2026-06-10

文脈型間隔反復で語彙習得が4〜6倍速い：2024年研究の証明

2024年の研究（Paddagsら、ACL BEA 2024）によると、文脈型の間隔反復学習は単語カード式よりも語彙習得速度が4〜6倍高い。デンマーク語学習者26名での実験で、BM25コーパス検索とSM-2スケジューラを組み合わせた手法が1セッションあたりの習得語彙数を大幅に増やした。

結論から言うと

文脈型間隔反復（復習予定の単語を複数含む自然な文章の中でまとめて学ぶ手法）は、従来の単語カード式と比べて語彙習得速度が約4〜6倍高いことが、デンマーク語学習者26名を対象とした2024年の実証研究で示されました。¹ 核心となるアイデアはシンプルです。その日に復習予定の単語を複数含む自然な文章を動的に生成し、各単語を独立に採点しながら通常の間隔反復スケジュールを維持します。学習者は1セッションで目にする語彙数が3〜4倍に増え、記憶定着率はほぼ変わらず、さらにコーパスから実例文を引いた場合は学習への満足感も高いという結果になりました。

この手法は、従来のSRS（間隔反復ソフトウェア）が抱える二つの流派の中間に位置します。「単語だけのカード」（スケジューリングの自由度は高いが文脈がない）と「固定例文カード」（文脈は豊富だが文章単位で1枚のカードになる）。文脈型SRSはその両立を目指しています。単語は個別のスケジュールで復習されながら、毎回異なる適切な難易度の文章の中に登場するのです。

文脈型間隔反復とは？

Anki、SuperMemo、Mnemosyneといった従来の間隔反復ソフトウェアでは、語彙学習に主に三つの形式が使われています。¹

学習形式	復習する内容	スケジューリング	文脈
単語カード	1語または訳語ペア	単語ごとに独立	なし、またはほとんどなし
固定例文＋単語	静的な例文中でハイライトされた1語	単語ごとに独立	毎回同じ文章
文章カード	文章または一節全体	文章単位で1インターバル	豊富だが、まとめて評価
文脈型SRS	複数の復習予定単語を含む新しい文章	単語ごとに独立	毎回異なる文脈

コペンハーゲン大学の研究者たちはAllAI（Automated Language Learning with AI）というシステムを構築し、この第4の手法を検証しました。システムは学習者の語彙リストを管理し、復習予定の単語を特定し、できるだけ多くの復習予定単語を含む短い文章を組み立てます。学習者が回答した後、どの単語を間違えたかを自分でマークします。各単語の次回復習日は独立して更新されます（通常のフラッシュカードと同様の仕組みです）。¹

語彙習得に文脈が重要な理由

間隔反復はコンピュータ支援言語学習（CALL）において最もエビデンスが厚いツールの一つです。² しかし語彙は孤立した状態では生きません。文章の中で習得された単語は互いを補強し合い、文脈から意味の手がかりを与え、言語が実際に使われる状況を反映します。¹

語学学習でAnkiを使ったことがある人なら、次のジレンマに覚えがあるでしょう。

最小情報の原則：1枚のカードで1つの情報だけをテストすることで、スケジューリングの精度を保ちます。¹
文脈的学習：文章の中で単語を思い出す行為は、訳語だけを見つめるよりも実際の理解や産出に近い経験です。

文脈型SRSはこの両方を追求します。単語ごとのスケジューリングを維持しながら（単語カードと同様）、毎回の復習は異なる文章の中で行われます（何度も同じ例文が繰り返される固定例文カードとは異なります）。その組み合わせこそが、2024年の研究で従来の手法と比較して検証されたポイントです。

AllAIの文生成メカニズム

実際の学習者を対象にした実験を行う前に、研究者たちは20日間の学習をシミュレーションし、複数のNLPパイプラインを比較しました。性能が良かった2つの手法が実際の実験に進みました。¹

1. コーパス検索（BM25）

システムはWikipediaを元にした絞り込み済みコーパス（Wiki-40B）に対して、学習者の復習予定単語でクエリを実行します。改良されたBM25スコアリングが、より多くの復習予定単語を含む文章を、期限が近いものほど高く重み付けして評価します。文章は10語以内に制限され、学習者がすでに知っている語彙と少数の新語だけで構成され、同じ日に同じ文章が繰り返されることもありません。¹

