mcpField
G
grad-cognitive-load

grad-cognitive-load

github.com/asgard-ai-platformその他24343 回インストール21 週間前に更新
リポジトリ

grad-cognitive-load について

grad-cognitive-loadは、認知負荷理論を教材や情報設計の分析に活用するスキルです。教材設計者や研修担当者が負荷の種類を見分け、不要な負荷を抑えながら学習を支える方法を検討できます。

主な機能

  1. 01要素間の相互作用の評価
  2. 02外在的負荷の要因特定
  3. 03例題と段階的な支援縮小
  4. 04内容の分割と事前学習
  5. 05練習によるスキーマ形成
  6. 06学習者の熟達度への配慮

活用シーン

  1. 01理解や記憶が難しい原因の診断
  2. 02文書・チュートリアル・研修の改善
  3. 03インターフェースやダッシュボードの情報過多の確認
  4. 04複雑な内容の学習順序の設計

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/asgard-ai-platform/skills --skill grad-cognitive-load

インストール後、Claude Code で/grad-cognitive-loadを入力して読み込まれたか確認します。

同梱ファイルexamples/sample_scenario.md

詳細

認知負荷理論(CLT)

概要

認知負荷理論(Sweller、1988)は、人間の認知の構造に基づいています。ワーキングメモリは容量(7 ± 2 個)と持続時間が非常に限られている一方、長期記憶の容量は実質的に無制限です。効果的なインストラクショナルデザインでは、認知負荷の3つの種類、すなわち内在的負荷(課題の複雑さ)、外在的負荷(不適切な設計)、学習関連負荷(スキーマの構築)を管理し、総負荷がワーキングメモリの容量を超えないようにする必要があります。

使用する場面

  • 学習者が教材を理解したり記憶にとどめたりできない理由を診断する場合
  • 認知的負担を軽減するために、ドキュメント、チュートリアル、研修プログラムを再設計する場合
  • インターフェースの設計、ダッシュボード、情報表示で過負荷が生じていないか評価する場合
  • スキーマの獲得を段階的に支援するため、複雑な学習教材を順序立てる場合

使用しない場面

  • 問題が認知的なものではなく、動機付けに関するものである場合(学習者は処理できるものの、そうしないことを選んでいる場合)
  • すでにスキーマを持ち、専門性逆転効果が当てはまる専門家を対象とする場合
  • 簡略化によって課題の本質的な忠実性が損なわれる場合(本質的に複雑で、簡略化できない課題もあります)

前提条件

IRON LAW: Working memory capacity is FIXED and limited —
instructional design must minimize extraneous load to maximize
germane processing. Total load (intrinsic + extraneous + germane)
must not exceed working memory capacity.

主な前提条件:

  1. ワーキングメモリは新しい情報を処理し、長期記憶はワーキングメモリの制限を迂回するスキーマを保存します
  2. 内在的負荷は要素間の相互作用によって決まり、課題を変更せずに軽減することはできません
  3. 外在的負荷は設計者が調整できるため、常に最小限に抑える必要があります

方法論

ステップ 1 — 要素間の相互作用を分析する(内在的負荷)

同時に処理しなければならない情報要素の数を評価します。

  • 相互作用が低い場合:要素を個別に学習できます(語彙リストなど)
  • 相互作用が高い場合:理解するには要素を統合する必要があります(文法規則、回路設計など)
ステップ 2 — 外在的負荷の要因を特定する
要因説明設計上の問題
注意の分割空間的または時間的に離れた情報源を統合すること図から離れたテキスト
冗長性同じ情報を複数の形式で処理すること画面上のテキストを繰り返すナレーション
一過性の情報処理が完了する前に情報が消えてしまうこと一時停止のない高速アニメーション
専門性逆転初心者には役立つものの、専門家には妨げとなる足場かけ上級者にも段階的な手順を強制すること
魅力的だが無関係な詳細興味を引くものの、学習内容とは無関係な情報装飾的な画像、脱線した物語
ステップ 3 — 負荷の配分を最適化する

認知負荷全体を管理するための戦略:

  • 解答例:解決済みの問題を示し、初心者の内在的負荷を軽減する
  • 段階的な支援の縮小:解答例から独力での問題解決へ徐々に移行する
  • モダリティ効果:二つのチャネル(視覚+聴覚)を使い、実効的なワーキングメモリ容量を拡大する
  • セグメント化:複雑な教材を、学習者のペースに合わせたまとまりに分割する
  • 事前訓練:要素間の相互作用を紹介する前に、構成要素を教える
  • 冗長性の排除:複数のチャネルにまたがる重複情報を取り除く
ステップ 4 — 学習関連負荷を考慮して設計する
  • 自己説明と精緻化を促す
  • 練習問題に変化を持たせ、スキーマの抽象化を促進する
  • 構造上の類似点が明確になる比較例を提示する
  • 練習を時間をおいて行い(分散学習)、スキーマを定着させる

出力形式

## Cognitive Load Analysis: [Context]

### Intrinsic Load Assessment
- Element interactivity: [Low/Medium/High]
- Key interacting elements: [list]
- Learner expertise level: [Novice/Intermediate/Expert]

### Extraneous Load Audit
| Source | Present? | Severity | Fix |
|--------|----------|----------|-----|
| Split-attention | [Yes/No] | [High/Med/Low] | [solution] |
| Redundancy | [Yes/No] | [High/Med/Low] | [solution] |
| Transient info | [Yes/No] | [High/Med/Low] | [solution] |
| Seductive details | [Yes/No] | [High/Med/Low] | [solution] |

### Load Budget
- Estimated total load: [Within/Exceeding capacity]
- Extraneous reduction potential: [High/Medium/Low]

### Redesign Recommendations
1. [Primary extraneous load reduction]
2. [Segmenting or sequencing change]
3. [Germane load enhancement]

注意点

  • 熟達度逆転効果により、初心者に最適な設計は熟練者にとって逆効果になります。そのため、適応型または階層型の設計が必要です
  • 「7 ± 2」は大まかな経験則です。新規で相互作用する要素に対する有効なワーキングメモリ容量は、チャンク3~4個ほどしかない可能性があります
  • 近年の文献では、学習関連負荷について議論が続いています。独立した負荷として扱うのではなく、内在的負荷の管理に含める研究者もいます
  • 外在的負荷を減らすことは常に有益です。一方、内在的負荷を減らすと、内容が単純化されすぎて深い学習を妨げる可能性があります
  • モダリティ効果が当てはまるのは、視覚チャネルと聴覚チャネルが相補的な(重複しない)情報を伝える場合に限られます
  • 認知負荷を直接測定するのは困難です。代理指標(成績、主観的評価、二次課題)にはそれぞれ限界があります

参考文献

  • Sweller, J. (1988). 問題解決中の認知負荷:学習への影響. Cognitive Science, 12(2), 257-285.
  • Sweller, J., Ayres, P. & Kalyuga, S. (2011). 認知負荷理論. Springer.
  • Paas, F., Renkl, A. & Sweller, J. (2003). 認知負荷理論と教授設計:近年の進展. Educational Psychologist, 38(1), 1-4.

コメント