人たちにとって、摩擦はバグではありません。手書きはノスタルジーではありません。答えを受け取る前に問われることは罰ではありません。それらは機能です。それらが機構です。
私たちは、代替よりも遅く、静かで、難しい勉強ツールを作っています。証拠がそれが効くと告げているからです。そして、より速く、より騒がしく、より簡単なツールは、この時点で、能力の錯覚のためのツールになってしまったからです。
これが響くなら — ベータで一緒に作りましょう。響かないなら、それで構いません。すべてのツールがすべての learner のためではありません。これは、その差を見分けられる人のためのものです。