シミュレーションでは、人間の評価者が取得された文章を100%文法的に正確と評価しました。また既存テキストを選ぶだけなので大規模な運用コストも低く抑えられます。

2. 少数事例プロンプティング（GPT-3.5）

もう一つのパイプラインは、GPT-3.5-turboにデンマーク語の3例を示し、5つの復習予定単語を使った短い文章を生成させました。最良の設定では低温度（0.2）を使用し、不正確な出力は再プロンプトでフィルタリングし、3つの生成候補の中からスケジューリングスコアが最も良いものを選びます。¹

生成された文章は概ね正確でしたが完璧ではなく、人間の評価者による評価では約15%が不正確とされました。さらに深刻な問題は語形ループでした。モデルが学習者のデッキに保存されている語形と異なる活用形を使うことが多く、「復習予定の語形」が正しくクリアされずに繰り返し出現し続けるという問題が起きました。

3. ハイブリッド（検索50%・生成50%）

ハイブリッド手法はBM25検索とGPT-3.5生成を交互に使用しました。ループは減少しましたが（検索がサイクルを断ち切るため）、生成のエラーは残りました。純粋な検索手法とハイブリッド手法の両方が、ユーザー実験に進みました。

手法	スケジューリングスコア（低いほど良い）	10語超の文章	不正確（人間評価）
GPT-3.5（最良設定）	0.068	19.6%	15%
BM25（上位25件から選択）	0.098	8.5%	0%
ハイブリッド	0.078	11.2%	10%

スケジューリングスコアは、復習期限前に単語が提示されたり予定外の新語が混入したりして、間隔反復のタイムラインがどれだけ無駄になるかを測定します。0.1未満であれば、タスク内の単語10個のうち9個以上がスケジューラと同期できていることを意味します。¹

ユーザー実験：語彙習得が4〜6倍速い

26名の学習者が10日間、プログレッシブウェブアプリを使ってデンマーク語を学習しました。アプリはSM-2アルゴリズム（Ankiの古典的なスケジューラの基礎）に「覚えた・覚えていない」の2段階評価を組み合わせた仕組みです。¹ 参加者は3つのグループに分けられました。

グループ	学習内容	ユニーク問題数（中央値）
ベースライン（単語カード）	固定例文中で1語がハイライトされる標準Ankiスタイル	15語
検索グループ	BM25コーパス検索による動的文章	55語
ハイブリッドグループ	検索とGPT-3.5生成を交互に使用	78語

学習効率の結果

最も注目される結果は時間効率（学習1分あたりの語彙習得数）です。検索グループとハイブリッドグループはベースラインと比較して約4倍の効率を達成しました。語彙習得の総量は4〜6倍多く、これは主に1セッションで多くの単語に接触できるためで、記憶定着率は低下しませんでした。¹

指標	ベースライン（単語カード）	検索グループ	ハイブリッドグループ
時間効率（語/分、中央値）	0.10	0.59	0.38
時間効率（語/分、平均値）	0.14	0.60	0.54
語彙習得数（中央値）	1.5語	10.0語	6.0語
語彙有効率（定着率）	0.05	0.17	0.12
接触ユニーク語数（中央値）	15語	55語	78語

語彙有効率（記憶した新語数を接触語数で割った値）は介入グループで同等かやや改善しました。速くなっても定着率が落ちるわけではありません。1文に複数の復習予定単語が詰め込まれることで、同じ学習時間により多くの語彙に触れられるからです。¹

継続意欲と楽しさ

自己報告による学習への楽しさは、検索グループがベースライン（p = 0.042）とハイブリッドグループ（p = 0.028）の両方を大きく上回りました。効率と楽しさには正の相関があり（ピアソンのr = 0.5）、速く上達することが学習をより充実させることを示唆しています。¹

特に恩恵を受けたのは初心者でした。語彙習得数とデンマーク語の事前知識には負の相関がありました（r = -0.4）。動的な文章は、すべての新語に豊富な文脈と繰り返しの接触が必要な学習初期に特に効果的なようです。

従来の間隔反復との比較

今日SRSを使っている語学学習者の多くは、二つのどちらかに属しています。

フラッシュカードの単語リスト（作成は簡単ですが、単語が文脈から切り離されています）。
固定例文カード（文脈が加わりますが、同じ文章が繰り返されることで、柔軟な語彙力ではなくチャンクとして記憶されやすくなります）。

AllAI実験のベースラインは第2の手法を再現したもので、各単語に1つの例文が永続的に割り当てられました。文脈型SRSはほぼすべての学習指標でそのベースラインを上回り、学習への意欲という点でも単語のみの学習より優れていました。¹

これは、穴埋め形式などの受動的なタスクよりも、文章を書くといった能動的・産出的なタスクの方が語彙習得に優れているという幅広い研究とも一致します。³ 文脈型SRSはその中間に位置します。積極的に思い出す必要がありながら、毎回変わる文脈をシステムが提供するので、ゼロから文章を作る必要はありません。

学習者への実践的アドバイス

1. 1回のレビューに複数の復習予定単語を盛り込む

AnkiなどのSRSアプリを手動で使っている場合は、自分で書いた短い文章の中で単語を復習するか、期限が来たカードをグループ化するアドオンを検討してみてください。AllAI研究が示唆するのは、効率向上の源が密度にあるということです。集中した注意時間あたりの目標単語数を増やすことが重要です。

2. 固定例文よりも本物の文章を優先する

すべてのカードに固定例文があることは文脈なしよりはましですが、同じ文章を繰り返すと文章レベルのパターン認識を学んでしまいます。文脈を変えることで、真の単語レベルの想起が促されます。コーパス検索がシミュレーションで完璧な文法正確性を達成したのは、実際に使われた文章を引用したからです。¹

3. 単語ごとのスケジューリングを維持する

文脈のために単語の独立インターバルを犠牲にしてはいけません。最小情報の原則が存在するのは、1枚のカードに詰め込みすぎるとスケジューラがどの部分を忘れたか判断できなくなるからです。文脈型SRSが機能する理由は、1つの共有文章の後に各単語を個別に採点するという仕組みにあります。

4. AIが生成した学習文には注意が必要

大規模言語モデルは流暢な文章を生成できますが、語形エラーや見出し語の不一致は、活用変化の多い言語ではSRSスケジューリングを壊す可能性があります。生成品質と語形制御が向上するまでは、精選されたコーパスや用例が豊富な辞書からの検索の方が安全なデフォルト選択かもしれません。¹

研究の限界

この結果を解釈する際には、いくつかの点に注意が必要です。

サンプル数が少ない：26名の参加者は知人のネットワーク経由で募集され、10日間デンマーク語を学習しました。
期間が短い：研究期間を超えた長期的な定着は直接測定されていません（ただし学習への楽しさが継続使用を予測する可能性はあります）。
対象言語が1つ：デンマーク語の語形変化の複雑さが生成エラーの発生率に影響している可能性があり、スペイン語、英語、または日本語では結果が異なる可能性があります。
多重比較の問題：3グループ間で11の指標を検証しており、厳密なボンフェローニ補正をすると有意でなくなるp値もあります。ただし検索グループとベースラインの効率差はその厳しい閾値でも有意でした。¹

論文の著者らは、GPT-4以降の新しいモデルがコーパス検索との正確性の差を縮める可能性があると述べていますが、その仮説の検証にはより大規模な実験が必要だとしています。

この効果を実践で得るには

LinGoatは、この研究が説明する文脈型間隔反復を実装している唯一の語学学習アプリです。復習予定の複数の単語を新しい練習文に組み合わせ、単語ごとに採点し、FSRSで復習をスケジュールします。Ankiなどの類似ツールは単語カードや固定の例文に依存しており、語彙と復習スケジュールに合わせて動的な文を自動で組み立てることはできません。

この研究で測定された4〜6倍の効率向上を得たいなら、LinGoatを使ってください。アプリを開いて始めるか、仕組みをご覧ください。